JP2017037406A - Presentation device - Google Patents

Abstract

PROBLEM TO BE SOLVED: To provide a presentation device capable of notifying a notification object person of a health risk without making underestimation and overestimation by mistake and appropriately enabling the estimation to be performed at the time of performing the notification such as a health guidance and the like.SOLUTION: A clustering is performed for medical data by a series of granularity, and an administrator determines a notification object person under the granularity of the notification object and the cluster. A first risk value calculation part 3 calculates a first risk value from a standpoint of the administrator based on a specific cluster. A second risk value calculation part 4 calculates a second risk value from the standpoint of the notification object person in each of clustering results of the series of granularity. A presentation determination part 6 determines a clustering result in the granularity when the granularity is determined to be the closest to the first risk value from among a series of the second risk values as a result for performing a health guidance related to the development of a specific disease for the notification object person.SELECTED DRAWING: Figure 1

Description

本発明は、健康指導などの通知を行うに際して、通知対象者に対して健康リスクを軽視しすぎず、且つ、過度に深刻にとらえることのないよう、管理者等が感じているのと同等の適切なリスクを感じる形で、通知を行うことを可能とする提示装置に関する。   The present invention, in performing the notification, such as health guidance, not too downplayed the health risk to the notification target, and, so as not to overly seriously capture, of the equivalent of the administrator or the like is feeling The present invention relates to a presentation device that makes it possible to perform notification in a form that feels an appropriate risk.

従来より、特許文献１，２等に示されるように医療費削減を目的として保健指導や本人への注意喚起を行うことが行われている。   Conventionally, to perform the alert to health guidance and person it has been conducted for the purpose of reducing medical costs, as shown in Patent Documents 1 and 2.

特開2014-225176号公報JP 2014-225176 JP 特開2014-225175号公報JP 2014-225175 JP

しかしながら、上記のような従来手法においては、その注意喚起を行おうとする際に、以下にその背景と共に説明する２点（１）及び（２）の問題への対処がなされていなかった。   However, in the conventional technique as described above, the attention when attempting to stimulate, two points will be described together with the background (1) and is addressed to the problem (2) has not been made in the following.

（１）厚生労働省は、がん、脳卒中、急性心筋梗塞、糖尿病のいわゆる4大疾病に、精神疾患を加えて5大疾病とする方針を発表しており、特に企業におけるメンタルヘルス対策が急務となっている。しかしメンタルヘルス対策は、対策を実行するための対象者集団を特定した時点で、当人たちが健康であるか否かに関わらず、企業における人事査定等に響いてしまうと感じてしまうことが多く、心理的な抵抗となっている場合が多い。   (1) The Ministry of Health, Labor and Welfare, cancer, stroke, acute myocardial infarction, the so-called four major diseases of diabetes, has announced a policy of five major diseases in addition to mental illness, and especially urgent need for mental health measures in companies It has become. But mental health measures, at the time identified the subject population for executing the measures, regardless of whether or not the person who is healthy, it feels and would sounded in personnel assessment, etc. in companies many, in many cases has become a psychological resistance.

（２）また、健康指導をする際に、健康状態が似通った人同士をクラスタリングして指導する場合がある。このとき、どのような粒度でクラスタを提示すれば最も行動変容が起きやすいかがわからないため、必ずしも最適なクラスタ分類となっていないという問題があった。   (2) In addition, when the health guidance, there is a case to guidance by clustering the person each other was similar health condition. In this case, for what granularity most behavioral change when presenting the cluster do not know easy to occur, there is a problem that does not necessarily become the optimal cluster classification.

上記（１）、（２）のどちらの問題であっても、指導対象となる健康ハイリスク者集団（クラスタ）を提示した時に生じる認知が問題となる。   The above (1) and (2) even in either of the problem, recognition is a problem that occurs when you present a health at high risk population of the guidance target (cluster).

前者の（１）の場合、健康指導を行う企業側の人間が指導対象クラスタを提示された際に、適切な管理さえすれば精神疾患の恐れがない人に対しても精神疾患患者と同等の評価をしてしまう可能性がある。   If the former (1), health guidance when the company side human beings has been presented the guidance target cluster to perform, as long as proper management of mental illness fear there is no equivalent of the patient's mental disease even for people there is a possibility that the evaluation.

後者の（２）の場合、自分あるいは配偶者、健保組合員などが、特定の健康ハイリスク者集団に属していると判定されたとしても、さほど危険だと思わず、リスクを見過ごしてしまう可能性がある。   If the latter (2), their own or a spouse, such as the Health Insurance Society members, even if they are judged to belong to a particular health at high risk populations, not seems less dangerous, likely to overlook the risk There is.

つまり、特定のラベル、クラスタ（今回の例でいえば健康ハイリスク者）が対象者に割り振られたとき、数値上危険、あるいは危険でなかったとしても、認知によってはこれらの判断と一致しない場合がある。すなわち、前者（１）はリスクの過大評価、後者（２）はリスクの過小評価が問題となる。   That is, if a particular label, clusters (in terms of the present example health at high risk) is when allocated to the subject, numerically dangerous, or even not dangerous, inconsistent with these decisions by cognitive There is. That is, the former (1) is overestimated risk, the latter (2) is underestimated risk becomes a problem.

本発明は、上記従来技術の課題に鑑み、通知対象者に適切なリスクを感じさせる形で健康状態についての通知を行うようにすることが可能となる、提示装置を提供することを目的とする。   In view of the above problems of the prior art, it is possible to perform the notification of the health in a way that feel appropriate risk notification target, and an object thereof is to provide a presentation device .

上記目的を達成するため、本発明は、提示装置であって、バグオブワードの形で与えられた一連の対象者の一連の年代における健康状態データを、対象者及び年代ごとの個別データの集まりとして潜在トピック分析を適用することで、予め指定された一連の粒度においてそれぞれクラスタリングを行い、各粒度におけるクラスタリング結果を求めるクラスタリング部と、管理者より、前記各粒度のクラスタリング結果のうちいずれの粒度のものを健康指導のために利用するかの指定と、当該指定された粒度のクラスタリング結果のうちいずれのクラスタのいずれの個別データを健康指導の対象としての通知対象者にするかの指定と、を受け付ける通知対象受付部と、前記指定された通知対象者が特定疾病を発症することに関する、前記管理者の立場での第一リスク値を、前記指定されたクラスタに基づいて計算する第一リスク値計算部と、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、前記一連の粒度のクラスタリング結果のそれぞれにおいて計算する第二リスク値計算部と、前記一連の粒度のクラスタリング結果のそれぞれについて計算された第二リスク値のうち、前記第一リスク値に最も近いと判定される際の粒度におけるクラスタリング結果を、前記通知対象者に対して特定疾病を発症することに関する健康指導を行うための結果として決定する提示決定部と、を備えることを特徴とする。   To achieve the above object, the present invention provides a presentation device, the health data in a series of chronological series of subjects given in the form of a bug of words, a collection of individual data for each subject and chronological by applying the potential topic analysis as each performs clustering in a series of particle size that is specified in advance, a clustering unit for obtaining the clustering results of each particle size, from the administrator, said one of the particle size of the clustering results for each particle size Specifying whether to use the object for health guidance, and specifying which individual data of which cluster among the clustering results of the specified granularity are to be notified as health guidance targets. a notification target receiving unit that receives, relates to the designated notification target to developing a particular disease, the administrator A first risk value calculation unit that calculates a first risk value in a position based on the specified cluster, and the notification target person's position regarding the specified notification target person developing a specific disease A second risk value calculating unit that calculates a second risk value for each of the series of granularity clustering results, and a second risk value calculated for each of the series of granularity clustering results, the clustering result in the particle size when it is determined to be closest to the risk value, that and a presentation determining unit that determines as a result for performing health guidance relates to developing a particular disease to the notification target Features.

本発明によれば、管理者の感じるいわば客観値としての第一リスク値に近いような第二リスク値を通知対象者が感じるようなクラスタリング結果を、特定疾病を発症することに関する健康指導を行うための結果として自動で決定することができる。従って当該自動決定された結果通りの通知を行うことで、通知対象者に適切なリスクを感じさせ、健康状態の改善等に関する適切な意思決定を促すようにすることができる。   According to the present invention, the clustering result as administrator of felt speak notification target a second risk value as close to the first risk value as an objective value feel, perform health guidance relates to developing a particular disease it can be determined automatically as a result of for. Thus by performing notification of the result as which is the automatic determination, feel appropriate risk notification target, it is possible to urge the appropriate decisions regarding improvement of health.

一実施形態に係る提示装置の機能ブロック図である。It is a functional block diagram of a presentation device according to one embodiment. 一実施形態に係る提示装置の動作のフローチャートである。It is a flowchart of the operation of the presentation device according to one embodiment. 図２のステップを説明するための模式的な例を示す図である。It is a figure which shows the schematic example for demonstrating the step of FIG. クラスタリング部の機能ブロック図である。It is a functional block diagram of a clustering part. 文書化部に入力される全医療データの模式的な例を示す図である。It is a diagram showing a schematic example of all medical data to be input to the document section.

図１は、一実施形態に係る提示装置の機能ブロック図である。提示装置10は、クラスタリング部1、通知対象受付部2、第一リスク値計算部3、第二リスク値計算部4、データベース5及び提示決定部6を備える。なお、図１では補助説明のために機能ブロック間のデータ線のうち一部のもの（錯綜している箇所）に線L1〜L7と符号を付している。データ線上の黒丸を施した部分は同一データの流れが分岐する旨を表し、逆に黒丸を施さずに単に交差している部分では、交差しているデータ線同士は別途の独立のものであることを表すものとする。   Figure 1 is a functional block diagram of a presentation device according to one embodiment. Presentation device 10 includes clustering unit 1, notified reception unit 2, the first risk value calculation unit 3, the second risk value calculation unit 4, a database 5 and presentation determining unit 6. Note that given the part of those (complicated to have point) in line L1~L7 the sign of the data lines between the functional blocks for the Fig auxiliary description. Portions subjected to black dots on the data line represents that the branch flow of the same data, the only partially intersecting without applying black circle Conversely, the data lines to each other intersecting are of separate independent It shall be expressed.

図１の各部の処理内容の概要は以下の通りである。なお、以下では各部の扱うデータのやりとりのみに注目して、図１の各部の形式的な説明をまず行うこととする。当該形式的な説明を終えてから、実質的な技術的意味合いの説明を図２、図３等を参照して行うこととする。   Overview of the processing contents of each section of FIG. 1 is as follows. In the following we focus only on the exchange of data handled by each component, and the first action the formal description of each part of FIG. After finishing the formal description, FIG. 2 a description of the material technical sense, and be done with reference to FIG. 3 and the like.

クラスタリング部1では、医療データ（健診データやレセプトデータ等）を入力として受け取り、一連の粒度（クラスタ数）でクラスタリングを行ったそれぞれの結果を各箇所に出力する。すなわち、線L1に示すように通知対象受付部2へと出力し、線L2に示すように提示装置10を利用する管理者へと参照可能なように出力し、線L3に示すように第一リスク値計算部3へと出力し、線L4に示すように第二リスク値計算部4へと出力する。クラスタリング部1におけるクラスタリングの詳細は後述する。   The clustering unit 1 receives the medical data (medical examination data and receipt data, and the like) as an input, and outputs the respective results of clustering of a series of particle size (number of clusters) in each location. In other words, the information is output to the notification target receiving unit 2 as indicated by a line L1, is output so that it can be referred to an administrator who uses the presentation device 10 as indicated by a line L2, and the first as indicated by a line L3. outputs to risk value calculation unit 3, and outputs it to the second risk value calculation unit 4 as shown in line L4. Clustering details of the clustering unit 1 will be described later.

通知対象受付部2では、線L5に示すように、管理者よりクラスタリング部1で得た一連の粒度のクラスタリング結果のうちいずれの粒度のものを採用して、いずれのクラスタに属する対象者を健康状態に関する通知対象として設定するかの指示を受け付け、当該受け付けた情報を線L6に示すように第一リスク値計算部3へと出力し、また当該受け付けた情報を線L7に示すように第二リスク値計算部4へと出力する。   As shown in line L5, the notification target accepting unit 2 employs any of the granularity clustering results obtained from the administrator by the clustering unit 1 to maintain the subject belonging to any cluster as healthy. An instruction on whether to set as a notification target regarding the state is received, the received information is output to the first risk value calculation unit 3 as indicated by a line L6, and the received information is output as a second line as indicated by a line L7. Output to risk value calculator 4.

第一リスク値計算部3は通知対象受付部2より受け取った通知対象者のリスク値を、管理者の観点で評価したものとして第一リスク値を計算したうえで、第一リスク値を提示決定部6へと出力する。   The first risk value calculation unit 3 calculates the first risk value based on the risk value of the notification target person received from the notification target reception unit 2 as evaluated from the viewpoint of the administrator, and then decides to present the first risk value Output to part 6.

第二リスク値計算部4は通知対象受付部2より受け取った通知対象者のリスク値を、通知対象者自身の観点（及び後述するような通知対象者の親族その他の関連者）で評価したものとして、第二リスク値を計算したうえで、第二リスク値を提示決定部6へと出力する。ここで、後述するように第二リスク値は１通りのみの値として算出されるのではなく、クラスタリング部1で得られたクラスタリング結果等に応じて一連の値が算出され、それぞれが提示決定部6へと出力される。   That the second risk value calculation unit 4 risk value notification target received from the notification target reception unit 2, and evaluated in terms of notification target itself (and notification target to be described later relatives other related person) After calculating the second risk value, the second risk value is output to the presentation determination unit 6. Here, the second risk value as described below rather than being calculated as a value of only one street, a set value is calculated in accordance with the obtained clustering results of clustering section 1, each presenting determiner Output to 6.

上記のように、第一リスク値計算部3は管理者の観点での第一リスク値を、第二リスク値計算部4は通知対象者の観点での第二リスク値を、それぞれ算出する。当該算出においては後述するようにリスク心理学の枠組みにおいて各因子を評価する手法が採用され、各計算部3,4では当該リスク心理学の枠組みのもとでそれぞれ管理者観点及び通知対象者観点における各因子を算出したうえで、各因子の総合スコアとしてそれぞれ第一リスク値及び第二リスク値を算出する。   As described above, the first risk value calculation unit 3 a first risk value in terms of administrative, the second risk value calculating section 4 and the second risk value in terms of notification target, is calculated. Method in the calculation evaluates each factor in the framework of risk psychology as will be described later is employed, each administrator aspects and notification target viewpoint under the framework of the risk psychology Each calculator 3,4 after having calculated each factor in, it calculates the first risk value and second risk value, respectively as a total score of each factor.

当該算出するために、図１に示すように各計算部3,4は共通のモジュール構成を含む。すなわち、第一リスク値計算部3は、管理者の観点での恐ろしさ因子を計算する第一恐ろしさ因子計算部31と、管理者の観点での未知性因子を算出する第一未知性因子計算部32と、管理者の観点での信頼性因子を算出する第一信頼性因子計算部33と、以上の各部31,32,33で算出された管理者の観点での恐ろしさ因子、未知性因子及び信頼性因子の総合スコアとしての第一リスク値を算出する第一総合計算部34と、を備える。   In order to perform the calculation, the calculation units 3 and 4 include a common module configuration as shown in FIG. That is, the first risk value calculation unit 3, the first fear factor computation unit 31 for calculating a fear factor in terms of administrative, first unknown factor to calculate the unknown factor in terms of administrative The calculation unit 32, the first reliability factor calculation unit 33 for calculating the reliability factor from the viewpoint of the administrator, and the fear factor from the viewpoint of the administrator calculated by each of the above units 31, 32, 33, unknown A first total calculation unit 34 that calculates a first risk value as a total score of sex factors and reliability factors.

また同様に、第二リスク値計算部4は、通知対象者の観点での恐ろしさ因子を計算する第二恐ろしさ因子計算部41と、通知対象者の観点での未知性因子を算出する第二未知性因子計算部42と、通知対象者の観点での信頼性因子を算出する第二信頼性因子計算部43と、以上の各部41,42,43で算出された通知対象者の観点での恐ろしさ因子、未知性因子及び信頼性因子の総合スコアとしての第二リスク値を算出する第二総合計算部44と、を備える。   Similarly, the second risk value calculation unit 4 calculates a second fear factor computation unit 41 for calculating a fear factor in terms of notification target, the unknown factor in terms of notification target a secondary unknown factor calculation unit 42, a second reliability factor calculation unit 43 for calculating a reliability factor in terms of notification target, in view of the above is calculated in each section 41, 42, 43 notification target comprising the fear factor, the second total calculation unit 44 for calculating a second risk value as the total score of the unknown factors and reliability factors, and.

データベース5は、上記の第一リスク値計算部3及び第二リスク値計算部4がそれぞれのリスク値を計算するための各因子を算出する際に必要となる情報を予め記録しておき、各部3,4の各モジュール31,32,33,41,42,43が算出を行うに際して、必要な情報を参照に供する。なお、データベース5で記録しておく情報の詳細については、当該各モジュール31,32,33,41,42,43の詳細説明の際に併せて説明する。   The database 5 records in advance information necessary for the first risk value calculation unit 3 and the second risk value calculation unit 4 to calculate each factor for calculating each risk value. in each module 31,32,33,41,42,43 3,4 performs calculation, subjected to reference the necessary information. The details of the information to be recorded in the database 5 will be described together in the detailed description of the respective modules 31,32,33,41,42,43.

提示決定部6は、通知対象受付部2で管理者より受け付けた各通知対象者に関して、その健康状態の通知を行うに際して、適切に行動改善等を促す（すなわち、通知対象者に行動改善等の意欲を喚起する）ことができるような通知の態様を決定すると共に、当該決定した態様にて実際に通知を行う。ここで、詳細は後述するように、各通知対象者に関して第二リスク値計算部4で計算した一連の第二リスク値がそれぞれの通知態様に対応しており、各通知対象者に関して、第一リスク値計算部3より受け取った第一リスク値に最も近い第二リスク値が算出されているような通知態様を、適切な行動改善等を促すことのできるものとして決定する。   Presentation determining unit 6, for each notification target accepted from administrator notified reception unit 2, when performing the notification of its health, proper call to action improvement (i.e., the behavioral improvement in notification target and determines the notification form, such as motivation can to arouse) that performs actual notification at the determined manner. Here, as described in detail later, a series of second risk value calculated by the second risk value calculation unit 4 for each notification target must support the respective notification form, for each notification target, first the notification form as second risk value closest to the first risk value received from the risk value calculation section 3 is calculated, is determined as being capable of prompting the appropriate action improvement.

なお、当該決定は上記の実施形態の他にも種々の実施形態が可能であり、管理者等が予め設定しておくポリシーに従って適切な通知態様の決定を行うことができる。例えば、上記では第一リスク値に対して「最も近い」第二リスク値に対応するものとして決定したが、さらに条件を課して、第一リスク値「以上の値の」第二リスク値のうちで「最も近い」ものとして決定してもよい。   Note that the determination is possible in addition to the various embodiments than the above embodiment, it is possible to perform determination of the appropriate notification form according to a policy administrator or the like set in advance. For example, "closest" to the first risk value in the above was determined as corresponding to the second risk value, further impose conditions, "a value greater than" first risk value of the second risk value it may be determined as "closest" in the house.

図２は、一実施形態に係る提示装置10の動作のフローチャートである。図３は、図２のステップを説明するための模式的な例を示す図である。以下、適宜図３を参照しながら、図２の各ステップを説明することで、図１の各部の詳細を説明する。   FIG. 2 is a flowchart of the operation of the presentation apparatus 10 according to an embodiment. Figure 3 is a diagram showing a schematic example for explaining the steps of FIG. Hereinafter, while referring to Figure 3, by describing the steps of FIG. 2, details of each part of FIG.

ここでまず、図２の各ステップを説明するための前提として、上記の第一リスク値及び第二リスク値という形で本発明において評価手法として利用している、リスク心理学の考え方を説明する。   First, as a premise for explaining each step in FIG. 2, the concept of risk psychology used as an evaluation method in the present invention in the form of the first risk value and the second risk value described above will be explained. .

結論から述べると、第一リスク値は管理者の感じているリスク値を数値化したものであり、リスク心理学における「専門家によるリスク評価」に対応する。また、一連の通知態様に対して算出される第二リスク値はそれぞれの通知態様で実際に通知がなされたとする際に通知対象者が感じるであろうリスク値を数値化したものであって、リスク心理学における「一般人の感じる安心感」（の裏返しとしてのリスク評価）に対応する。   Stated from the conclusion, the first risk value is obtained by quantifying the risk values that are feeling the administrator, that corresponds to the "risk assessment by experts" in risk psychology. Further, a second risk value calculated for a series of notification form is intended to actually notified by digitizing the risk value that would be notified feels when to have been made in each of the notification form, corresponding to the "sense of security felt by the general public" (risk assessment as the flip side of) in risk psychology.

リスク心理学では、上記の「専門家によるリスク評価」と「一般人の感じる安心感」との不一致に対する研究がなされ、専門家によるリスク評価の基本要素と、一般人のリスク認知を支える要因が異なることを見出している。リスク認知の要因として、「恐ろしさ因子」と「未知性因子」があると言われている。さらに近年では情報提供主体の「信頼」も重要視されている。   The risk psychology, research for the discrepancy of the above as "expert risk assessment by" and "sense of security felt by the general public" has been made, that the factors that support the basic elements of the risk assessment by experts, the risk perception of the public is different Is heading. As a factor of risk perception, it is said that there is "unknown factor" and the "fear factor". In recent years, the “trust” of the information provider has also been regarded as important.

そこで本発明においては、専門家及び一般人の両者に関してこれらの因子をモデル化し、これらの因子の関数として主観リスク値を求める。具体的には、モデル化された各因子を前述のモジュール31,32,33,41,42,43において計算し、第一リスク値計算部3の第一総合計算部34で管理者（専門家）の主観リスク値として第一リスク値を算出し、第二リスク値計算部4の第二総合計算部44で通知対象者（一般人）の主観リスク値として第二リスク値を算出する。さらに、これらに不一致が生じないような通知態様を提示決定部6において決定する。従って、管理者の感じる第一リスク値に可能な限り近い値の第二リスク値を通知対象者に感じさせるような通知態様により、適切な強さで（リスクについての過度の恐れを与えることなく、また、リスクを誤って軽視することない形で）通知対象者に行動変容を促すことが可能となる。   Therefore, in the present invention, to model these factors with respect to both the professional and the general public, obtaining the subjective risk value as a function of these factors. Specifically, each factor modeled calculated in the above modules 31,32,33,41,42,43, administrators first comprehensive calculation unit 34 of the first risk value calculation section 3 (Expert a first risk value is calculated as the subjective risk value), to calculate a second risk value as the subjective risk value for notification target in the second overall calculation portion 44 of the second risk value calculation section 4 (public). Furthermore, to determine the presentation determining unit 6 notifies the manner discrepancies in these does not occur. Accordingly, the second risk value notification form as feel to the notification target a value as close as possible to the first risk value felt by the administrator, (without causing undue fear of risk in the appropriate strength , also, in the form not be taken lightly by mistake the risk) it is possible to encourage behavioral change in the notification subject.

なお、リスク値と行動変容（すなわち意思決定）との関係は、以下のようにモデル化することができる。本発明においては当該モデルに従い、リスク値の評価により行動変容を促すことを可能とする。   The relationship between the risk values and behavior change (ie decision) can be modeled as follows. According to the present invention, it is possible to promote behavioral change by evaluating a risk value according to the model.

ある健康状態のラベル（クラスタ）、例えば「糖尿病予備群」といった状態を特定して誰か（本人、家族等）に提示する際に、感情が発生する。その感情が発生した結果、意思決定が行われる。意思決定とは例えば、精神疾患予備群と判定された人の人事評価を下げる、といったものである。つまり意思決定を行うかどうかで状態が2つに分かれる。例えば、「糖尿病予備軍」というラベルを付与された際に、そのリスクを過小評価してしまい、大した対策を行わない場合や、「精神病」というラベルを付与された際に、第三者がそのリスクを過大評価してしまい、人事評価を下げてしまう場合等がある。どちらも実際のリスクと自らが感じる主観リスク値に差が生じるためである。   Label of a health condition (cluster), when presenting, for example, to identify the state, such as "diabetes preliminary group" someone (person, family, etc.), emotions are generated. A result of the emotion occurs, a decision is made. The decision for example, lowering the personnel evaluation of the person is determined to mental disorders preliminary groups are those such. That state whether or not to perform the decisions divided into two. For example, when it was granted the label "prediabetes", will underestimate the risk, and if you do not a big deal measures, when it was granted the label "psychotic", third party the risk will be overestimated, there is a case such as that would reduce the personnel evaluation. Both are in order to produce a difference in the subjective risk value themselves and the actual risk feel.

意思決定を行った場合（人事評価を下げたとき）の逸失利益・コストをwg、意思決定を行わなかった場合（これまでと変わらない人事評価をした場合）の逸失利益・コストをwbとして、対象者の健康状態を疑う（精神疾患ではないかと疑い、評価を下げる）確率をpとすると、それぞれの状態におけるコストの期待値は、意思決定して評価を下げた場合はwg×pであり、逆に意思決定せず評価を維持した場合はwb×(1-p)となる。この期待コストの大小によって、意思決定が行われると仮定する。なお、wg、wbは見方を変えれば重みとなる。もし双方の重みが同じならば、疑う確率の大小だけで判断されることになる。（つまり、悪感情が発生する（疑われる）こと自体をさけたい場合にはこの重みを等しくすれば良い。）ここで、この確率pの設計について考える。確率pは対象者の感じる主観的リスク値によって決定されると考える。主観的リスク値をs_rとすると、任意関数Jを用いて、p=J(s_r)となる。   If you have made the decision the lost income and the cost of (when lowering the personnel evaluation) wg, the lost income and the cost of the case was not carried out the decision-making (If you have a personnel evaluation unchanged as ever) as wb, suspect health condition of the subject when the (suspected that it is a mental illness, a lower rating) probability p, then the cost of the expected value in each state, when lowered evaluated decision is an wg × p Conversely, if the evaluation is maintained without making a decision, wb × (1-p). The magnitude of the expected cost assumed, decision is made. Note that wg and wb become weights if the view is changed. If both weights are the same, it will be judged only by the magnitude of the suspicion probability. (That is, ill feeling occurs (suspected) may be equal to the weight when it is desired avoid this and itself.) Now consider the design of the probability p. Probability p is considered to be determined by the subjective risk value felt by the subject. When S_R subjective risk value using any function J, the p = J (s_r).

すなわち、主観的リスク値は関数J（一般に増加関数）によって行動変容（意思決定）する確率pと1対1に対応しているので、本発明においては行動変容を促す度合いを定量化したものとして、リスク値を利用する。なお、上記の説明は管理者（専門家）の立場での意思決定の場合を例としたが、通知対象者（一般人）の立場においても同様である。本発明によれば、管理者が健康状態を改善すべき旨を通知する意思決定を行うのと同じ強さで、通知された対象者においても健康状態の改善を行う意思決定を促すようにすることができる。   That is, as subjective risk values because it corresponds to the probability p and 1-to-1 to function J (typically increasing function) behavior change by (decision), quantifying the degree to action transformation in the present invention , Use the risk value. It should be noted that the above description is taken as an example the case of decision-making in the position of administrator (expert), which is the same in the position of the notification target (the general public). According to the present invention, at the same intensity as the administrator to carry out the decision to notify should improve health, also to prompt a decision to perform the improvement of health in the notified subject be able to.

以上、前提事項を説明したので、以下、図２の各ステップを説明する。   Above, Having described the assumptions, it will be explained the steps of FIG.

ステップS1では、提示装置10が動作するための事前準備として、当該動作に必要となるデータ収集が行われてから、ステップS2へと進む。当該データ収集は、管理者等がマニュアル等で実施すればよく、クラスタリング部1でクラスタリング対象となる一連の医療データと、データベース5に記録されるデータと、が収集される。取集される各データの詳細については後述する。   In step S1, as advance preparation for presentation apparatus 10 is operated, the data collection required for the operation is performed, the process proceeds to step S2. The data collection manager or the like may be carried out manually or the like, a series of medical data to be clustered object in clustering unit 1, the data recorded in the database 5, are collected. Toshu are the details will be described later of each data.

ステップS2では、管理者等が予め設定した一連の粒度、すなわち一連のクラスタ数で、クラスタリング部1が医療データのクラスタリングを行い、各粒度でのクラスタリング結果を得てから、ステップS3へと進む。ここで、当該クラスタリング結果の各クラスタにおいて、管理者が通知しようとしている特定の疾病の発症率も求めたうえで、ステップS3へと進む。   In step S2, the clustering unit 1 performs clustering of medical data with a series of granularities preset by the administrator or the like, that is, a series of clusters, obtains a clustering result at each granularity, and then proceeds to step S3. Here, in each cluster of the clustering result, after also determined the incidence of a particular disease administrator is trying to notice, the process proceeds to step S3.

なお、当該クラスタリングの詳細については後述するが、クラスタリング対象となる個別サンプルはクラスタリング部1に入力される一連の医療データより得られる、各対象者Xの各年代nにおける健康状態を反映したデータD(X,n)であり、これら一連のサンプルD(X,n)を分類した結果が得られることとなる。発症率に関しては、各クラスタにおいて特定疾病を特定年数経過した後に発症するサンプル割合（例えば１年後に糖尿病を発症するサンプル割合）として、各クラスタに属するサンプルの実績値によって求めればよい。   Although details of the clustering will be described later, individual samples to be clustered are obtained from a series of medical data input to the clustering unit 1, and data D reflecting the health state of each subject X at each age n (X, n) is, so that the series of samples D (X, n) the result of classifying the obtained. For the incidence, a particular disease as a sample rate that develops after a lapse of a specific period (for example, a sample rate of developing diabetes after 1 year) in each cluster may be determined by the actual value of the samples belonging to each cluster.

また、上記のようにクラスタリング結果の各クラスタに属する各サンプルの実績値として発症率を定める他、クラスタリング結果に対して管理者等の手で解析を行った結果として各クラスタの発症率を定めてもよい。例えば、クラスタリング結果の各クラスタ間の遷移確率（１年ごとの遷移確率）を求め、クラスタリング結果のうち既に発症していると判定されるクラスタ（発症クラスタ）を決定したうえで、各クラスタにおいて特定年数を経過後に当該発症クラスタへと遷移している確率を発症率として定めてもよい。   Another defining the incidence as a result value of each sample belonging to each cluster clustering results as described above, defining the incidence of each cluster as a result of the analysis in the hands of an administrator or the like with respect to clustering result Also good. For example, clustering determine the transition probability (transition probability per year) between each cluster of results, in terms of determining the cluster (onset cluster) that is determined to have already developed among the clustering result, identified in each cluster The probability of transition to the onset cluster after the lapse of years may be defined as the onset rate.

図３では、[1]に、ステップS2におけるクラスタリング部1によるクラスタリング結果の模式的な例が示されており、ここでは一連の粒度（クラスタ数）として、2,3,4,5の4通りを設定しておいた際に、それぞれのクラスタリング結果が結果CR2（クラスタC21及びC22の2クラスタ）、結果CR3（クラスタC31,C32,C33の3クラスタ）、結果CR4（クラスタC41,C42,C43,C44の4クラスタ）及び結果CR5（クラスタC51,C52,C53,C54,C55の5クラスタ）として示されている。なお、図３に示し後述する[2],[3],[4-1],[4-2]は、当該[1]の例に対応する例となっている。   In FIG. 3, in [1], a schematic example of the clustering result by the clustering unit 1 in step S2 is shown, and here, a series of granularities (number of clusters), four, four, four, four, and five when that has been set to each of the clustering results result CR2 (2 clusters of clusters C21 and C22), the result CR3 (3 clusters of the cluster C31, C32, C33), results CR4 (clusters C41, C42, C43, 4 clusters) and the results of the C44 CR5 (clusters C51, C52, C53, C54, shown as 5 clusters) of C55. Will be described later shown in FIG. 3 [2], [3], [4-1], [4-2] has a example corresponding to the example of the [1].

ステップS3では、管理者が、ステップS2で得られた一連の粒度におけるクラスタリング結果の中から、管理者自身の判断により、健康状態に関する通知を行うための適切な粒度のクラスタリング結果を選択すると共に、当該クラスタリング結果におけるいずれのクラスタを健康状態に関する通知の対象とするかを決定し、当該決定されたクラスタに属するいずれの対象者を通知対象とするかを決定してから、ステップS4へ進む。   In step S3, the administrator, from the clustering results in a series of particle size obtained in step S2, the judgment administrators themselves, as well as selecting the clustering results of appropriate granularity for performing notification relating to health condition, determine the target notification of health any clusters in the clustering result, after determining to which of the subject belonging to the determined cluster as the notification target, the process proceeds to step S4.

なお、粒度を特定することにより用いるクラスタリング結果を決定し、且ついずれのクラスタを通知対象とするかも決定した場合、基本的には、当該決定されたクラスタに属する全ての対象者を通知対象とすればよいが、管理者の判断によりその一部分のみを通知対象とするようにしてもよい。   Incidentally, to determine the result of clustering is used by specifying the particle size, and if you also decide to be notified of any cluster, basically them to all subjects belonging to the determined cluster as the notification target However, only a part of the information may be targeted for notification based on the judgment of the administrator.

なお、ステップS3で管理者が自身の判断により一連の選択や決定を行うに際しては、実際にステップS2で得られた一連のクラスタリング結果を自身で確認したうえで、当該ステップS3の判断を下せばよい。図３では[2]に、[1]の一連のクラスタリング結果CR2〜CR5を確認したうえで、その中から粒度=3の際の結果CR3を通知に用いるものとして決定し、且つ、当該結果CR3の中からクラスタC31を通知対象として決定することの例が示されている。   When the administrator makes a series of selections and decisions based on his / her own judgment in Step S3, he / she can confirm the series of clustering results actually obtained in Step S2 and make the judgment in Step S3. That's fine. 3 in [2], determined as that used for notifying a series of after confirming clustering result CR2～CR5, result CR3 upon particle size = 3 from its [1], and, the result CR3 An example of determining a cluster C31 as a notification target from among the above is shown.

当該確認においては基本的には、各粒度のクラスタリング結果の各クラスタにおいて、所属サンプルの特定疾病の発症率を確認し、また、所属サンプルの実際のデータ内容を確認するなどして、特定疾病に関する分類が適切になされているものがどれであるかを管理者自身で判断するようにすればよい。   Basically in the confirmation, in each cluster clustering results for each particle size, check the incidence of a particular disease belongs sample, also, for example, by confirming the actual data content of affiliation sample, for a particular disease It is only necessary that the administrator himself / herself determines which is properly classified.

図３の[2]では当該確認した例として、各結果CR2〜CR5において特定疾病の発症率が最も高いクラスタがC21〜C51であり、発症率がそれぞれ30%,40%,60%,80%である場合が表形式で示されている。管理者は当該表において灰色で塗って示すように、結果CR3を通知用の結果として採用し、その中で最も発症率が高く40%であるクラスタC31を通知対象として決定している。このような判断は例えば、結果CR2ではクラスタリングが粗すぎる、結果CR4,CR5等ではクラスタリングが精密すぎて既に発症していて改善見込みがない、等の考察を管理者自身が行うことによって下される。   Examples In that the confirmation [2] in FIG. 3, the highest cluster incidence of a particular disease in each result CR2~CR5 is C21~C51, 30% incidence, respectively, 40%, 60%, 80% If it is shown in tabular form. Administrators As shown painted in gray in the table, the results CR3 adopted as a result of a notification, and determines the cluster C31 is most incidence is high 40% therein for notification. Such determination may, for example, the result CR2 clustering is too coarse, is made as by the results CR4, no improvement expected have already developed clustering is too precise in such CR5, the discussion of equal administrator himself performed .

なお、結果CR3におけるクラスタC31に加えクラスタC32も通知対象として決定したり、また、結果CR3におけるクラスタC31に加え結果CR4におけるクラスタC41も通知対象として決定したり、といったような2以上の複数選択もステップS3では可能であるが、当該複数選択した場合であっても、１つのクラスタリング結果における１つのクラスタについて選択した場合の提示装置10による処理（すなわちステップS4以降の処理）を当該選択した複数についてそれぞれ同様に実施することにより、通知が可能である。従って以下では説明の簡略化のために、ステップS3における選択はある１つのクラスタリング結果のある１つのクラスタであるものとして説明を続ける。   Incidentally, the cluster C32 in addition to the cluster C31 in the result CR3 also or determined as a notification target, also the cluster C41 in addition results CR4 to the cluster C31 in the result CR3 or determined as a notification target, also 2 or more multiple selection, such as Although it is possible in step S3, even when the plurality is selected, the processing by the presentation device 10 when selecting one cluster in one clustering result (that is, the processing after step S4) is performed for the selected plurality. by carrying out similarly respectively, it is possible notification. Therefore for simplicity of description in the following embodiment, it assumes a certain one cluster of one clustering results is selected in step S3.

ステップS4では、ステップS3で選択された特定粒度のクラスタリング結果における特定クラスタに属する通知対象者に関して、第一リスク値計算部3がその第一リスク値を計算してから、ステップS5へ進む。   In step S4, the first risk value calculation unit 3 calculates the first risk value for the notification subject belonging to the specific cluster in the clustering result of the specific granularity selected in step S3, and then the process proceeds to step S5.

当該計算される第一リスク値は、前述のように管理者の観点でのリスク値となる。その計算の詳細については後述する。図３の例では[2]の表の最も下段に結果CR3のクラスタC31について計算したリスク値が「60」となった例が示されている。   The calculated first risk value is a risk value from the viewpoint of the manager as described above. Details of the calculation will be described later. In the example of FIG. 3 shows an example in which the risk value calculated for the cluster C31 the lowest tier in the results CR3 table becomes "60" [2].

なお、図３の[2]では比較用に、仮に選択されなかったその他の結果CR2,CR4,CR5について最も発症率の高いクラスタC21,C41,C51でリスク値を計算したとする場合に、値が「50,70,80」となることが示されている。ステップS3における管理者の判断においては、各結果の各クラスタに対して第一リスク値計算部3でこのように第一リスク値を計算したものを参照するようにしてもよい。   Incidentally, for comparison in [2] in FIG. 3, when the calculated risk values if at highest incidence clusters C21, C41, C51 for the other results CR2, CR4, CR5 not selected, the value There has been shown to be a "50, 70, 80". In the judgment of the administrator in the step S3, it is also possible to see what this manner was calculated the first risk value at a first risk value calculation section 3 for each cluster of each result.

図２に示すように、ステップS5〜S8は繰り返し処理のループとなっており、ステップS3で決定された通知対象者につきそれぞれ、当該繰り返し処理が１回ずつ実施されることとなる。ステップS5では当該繰り返し処理の対象となる通知対象者の中から、処理が未完了である任意の１人を処理対象に設定してから、ステップS6へ進む。   As shown in FIG. 2, step S5~S8 has become a loop iteration, each per notification target determined in step S3, so that the said iterative process is performed once. From the subject to notification target in step S5 in the repetition process, the process is set to be processed any one is incomplete, the process proceeds to step S6.

ステップS6では、直近のステップS5で選択された通知対象者に関して、第二リスク値計算部4が、一連の通知態様におけるそれぞれの第二リスク値を計算してから、ステップS6へと進む。   In step S6, with respect to notification target selected in the last step S5, the second risk value calculation section 4, from the calculated second risk value for each in a series of notification form, the process proceeds to step S6.

ここで、第二リスク値を計算するための一連の通知態様の設定について、第一実施形態においては、ステップS2で実施した一連の粒度のクラスタリング結果のいずれで通知するかによって設定することができる。第二実施形態では、第一実施形態における粒度の設定に加えてさらに、通知対象者にその健康状態の通知を実際に行うのを誰とするか（提示対象者を誰とするか）によって設定することができる。   Here, the setting of a series of notification form for calculating a second risk value, in the first embodiment, can be set by either notifying any of a series of particle size of the clustering results of performed in step S2 . In the second embodiment, in addition to the particle size of the setting in the first embodiment, set by whom the actually performs the notification of the health status notification target (whom the target person) can do.

当該第一実施形態及び第二実施形態の例については、当該図２のフローの説明を終えてから説明する。また、第二リスク値の計算の詳細については後述する。   The For examples of the first embodiment and the second embodiment will be described after finishing the description of the flow of the Figure 2. For details on calculating the second risk value will be described later.

ステップS7では、直近のステップS5で選択された通知対象者に関して、ステップS6で計算された一連の第二リスク値のうち、ステップS4で計算された第一リスク値に最も近いものがどれであるか（最適な結果がどれであるか）を提示決定部6が決定し、当該決定された第二リスク値に対応する通知態様によって、通知対象者への健康状態の通知を行ってから、ステップS8へと進む。   In step S7, for the notification target selected in the latest step S5, which of the series of second risk values calculated in step S6 is closest to the first risk value calculated in step S4. or (best if the result is none) determines the presentation determining unit 6, the notification manner corresponding to the second risk value, which is the determined, after performing notification of health of the notification target, step Proceed to S8.

当該最適な結果の決定に際しては前述のように、「最も近い」という条件にさらに「第一リスク値以上の第二リスク値の中で」という条件を課すなど、種々のポリシーを適用してよい。   As described above in determining the best results, such as imposing a condition that further condition "closest" "In the first risk value or more second risk value", may be applied to various policies .

当該通知は、対象者の健康状態をテキスト情報などの形で通知するようにすればよい。ステップS6が第一実施形態で実施された場合であれば、最適な結果としての第二リスク値が与えられた際のクラスタリング結果において、通知対象者の所属するクラスタにおける特定疾病の発症率を通知するようにすればよい。また、ステップS6が第二実施形態で実施された場合であれば、最適な結果としての第二リスク値が与えられた際のクラスタリング結果において、通知対象者の所属するクラスタにおける特定疾病の発症率を通知することを、最適な結果としての第二リスク値が与えられた際の提示対象者に提示するようにすればよい。   The notification may be made by notifying the health status of the subject in the form of text information or the like. If step S6 is performed in the first embodiment, the clustering result when the second risk value as the optimal result is given is notified of the incidence of the specific disease in the cluster to which the notification target person belongs. You just have to do it. In addition, if step S6 is performed in the second embodiment, in the clustering result when the second risk value as the optimal result is given, the incidence of specific diseases in the cluster to which the notification target person belongs the to notify, it is sufficient to present the best results as the target person when the second risk value is given for.

ここで、具体例は後述するが、第一実施形態では、通知対象者に対して直接、電子メール等のテキスト情報で自身の健康状態が通知される。第二実施形態では、通知対象者に対して直接通知したのでは健康改善の意欲を促す効果がないということが見込まれる（当該ステップS7で一連の第二リスク値を確認した結果としてそのように見込まれる）ことから、通知対象者の関連者（例えば配偶者など）に、通知対象者の健康状態を通知したうえで、同時に、通知対象者に当該関連者からその健康状態を通知するような依頼が行われる。当該依頼も、テキスト情報などの形で行うようにすればよい。   Here, a specific example will be described later, in the first embodiment, direct its own health status text information such as e-mail is notified to notification target. In the second embodiment, it is expected that direct notification to the notification target person will not have an effect of encouraging motivation for health improvement (as a result of confirming a series of second risk values in step S7) since we expected), the notification target of related parties (e.g. spouse, etc.), after notified the health of notification target, so as to notify the health simultaneously, from the associated user to notification target A request is made. Also the request may be performed in the form such as text information.

従って、第二実施形態においては、通知対象者が直接、電子メール等のテキスト情報で自分自身の健康状態の通知を受けるのではなく、別の人から直接口頭で、あるいは当該別の人が送信する電子メール等によって、自身の健康状態の通知を受ける。後述するように当該第二実施形態は、リスク心理学における信頼性因子の考慮により、通知対象者に対してより効果的に健康改善の意思決定を促す効果を奏するものである。   Therefore, in the second embodiment, the person to be notified is not directly notified of his / her health status by text information such as e-mail, but sent directly or verbally by another person. by e-mail or the like which, subject to notification of the health state of their own. The second embodiment as described later, by considering the reliability factor in risk psychology, in which an effect of encouraging more decisions effectively health improvement over notification target.

ステップS8では、ステップS3で決定された全ての通知対象者に関して以上のステップS5〜S7の処理が完了しているか否かが判断され、完了していれば当該図２のフローは終了し、完了していなければステップS5に戻り、未完了の通知対象者を処理対象として設定したうえで、ステップS6以降の処理を継続するようにする。   In step S8, it is determined whether or not the processing in steps S5 to S7 has been completed for all notification target persons determined in step S3. If completed, the flow in FIG. 2 ends and is completed. if not the process returns to step S5, after setting notification target incomplete as a processing target, so as to continue the step S6 and subsequent steps.

図３の[3]と[4-1],[4-2]はそれぞれ、第一実施形態及び第二実施形態でステップS6,S7を実施する場合の例を示している。   [3] and [4-1] in FIG. 3 shows an example of implementing the steps S6, S7 in the 4-2], respectively, the first and second embodiments.

図３の[3]では、ステップS1〜S4の結果が[1],[2]のようになる場合に、ある通知対象者Aについて第一実施形態により、一連の粒度2,3,4,5に関してそれぞれステップS6で計算した第二リスク値が表形式で示され、灰色に塗って示すように、ステップS7では粒度4の結果CR4によって当該通知対象者Aへと自身の健康状態の通知が行われる例が示されている。   In [3] in FIG. 3, the result of step S1~S4 [1], when [2] is as, by the first embodiment for a notification target A, a series of particle size 2,3,4, second risk value calculated in step S6, respectively with respect to 5 are shown in tabular form, as shown painted gray, notification health itself to the notification target a is the result CR4 step S7, particle size 4 An example of what is done is shown.

すなわち、[3]に示すように、結果CR2,CR3,CR4,CR5で通知対象者Aに通知を行うとする際の第二リスク値はそれぞれ、「41,52,61,73」と計算されている。これに対して、管理者の側では[2]に示すように、結果CR3を採用することでリスク値「60」を感じているので、本来であれば、通知対象者Aについても同結果CR3で「Aさんは糖尿病の発症率40%のクラスタC31に属すると判定されましたので、生活習慣を改善しましょう」という形で通知を行うことが理想である。しかしながらこのように通知したとすると、通知対象者Aにおいては、[3]に示すようにリスク値「52」しか感じないこととなり、管理者の側の感じているリスク値「60」に足らず、意思決定を促す効果が不十分となってしまう。そこで、管理者の側の感じているリスク値「60」に最も近い（且つ60以上である）リスク値「61」を感じさせることが可能な結果CR4で「Aさんは糖尿病の発症率60%のクラスタC41に属すると判定されましたので、生活習慣を改善しましょう」という形で通知を行うようにする。   That is, as shown in [3], the second risk value when notifying the notification target person A with the results CR2, CR3, CR4, CR5 is calculated as “41, 52, 61, 73”, respectively. ing. In contrast, as shown in [2] on the side of the administrator, so I feel the risk value "60" by adopting a result CR3, if originally the same applies to the notification target A result CR3 in "a's since been determined to belong to the onset of 40% of the cluster C31 of diabetes, you will improve the lifestyle" to perform the notification in the form that it is ideal. However, when the notified Thus, in the notification target A, not trivial to risk values as shown in [3] will be "52" only feel the risk value are feeling side of business "60", effect of promoting the decision-making becomes insufficient. Therefore, the risk value are feeling side of administrators closest to "60" (and 60 or in which) in risk value "61" that can feel the results CR4 "Mr. A incidence of 60% of diabetes because it is determined to belong to the cluster C41, to perform the notification in the form of Let "to improve the living habits.

なお、上記の例は、通知対象者Aは結果CR4においても最も危険な（発症率が最も高い）クラスタC41に属しているとした際の例であって、この場合、通知は上記のように「Aさんは糖尿病の発症率60%のクラスタC41に属すると判定されましたので、生活習慣を改善しましょう」となる。通知対象者Aが結果CR4において別のクラスタに属しているのであれば、当該属するクラスタ及びそのクラスタにおける発症率によって通知がなされる。例えばクラスタC42に属しておりその発症率が50%であったとすれば、「Aさんは糖尿病の発症率50%のクラスタC42に属すると判定されましたので、生活習慣を改善しましょう」という通知がなされることとなる。   The above example is an example when the notification subject A belongs to the most dangerous (highest incidence) cluster C41 in the result CR4. In this case, the notification is as described above. It becomes "since Mr. a has been determined to belong to the onset of 60% of the cluster C41 of diabetes, let's improve the lifestyle". If the notification target A belongs in the results CR4 in another cluster, the notification by the incidence of the belonging cluster and the cluster is made. For example, if has the incidence belong to the cluster C42 was 50%, notification that "because the A's have been determined to belong to the onset rate of 50% of the cluster C42 of diabetes, let's improve the lifestyle." Will be made.

また、詳細を後述するように、[3]に例示するようなリスク値は、通知対象者Aが各結果CR2,CR3,CR4,CR5において所属しているクラスタに基づく値として算出されることとなる。   Moreover, as will be described in greater detail below, the risk value as illustrated in [3] are that notification target A is calculated as a value based on the cluster that belongs in each result CR2, CR3, CR4, CR5 Become.

一方、図３の[4-1],[4-2]では、ステップS1〜S4の結果が[1],[2]のようになる場合に、ある通知対象者Bについて第二実施形態により、一連の粒度2,3,4,5及び一連の情報提示の候補者に関してそれぞれステップS6で計算した第二リスク値が表形式で示されている。ここで、一連の情報提示の候補者とは、まず当該候補者に対して通知対象者B（Bさん）の健康状態を提示したうえで、当該候補者からBさんに向けてBさんの健康状態の説明を行うようにしてもらうことを想定した候補者である。なお、候補者がBさん本人に決定された場合は、第一実施形態の場合と同様にBさんに直接、その健康状態の通知が行われることとなる。   On the other hand, [4-1] in FIG. 3, the [4-2], the result of step S1~S4 [1], when composed as [2], the second embodiment for a notification target B second risk value calculated in step S6, respectively for a series of particle size 2, 3, 4, 5 and a series of information presentation candidates are shown in tabular form. Here, the candidate of a series of information presented, at first, after having presented the health status of the notification target B with respect to the candidate (B's), health of Mr. B towards the B's from the candidates it is assumed candidates that get to carry out the state of the explanation. Incidentally, candidates if it is determined in B's identity, as in the case directly to the B's first embodiment, so that the notification of the health status is performed.

図３の[4-1],[4-2]の例では、当該一連の候補者として、Bさん本人及びBさんの親族であるCさんの2名を設定した場合に、一連の第二リスク値が計算される例が示されている。すなわち、[4-1]では候補者Bさん（通知対象者Bさん本人）に通知する場合における、一連の粒度2,3,4,5で健康状態を通知する際の第二リスク値がそれぞれ「32,39,45,50」となる例が示されている。また、[4-2]では候補者C（本人Bさんの親族）を経由してBさん本人に通知する場合における、一連の粒度2,3,4,5で健康状態を通知する際の第二リスク値がそれぞれ「41,53,62,70」となる例が示されている。   In the example of [4-1] and [4-2] in FIG. 3, when two persons, Mr. B and Mr. C who are relatives of Mr. B, are set as the candidate, the second series of candidates. examples of risk value is calculated is shown. That is, in the case of notifying the [4-1] In Candidate B's (notification target Mr. B himself), the second risk value when notifying the health of a series of particle size 2,3,4,5 respectively examples of the "32,39,45,50" are shown. Further, at the time of notifying a health condition in a series of particle size 2,3,4,5 To notify B's identity via the 4-2 in the candidate C (person B's relatives) first two risk values is shown an example in which each a "41,53,62,70".

管理者の側では[2]に示すように、結果CR3を採用することでリスク値「60」を感じているので、本来であれば、Bさんに直接通知してこれと同じリスク値を感じるようにさせることが理想である。しかしながら[4-1]に示すようにBさんにはどのように通知してもリスク値「60」を感じさせることができない。例えば最もリスクの高いクラスタリング結果CR5で「Bさんは発症率80％のクラスタCR51に属すると判定されましたので、健康状態を改善しましょう」とBさん本人に直接通知したとしても、リスク値「50」しか感じさせることができない。   As shown in [2], the administrator feels a risk value of “60” by adopting the result CR3, so if you are, you should notify Mr. B directly and feel the same risk value. it is ideal to be so. However, it is impossible to feel the risk value "60" be notified how the B's, as shown in [4-1]. For example, "because Mr. B has been determined to belong to the onset of 80% of the cluster CR51, let's improve the health condition" the most high clustering result CR5 risk even if the notification directly to Mr. B himself and, risk value " 50 "I can only feel.

そこで、[4-2]に示すように、親族であるCさんから通知してもらうことで、より高いリスク値を感じさせるようにすることができる。具体的には、灰色で塗って示すように、結果CR4で「Bさんは発症率60％のクラスタCR41に属すると判定されましたので、健康状態を改善しましょう」という内容を親族CさんからBさん本人に伝えるようにすることで、管理側の感じるリスク値「60」に最も近いリスク値「62」をBさんに感じさせるようにすることができ、健康改善の意思決定を促すことができる。   Therefore, it is possible to make feel as shown in [4-2], it get notification from the C's are relatives, a higher risk value. More specifically, as shown painted in gray, "because Mr. B has been determined to belong to the incidence of 60% of the cluster CR41, let's improve the health state" in the results CR4 from relatives C's the contents that by so tell Mr. B himself, can be made to feel most close risk value to the risk value "60" felt by the management side of the "62" on the B's, it is to encourage the decision-making of health improvement it can.

なお、以上の図３の[3]及び[4-1],[4-2]の例は、[3]に示す管理者の側で選んだ結果CR3でそのまま通知対象者に通知したとしても、通知対象者の側の感じるリスク値が管理者の側の感じているリスク値に足りないため、より高い本来のリスク値を感じさせるような通知を行う決定の例となっていた。すなわち、そのままでは通知対象者にリスクが過小評価される場合に対処する例となっていた。   The above [3] in FIG. 3 and 4-1, examples of [4-2] is, even if the notification as it notification target at selected result CR3 on the part of the administrator shown in [3] Since the risk value felt by the person to be notified is insufficient for the risk value felt by the manager, it has been an example of a decision to make a notification that makes a higher original risk value feel. That had the intact a example to deal with the case where the risk is underestimated in notification target.

これと同様で全く逆に、リスクが過大評価される場合にも本発明により統一的に対処可能である。すなわち、管理者の側で選んだ結果でそのまま通知対象者に通知すると、管理者の側で感じているリスク値よりも高い過剰なリスク値を通知対象者に感じさせてしまうという場合にも対処可能である。このような場合であっても、第二リスク値計算部4で計算される一連の第二リスク値の中から第一リスク値に近いものを探すという同様の処理（図２のステップS7）により、通知対象者に本来のリスク値（管理者の感じているのと同様のリスク値）を感じさせるような態様による通知を行うことが可能である。   The exact opposite like this, also unified feasible addressed by the present invention if the risk is overestimated. That is, when the notification as it is notified who the result selected in the side of the administrator, even if that would feel a high excess risk value than the risk values that are felt in the side of the administrator to the notification target deal Is possible. Even in such a case, a similar process (step S7 in FIG. 2) of searching for one close to the first risk value from the series of second risk values calculated by the second risk value calculation unit 4 , it is possible to perform notification by aspects such as feel inherent risk value (similar risk value and the feel of the administrator) to notification target.

以下、以上の図３の例におけるような適切な通知態様の自動選択を可能としている、管理者の側の感じる第一リスク値と通知対象者の側の感じる第二リスク値の計算の詳細、すなわち、第一リスク値計算部3及び第二リスク値計算部4の詳細を説明する。   Hereinafter, details of calculation of the first risk value felt by the administrator and the second risk value felt by the notification target side, which enables automatic selection of an appropriate notification mode as in the example of FIG. 3 above, that is, explaining the details of the first risk value calculation unit 3 and the second risk value calculation unit 4.

概要説明の際に前述の通り、両計算部3,4は共にリスク心理学の枠組みで、各立場（管理者の立場及び通知対象者の立場）における主観リスク値を計算する。リスク心理学において、主観リスク値s_r=f(F,U,T)とモデル化される。ここでF=恐ろしさ因子、U=未知性因子、T=信頼であり、fは所定関数（ただし、恐ろしさ因子F及び信頼Tに関して増加関数であり、未知性因子Uに関して一実施形態では減少関数）である。なお、後述するように別の一実施形態では、特定条件が満たされる場合には所定関数fとしてUの減少関数を採用するようにし、当該特定条件が満たされない場合には所定関数fとしてUの増加関数を採用する（つまり、特定条件が満たされるか否かで関数fがUの減少関数又は加関数のいずれとなるかが切り替わる）ようにしてもよい。   As described above, the calculation units 3 and 4 both calculate the subjective risk value in each position (the position of the manager and the position of the person to be notified) in the framework of risk psychology. In risk psychology, it is modeled as a subjective risk value s_r = f (F, U, T). Here F = fear factor, U = unknown factor, a T = Reliability, f is a predetermined function (however, an increasing function with respect to fear factor F and reliable T, decreases in one embodiment with respect to the unknown factor U Function). As will be described later, in another embodiment, a decrease function of U is adopted as the predetermined function f when the specific condition is satisfied, and U is set as the predetermined function f when the specific condition is not satisfied. adopting increasing function (i.e., the function f on whether certain conditions are satisfied or are switched becomes either decreasing function or pressurized function of U) may be.

すなわち、第一リスク値計算部3では、管理者の立場での主観リスク値s_rを計算して、第一リスク値として出力する。このため、管理者の立場での恐ろしさ因子Fを第一恐ろしさ計算部31が計算し、管理者の立場での未知性因子Uを第一未知性因子計算部32が計算し、管理者の立場での信頼性因子Tを第一信頼性因子計算部33が計算し、以上計算された管理者の立場での各因子F,U,Tに上記の所定関数fを適用することで、第一総合計算部34が管理者の立場での主観リスク値s_r=f(F,U,T)を計算して第一リスク値として出力する。   That is, in the first risk value calculation unit 3 calculates the subjective risk value s_r in perspective of an administrator, and outputs as a first risk value. Therefore, the fear factor F in perspective of administrators and calculated first fear calculation unit 31, an unknown factor U first unknown factor calculation unit 32 calculates in perspective of an administrator, the administrator the reliability factor T in position of that first reliability factor computation unit 33 computes, applying the above each factor F at the computed position of the administrator, U, above a predetermined function f to T, first Overall calculation unit 34 is output as the first risk value by calculating a subjective risk value S_R = f in perspective of an administrator (F, U, T).

全く同様に、第二リスク値計算部4では、通知対象者の立場での主観リスク値s_rを計算して、第二リスク値として出力する。このため、通知対象者の立場での恐ろしさ因子Fを第二恐ろしさ計算部41が計算し、通知対象者の立場での未知性因子Uを第二未知性因子計算部42が計算し、通知対象者の立場での信頼性因子Tを第二信頼性因子計算部43が計算し、以上計算された通知対象者の立場での各因子F,U,Tに上記の所定関数fを適用することで、第二総合計算部44が通知対象者の立場での主観リスク値s_r=f(F,U,T)を計算して第二リスク値として出力する。   Just as, in the second risk value calculation section 4 calculates the subjective risk value s_r in perspective of notification target, and outputs as a second risk value. Therefore, to calculate the fear factor F at position notification subjects second fear calculating section 41, the unknown factor U in the standpoint of notification target the second unknown factor calculation unit 42 calculates, applying a confidence factor T in position of notification target calculate a second reliability factor computation unit 43, each factor F at the computed notification target position or, U, above the predetermined function f to T by outputs subjective risk value S_R = f in the second overall calculation unit 44 positions of the notification target (F, U, T) as the second risk value by calculating.

なお、図３等を参照して説明の通り、第二リスク値は通知態様のそれぞれに応じた値として算出される。   Incidentally, as described with reference to FIG. 3 or the like, the second risk value is calculated as a value corresponding to each notification form.

以下、各因子F,U,Tを各立場（管理者の立場及び通知対象者の立場）において計算する詳細を説明する。（なお、各因子の計算主体は上記のように各モジュール31,32,33,41,42,43であるので、説明の簡略化のためにこれら計算主体の言及は省略し、計算の仕方のみを説明する。）通知対象者の立場で計算する際は、各因子F,U,Tは通知態様にも依存する値となる場合があるが、これについてもその計算の詳細を説明する。各計算においてはデータベース5に事前登録される内容が利用される場合があるが、これについてもその詳細を説明する。   Hereinafter, each factor F, U, the details of calculating at each position (position of the position of the administrator and notification target) the T will be described. (Note that the calculation subject of each factor is each module 31, 32, 33, 41, 42, 43 as described above, so for simplicity of explanation, mention of these calculation subjects is omitted and only the calculation method is used. when calculating the standpoint that.) of notification target explain, each factor F, U, T is sometimes a value that depends on the notification form, also illustrating the details of the calculations for this. In each calculation sometimes what is pre-registered in the database 5 is used, which also describes the details.

（１）恐ろしさ因子Fの計算について
恐ろしさ因子Fは、事象が発生した際のコスト（例えば対象者Aが糖尿病になったときの、自分に対するコスト）と実際の統計的な発症確率により説明されるものと考える。この事象とは、例えば「対象者Aさんが糖尿病になる」という事象、すなわち、管理者が健康改善を促す基準として考えている事象のことである。 (1) About the calculation of the fear factor F The fear factor F is explained by the cost when the event occurs (for example, the cost for yourself when the subject A becomes diabetic) and the actual statistical onset probability. I think that it is done. This event is, for example, an event that “subject A becomes diabetic”, that is, an event that the administrator considers as a criterion for promoting health improvement.

具体的にはF=h_F(D,R,pr(cl))として計算することができる。関数h_Fは、前述のfと同様に、所定関数とし、D及びpr(cl)に関して増加関数、Rに関して減少関数とすればよい。ここで、関数h_Fに入力する各値D,R,pr(cl)及びその算出法は次の通りである。   Specifically, it can be calculated as F = h_F (D, R, pr (cl)). Function h_F, like the above-mentioned f, and a predetermined function, increased with respect to D and pr (cl) function may be a decreasing function with respect to R. Here, each value D to be input to function h_F, R, pr (cl) and the calculation method is as follows.

（１−１）Dは、疾病（健康改善を促すために管理者が注目している特定の疾病）の重大さを数値化したものである。疾病の重大さDの算出は、当該特定の疾病に羅患したときの医療費（医療費が高いほど重大な疾病である。）mと、当該特定の疾病に羅患したときの平均余命yと、によって、任意の増加関数g_DによりD=g_D(m,-y)として計算すればよい。すなわち、医療費mが高いほど重大さDが大きく、平均余命yが少ないほど（負号が付された「-y」が大きいほど）重大さDが大きいように計算すればよい。ここで、当該特定の疾病に関する医療費m及び平均余命yは、事前登録データとしてデータベース5に記録しておいたものを利用する。   (1-1) D is a numeric indication of the severity of the disease (the particular disease administrator has focused to encourage health improvement). Calculation of Critical D of disease, (a higher medical costs high critical illness.) Medical expenses when suffering to the particular disease m and the average life expectancy y when afflicted to the specific disease Thus, D = g_D (m, −y) may be calculated using an arbitrary increase function g_D. In other words, medical expenses m is higher significance D is large, life expectancy as the y is small (the more "-y" is large, labeled negative sign) may be calculated as seriousness D is large. Here, the specific medical expenses m and life expectancy y related disease, utilizes what had been recorded in the database 5 as a pre-registered data.

以上のように重大さD=g_D(m,-y)として計算する場合、m,y共に特定疾病について与えられる固定値であるが、医療費mは管理者立場での値（例えば会社負担の医療費）と通知対象者立場での値（医療機関窓口等における本人負担の医療費）とで一般には異なる値となるため、重大さDは管理者の立場の値と通知対象者の立場で異なる値となる。なお、平均余命yは管理者立場と通知対象者立場とに依存しない値である。   When calculating the severity D = g_D (m, -y) As described above, m, although y are both fixed values given for a particular disease, medical expenses m are at administrative standpoint (e.g. company burden to become a different value is generally out of the value of medical expenses) and the notification target position (medical expenses of the person burden in medical institution window, etc.), in significance D is the position of the value as the notification target of the position of administrator Different values. The life expectancy y is a value that does not depend on the manager's position and the notification target person's position.

なお、当該特定疾病についての知識の定着度sをさらに考慮して、重大さg_D(m,-y,s)として計算するようにしてもよい。当該定着度sは、特定疾病についての理解度を問う所定項目からなる質問アンケートなどを事前に各個人において実施しておき、その成績として数値化し、データベース5に記録しておくことで、各通知対象者における値を参照できるようにすればよい。管理者立場での定着度sは、当該成績のうち最大値（いわゆる満点の値）として、データベース5に記録しておき、管理者の値として参照すればよい。   Incidentally, further consideration of the degree of fixation s knowledge of the specific disease, severity g_D (m, -y, s) may be calculated as. The fixing degree s is leave out in each individual and question questionnaire composed of a predetermined item asking understanding of the particular disease in advance, quantified as a performance, by recording in a database 5, each notification it may be for reference values in a subject. Loyalty s with administrative standpoint, the maximum value among the results as (the value of the so-called scale), may be recorded in the database 5 may be referred as the value of the administrator.

また、第二リスク値について前述の第二実施形態を採用する場合、上記の定着度sは通知対象者の本人の値を利用するのに代えて、提示対象者の値を利用するようにしてもよい。提示対象者の特定疾病についての定着度sも、上記と同様にアンケート成績等で算出してデータベース5に記録しておけばよい。   Also, if the second risk value employing the second embodiment described above, the fixing of s above instead to use the value of the principal of the notification target, so as to use the value of the target person Also good. Loyalty s for a particular disease target person also, it is sufficient to record in the database 5 is calculated in the same manner as described above questionnaire results, and the like.

（１−２）Rは、基本的には、第二リスク値について前述の第二実施形態を適用する際に用いるものであり、通知対象者と情報被提示者（例えば、図３の[4-2]の例における本人Bとその親族C）との社会的距離である。   (1-2) R is basically intended to be used when the second risk value to apply the second embodiment described above, notification target information to be presenter (e.g., in FIG. 3 [4 a social distance of the person B and its relatives C) in the example of -2.

ここで、距離Rの定義に通知対象者と情報被提示者とが一致する場合も含めておくことで、第一実施形態及び第二実施形態のいずれにも対処することができる。なお、第一リスク値の計算の際には、距離Rとしては通知対象者と管理者との距離を採用し、第二リスク値の計算の際に、通知対象者と一連の情報被提示者（対象者本人を含み、管理者は含まなくともよい）との間の各距離を採用すればよい。   The distance by leaving, including the case where the notification target information the presenter in the definition of R matches, also can be addressed to any of the first embodiment and the second embodiment. Incidentally, in the calculation of the first risk value as the distance R adopts a distance between the administrator and the notification target, in the calculation of the second risk value, notification target and a series of information to be presenter Each distance between the target person and the manager may be used.

具体的に距離Rは、R=g_R(r,d)として計算することができる。ここで、rは一般的な関係を反映した距離であり、dは通知対象者ごとの実情を反映した距離である。このいずれか一方のみを用いて距離Rを計算してもよい。   Specifically distance R can be calculated as R = g_R (r, d). Here, r is the distance that reflects the general relationship, d is the distance that reflects the actual situation of each notification target. The either one only the distance R may be calculated using.

rは、一般的な関係（例えば「本人とその配偶者」、「本人とその友人」、といった一般的な関係）を距離として固定した数値で表現したものとして（すなわち（対称）行列状の固定テーブルとして）事前に用意しておき、データベース5に記録しておけばよい。   r is general relationship (for example, "person and his spouse", "person and their friends", such general relationship) as a representation with a fixed number as a distance (i.e., (symmetric) matrix of fixed table as) is prepared in advance, it is sufficient to record in the database 5.

ここで、一般には本人に近い関係にあるほど距離rは小さいものとして固定テーブルを用意するが、さらに次のようなことを考慮して用意してもよい。すなわち、本人が健康改善の行動を取った場合と取らなかった場合とにおける情報被提示者のコスト差の考慮であり、これによって「本人と本人」の距離よりも「本人と配偶者（あるいは家族）」の距離を小さくするように固定テーブルを用意してもよい。（すなわち、本人にとっては健康改善の行動を取ること自体にコスト（運動するために時間を取るコストなど）があり億劫に感じてしまうが、家族などから見ると当該コストは小さく、逆に行動を取らなかった場合のコストの方が大きいといった事情を反映した固定テーブルを用意しておいてもよい。前述の図３の[4-1],[4-2]はこのような例となっている。）   Here, generally is to provide a fixed table as the shorter the distance r is small is closely related to the person, it may be prepared by considering that further as follows. In other words, the person is taken into account of the cost difference between the information the presenter in the case did not take the case took the actions of health improvement, which by the "person and person", "person and the spouse than the distance (or the family ) distance may be prepared stationary table so as to reduce the ". (That is, would feel there is a cost (such as the cost to take the time to exercise) itself to take the action of health improvement troublesome for the person, the cost is small when viewed such as from family, the action in reverse the cost fixing table reflecting the situation such that the larger of the case did not take may be prepared. [4-1] in FIG. 3 described above, [4-2] is a such example Yes.)

dは、ソーシャルネットワーク、携帯電話等での電話帳上の距離（すなわち関係性ネットワークを作ったときの、対象者へのパスの距離の総和）として計算したものを事前に用意しておき、データベース5に記録しておけばよい。なお、このような関係性ネットワーク上の距離の計算については、既存技術を利用することができる。   d is a social network, the distance on the phone book of the mobile phone or the like (ie, at the time of making the relationship network, the sum of the distance of the path to the subject) is prepared in advance what was calculated as, database it is sufficient to record to 5. In addition, the existing technology can be used for the calculation of the distance on the relationship network.

なお、g_R(r,d)には所定の増加関数を利用することで、Rの値を距離の大小に連動する（距離が小さい場合にRが大きくなるということがない）ようにすることができる。恐ろしさ因子F=h_F(D,R,pr(cl,n))として計算する際は、距離が小さいほどFの値が大きくなるよう、関数h_Fは変数Rに関して減少関数を採用するようにすればよい。   Incidentally, G_r (r, d) the by using a predetermined increasing function, be a (never that R is large when the distance is small) to interlock the value of R of the magnitude of the distance it can. Fear Factor F = H_F when calculated as (D, R, pr (cl, n)), the distance so that the value of F is increased smaller, function H_F is them to adopt decreasing function with respect to variables R That's fine.

（１−３）pr(cl)は、通知対象者の健康状態をクラスタに分類した際に、本人が含まれるクラスタclにおける実際の統計的な発症率（確率）である。この模式的な例は図３の表に示した通りであり、クラスタリング部1で得られたクラスタリング結果の各々における実績値（あるいは前述のようにクラスタリング結果を解析して遷移確率等から求めた値）として、確率pr(cl)を求めることができる。   (1-3) pr (cl), when classifying the health of notification target to the cluster, the actual statistical incidence in the cluster cl containing the person (probability). This schematic example is as shown in the table of FIG. 3, and the actual value in each of the clustering results obtained by the clustering unit 1 (or the value obtained from the transition probability by analyzing the clustering result as described above). ) as can be determined the probability pr (cl).

また、図３の[2],[3]の例で示したように、本発明においては管理者の選択したクラスタリング結果に対して別のクラスタリング結果で通知対象者へ通知するという選択の余地が残っており、各結果で通知する際の恐ろしさの変動を当該確率pr(cl)によって自動算出することができる。   In addition, as shown in the examples [2] and [3] in FIG. 3, in the present invention, there is a room for selection to notify the notification target person with another clustering result for the clustering result selected by the administrator. remaining and the variation of the horror when notified by the result can be automatically calculated by the probability pr (cl).

なお、この確率pr(cl)は、あまりにもクラスタを構成する人数が少ない場合、信頼度が落ちる。従ってクラスタの人数をnとして、pr(cl,n)と書きなおしたものを採用するようにしてもよい。具体的には、クラスタの数nが小さい場合に、実績値pr(cl)よりも一定割合だけ小さくなるような事前設定として、pr(cl,n)を用意しておけばよい。例えば、「pr(cl,n)=pr(cl)×「nに依存する補正項」」とし、当該補正項をnが小さい場合にpr(cl)の値をより小さくするような補正項として事前に設計しておけばよい。   It should be noted that this probability pr (cl), if less is number of people that make up the too cluster, reliability falls. Thus the number of clusters as n, may be adopted that rewrite the pr (cl, n). Specifically, if the number n of clusters is small, as a pre-set as is also reduced by a certain percentage than the actual value pr (cl), it is sufficient to prepare pr (cl, n). For example, the "pr (cl, n) = pr (cl) ×" correction term that depends on n ' ", the correction term as a correction term so as to further reduce the value of pr (cl) if n is small in advance it is sufficient to design to.

（２）未知性因子Uの計算について
リスク心理学においては、未知性因子は事象によって異なる。本発明においては事象として「ある通知対象者が特定の疾病を発症すること」を採用している。そこで、未知性因子Uを「疾病に対する客観的なリテラシー（知っている度合い）」、と「情報被提示者の通知対象者に対する客観的なリテラシー（知っている度合い）」により決定されるものとする。各リテラシー（知っている度合い）が大きいほど未知性因子U（知らない度合いＵ）は小さくなるものとして未知性因子Ｕを定義する。 (2) Calculation of unknown factor U In risk psychology, unknown factors differ depending on events. In the present invention, “a certain notification subject develops a specific disease” is adopted as an event. Therefore, the unknown factor U is determined by “objective literacy (degree of knowing) for the disease” and “objective literacy (degree of knowing) for the information subject to be notified”. To do. The unknown factor U is defined as the unknown factor U (the unknown level U) becomes smaller as each literacy (the level of knowledge) increases.

（２−１）
疾病に対するリテラシー(Lとする)を推定するための観測量（関数の入力値として利用される観測量）の例は以下の通りである。
・ヘルスリテラシーのアンケートスコア:qとする
・疾病履歴（レセプト情報）：rhとする（ベクトル）
従って、L=g_L(q,rh)となる。なお、ヘルスリテラシーは、教育によってある程度操作が可能である。 (2-1)
Examples of observed quantities (observed quantities used as input values for functions) for estimating literacy (L) for diseases are as follows.
・ Health literacy questionnaire score: q ・ Disease history (receipt information): rh (vector)
Therefore, L = g_L (q, rh). Health literacy can be manipulated to some extent by education.

ここで、q,rh共に通知対象者ごとに事前に取得してデータベース5に記録しておく。管理者の立場での第一リスク値を計算する際、そのスコアqとしては前述の定着度sをアンケート取得した際におけるのと同様に、最高値を採用すればよい。これにより、通知対象者のヘルスリテラシーが当該最高値より低いほど、通知対象者が感じる第二リスク値が小さくなるようにすることができる。このため、リテラシーＬの関数g_L(q,rh)はスコアqに関して増加関数とすればよい。レセプト情報rhについては、管理者立場と通知対象者立場とに依存せず、当該通知対象者の情報が利用してもよいし、管理者立場では特定疾病に対する心配のない健常者のレセプト情報を用いるようにしてもよい。そして、疾病履歴rhが深刻なものであるほど、リテラシーLが小さくなるよう、リテラシーＬの関数g_L(q,rh)をrhに関してルールベースで用意しておけばよい。   Here, both q and rh are acquired in advance for each notification target person and recorded in the database 5. When calculating a first risk value for the standpoint of the administrator, as its score q similarly as definitive upon survey obtains the loyalty s described above, may be adopted maximum value. This allows the health literacy notification target is enough lower than the maximum value, so that the second risk value felt by notification target is reduced. Therefore, a function of literacy L g_L (q, rh) may be an increasing function with respect to the score q. For receipt information rh, without depending on the administrator standpoint and notification target position, to the information of the notification target may be used, the receipt information without concern healthy individuals for a particular disease is an administrator standpoint You may make it use. Then, as the disease history rh is serious, so that the literacy L decreases, the function G_L (q, rh) literacy L a may by preparing a rule base with respect rh.

（２−２）
「情報被提示者の通知対象者に対するリテラシー」（Oとする）を推定するための観測量の例は次の通りである。すなわち、上記（１−２）の場合と同様に「通知対象者と情報被提示者との関係・距離」に対する観測量（r,d）を得てデータベース５に登録しておいて利用すればよい。減少関数g_Oを用いてO=g_O(r,d)と計算することで、より近い関係であり、従って情報被提示者が通知対象者をよりよく知っているほど、リテラシーOが大きくなるようにするができる。また例えば、リテラシーOを前述の距離Rに対する減少関数として計算してもよい。 (2-2)
Examples of observed quantities for estimating “literacy of the information presenter for the notification target” (referred to as O) are as follows. That is, as in the case of (1-2) above, if the observation amount (r, d) for the “relationship / distance between the notification subject and the information presenter” is obtained and registered in the database 5 and used, Good. By calculating O = g_O (r, d) using the decreasing function g_O, the relationship is closer, so the better the information presenter knows the notification target, the greater the literacy O I can do it. For example, the literacy O may be calculated as a decreasing function with respect to the distance R described above.

以上、（２−１）、（２−２）の観測量により、未知性因子UはU=h_U(L,O)と計算することができる。h_Uは所定の減少関数である。すなわち、各リテラシーL,Oが大きいほど未知性因子Ｕが小さく、結果として、Ｕに関して減少関数とする一実施形態では主観リスク値s_r=f(F,U,T)は大きくなる。   Above, (2-1), the observed amount of (2-2), the unknown factor U can be calculated U = h_U (L, O) and. h_U is a predetermined decreasing function. That is, each literacy L, is O is large enough unknown factors U small, as a result, subjective in one embodiment be a decreasing function with respect to U risk value s_r = f (F, U, T) increases.

なお、上記のように主観リスク値s_r=f(F,U,T)を未知性因子Uに関して減少関数として計算する一実施形態は、通知対象者のリテラシーでは特定疾病のリスクが軽視されているということが（管理者等の立場において）事前にわかっている場合に好ましい実施形態であり、その逆に通知対象者のリテラシーにて特定疾病のリスクが過剰評価されている場合には必ずしも好ましいとは限らない。そこで、通知対象者のリテラシーが軽視又は過剰評価のいずれの側にあっても、提示決定部6において適切な通知がなされるようにすることが可能になるような一実施形態として、主観リスク値s_r=f(F,U,T)の関数fを未知性因子Uに関して減少関数又は増加関数として場合分けして使い分けるようにしてもよい。   Incidentally, an embodiment of calculating the subjective risk value S_R = f as described above (F, U, T) as a decreasing function with respect to unknown factors U is the risk of a particular disease has been neglected in the notification target literacy a preferred embodiment when you know in advance is (in the perspective of an administrator or the like) that, necessarily preferable when the risk of a particular disease is over evaluated by notification target literacy vice versa Is not limited. Therefore, as an embodiment that makes it possible to provide appropriate notification in the presentation determination unit 6 regardless of whether the literacy of the notification target person is neglected or overestimated, the subjective risk value S_R = f may be selectively used to divided case (F, U, T) as a decreasing function or increasing function of the function f with respect to the unknown factor U.

具体的には、以下の[手順1]及び[手順2]のような事前計算を行うことで自動で場合分け判定を行えばよい。   Specifically, the following [Step 1] and the pre-calculation may be performed determined separately if automatically by performing such as [Step 2].

[手順１] 管理者立場での主観リスク値を、未知性因子Uに仮の値として所定の最小値Uminを与えることでs_r=f(F,U,T)により計算し、「仮の」第一リスク値として計算する。同じく、通知対象者立場での主観リスク値を未知性因子Uに、管理者における値と同じの、仮の値としての所定の最小値Uminを与えることでs_r=f(F,U,T)により計算し、「仮の」第二リスク値として計算する。   [Procedure 1] The subjective risk value with administrative standpoint, calculated by S_R = f by giving a predetermined minimum value Umin as the temporary value for the unknown factor U (F, U, T), "provisional" Calculate as the first risk value. Similarly, a subjective risk value for notification target position to the unknown factor U, same to the value in the administrator, S_R by giving a predetermined minimum value Umin as temporary value = f (F, U, T) calculated by, it is calculated as a second risk value "provisional".

なお、未知性因子の最小値Uminは事前に与えられる所定値とすればよいが、例えば各リテラシーL,Oがそれぞれ事前に与えられた最大値Lmax, Omax（管理者及び通知対象者において共通値として与える仮の所定最大値）となる場合の値Umin=h_U(Lmax,Omax)を採用すればよい。これらの値はデータベース5に登録しておけばよい。   The minimum value Umin of the unknown factors may be set to a predetermined value given in advance, but for example, each literacy L, O is the maximum value Lmax given in advance, respectively, Omax (common values in the administrator and notification target value when a predetermined maximum value) of the provisional given as Umin = h_U (Lmax, Omax) may be adopted. These values may be registered in the database 5.

ここで、上記の仮の第一リスク値及び仮の第二リスク値の計算において、所定関数fとしては、Uの減少関数を用いればよい。また、U=Uminとして（いわば仮想的に）与えた引数以外の引数であるF及びTについては、管理者立場及び通知対象者立場での実際の値を与えるようにすればよい。ただし、通知するためのクラスタの設定については、通知対象受付部2で受け付けた管理者の指定した１つのクラスタをそのまま、通知対象者においても採用することで、通知対象者に関して１通りのみの仮の第二リスク値を求める。（一連のクラスタにつきそれぞれ仮の第二リスク値を算出するということは行わない。）   Here, in the calculation of the first risk value and second risk value of the temporary aforementioned provisional, as the predetermined function f, it may be used decreasing function of U. Further, for F and T, which are arguments other than those given as U = Umin (virtually), actual values in the manager's position and the notification target person's position may be given. However, regarding the setting of the cluster for notification, only one type of provisional information regarding the notification target person can be obtained by adopting the same one cluster designated by the administrator received by the notification target reception unit 2 as it is. Find the second risk value of. (It does not perform that each per set of clusters to calculate the second risk value provisional.)

[手順2] 上記計算した管理者立場の仮の第一リスク値が、通知対象者立場の仮の第二リスク値より大きければ、通知対象者がリスクを軽視してしまうことに対処可能とすべく、所定関数fとして未知性因子Uの減少関数を採用する。（Uの減少関数を採用する場合、U= h_U(L,O)が減少関数であることから、関数fはリテラシーL,Oの増加関数となる。）逆に、仮の第一リスク値が仮の第二リスク値以下であれば、通知対象者がリスクを過剰評価してしまうことに対処可能とすべく、所定関数fとして未知性因子Uの増加関数を採用する。（Uの増加関数を採用する場合、U= h_U(L,O)が減少関数であることから、関数fはリテラシーL,Oの減少関数となる。）   [Procedure 2] If the calculated first temporary risk value for the administrator is larger than the temporary second risk value for the notification target, it is possible to cope with the risk that the notification target neglects the risk. Therefore, the decreasing function of the unknown factor U is adopted as the predetermined function f. (When U decreasing function is adopted, U = h_U (L, O) is a decreasing function, so the function f is an increasing function of literacy L, O.) Conversely, the temporary first risk value is if equal to or less than the second risk value of the temporary, in order to enable addressing the notification target ends up overestimation risks, to adopt an increasing function of an unknown factor U as a predetermined function f. (When employing increasing function of U, since U = h_U (L, O) is a decreasing function, the function f is a literacy L, decreasing function of O.)

なお、以上より明らかなように、さらに別の一実施形態として次も可能である。すなわち、通知対象者のリテラシーでは特定疾病のリスクが過剰評価されているということが（管理者等の立場において）事前にわかっている場合等には、上記[手順1],[手順2]の場合分けを行うことなく常に、所定関数fとして未知性因子Uの増加関数（すなわち、リテラシーL,Oの減少関数）を採用するようにしてもよい。   As is clear from the above, the following is also possible as another embodiment. That is, in the case such that the risk of certain diseases that are over-evaluated are known in advance (in the perspective of an administrator or the like) is notified's literacy, the [step 1], the [step 2] always without separation of cases, increasing function (i.e., literacy L, decreasing function of O) unknown factor U as a predetermined function f may be adopted.

（３）信頼性因子Tの計算について
信頼の定量化は一般的には困難であるが、ここでは（１−２）の距離Rと同様に、人間関係ネットワーク上での関係から定義されるものとし、データベース5に事前登録された情報を用いてT=g_T(r,d)として計算すればよい。g_Tは所定の減少関数である。つまり、距離Rが小さく信頼性因子Tが大きいほど、Tに関して増加関数である主観リスク値s_r=f(F,U,T)も大きくなる。 (3) About calculation of reliability factor T Quantification of reliability is generally difficult, but here it is defined from the relationship on the human relationship network, like distance R in (1-2). And T = g_T (r, d) may be calculated using information pre-registered in the database 5. g_T is a predetermined decreasing function. That is, as the distance R is smaller and the reliability factor T is larger, the subjective risk value s_r = f (F, U, T), which is an increasing function with respect to T, also becomes larger.

なお、距離Rを計算する際に既存技術でソーシャルネットワーク上の距離を計算する際に、コミュニケーション実績などを考慮した計算を行うようにすることで、信頼性因子Tの定量化に寄与するようにしてもよい。   Incidentally, when calculating the distance on a social network in the existing technology in calculating the distance R, that to perform the calculation in consideration of the communication results, so as to contribute to quantify the reliability factor T May be.

以下、提示装置10を効果的に動作させることに関連した注意事項を述べる。   Hereinafter, described precautions associated with operating the presentation device 10 effectively.

まず、上記における「恐ろしさ因子」と「未知性因子」は、あくまでも本人（通知対象者本人）が認識・感じている度合いであり、「未知性因子」に関してはリテラシーによってその値が変化する。   First, the "fear factor" in the "unknown factor" is merely the degree to which the person (to be notified in person) is feeling recognition and, its value by literacy with respect to the "unknown factor" is changed.

また、通知対象者における主観リスク値と実際のリスク値（管理者立場でのリスク値）にずれがあった場合に、それを正しい認識に修正するように関数を設計する必要がある。主観リスク値が大きすぎる場合には、未知性因子を減らしたり、コストに対する正しい認識を与えたりする。主観リスク値が小さすぎる場合には、未知性因子を増やしたり（本人が知っていると思っていることに対して正しい認識を与える）、コストに対する正しい認識を与えたりする。   Also, if there is a deviation in the actual risk values and subjective risk value in notification target (risk value for the administrator standpoint), it is necessary to design the function to fix it in the correct recognition. When subjective risk value is too large, reduce the unknown factors, or giving the correct recognition of cost. If the subjective risk value is too small, (give a correct recognition for what you think the person knows) or increase the unknown factor, or giving the correct recognition of the cost.

本発明におけるポイントは、関数を設計した上で上記の恐ろしさ因子の値を変化させる事象発生確率pr(cl)、全ての因子に影響を与える対象者との関係（伝える人、情報被提示者）を選択することで主観リスク値・被疑確率を変化させることにある。具体例は図３の[3]で示した通りである。さらに未知性因子に影響を与える疾病リテラシーを事前に提供することで、さらなる効果向上が見込める。   Points in the present invention, an event occurrence probability on the designed function changes the value of the horror factor pr (cl), human relations (tell the subject that affect all the factors, the information to be presenter ) in varying the subjective risk value, the suspected probability by selecting. Specific examples are as shown in [3] in FIG. Further by providing a disease literacy affecting unknown factors in advance, a further increase in efficiency can be expected.

また、本人に通知する際にクラスタの粒度をいくら変化させても効果がない可能性が計算上ありうるが、信頼の高い人を一度介して情報を伝える（家族に結果を伝え、家族を経由して伝えてもらう等）ことで、本方式では主観リスク値が変化する可能性もある。具体例は図３の[4-1],[4-2]で示した通りである。   In addition, it may not be effective no matter how varied the size of the cluster may be on the calculation at the time of notification in person, through a reliable person once convey the information (communicate the results to the family, via the family In this method, the subjective risk value may change. Specific examples [4-1] in FIG. 3, it is as shown in [4-2].

以下、本発明における補足的事項を説明する。   Hereinafter will be described the supplementary matters in the present invention.

（補足１）クラスタリング部1におけるクラスタリングに関して   With respect to clustering in (Supplement 1) clustering unit 1

図４は、クラスタリング部1の機能ブロック図であり、図示するように文書化部11及び分類部12を備える。   Figure 4 is a functional block diagram of a clustering unit 1 includes a document portion 11 and the classification unit 12 as shown.

文書化部11では、クラスタリング部1（の分類部12）によるクラスタリングのための入力データとしての全医療データを読み込み、当該全データを構成する各対象者Xの各年代n（年齢n）における文書化された医療データD(X, n)を生成して分類部12へと出力する。   In the document section 11 reads all the medical data as input data for the clustering by the clustering unit 1 (classification unit 12 of) the document in each age n (age n) of each subject X constituting the entire data Generated medical data D (X, n) is output to the classification unit 12.

当該医療データD(X, n)への文書化とは、周知のバグオブワード(bag of words)の形式、すなわち所定の各単語の頻度（出現回数）を要素とする文書ベクトルの形式へ変換することであり、データD(X, n)は対象者Xのn歳時点での健康状態を反映したベクトルとなっている。後段側の分類部12でのクラスタリングを可能とするための前処理として、当該文書化がなされる。具体的には以下の通りである。   The medical data D (X, n) and is documented to format known bug of words (bag of words), i.e. converted into a form of a document vector to a predetermined frequency of each word (number of occurrences) elements is to, data D (X, n) is a vector that reflects the health condition at n old time of the target's X. The documenting is performed as preprocessing for enabling clustering in the rear classifier 12. Specifically, it is as follows.

まず、入力される全医療データは、一連の対象者の一連の時期における健康状態を評価したものであり、具体的には例えば健康組合等のもとで実施される健康診断結果や、医師による問診の結果、あるいはレセプト（診療報酬明細書）等やこれらの組み合わせを用いることができる。   First, all the medical data to be input is obtained by evaluating the health condition in a series of time series of the subject, health diagnosis and which is specifically carried out under such health unions example, by a physician As a result of an inquiry, a receipt (medical remuneration statement), or a combination thereof can be used.

あらかじめ、当該医療データに記載されている、あるいは、記載されうることが既知の健康状態を表す所定の複数m個の単語i₁, i₂, …, i_mを用意しておき、文書化部11において対象者Xのn歳における医療データのテキストを解析することで、単語i₁, i₂, …, i_mの頻度ベクトルとして健康状態を表すベクトルD(X, n)を生成することができる。 A predetermined plurality of m words i ₁ , i ₂ ,..., I _m that are described in the medical data or are known to be able to be described are prepared in advance, and the documenting unit by analyzing the text of the medical data in n age of the subject X at 11, the word _{i 1, i 2, ...,} i m vector D (X, n) representing the health condition as the frequency vector of be generated it can.

例えば、問診データ等における特定の疾病の名称に相当する単語i_bが対象者Xのn歳の医療データに存在すれば、ベクトルD(X, n)の当該i_bの要素の値を「1」とし、存在しなければ同要素の値を「0」とすることができる。レセプトデータ等における処方された薬剤名などの単語i_bについても同様に当該単語が存在するか否かで「1」または「0」とすることができる。また、これら単語i_bが対象者Xのn歳の医療データにおいて1回以上現れていれば、当該i_bの要素の値を当該現れた回数（すなわち頻度）としてもよい。 For example, if the word i _b corresponding to the name of a specific disease in medical examination data or the like exists in the medical data of the subject X at the age of n, the value of the element of i _b of the vector D (X, n) is set to “1”. If it does not exist, the value of the same element can be set to “0”. Similarly, the word i _b such as the prescribed drug name in the receipt data or the like can be set to “1” or “0” depending on whether or not the word exists. Further, if the word i _b appears one or more times in the medical data of the subject X at the age of n, the value of the element of the i _b may be the number of appearances (that is, the frequency).

また、健康診断データにおける体重や血液検査の結果等、数値で評価される項目については当該項目に応じた所定の単語を用意しておき、評価数値に応じた所定規則（所定関数等）により当該単語の頻度を算出してベクトルD(X,n)の要素の値とすることができる。このような評価数値から単語頻度への変換に関しては、本出願人による特開２０１５−３２０１３号公報（発明の名称：数値データ解析装置及びプログラム）、特願２０１３−１６３２０７号（数値データ解析装置及びプログラム）、特願２０１３−２１７８１７号（数値データ解析装置及びプログラム）を利用してもよい。   In addition, for items to be evaluated numerically, such as body weight and blood test results in health checkup data, a predetermined word corresponding to the item is prepared, and according to a predetermined rule (predetermined function, etc.) according to the evaluation numerical value The frequency of words can be calculated and used as the element value of the vector D (X, n). For the conversion from such evaluation numeric to word frequency, the Applicant by JP 2015-32013 JP (entitled numerical data analyzer and program), Japanese Patent Application No. 2013-163207 (numerical data analyzer and Program), Japanese Patent Application No. 2013-217817 (numerical data analysis apparatus and program) may be used.

なお、上記のような数値（量的データ）の場合の他、質的データ（例えば、問診票等に記載された喫煙習慣の有無など）の場合も、同様に所定規則により対応する単語の頻度へと変換し、ベクトルD(X,n)の要素の値とすることができる。   Incidentally, in addition to the case of the numerical values described above (quantitative data), qualitative data (e.g., the presence or absence of smoking habits were described in questionnaire, etc.) the frequency of words in the case of, the corresponding similarly by a predetermined rule It converted to be a value of the element of the vector D (X, n).

以上のように、単語i₁, i₂, …, i_mの各々は、入力される医療データにおける健康状態の評価項目（直接的に評価するもののみではなく、レセプトデータにおける薬剤名のように健康状態を間接的に反映する項目も含む）の各々に対応する単語であり、対象者Xのn歳における当該評価結果に対して所定規則（単語i₁, i₂, …, i_mの各々に個別規則を用意しておくことができる）を適用することで、文書化部11では文書ベクトルD(X, n)を生成する。 As described above, each of the words i ₁ , i ₂ ,..., I _m is a health condition evaluation item in the input medical data (not only a direct evaluation but also a drug name in the receipt data. Each of the predetermined rules (words i ₁ , i ₂ , ..., i _m) for the evaluation result of the subject X at the age of n In this case, the document unit 11 generates a document vector D (X, n).

図５に、文書化部11に入力される全医療データの模式的な例を示す。当該例に示すように、入力としての全医療データには欠損があることが想定されている。すなわち、本来は長期データが手に入ることが望ましいが、実際には図５の例のように、数年の短期間に渡るデータしか利用できないということが多い。   Figure 5 shows a schematic example of all medical data to be input to the document section 11. As shown in the example, it is assumed that all medical data as input has a defect. That is, originally it is desirable that the long-term data can get, in fact, as in the example of FIG. 5, often that only data over a short period of several years can not be used.

なお、図５の例では、例えばAさんに関しては40歳〜43歳のデータが存在しているので、文書化部11においてAさんの医療データよりD(A,40),D(A,41),D(A,42),D(D43)という4個のデータが出力されることとなる。Gさん、Dさんといったその他の対象者についても同様に医療データが存在する年代分のデータが出力されることとなる。   In the example of FIG. 5, for example because the present data 40 years to 43 years of age with respect to Mr. A, D (A, 40) from the medical data of Mr. A in the document section 11, D (A, 41 ), D (A, 42), and D (D43) are output. G's, so that the ages of data there are similarly medical data about other subjects such as Mr. D is output.

分類部12では、まず、上記の文書化部11より出力された一連の対象者Xにおける一連の年代nのデータD(X,n)の全てを対象としてクラスタリングを行う。当該クラスタリングには、潜在トピックモデルに基づくLDA（潜在的ディリクレ配分法）を利用することができる。なお、LDAについては例えば以下の非特許文献１に開示されている。
[非特許文献１] D. Blei, A. Ng, and M. Jordan. Latent Dirichlet allocation. Journal of Machine Learning Research,3:993-1022, January 2003. First, the classification unit 12 performs clustering on all the data D (X, n) of a series of ages n in the series of subjects X output from the documenting unit 11 described above. LDA (latent Dirichlet allocation method) based on the latent topic model can be used for the clustering. Note that LDA is disclosed, for example, in Non-Patent Document 1 below.
[Non-Patent Document 1] D. Blei, A. Ng, and M. Jordan. Latent Dirichlet allocation. Journal of Machine Learning Research, 3: 993-1022, January 2003.

ここで特に、共通の対象者Xであっても年代がn歳、m歳(m≠n)と異なるデータD(X,n),D(X,m)は、別データとしてクラスタリングが行われる。例えば、図５の例におけるAさんの4つの異なる年代におけるデータD(A,40),D(A,41),D(A,42),D(D43)は、4つの異なるデータとしてクラスタリング対象となる。なお、対象者がX及びYと異なるデータD(X, n),D(Y, m)（ここで年齢nと年齢mは同じでも異なっていてもよい）は当然、別データとしてクラスタリング対象となる。   Here, in particular, ages n age of even common subject X, m old (m ≠ n) and different data D (X, n), D (X, m) is the clustering is performed as a separate data . For example, the data D (A, 40), D (A, 41), D (A, 42), D (D43) in Mr. A's four different ages in the example of FIG. It becomes. Note that the data D (X, n), D (Y, m), where the target is different from X and Y (where age n and age m may be the same or different) are naturally classified as clustering targets. Become.

なお、本発明では、クラスタリング結果の各クラスタにおける発症率を利用するが、各クラスタに属する各データD(X,n)について、「１年後に糖尿病を発症した」等の所定の発症率の計算基準を設けておき、各クラスタにおける実績値として発症率を取得すればよい。すなわち、各クラスタにおける総サンプル数に対して、「１年後に糖尿病を発症した」等の所定基準を満たすサンプル数（発症数）を、発症率として採用すればよい。また前述のように、クラスタリング結果に対して管理者等が遷移確率の計算などを行うことで、「１年後に糖尿病発症クラスタに遷移する確率」等の値を求めて発症率としてもよい。   In the present invention, clustering utilizes the incidence in each cluster of results, each data D (X, n) belonging to each cluster for "was developed diabetes after one year" calculation of a given incidence of such it may be provided a reference may acquire the incidence as actual values in each cluster. That is, the total number of samples in each cluster, the number of samples that meet the predetermined criteria such as "who developed diabetes after one year" (the number of onset), may be adopted as the incidence. Further, as described above, an administrator or the like may calculate a transition probability with respect to the clustering result, thereby obtaining a value such as “probability of transition to a diabetes onset cluster after one year” or the like as an onset rate.

（補足２）文書化部11では、入力される健診データその他の医療データを、各対象者Xの各年代nにおける健康状態に対応するバグオブワードとしてのデータD(X,n)に変換するものとして説明したが、入力されるデータが予め当該バグオブワードの形式に変換されている場合、文書化部11は省略されてもよい。   In (Supplement 2) documentation unit 11, converts the medical examination data other medical data is input, the data D (X, n) of a bug of words corresponding to the health condition of each age n of each subject X It has been described as if the data to be input is converted in advance in the form of the bug of the word, document 11 may be omitted.

（補足３）提示決定部6にて健康改善の通知を行うためのメッセージは所定テキスト等をテンプレートとして用意しておくことで生成すればよい。例えば、図３の[2]で結果CR3で「Aさんは糖尿病の発症率40%のクラスタC31に属すると判定されましたので、生活習慣を改善しましょう」という形で通知を行う場合、「40%」の部分と「C31」の部分は実績に応じた値（テキスト）が設定されるようなテンプレートを用意しておき、実績に応じたメッセージが自動生成されるようにすればよい。   (Supplement 3) message for a notification of health improvement at presentation determining unit 6 may be generated by keep ready a text or the like as a template. For example, the case in which the result CR3 [2] in FIG. 3, "A's since been determined to belong to the onset of 40% of the cluster C31 of diabetes, you will improve the lifestyle," a notice in the form of, " For the “40%” part and “C31” part, a template in which a value (text) corresponding to the record is set is prepared, and a message corresponding to the record may be automatically generated.

（補足４）各通知対象者につき、親族その他の一連の情報被提示者が誰であるかについては、各通知対象者につき名簿等で事前登録しておき、データベース5に記録しておけばよい。情報被提示者に関して第二リスク値を算出するために必要となる種々の情報についても同様に、データベース5に記録しておけばよい。情報被提示者に対して通知対象者の健康状態の通知を行い、被提示者から通知対象者に実際の通知を行う旨を依頼するためのテキスト等についても、上記（補足３）と同様にテンプレートを用意しておくことで、自動生成するようにすればよい。   (Supplement 4) For each person to be notified, who should be a relative or other series of information recipients should be registered in advance in the list, etc. for each person to be notified and recorded in database 5. . Similarly, various kinds of information necessary for calculating the second risk value regarding the information presenter may be recorded in the database 5 in the same manner. Similarly to the above (Supplement 3), the text etc. for notifying the information recipient of the health condition of the person to be notified and requesting that the person to be notified to actually notify the person to be notified By creating a template, you can generate it automatically.

（補足５）上記の（補足３）（補足４）で説明したようなメッセージの通知には、提示決定部6において電子メール等の既存メディアを利用することで通知するようにすればよい。なお、テキスト情報に限らず、当該テキストから自動生成される音声情報で通知するようにしてもよいし、同様に自動生成される動画情報で通知するようにしてもよい。その他、種々の通知メディアを利用可能である。   (Supplement 5) The notification of the message as described in the above (Supplement 3) and (Supplement 4) may be notified by using the existing media such as e-mail in the presentation determination unit 6. Not only text information but also voice information automatically generated from the text may be notified, or notification may be notified by automatically generated moving image information. In addition, various notification media can be used.

（補足６）上記の（補足１）では利用される医療データを形式的な観点から説明したが、実際の全データとしては例えば、特定の健保が実施した現在時点までの直近の数年のデータ等を採用することができる。管理者が健康状態の通知を行う旨の対象とする（すなわち、通知対象受付部2に対象として指定する）のは、当該全データに存在するD(X,n)のうち、年代nが現在時点あるいはデータの存在する直近時点にあるものを対象とすればよい。   (Supplement 6) In the above (Supplement 1), the medical data to be used was explained from a formal point of view. However, as actual all data, for example, data for the most recent years up to the present time point when a specific health insurance was implemented Etc. can be adopted. The target of the administrator's notification of the health condition (that is, specified as the target in the notification target receiving unit 2) is the age n among the D (X, n) existing in all the data. What is necessary is to target the point in time or the most recent point at which data exists.

（補足７）図２のステップS6における一連の第二リスク値の計算に関しては、通知対象者に関して一連のクラスタリング結果で計算する第一実施形態と、第一実施形態においてさらに提示対象者（通知対象者本人のみでなくその親族など）を変化させて計算する第二実施形態とを説明した。そして、図３の[4-1],[4-2]の例で説明したように、第一実施形態における通知で行動改善の効果が見込まれない場合であっても、本人以外の提示対象者を介して本人に通知することも許容する第二実施形態によって、行動改善が見込まれた。   (Supplement 7) Regarding the calculation of the series of second risk values in step S6 of FIG. 2, the first embodiment for calculating with the series of clustering results for the notification target person, and the presentation target person (notification target) in the first embodiment In the second embodiment, the calculation is performed by changing not only the person himself but also his relatives. As described in the example of [4-1] and [4-2] in FIG. 3, even if the action improvement effect is not expected by the notification in the first embodiment, the presentation target other than the person himself / herself The improvement of the behavior was expected by the second embodiment that allows the person to be notified through the person.

すなわち、第二実施形態は、通知対象者本人以外を介して本人に通知する場合を許容し、提示決定部6における通知態様のバリエーションを増やすことで、第一実施形態における一連の第二リスク値の計算対象を拡充し、結果として第一実施形態よりも効果的に、行動改善を促しうる通知が可能になるようにしたものである。   That is, the second embodiment allows a case of notifying the person via a person other than the person to be notified, and by increasing the number of notification modes in the presentation determination unit 6, a series of second risk values in the first embodiment. As a result, it is possible to make notifications that can promote action improvement more effectively than in the first embodiment.

全く同様に、図２のステップS6における一連の第二リスク値の計算対象を第一実施形態から拡充し、通知態様のバリエーションを増やす第三実施形態を説明する。第三実施形態では、通知対象者の現状における健康に関するリテラシーL_[現状]のみで計算するのに加えてさらに、通知対象者に通知を行う前に健康に関するリテラシー教育を行なったものとして、当該教育によって改善されたリテラシーL_[改善後]においても計算する。従って、通知態様のバリエーションは、事前のリテラシー教育が追加されうるという点で、増えることとなる。 Exactly the same, a third embodiment will be described in which a series of second risk value calculation objects in step S6 in FIG. In the third embodiment, in addition to calculating only the health literacy L in the current status of the notification target person _{[current status]} , it is further assumed that the health literacy education was performed before notifying the notification target person. Literacy L improved by _{[After improvement]} is also calculated. Therefore, the variation of the notification mode is increased in that a prior literacy education can be added.

ここで、各通知対象者における現状のリテラシーL_[現状]はすなわち、前述の未知性因子Uを計算するための通知対象者のリテラシーＬであり、前述の通りL=g_L(q,rh)としてデータベース5の記録等より求めることができる。また、改善されたリテラシーL_[改善後]については、ヘルスリテラシーのアンケートスコアqが事前教育により所定値q_[改善後]になるものとして求めればよい。すなわち、各通知対象者につき、現状のアンケートスコアをq_[現状]とし、事前教育でスコアがq_[改善後]になるものとして、以下のように現状及び改善後のリテラシーを計算すればよい。
L_[現状]= g_L(q_[現状],rh)
L_[改善後]=g_L(q_[改善後],rh) Here, the current literacy L _{[current status]} of each notification target person is the literacy L of the notification target person for calculating the above-described unknown factor U, and as described above, L = g_L (q, rh) It can be obtained from records in the database 5 or the like. Further, the improved literacy L _{[after improvement]} may be obtained assuming that the health literacy questionnaire score q becomes a predetermined value q _{[after improvement]} by prior education. That is, for each notification target, assuming that the current questionnaire score is q _{[current state]} and the score is q _{[after improvement]} in the prior education, the current state and the improved literacy may be calculated as follows.
L _{[Current status]} = g_L (q _{[Current status]} , rh)
L _{[After improvement]} = g_L (q _{[After improvement]} , rh)

上記にて、事前教育によって改善されるスコアq_[改善後]は、所定値として、あるいはリテラシー教育効果をモデル化した所定関数Eでq_[改善後]=E(q_[現状])として算出されるものとして、データベース5に登録しておけばよい。なお、上記ではレセプト情報rhは同じ値を用いるものとしているが、これについてもスコアqと同様に、現状スコアrh_[現状]と改善後スコアrh_[改善後]とを用いることでリテラシーL_[現状]及びL_[改善後]を計算するようにしてもよい。 In the above, the score q _{[after improvement]} improved by the prior education is calculated as a predetermined value or q _{[after improvement]} = E (q _{[current state]} ) with a predetermined function E modeling the literacy education effect. It is sufficient to register it in the database 5. In the above, the same value is used for the receipt information rh. However, as with the score q, the current score rh _[current] and the improved score rh _{[after improvement]} are used to determine the literacy L _{[current ] And} L _{[after improvement]} may be calculated.

そして、改善されたリテラシーL_[改善後]で計算された第二リスク値が図２のステップS7における最適値として決定された場合には、提示決定部6ではまず、通知対象者に対してリテラシー教育を施してリテラシーが改善されたのを確認してから、健康状態に関する通知を行うようにする。（逆に、現状のリテラシーL_[現状]で計算された第二リスク値が最適値として決定された場合は、事前のリテラシー教育は省略され、第一実施形態と同様の通知がなされる。） Then, when the second risk value calculated with the _improved literacy L _{[after improvement]} is determined as the optimum value in step S7 in FIG. 2, the presentation determination unit 6 first applies literacy to the notification target person. Make sure you ’ve improved your literacy through education before giving notifications about your health. (Conversely, when the second risk value calculated in the _current literacy L _[current] is determined as the optimum value, the prior literacy education is omitted and the same notification as in the first embodiment is made.)

ここで、リテラシー教育を施すこと及び当該教育によりリテラシーが改善されたことを確認するためには、提示決定部6において例えば周知のeラーニングの受講通知を通知対象者に対してメール等で行うようにすればよい。そして、ネットワーク上のeラーニング提供サーバにおいて、当該通知対象者に特定疾病に関する教材をウェブページ形式等で提供し、ウェブページ上で選択肢問題等として与えられる理解度チェックテストに当該通知対象者が合格したと判定された時点でリテラシーが改善されたものと判断し、提示決定部6からさらに、当該通知対象者の健康状態を通知するようにすればよい。その他の手法を用いてもよい。   Here, to provide literacy education and confirm that literacy has been improved by the education, for example, the presentation determination unit 6 sends a notification of attendance of a well-known e-learning to the notification target person by e-mail or the like. You can do it. Then, the e-learning server on the network provides the notification target person with educational materials related to the specific disease in the form of a web page, etc., and the notification target person passes the comprehension check test given as a choice problem on the web page When it is determined that the literacy has been improved, the presentation determining unit 6 may further notify the health status of the notification target person. Other methods may be used.

以上、第三実施形態により、第二実施形態の場合と同様の効果を奏することができる。例えば図３の[4-1]が通知対象者Bの現状のリテラシーL_[現状]＝40点の場合の第二リスク値であったとした場合に、[4-2]は第二実施形態において提示者Cを介して通知した場合の第二リスク値の例であったが、第三実施形態でも[4-2]に示すような第二リスク値を感じさせることができる。すなわち、第三実施形態においてeラーニング等の事前教育を通知対象者Bに施すことで、通知対象者Bのリテラシーを例えば現状のリテラシーL_[現状]＝40点から改善されたリテラシーL_[改善後]=80点とすることで、提示者Cを介せず通知対象者Bに直接通知した場合であっても、[4-2]に示すような各クラスタリング結果で通知した際の第二リスク値を感じさせるようにすることができる。 As described above, according to the third embodiment, the same effects as those in the second embodiment can be obtained. For example, when [4-1] in FIG. 3 is the second risk value when the _current literacy L of the notification target person B _{[current state]} = 40 points, [4-2] Although it was an example of the 2nd risk value at the time of notifying via the presenter C, a 2nd risk value as shown to [4-2] can be made to feel also in 3rd embodiment. That is, in the third embodiment, e-learning or the like is given to the notification target person B, so that the literacy of the notification target person B is improved from, for example, the current literacy L _[current] = 40 points _{[after improvement ]} = 80 points, so even if the notification target person B is notified directly without the presenter C, the second risk when notifying with each clustering result as shown in [4-2] The value can be made to feel.

（補足８）本発明は、コンピュータを提示装置10の各部1〜6の全て又はその任意の一部分として機能させるプログラムとしても提供可能である。当該コンピュータには、CPU(中央演算装置)、メモリ及び各種I/Fといった周知のハードウェア構成のものを採用することができ、CPUが提示装置10の各部の機能に対応する命令を実行することとなる。   (Supplement 8) The present invention can also be provided as a program that causes a computer to function as all of the units 1 to 6 of the presentation device 10 or any part thereof. The computer can adopt a known hardware configuration such as a CPU (Central Processing Unit), a memory, and various I / Fs, and the CPU executes instructions corresponding to the functions of the respective units of the presentation device 10. It becomes.

10…提示装置、1…クラスタリング部、2…通知対象受付部、3…第一リスク値算出部、4…第二リスク値算出部、5…データベース、6…提示決定部   DESCRIPTION OF SYMBOLS 10 ... Presentation apparatus, 1 ... Clustering part, 2 ... Notification object reception part, 3 ... 1st risk value calculation part, 4 ... 2nd risk value calculation part, 5 ... Database, 6 ... Presentation determination part

Claims (11)

バグオブワードの形で与えられた一連の対象者の一連の年代における健康状態データを、対象者及び年代ごとの個別データの集まりとして潜在トピック分析を適用することで、予め指定された一連の粒度においてそれぞれクラスタリングを行い、各粒度におけるクラスタリング結果を求めるクラスタリング部と、
管理者より、前記各粒度のクラスタリング結果のうちいずれの粒度のものを健康指導のために利用するかの指定と、当該指定された粒度のクラスタリング結果のうちいずれのクラスタのいずれの個別データを健康指導の対象としての通知対象者にするかの指定と、を受け付ける通知対象受付部と、
前記指定された通知対象者が特定疾病を発症することに関する、前記管理者の立場での第一リスク値を、前記指定されたクラスタに基づいて計算する第一リスク値計算部と、
前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、前記一連の粒度のクラスタリング結果のそれぞれにおいて計算する第二リスク値計算部と、
前記一連の粒度のクラスタリング結果のそれぞれについて計算された第二リスク値のうち、前記第一リスク値に最も近いと判定される際の粒度におけるクラスタリング結果を、前記通知対象者に対して特定疾病を発症することに関する健康指導を行うための結果として決定する提示決定部と、を備えることを特徴とする提示装置。 By applying latent topic analysis as a collection of individual data for each subject and age, the health status data for a series of subjects given in the form of a bug of word is applied to a predetermined set of granularities. In each clustering, a clustering unit for obtaining a clustering result at each granularity,
The administrator specifies which granularity of the clustering results of each granularity is used for health guidance, and which individual data of which cluster among the clustering results of the specified granularity is healthy. A notification target reception unit that receives designation of whether to be a notification target person as an instruction target,
A first risk value calculation unit that calculates a first risk value in the manager's position regarding the specified notification subject developing a specific disease, based on the specified cluster;
A second risk value calculation unit that calculates a second risk value in the position of the notification subject regarding the specified notification subject developing a specific disease in each of the series of clustering results of the granularity;
Of the second risk values calculated for each of the series of granularity clustering results, the clustering result at the granularity when determined to be closest to the first risk value is the specific disease for the notification subject. A presentation determination unit configured to determine as a result for performing health guidance related to the onset of symptoms. 前記第一リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記管理者の立場での第一リスク値を、事前に与えられている当該特定疾病に対する前記管理者の立場でのコストに基づいて計算し、
前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、事前に与えられている当該特定疾病に対する前記通知対象者の立場でのコストに基づいて計算することを特徴とする請求項１に記載の提示装置。 In the first risk value calculation unit, the management for the specific disease given in advance as the first risk value in the manager's position regarding the specified notification subject developing the specific disease. Calculated based on the cost of
In the second risk value calculation unit, the second risk value in the position of the notification target person regarding the specified notification target person developing a specific disease, the second risk value for the specific disease given in advance The presentation apparatus according to claim 1, wherein the calculation is performed based on the cost in the position of the person to be notified. 前記第一リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記管理者の立場での第一リスク値を、前記指定された粒度のクラスタリング結果における当該通知対象者が属するクラスタにおける当該特定疾病の発症率に基づいて計算し、
前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、前記一連の粒度のクラスタリング結果のそれぞれにおいて計算するに際して、それぞれの粒度のクラスタリング結果における当該通知対象者が属するクラスタにおける当該特定疾病の発症率に基づいて計算することを特徴とする請求項１または２に記載の提示装置。 In the first risk value calculation unit, the notification target in the clustering result of the specified granularity is the first risk value in the manager's position regarding the specified notification target person developing a specific disease. Calculated based on the incidence of the specific disease in the cluster to which the person belongs,
In the second risk value calculation unit, a second risk value in the position of the notification target person regarding the specified notification target person developing a specific disease is calculated in each clustering result of the series of granularities. The presentation device according to claim 1 or 2, wherein calculation is performed based on an incidence rate of the specific disease in a cluster to which the notification target person belongs in a clustering result of each granularity. 前記第一リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記管理者の立場での第一リスク値を、事前に与えられている当該特定疾病に対する前記管理者の立場でのリテラシーに基づいて計算し、
前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、事前に与えられている当該特定疾病に対する前記通知対象者の立場でのリテラシーに基づいて計算することを特徴とする請求項１ないし３のいずれかに記載の提示装置。 In the first risk value calculation unit, the management for the specific disease given in advance as the first risk value in the manager's position regarding the specified notification subject developing the specific disease. Calculated based on the literacy in the
In the second risk value calculation unit, the second risk value in the position of the notification target person regarding the specified notification target person developing a specific disease, the second risk value for the specific disease given in advance The presentation device according to claim 1, wherein the calculation is performed based on literacy from the standpoint of the person to be notified. 前記第一リスク値計算部では事前に、前記管理者の立場でのリテラシーの値として仮の所定最大値を与えて仮の第一リスク値を計算し、前記第二リスク値計算部では事前に、前記通知対象者の立場でのリテラシーの値として前記仮の所定最大値を与えて仮の第二リスク値を計算し、
前記第一リスク値計算部及び前記第二リスク値計算部ではそれぞれ、前記第一リスク値及び前記第二リスク値を計算するに際して用いる関数として、前記管理者での立場でのリテラシー及び前記通知対象者の立場でのリテラシーについての増加関数又は減少関数を用い、前記仮の第一リスク値が前記仮の第二リスク値よりも大きい場合には増加関数を用い、前記仮の第一リスク値が前記仮の第二リスク値以下である場合には減少関数を用いることを特徴とする請求項４に記載の提示装置。 In the first risk value calculation unit, the temporary first risk value is calculated by giving a temporary predetermined maximum value as the literacy value in the manager's standpoint, and in the second risk value calculation unit in advance , Calculating the provisional second risk value by giving the provisional predetermined maximum value as the literacy value in the position of the notification target person,
In the first risk value calculation unit and the second risk value calculation unit, as a function used when calculating the first risk value and the second risk value, respectively, the literacy in the position of the administrator and the notification target Using an increase function or a decrease function for literacy from the standpoint of the person who uses the increase function when the provisional first risk value is greater than the provisional second risk value, and the provisional first risk value is 5. The presentation device according to claim 4, wherein a decreasing function is used when the provisional second risk value is equal to or lower than the provisional second risk value. 前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、前記一連の粒度のクラスタリング結果のそれぞれと、前記通知対象者に対して特定疾病を発症することに関する情報提示を行うための情報被提示者と、において計算し、
前記提示決定部では、前記一連の粒度のクラスタリング結果及び情報被提示者のそれぞれについて計算された第二リスク値のうち、前記第一リスク値に最も近いと判定される際の粒度におけるクラスタリング結果及び情報被提示者を、前記通知対象者に対して特定疾病を発症することに関する健康指導を行うための結果として決定すると共に、当該情報被提示者を、前記通知対象者に対して特定疾病を発症することに関する情報提示を行う者として決定することを特徴とする請求項１ないし５のいずれかに記載の提示装置。 In the second risk value calculation unit, the second risk value in the position of the notification target person regarding the specified notification target person developing a specific disease, each of the clustering results of the series of granularity, The information presenter for performing information presentation regarding the occurrence of a specific disease for the notification target person,
In the presentation determination unit, out of the series of clustering results and the second risk values calculated for each of the information presenters, the clustering result at the granularity when determined to be closest to the first risk value and The information presenter is determined as a result for providing health guidance regarding the development of a specific disease to the notification subject, and the information presenter is developed to the specific notification subject. The presentation device according to claim 1, wherein the presentation device is determined as a person who presents information regarding what to do. 前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、事前に与えられている当該特定疾病に対する情報被提示者の立場でのコストに基づいて計算することを特徴とする請求項６に記載の提示装置。   In the second risk value calculation unit, information on the specific disease given in advance as a second risk value in the position of the notification subject regarding the specified notification subject developing the specific disease The presentation device according to claim 6, wherein the calculation is performed based on the cost in the position of the person to be presented. 前記事前に与えられている当該特定疾病に対する情報被提示者の立場でのコストが、情報被提供者と当該通知対象者との間の関係が反映された社会的距離に基づいたものとして与えられていることを特徴とする請求項７に記載の提示装置。   The cost in the information presenter's position for the specific disease given in advance is given based on the social distance reflecting the relationship between the information recipient and the notification subject. The presenting device according to claim 7, wherein the presenting device is provided. 前記情報被提示者には前記通知対象者の親族が含まれ、当該親族としての情報被提示者の立場でのコストが、前記通知対象者の立場でのコストよりも高い値として事前に与えられており、
前記第二リスク値計算部では、当該事前に与えられているコストに基づいて前記通知対象者の立場での第二リスク値を計算することを特徴とする請求項７に記載の提示装置。 The information presentee includes the relative of the person to be notified, and the cost in the position of the information presenter as the relative is given in advance as a value higher than the cost in the position of the person to be notified. And
The presentation device according to claim 7, wherein the second risk value calculation unit calculates a second risk value in the position of the notification target person based on the cost given in advance. 前記第二リスク値計算部では、前記指定された通知対象者が特定疾病を発症することに関する、前記通知対象者の立場での第二リスク値を、事前に与えられている情報被提示者と当該通知対象者との間の信頼性に基づいて計算することを特徴とする請求項６ないし9のいずれかに記載の提示装置。   In the second risk value calculation unit, the second risk value in the position of the notification target person regarding the specified notification target person developing a specific disease, and the information presenter who has been given in advance 10. The presentation apparatus according to claim 6, wherein calculation is performed based on reliability with the notification target person. 前記事前に与えられている情報被提示者と当該通知対象者との間の信頼性は、情報被提供者と当該通知対象者との間の関係が反映された社会的距離に基づいたものとして与えられていることを特徴とする請求項１０に記載の提示装置。   The reliability between the information recipient and the notification subject given in advance is based on the social distance that reflects the relationship between the information recipient and the notification subject. The presentation device according to claim 10, which is given as: