JP2017205248A

JP2017205248A - Onset factor inference device, onset factor inference method, onset factor inference device program, and onset factor inference system

Info

Publication number: JP2017205248A
Application number: JP2016099205A
Authority: JP
Inventors: 田中　栄; Sakae Tanaka; 栄田中
Original assignee: J Mac System Inc
Current assignee: J Mac System Inc
Priority date: 2016-05-18
Filing date: 2016-05-18
Publication date: 2017-11-24

Abstract

CONSTITUTION: A wearable device 10 detects a patient's active mass and an environmental value showing patient's surrounding environment every one minute, and transfers minute data containing the detected active mass and environmental value to a cloud server 60. The cloud server 60 stores this transferred minute data in a database. Upon receiving a report creation request from a client PC70, the cloud server 60 defines multiple time zones on the basis of onset time of a patient-holding disease, and evaluates the minute data stored in the database every time zone. Also, the cloud server 60 infers the onset factor of the patient-holding disease based on evaluation results, and transfers the onset factor report describing the inferred onset factor to the client PC70.EFFECT: The inference accuracy of the onset factor can be increased concerning a patient-holding disease.SELECTED DRAWING: Figure 1

Description

この発明は、発症要因推測装置、発症要因推測方法および発症要因推測装置プログラムに関し、特に、患者が抱える病症の発症要因を推測する、発症要因推測装置、発症要因推測方法および発症要因推測装置プログラムに関する。 The present invention relates to an onset factor estimation device, an onset factor estimation method, and an onset factor estimation device program, and more particularly, to an onset factor estimation device, an onset factor estimation method, and an onset factor estimation device program for estimating an onset factor of a disease that a patient has. .

特許文献１によれば、動作障害がある疾患の症状と、患者の消費エネルギー等に基づいて算出される活動量の分析結果とを対応づけた症状評価基準が予め作成される。患者の症状は、患者が携帯する活動量計で計測された活動量と症状評価基準とに基づいて評価される。患者の症状やその変化（たとえば、服薬の有無あるいは治療薬の種類によって症状が改善したか否か、或いは睡眠障害による活動低下状態か否か）は、計測された活動量の統計解析によって評価される。これによって、客観性および定量性がある評価を幅広い疾患に対して精度良く簡便に行うことができる。 According to Patent Literature 1, a symptom evaluation standard is created in advance by associating a symptom of a disease with a movement disorder with an analysis result of an amount of activity calculated based on a patient's consumed energy or the like. The patient's symptoms are evaluated based on the amount of activity measured by the activity meter carried by the patient and the symptom evaluation criteria. The patient's symptoms and their changes (for example, whether the symptoms improved with the presence or absence of medication or the type of treatment, or whether the activity was reduced due to sleep disorders) were evaluated by statistical analysis of the measured activity. The As a result, an objective and quantitative evaluation can be easily and accurately performed over a wide range of diseases.

特開２０１５−９７６１２号公報Japanese Patent Laying-Open No. 2015-97612

しかし、特許文献１は、患者の活動量に基づいて患者の症状やその変化を評価するに留まり、患者が抱える病症の発症要因まで推測するものではない。また、特許文献１で得られる評価結果に基づいて発症要因を推測しようとしても、推測精度に限界がある。 However, patent document 1 is not only estimating the symptom of a patient and the onset factor of the disease which a patient has, but only evaluating a patient's symptom and its change based on a patient's activity amount. Moreover, even if it is going to guess the onset factor based on the evaluation result obtained by patent document 1, there exists a limit in estimation accuracy.

それゆえに、この発明の主たる目的は、患者が抱える病症について発症要因の推測精度を高めることができる、発症要因推測装置、発症要因推測方法、発症要因推測装置プログラムおよび発症要因推測システムを提供することである。 Therefore, a main object of the present invention is to provide an onset factor inference device, an onset factor inference method, an onset factor inference device program, and an onset factor inference system that can improve the accuracy of estimating the onset factor for a disease that the patient has. It is.

この発明に係る発症要因推測装置(60：実施例で相当する参照符号。以下同じ)は、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する第１取得手段(S31, S33)、患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義手段(S45, S47)、第１取得手段によって取得された短周期環境値を定義手段によって定義された時間帯毎に評価する第１評価手段(S53, S55)、および第１評価手段の評価結果を参照して患者が抱える病症の発症要因を推測する第１推測手段(S61)を備える。 The onset factor estimation device according to the present invention (60: reference numeral corresponding to the embodiment; the same applies hereinafter) is a first acquisition unit (S31) that acquires a short-period environment value that indicates a surrounding environment of a patient at a time that arrives in a short period. , S33), a definition means (S45, S47) for defining a plurality of time zones based on the onset time of the disease the patient has, and a time defined by the definition means for the short-period environment value acquired by the first acquisition means First evaluation means (S53, S55) for evaluating each band, and first estimation means (S61) for estimating the onset factor of the disease that the patient has with reference to the evaluation result of the first evaluation means.

好ましくは、第１評価手段は時間帯の長さに関係なく共通の態様で短周期環境値を評価する。 Preferably, a 1st evaluation means evaluates a short period environmental value in a common aspect irrespective of the length of a time slot | zone.

好ましくは、外部端末(70)から発行された推測要求を受け付ける受け付け手段(S43)がさらに備えられ、第１推測手段は推測要求に応答して発症要因を推測する。 Preferably, receiving means (S43) for receiving a guess request issued from the external terminal (70) is further provided, and the first guess means guesses the onset factor in response to the guess request.

好ましくは、第１取得手段は患者の活動量を追加的に取得し、第１評価手段は患者の活動量を追加的に評価する。 Preferably, the first acquisition unit additionally acquires the activity amount of the patient, and the first evaluation unit additionally evaluates the activity amount of the patient.

好ましくは、患者が抱える病症の発症時刻における患者の周辺環境を示す発症時刻環境値を評価する第２評価手段(S39, S41, S51)がさらに備えられ、第１推測手段は第２評価手段の評価結果をさらに参照して発症要因を推測する。 Preferably, the apparatus further comprises second evaluation means (S39, S41, S51) for evaluating an onset time environment value indicating the surrounding environment of the patient at the onset time of the disease that the patient has, and the first inference means is the second evaluation means. The cause of the onset is estimated with further reference to the evaluation results.

好ましくは、患者が抱える病症の発症回数が極大値を示す月を特定する極大月特定手段(S69)、および第１評価手段の評価結果のうち極大月特定手段によって特定された月に対応する評価結果を抽出する極大月評価結果抽出手段(S73, S75)、および極大月評価結果抽出手段によって抽出された評価結果を参照して患者が抱える病症の発症要因を推測する第２推測手段(S79)がさらに備えられる。 Preferably, a maximum month specifying means (S69) for specifying a month in which the number of occurrences of the disease that the patient has has a maximum value, and an evaluation corresponding to the month specified by the maximum month specifying means among the evaluation results of the first evaluation means Maximum moon evaluation result extraction means (S73, S75) for extracting the results, and second estimation means (S79) for estimating the onset factor of the disease the patient has with reference to the evaluation results extracted by the maximum moon evaluation result extraction means Is further provided.

或る局面では、第２推測手段は月毎に発症要因を推測する。 In a certain aspect, a 2nd estimation means estimates the onset factor for every month.

他の局面では、長周期で到来する時刻における患者の周辺環境を示す長周期環境値を取得する第２取得手段(S35, S37)、および第２取得手段によって取得された長周期環境値のうち極大月特定手段によって特定された月に対応する長周期環境値を抽出する長周期環境値抽出手段(S77)がさらに備えられ、第２推測手段は長周期環境値抽出手段によって抽出された長周期環境値をさらに参照して発症要因を推測する。 In another aspect, the second acquisition means (S35, S37) for acquiring a long-period environment value indicating the surrounding environment of the patient at a time that arrives in a long period, and the long-period environment value acquired by the second acquisition means Long period environment value extraction means (S77) for extracting a long period environment value corresponding to the month specified by the local maximum month specification means is further provided, and the second estimation means is the long period extracted by the long period environment value extraction means. Further estimate environmental factors by referring to environmental values.

好ましくは、患者が抱える病症の発症回数が極小値を示す月を特定する極小月特定手段(S87)、第１評価手段の評価結果のうち極小月特定手段によって特定された月に対応する評価結果を抽出する極小月評価結果抽出手段(S91, S93)、および極小月評価結果抽出手段によって抽出された評価結果を参照して患者が抱える病症の発症要因を推測する第３推測手段(S95)がさらに備えられる。 Preferably, a minimal month identifying unit (S87) for identifying a month in which the number of occurrences of the disease the patient has has a minimum value, an evaluation result corresponding to the month identified by the minimal month identifying unit among the evaluation results of the first evaluation unit The minimal moon evaluation result extraction means (S91, S93) for extracting the disease, and the third estimation means (S95) for estimating the onset factor of the disease that the patient has with reference to the evaluation result extracted by the minimal moon evaluation result extraction means Further provided.

好ましくは、第３推測手段は極小月特定手段によって特定された月の数に関係なく一括して発症要因を推測する。 Preferably, the third estimating means estimates the onset factor collectively regardless of the number of months specified by the minimum moon specifying means.

この発明に係る発症要因推測方法は、発症要因推測装置(60)のプロセッサ(6002)によって実行される発症要因推測方法であって、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する取得ステップ(S31, S33)、患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義ステップ(S45, S47)、取得ステップによって取得された短周期環境値を定義ステップによって定義された時間帯毎に評価する評価ステップ(S53, S55)、および評価ステップの評価結果を参照して患者が抱える病症の発症要因を推測する推測ステップ(S61)を備える。 The onset factor estimation method according to the present invention is an onset factor estimation method executed by the processor (6002) of the onset factor estimation device (60), and indicates a short-period environment indicating a patient's surrounding environment at a short-arrival time Acquisition step (S31, S33) for acquiring values, definition step (S45, S47) for defining multiple time zones based on the onset time of the disease the patient has, and definition of short-period environmental values acquired by the acquisition step An evaluation step (S53, S55) for evaluating each time zone defined by the step, and an estimation step (S61) for estimating the onset factor of the disease that the patient has with reference to the evaluation result of the evaluation step are provided.

この発明に係る発症要因推測プログラムは、発症要因推測装置(60)のプロセッサ(6002)に、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する取得ステップ(S31, S33)、患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義ステップ(S45, S47)、取得ステップによって取得された短周期環境値を定義ステップによって定義された時間帯毎に評価する評価ステップ(S53, S55)、および評価ステップの評価結果を参照して患者が抱える病症の発症要因を推測する推測ステップ(S61)を実行させるための、発症要因推測プログラムである。 The onset factor estimation program according to the present invention acquires, in the processor (6002) of the onset factor estimation device (60), a short period environment value indicating a surrounding environment of a patient at a time that arrives in a short period (S31, S33) ), Defining steps (S45, S47) that define multiple time zones based on the onset time of the disease the patient has, and evaluating short-period environmental values acquired by the acquiring step for each time zone defined by the defining step This is an onset factor estimation program for executing an evaluation step (S53, S55) to be performed and an estimation step (S61) for estimating an onset factor of a disease that the patient has with reference to the evaluation result of the evaluation step.

この発明に係る発症要因推測システムは、病症を抱える患者の身体に装着される無線通信端末(10)と、無線通信端末との間で通信を行うサーバ装置(60)とによって構成される発症要因推測システムであって、無線通信端末は、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を作成する作成手段(S7)、および病症の発症時刻を検出する検出手段(S19)を備え、サーバ装置は、作成手段によって作成された短周期環境値を取得する取得手段(S31, S33)、検出手段によって検出された発症時刻を基準とする複数の時間帯を定義する定義手段(S45, S47)、取得手段によって取得された短周期環境値を定義手段によって定義された時間帯毎に評価する評価手段(S53, S55)、および評価手段の評価結果を参照して病症の発症要因を推測する推測手段(S61)を備える。 The onset factor estimation system according to the present invention comprises a radio communication terminal (10) attached to the body of a patient having a disease and a server device (60) that communicates with the radio communication terminal. The estimation system, the wireless communication terminal is a creation means (S7) for creating a short-period environment value indicating the surrounding environment of the patient at a time that arrives in a short period, and a detection means (S19) for detecting the onset time of the disease The server device includes an acquisition unit (S31, S33) that acquires the short-period environmental value created by the creation unit, and a definition unit that defines a plurality of time zones based on the onset time detected by the detection unit ( S45, S47), evaluation means (S53, S55) for evaluating the short-period environmental value acquired by the acquisition means for each time zone defined by the definition means, and the pathogenesis of the disease with reference to the evaluation results of the evaluation means Guessing means (S61) to guess Prepare.

この発明に係る発症要因推測方法は、病症を抱える患者の身体に装着される無線通信端末(10)によって実行される推測支援方法と、無線通信端末との間で通信を行うサーバ装置(60)によって実行される推測処理方法とを備える発症要因推測方法であって、推測支援方法は、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を作成する作成ステップ(S7)、および病症の発症時刻を検出する検出ステップ(S19)を備え、推測処理方法は、作成ステップによって作成された短周期環境値を取得する取得ステップ(S31, S33)、検出ステップによって検出された発症時刻を基準とする複数の時間帯を定義する定義ステップ(S45, S47)、取得ステップによって取得された短周期環境値を定義ステップによって定義された時間帯毎に評価する評価ステップ(S53, S55)、および評価ステップの評価結果を参照して病症の発症要因を推測する推測ステップ(S61)を備える。 The onset factor estimation method according to the present invention includes an estimation support method executed by a wireless communication terminal (10) attached to the body of a patient having a disease and a server device (60) that performs communication between the wireless communication terminal A presumption process method comprising: a presumption process method comprising: a creation step (S7) for creating a short cycle environment value indicating a surrounding environment of a patient at a time that arrives in a short cycle; A detection step (S19) for detecting the onset time of the disease, and the estimation processing method includes an acquisition step (S31, S33) for acquiring the short-period environment value created by the creation step, and the onset time detected by the detection step. Definition step (S45, S47) for defining multiple time zones as a reference, evaluation step for evaluating the short-period environmental values acquired by the acquisition step for each time zone defined by the definition step (S53, S55) and an estimation step (S61) for estimating the onset factor of the disease by referring to the evaluation result of the evaluation step.

この発明に係る発症要因推測プログラムは、病症を抱える患者の身体に装着される無線通信端末(10)に提供される推測支援プログラムと、無線通信端末との間で通信を行うサーバ装置(60)に提供される推測処理プログラムとを備える発症要因推測プログラムであって、推測支援プログラムは、短周期で到来する時刻における患者の周辺環境を示す短周期環境値を作成する作成ステップ(S7)、および病症の発症時刻を検出する検出ステップ(S19)を無線通信端末のプロセッサ(1002)に実行させるためのプログラムであり、推測処理プログラムは、作成ステップによって作成された短周期環境値を取得する取得ステップ(S31, S33)、検出ステップによって検出された発症時刻を基準とする複数の時間帯を定義する定義ステップ(S45, S47)、取得ステップによって取得された短周期環境値を定義ステップによって定義された時間帯毎に評価する評価ステップ(S53, S55)、および評価ステップの評価結果を参照して病症の発症要因を推測する推測ステップ(S61)をサーバ装置のプロセッサ(6002)に実行させるためのプログラムである。 The onset factor estimation program according to the present invention is a server device (60) that performs communication between an estimation support program provided to a wireless communication terminal (10) attached to the body of a patient having a disease and a wireless communication terminal A presumption process program provided with a presumption process program, wherein the presumption support program creates a short cycle environment value indicating the surrounding environment of the patient at a short time arrival time (S7), and This is a program for causing the processor (1002) of the wireless communication terminal to execute the detection step (S19) for detecting the onset time of the disease, and the estimation processing program obtains the short-period environment value created by the creation step (S31, S33), a definition step (S45, S47) that defines a plurality of time zones based on the onset time detected in the detection step, and an acquisition step. Evaluation step (S53, S55) for evaluating the obtained short-period environmental value for each time zone defined by the definition step, and estimation step (S61) for inferring the onset factor of the disease by referring to the evaluation result of the evaluation step Is a program for causing the processor (6002) of the server device to execute.

短周期環境値は短周期で到来する時刻における患者の周辺環境を示すところ、患者が抱える病症の発症時刻を基準とする時間帯毎に短周期環境値を評価し、これによって得られた評価結果に基づいて患者が抱える病症の発症要因を推測することで、発症要因の推測精度を高めることができる。 The short-period environmental value indicates the surrounding environment of the patient at the time of arrival in a short period. The short-period environmental value is evaluated for each time zone based on the onset time of the disease that the patient has, and the evaluation result obtained thereby By estimating the onset factor of the disease that the patient has based on the above, the estimation accuracy of the onset factor can be increased.

この発明の上述の目的，その他の目的，特徴および利点は、図面を参照して行う以下の実施例の詳細な説明から一層明らかとなろう。 The above object, other objects, features and advantages of the present invention will become more apparent from the following detailed description of embodiments with reference to the drawings.

この実施形態のネットワーク構成の一例を示すブロック図である。It is a block diagram which shows an example of the network structure of this embodiment. 図１に示すウェアラブルデバイスの構成の一例を示すブロック図である。It is a block diagram which shows an example of a structure of the wearable device shown in FIG. 図１に示すクラウドサーバの構成の一例を示すブロック図である。It is a block diagram which shows an example of a structure of the cloud server shown in FIG. 図１に示すクライアントＰＣの構成の一例を示すブロック図である。It is a block diagram which shows an example of a structure of the client PC shown in FIG. 図１に示すクラウドサーバに設けられたデータベースの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the database provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられた他のデータベースの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the other database provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられたその他のデータベースの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the other database provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられたテーブルの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the table provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられた他のテーブルの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the other table provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられたその他のテーブルの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the other table provided in the cloud server shown in FIG. 図１に示すクラウドサーバに設けられたさらにその他のテーブルの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the other table provided in the cloud server shown in FIG. 図１に示すクラウドサーバによって作成される発症要因レポートの構成の一例を示す図解図である。It is an illustration figure which shows an example of a structure of the onset factor report produced by the cloud server shown in FIG. ウェアラブルデバイスに設けられたＣＰＵの動作の一部を示すフロー図である。It is a flowchart which shows a part of operation | movement of CPU provided in the wearable device. クラウドサーバに設けられたＣＰＵの動作の一部を示すフロー図である。It is a flowchart which shows a part of operation | movement of CPU provided in the cloud server. クラウドサーバに設けられたＣＰＵの動作の他の一部を示すフロー図である。It is a flowchart which shows a part of other operation | movement of CPU provided in the cloud server. クラウドサーバに設けられたＣＰＵの動作のその他の一部を示すフロー図である。It is a flowchart which shows a part of other operation | movement of CPU provided in the cloud server. クラウドサーバに設けられたＣＰＵの動作のさらにその他の一部を示すフロー図である。It is a flowchart which shows another part of operation | movement of CPU provided in the cloud server. クライアントＰＣに設けられたＣＰＵの動作の一部を示すフロー図である。It is a flowchart which shows a part of operation | movement of CPU provided in client PC.

図１を参照して、ウェアラブルデバイス１０は、偏頭痛などの病症を抱える患者の手首に装着される腕時計型の無線通信端末であり、公衆回線網３０に有線で接続された無線通信基地局２０との間で無線通信を行う。公衆回線網３０には、位置情報ＡＰＩサーバ４０，気象ＡＰＩサーバ５０およびクラウドサーバ６０が接続され、さらに主治医によって操作されるクライアントＰＣ７０が接続される。 Referring to FIG. 1, wearable device 10 is a wristwatch-type wireless communication terminal worn on the wrist of a patient having a disease such as migraine, and wireless communication base station 20 connected to public line network 30 by wire. Wireless communication with The public line network 30 is connected to a location information API server 40, a weather API server 50, and a cloud server 60, and further connected to a client PC 70 operated by the attending physician.

この実施例の発症要因推測システムは、ウェアラブルデバイス１０，クラウドサーバ６０およびクライアントＰＣ７０によって構成される。また、クラウドサーバ６０が、患者が抱える病症の発症要因を推測する発症要因推測装置に相当する。 The onset factor estimation system according to this embodiment includes the wearable device 10, the cloud server 60, and the client PC 70. Further, the cloud server 60 corresponds to an onset factor estimation device that estimates an onset factor of a disease that a patient has.

ウェアラブルデバイス１０は、無線通信基地局２０および公衆回線網３０を介して位置情報ＡＰＩサーバ４０，気象ＡＰＩサーバ５０またはクラウドサーバ６０にアクセスする。クライアントＰＣ７０も、公衆回線網３０を介してクラウドサーバ６０にアクセスする。 The wearable device 10 accesses the location information API server 40, the weather API server 50, or the cloud server 60 via the radio communication base station 20 and the public line network 30. The client PC 70 also accesses the cloud server 60 via the public line network 30.

ウェアラブルデバイス１０は、図２に示すように構成される。図２によれば、バスＢＳ１には、無線通信回路１００１，ジャイロセンサ１００２，加速度センサ１００３，心拍センサ１００４，血圧センサ１００５，体温センサ１００６，時計回路１００７，ＧＰＳ装置１００８，ＣＰＵ１００９，ＤＲＡＭ１０１０，不揮発性メモリ１０１１が接続される。 The wearable device 10 is configured as shown in FIG. According to FIG. 2, the bus BS1 has a wireless communication circuit 1001, a gyro sensor 1002, an acceleration sensor 1003, a heart rate sensor 1004, a blood pressure sensor 1005, a body temperature sensor 1006, a clock circuit 1007, a GPS device 1008, a CPU 1009, a DRAM 1010, a nonvolatile memory. A memory 1011 is connected.

無線通信回路１００１は、アンテナＡＮＴ１を利用して無線通信基地局２０と無線通信を行う。ジャイロセンサ１００２および加速度センサ１００３は患者の運動量の測定に利用され、心拍センサ１００４は患者の心拍数の測定に利用される。また、血圧センサ１００５は患者の血圧の測定に利用され、体温センサ１００６は患者の体温の測定に利用される。現在の時刻（年月日および時分）は、時計回路１００７によって測定される。 The radio communication circuit 1001 performs radio communication with the radio communication base station 20 using the antenna ANT1. The gyro sensor 1002 and the acceleration sensor 1003 are used for measuring the amount of exercise of the patient, and the heart rate sensor 1004 is used for measuring the heart rate of the patient. The blood pressure sensor 1005 is used for measuring the blood pressure of the patient, and the body temperature sensor 1006 is used for measuring the body temperature of the patient. The current time (year / month / day and hour / minute) is measured by the clock circuit 1007.

ＧＰＳ装置１００８は、ＧＰＳ衛星から発信される電波を受信して、患者の現在位置の緯度および経度を検出する。検出された緯度および経度は、位置情報ＡＰＩサーバ４０を利用して、“自宅”，“会社”，“××駅”などの場所名（施設名）に変換される。ＧＰＳ装置１００８によって検出された緯度および経度は、患者の移動量の測定にも利用される。また、患者の周辺地域の気象情報（気圧，気温，湿度，天気，花粉飛散量など）は、気象ＡＰＩサーバ５０から取得される。 The GPS device 1008 receives a radio wave transmitted from a GPS satellite and detects the latitude and longitude of the current position of the patient. The detected latitude and longitude are converted into place names (facility names) such as “home”, “company”, “xx station” using the position information API server 40. The latitude and longitude detected by the GPS device 1008 are also used for measuring the amount of movement of the patient. Further, weather information (atmospheric pressure, temperature, humidity, weather, pollen scattering amount, etc.) of the surrounding area of the patient is acquired from the weather API server 50.

クラウドサーバ６０は、図３に示すように構成される。図３によれば、バスＢＳ２には、通信Ｉ／Ｆ６００１，ＣＰＵ６００２，ＤＲＡＭ６００３，ＨＤＤ６００４が接続される。ＨＤＤ６００４には、データベースＤＢ１〜ＤＢ３とテーブルＴＢＬ１〜ＴＢＬ４とが設けられる。 The cloud server 60 is configured as shown in FIG. According to FIG. 3, communication I / F 6001, CPU 6002, DRAM 6003 and HDD 6004 are connected to bus BS2. The HDD 6004 is provided with databases DB1 to DB3 and tables TBL1 to TBL4.

クライアントＰＣ７０は、図４に示すように構成される。図４によれば、バスＢＳ３には、通信Ｉ／Ｆ７００１，ＣＰＵ７００２，キーボード／マウス７００３，モニタ７００４，ＤＲＡＭ７００５，ＨＤＤ７００６が接続される。 The client PC 70 is configured as shown in FIG. According to FIG. 4, a communication I / F 7001, a CPU 7002, a keyboard / mouse 7003, a monitor 7004, a DRAM 7005, and an HDD 7006 are connected to the bus BS3.

データベースＤＢ１は図５に示すように構成され、データベースＤＢ２は図６に示すように構成され、データベースＤＢ３は図７に示すように構成される。また、テーブルＴＢＬ１は図８に示すように構成され、テーブルＴＢＬ２は図９に示すように構成され、テーブルＴＢＬ３は図１０に示すように構成され、テーブルＴＢＬ４は図１１に示すように構成される。 The database DB1 is configured as shown in FIG. 5, the database DB2 is configured as shown in FIG. 6, and the database DB3 is configured as shown in FIG. Further, the table TBL1 is configured as shown in FIG. 8, the table TBL2 is configured as shown in FIG. 9, the table TBL3 is configured as shown in FIG. 10, and the table TBL4 is configured as shown in FIG. .

図５を参照して、データベースＤＢ１は、１分毎に作成される分単位データを登録するためのデータベースである。分単位データは、データ作成時刻（詳しくは、年月日，時分）と、患者の活動量（詳しくは、１分前の時刻からの患者の運動量，現時点の心拍数，血圧，体温）と、患者の周辺環境を示す環境値（詳しくは、現在の患者の位置，１分前の時刻からの患者の移動量，現時点の気圧，気温，湿度）とによって構成される。したがって、データベースＤＢ１をなす複数のカラムの各々には、データ作成時刻，活動量および環境値が１分毎に記載される。 Referring to FIG. 5, the database DB1 is a database for registering minute unit data created every minute. Minute data includes the data creation time (specifically, date, hour and minute), the amount of activity of the patient (specifically, the amount of exercise of the patient from the time one minute before, the current heart rate, blood pressure, body temperature) and The environmental value indicating the surrounding environment of the patient (specifically, the current patient position, the amount of movement of the patient from the time one minute before, the current pressure, temperature, and humidity). Therefore, in each of the plurality of columns constituting the database DB1, the data creation time, the activity amount, and the environmental value are described every minute.

なお、上述した“１分”は短周期の一例である。また、分単位データは短周期で作成されるため、分単位データを構成する活動量および環境値はそれぞれ“短周期活動量”および“短周期環境値”と定義することができる。 The above-mentioned “1 minute” is an example of a short cycle. Further, since minute unit data is created in a short cycle, the activity amount and environment value constituting the minute unit data can be defined as “short cycle activity amount” and “short cycle environment value”, respectively.

図６を参照して、データベースＤＢ２は、基準時刻（詳しくは、毎朝６：００）に作成される日単位データを登録するためのデータベースである。日単位データは、データ作成日（詳しくは、年月日）と、患者の周辺環境を示す環境値（詳しくは、気圧，花粉飛散量）とによって構成される。したがって、データベースＤＢ２をなす複数のカラムの各々には、データ作成日および環境値が１日毎に記載される。 Referring to FIG. 6, the database DB2 is a database for registering daily data created at a reference time (specifically, every morning at 6:00). The daily data is composed of a data creation date (specifically, year / month / day) and an environmental value (specifically, atmospheric pressure, pollen scattering amount) indicating the surrounding environment of the patient. Therefore, the data creation date and the environmental value are described for each day in each of the plurality of columns constituting the database DB2.

なお、基準時刻が到来する周期である“１日”は、長周期の一例である。また、日単位データは長周期で作成されるため、日単位データを構成する環境値は“長周期環境値”と定義することができる。 Note that “one day”, which is the cycle in which the reference time arrives, is an example of a long cycle. Also, since the daily data is created with a long cycle, the environmental value constituting the daily data can be defined as a “long cycle environmental value”.

図７を参照して、データベースＤＢ３は、ウェアラブルデバイス１０に設けられた発症ボタン（図示せず）が押される毎に作成される発症時データを登録するためのデータベースである。発症時データは、発症時刻（詳しくは、年月日，時分）と、患者の活動量（詳しくは、現時点の心拍数，血圧，体温）と、患者の周辺環境を示す環境値（詳しくは、現在の患者の位置，現在の気圧，気温，湿度，天気）とによって構成される。 Referring to FIG. 7, database DB3 is a database for registering onset data that is created each time an onset button (not shown) provided on wearable device 10 is pressed. Onset data include the time of onset (specifically, date, hour and minute), the amount of activity of the patient (specifically, current heart rate, blood pressure, and body temperature), and environmental values that indicate the patient's surrounding environment (specifically, , Current patient position, current barometric pressure, temperature, humidity, weather).

したがって、データベースＤＢ３をなす複数のカラムの各々には、発症時刻，活動量および環境値が発症ボタンの操作毎に記載される。また、データベースＤＢ３上の各カラムには、カラム識別番号が割り当てられる。 Therefore, in each of the plurality of columns constituting the database DB3, the onset time, the activity amount, and the environmental value are described for each operation of the onset button. A column identification number is assigned to each column on the database DB3.

なお、発症時データは発症ボタンが押された時（つまり発症時）に作成されるため、発症時データを構成する環境値は、“発症時刻環境値”と定義することができる。 Since the onset data is created when the onset button is pressed (that is, onset), the environmental value constituting the onset data can be defined as “onset time environmental value”.

図８を参照して、テーブルＴＢＬ１は、発症時データを構成する活動量および環境値の評価結果を記載するためのテーブルである。活動量の評価結果は、心拍数，血圧，体温を評価項目として有し、環境値の評価結果は、患者の位置，気温，天気を評価項目として有する。また、テーブルＴＢＬ１のＫ番目（Ｋ：１，２，…）のカラムに記載された評価結果は、データベースＤＢ３のＫ番目のカラムに記載された発症時データに基づいて作成される。 Referring to FIG. 8, table TBL 1 is a table for describing the evaluation results of the activity amount and the environmental value constituting the onset data. The activity amount evaluation result has heart rate, blood pressure, and body temperature as evaluation items, and the environmental value evaluation result has patient position, temperature, and weather as evaluation items. In addition, the evaluation results described in the Kth (K: 1, 2,...) Column of the table TBL1 are created based on the onset data described in the Kth column of the database DB3.

活動量の評価結果については、心拍数および血圧の各項目が“高”，“中”，“低”のいずれかで表現され、体温の項目が“高熱”，“微熱”，“平熱”のいずれかで表現される。また、環境値の評価結果については、気温の項目が“高”，“中”，“低”のいずれかで表現される一方、位置および天気の項目はデータベースＤＢ３と同様に表現される。 Regarding the activity evaluation results, each item of heart rate and blood pressure is expressed as “high”, “medium”, or “low”, and the body temperature item is “high fever”, “low fever”, “normal heat” Expressed in either. As for the evaluation result of the environmental value, the item of temperature is expressed by any of “high”, “medium”, and “low”, while the items of position and weather are expressed similarly to the database DB3.

図９を参照して、テーブルＴＢＬ２は、発症時刻以前のＭ分間（Ｍ：３０〜９０の範囲で調整）の活動量および環境値の評価結果を記載するためのテーブルである。活動量の評価結果は、運動量，心拍数，血圧，体温を評価項目として有し、環境値の評価結果は、患者の移動量，気圧，気温，湿度を評価項目として有する。 Referring to FIG. 9, table TBL 2 is a table for describing activity amounts and environmental value evaluation results for M minutes (M: adjusted in the range of 30 to 90) before the onset time. The activity amount evaluation result includes exercise amount, heart rate, blood pressure, and body temperature as evaluation items, and the environmental value evaluation result includes patient movement amount, atmospheric pressure, temperature, and humidity as evaluation items.

いずれの評価項目も、発症時刻以前のＭ分間において、数値が増加方向にどの程度変動しかつ減少方向にどの程度変動したかによって表現される。また、テーブルＴＢＬ２のＫ番目のカラムに記載された評価結果は、データベースＤＢ３のＫ番目のカラムに記載された発症時刻以前のＭ分間の分単位データに基づいて作成される。 Each evaluation item is expressed by how much the numerical value fluctuates in the increasing direction and how much the fluctuating direction decreases in the M minutes before the onset time. The evaluation result described in the Kth column of the table TBL2 is created based on minute unit data for M minutes before the onset time described in the Kth column of the database DB3.

図１０を参照して、テーブルＴＢＬ３は、発症時刻以前のＨ時間（Ｈ：３〜９の範囲で調整）の活動量および環境値の評価結果を記載するためのテーブルである。活動量の評価結果は、運動量を評価項目として有し、環境値の評価結果は、患者の移動量，気圧，気温，湿度を評価項目として有する。 Referring to FIG. 10, table TBL3 is a table for describing the evaluation results of the activity amount and the environmental value for H time (H: adjusted in the range of 3 to 9) before the onset time. The activity amount evaluation result includes exercise amount as an evaluation item, and the environmental value evaluation result includes patient movement amount, atmospheric pressure, temperature, and humidity as evaluation items.

いずれの評価項目も、発症時刻以前のＨ時間において、数値が増加方向にどの程度変動しかつ減少方向にどの程度変動したかによって表現される。また、テーブルＴＢＬ３のＫ番目のカラムに記載された評価結果は、データベースＤＢ３のＫ番目のカラムに記載された発症時刻以前のＨ時間の分単位データに基づいて作成される。 Each evaluation item is expressed by how much the numerical value fluctuates in the increasing direction and how much the fluctuating direction decreases in the H time before the onset time. Moreover, the evaluation result described in the Kth column of the table TBL3 is created based on minute unit data of H hours before the onset time described in the Kth column of the database DB3.

このように、テーブルＴＢＬ２は発症時刻以前のＭ分間の分単位データを評価対象とする一方、テーブルＴＢＬ３は発症時刻以前のＨ時間の分単位データを対象とする。ただし、評価態様ないし評価手法は、時間帯の長さがＭ分間であるかＨ時間であるかに関係なく共通する。 Thus, the table TBL2 targets the minute unit data for M minutes before the onset time, while the table TBL3 targets the minute unit data for H hours before the onset time. However, the evaluation mode or the evaluation method is common regardless of whether the length of the time zone is M minutes or H hours.

図１１を参照して、テーブルＴＢＬ４は、患者が抱える病症の発症回数を月毎に集計した集計結果を記載するためのテーブルであり、データベースＤＢ３に登録された発症時データに基づいて作成される。テーブルＴＢＬ４に記載された発症回数の経時的変化から、発症回数が極大値を示す月（＝極大月）と、発症回数が極小値を示す月（＝極小月）とが判明する。 Referring to FIG. 11, table TBL4 is a table for describing a tabulated result obtained by summing up the number of onsets of diseases that a patient has every month, and is created based on onset data registered in database DB3. . From the change over time in the number of onsets described in the table TBL4, a month in which the number of onsets shows a maximum value (= maximum month) and a month in which the number of onsets shows a minimum value (= minimum month) are found.

ウェアラブルデバイス１０に設けられたＣＰＵ１００９は、患者が抱える病症の発症要因の推測を支援するべく、図１３に示すフロー図に従う処理を実行する。また、クラウドサーバ６０に設けられたＣＰＵ６００２は、患者が抱える病症の発症要因を推測するべく、図１４〜図１７に示すフロー図に従う処理を実行する。さらに、クライアントＰＣ７０に設けられたＣＰＵ７００２は、患者が抱える病症の発症要因の推測をクラウドサーバ６０に要求し、かつクラウドサーバ６０から発症要因レポートを取得するべく、図１８に示すフロー図に従う処理を実行する。 CPU1009 provided in the wearable device 10 performs the process according to the flowchart shown in FIG. 13 in order to support estimation of the onset factor of the disease which a patient has. Moreover, CPU6002 provided in the cloud server 60 performs the process according to the flowchart shown in FIGS. 14-17 in order to guess the onset factor of the disease which a patient has. Further, the CPU 7002 provided in the client PC 70 requests the cloud server 60 to estimate the onset factor of the disease that the patient has, and obtains the onset factor report from the cloud server 60 by performing processing according to the flowchart shown in FIG. Run.

なお、図１３に示すフロー図に対応する制御プログラム（推測支援プログラム）は図２に示す不揮発性メモリ１０１１に記憶され、図１４〜図１７に示すフロー図に対応する制御プログラム（推測処理プログラム）は図３に示すＨＤＤ６００４に記憶され、図１８に示すフロー図に対応する制御プログラム（レポート取得プログラム）は図４に示すＨＤＤ７００６に記憶される。 A control program (estimation support program) corresponding to the flowchart shown in FIG. 13 is stored in the nonvolatile memory 1011 shown in FIG. 2, and a control program (estimation processing program) corresponding to the flowcharts shown in FIGS. Is stored in the HDD 6004 shown in FIG. 3, and a control program (report acquisition program) corresponding to the flowchart shown in FIG. 18 is stored in the HDD 7006 shown in FIG.

図１３を参照して、ステップＳ１では、予め設定された検出周期（＝１分）が到来したか否かを判別する。判別結果がＮＯであればそのままステップＳ１１に進む一方、判別結果がＹＥＳであればステップＳ５〜Ｓ９で以下の処理を実行してからステップＳ１１に進む。 Referring to FIG. 13, in step S1, it is determined whether or not a preset detection cycle (= 1 minute) has come. If the determination result is NO, the process proceeds directly to step S11, while if the determination result is YES, the following processing is executed in steps S5 to S9, and then the process proceeds to step S11.

ステップＳ５では、患者の活動量を検出する。患者の活動量は、１分前の時刻からの患者の運動量，現時点の心拍数，血圧，体温を項目として有する。また、運動量はジャイロセンサ１００２，加速度センサ１００３を利用して検出され、心拍数は心拍センサ１００４を利用して検出される。また、血圧は血圧センサ１００５を利用して検出され、体温は体温センサ１００６を利用して検出される。 In step S5, the amount of activity of the patient is detected. The activity amount of the patient includes the patient's exercise amount from the time one minute ago, the current heart rate, blood pressure, and body temperature as items. The amount of exercise is detected using the gyro sensor 1002 and the acceleration sensor 1003, and the heart rate is detected using the heart rate sensor 1004. The blood pressure is detected using a blood pressure sensor 1005, and the body temperature is detected using a body temperature sensor 1006.

ステップＳ７では、患者の周辺環境を示す環境値を検出する。環境値は、現在の患者の位置（厳密には、“自宅”，“会社”，“××駅”などの場所名），１分前の時刻からの患者の移動量，現在の気圧，気温，湿度を項目として有する。現在位置，移動量はＧＰＳ装置１００８を利用して検出され、気圧，気温，湿度は気象ＡＰＩサーバ５０を利用して検出される。 In step S7, an environmental value indicating the surrounding environment of the patient is detected. The environmental values are the current patient position (strictly, “home”, “company”, “XX station”, etc.), the amount of movement of the patient from the time one minute ago, the current pressure, temperature , Humidity is an item. The current position and amount of movement are detected using the GPS device 1008, and the atmospheric pressure, temperature, and humidity are detected using the weather API server 50.

ステップＳ５およびＳ７で検出された活動量および環境値は、ＤＲＡＭ１０１０に保持される。ステップＳ９では、ＤＲＡＭ１０１０上の活動量および環境値と現在時刻（年月日，時分）とを含む分単位データを作成し、作成した分単位データをクラウドサーバ６０に転送する。分単位データは無線通信回路１００１から出力され、無線通信基地局２０，公衆回線網３０を経てクラウドサーバ６０に与えられる。 The activity amount and the environmental value detected in steps S5 and S7 are held in the DRAM 1010. In step S 9, minute unit data including the activity amount and environmental value on the DRAM 1010 and the current time (year / month / day, hour / minute) is created, and the created minute unit data is transferred to the cloud server 60. The minute unit data is output from the wireless communication circuit 1001 and given to the cloud server 60 via the wireless communication base station 20 and the public network 30.

ステップＳ１１では、基準時刻（＝毎朝６：００）が到来したか否かを判別し、判別結果がＮＯであればそのままステップＳ１７に進む一方、判別結果がＹＥＳであればステップＳ１３，Ｓ１５で以下の処理を実行してからステップＳ１７に進む。 In step S11, it is determined whether or not a reference time (= 6: 00 every morning) has arrived. If the determination result is NO, the process proceeds directly to step S17. If the determination result is YES, steps S13 and S15 are followed. The process proceeds to step S17.

ステップＳ１３では、気象ＡＰＩサーバ５０にアクセスして本日の環境値（気圧，花粉飛散量）を検出する。検出された環境値は、ＤＲＡＭ１０１０に保持される。ステップＳ１５では、こうして検出された環境値を日単位データとしてクラウドサーバ６０に転送する。日単位データもまた、無線通信回路１００１，無線通信基地局２０，公衆回線網３０を経てクラウドサーバ６０に与えられる。 In step S13, the weather API server 50 is accessed to detect today's environmental values (atmospheric pressure, pollen scattering amount). The detected environmental value is held in the DRAM 1010. In step S15, the detected environmental value is transferred to the cloud server 60 as daily data. The daily data is also given to the cloud server 60 via the wireless communication circuit 1001, the wireless communication base station 20, and the public line network 30.

ステップＳ１７では、患者が抱える病症が発症したか否か（＝図示しない発症ボタンが押されたか否か）を判別する。判別結果がＮＯであればそのままステップＳ１に戻り、判別結果がＹＥＳであればステップＳ１９〜Ｓ２５で以下の処理を実行してからステップＳ１に戻る。 In step S17, it is determined whether or not a disease that the patient has has occurred (= whether or not an unillustrated onset button is pressed). If a determination result is NO, it will return to step S1 as it is, and if a determination result is YES, it will return to step S1 after performing the following processes by step S19-S25.

ステップＳ１９では、時計回路１００７を利用して現在時刻を検出する。ステップＳ２１では患者の活動量を検出し、ステップＳ２３では患者の周辺環境を示す環境値を検出する。ステップＳ２１で検出される活動量は、発症時の患者の心拍数，血圧，体温を項目として有する。また、ステップＳ２３で検出される環境値は、発症時の患者の位置，気圧，気温，湿度，天気を項目として有する。 In step S19, the current time is detected using the clock circuit 1007. In step S21, the amount of activity of the patient is detected, and in step S23, an environmental value indicating the surrounding environment of the patient is detected. The amount of activity detected in step S21 includes the heart rate, blood pressure, and body temperature of the patient at the time of onset as items. Moreover, the environmental value detected in step S23 has the patient's position at the time of onset, atmospheric pressure, temperature, humidity, and weather as items.

こうして検出された時刻，活動量および環境値は、ＤＲＡＭ１０１０に保持される。ステップＳ２５では、ＤＲＡＭ１０１０に保持された時刻，活動量および環境値を含む発症時データを作成し、作成した発症時データをクラウドサーバ６０に転送する。発症時データもまた、無線通信回路１００１，無線通信基地局２０，公衆回線網３０を経てクラウドサーバ６０に与えられる。 The detected time, activity amount, and environmental value are held in the DRAM 1010. In step S 25, onset data including the time, activity, and environmental value stored in the DRAM 1010 is created, and the created onset data is transferred to the cloud server 60. The onset data is also given to the cloud server 60 via the wireless communication circuit 1001, the wireless communication base station 20, and the public line network 30.

図１４を参照して、ステップＳ３１では、ウェアラブルデバイス１０から送信された分単位データが通信Ｉ／Ｆ６００１によって受信されたか否かを判別する。判別結果がＮＯであればステップＳ３５に進む一方、判別結果がＹＥＳであればステップＳ３３に進む。 Referring to FIG. 14, in step S 31, it is determined whether or not minute unit data transmitted from wearable device 10 has been received by communication I / F 6001. If the determination result is NO, the process proceeds to step S35, while if the determination result is YES, the process proceeds to step S33.

ステップＳ３３では、受信した分単位データをＤＲＡＭ６００３に取り込み、取り込まれた分単位データを図５に示すデータベースＤＢ１に登録する。ステップＳ３３の処理が完了すると、ステップＳ３５に進む。 In step S33, the received minute unit data is fetched into the DRAM 6003, and the fetched minute unit data is registered in the database DB1 shown in FIG. When the process of step S33 is completed, the process proceeds to step S35.

ステップＳ３５では、ウェアラブルデバイス１０から送信された日単位データが通信Ｉ／Ｆ６００１によって受信されたか否かを判別する。判別結果がＮＯであればステップＳ３９に進む一方、判別結果がＹＥＳであればステップＳ３７に進む。 In step S35, it is determined whether or not the daily data transmitted from the wearable device 10 has been received by the communication I / F 6001. If the determination result is NO, the process proceeds to step S39, while if the determination result is YES, the process proceeds to step S37.

ステップＳ３７では、受信した日単位データをＤＲＡＭ６００３に取り込み、取り込まれた日単位データを図６に示すデータベースＤＢ２に登録する。ステップＳ３７の処理が完了すると、ステップＳ３９に進む。 In step S37, the received daily data is taken into the DRAM 6003 and the taken daily data is registered in the database DB2 shown in FIG. When the process of step S37 is completed, the process proceeds to step S39.

ステップＳ３９では、ウェアラブルデバイス１０から送信された発症時データが通信Ｉ／Ｆ６００１によって受信されたか否かを判別する。判別結果がＮＯであればステップＳ４３に進む一方、判別結果がＹＥＳであればステップＳ４１に進む。 In step S39, it is determined whether or not the onset data transmitted from the wearable device 10 has been received by the communication I / F 6001. If the determination result is NO, the process proceeds to step S43 while if the determination result is YES, the process proceeds to step S41.

ステップＳ４１では、受信した発症時データをＤＲＡＭ６００３に取り込み、取り込まれた発症時データを図７に示すデータベースＤＢ３に登録する。ステップＳ４１の処理が完了すると、ステップＳ４３に進む。 In step S41, the received onset data is taken into the DRAM 6003, and the taken onset data is registered in the database DB3 shown in FIG. When the process of step S41 is completed, the process proceeds to step S43.

ステップＳ４３では、レポート作成要求（推測要求）をクライアントＰＣ７０から受信したか否かを判別する。判別結果がＮＯであればステップＳ３１に戻り、判別結果がＹＥＳであればステップＳ４５に進む。ステップＳ４５では、分単位データの評価範囲を示す数値（＝たとえば“６０”）を変数Ｍに設定し、ステップＳ４７では、時間単位データの評価範囲を示す数値（＝たとえば“６”）を変数Ｈに設定する。 In step S43, it is determined whether a report creation request (estimation request) has been received from the client PC 70 or not. If a determination result is NO, it will return to Step S31, and if a determination result is YES, it will progress to Step S45. In step S45, a numerical value indicating the evaluation range of minute unit data (= eg “60”) is set in the variable M, and in step S47, a numerical value indicating the evaluation range of time unit data (= eg “6”) is set in the variable H. Set to.

ステップＳ４９では、変数Ｋを“１”に設定する。ステップＳ５１では、データベースＤＢ３のＫ番目のカラムに記載された発症時データに基づいて、発症時の患者の活動量と発症時の環境値を評価する。ステップＳ５１ではまた、評価結果を図８に示すテーブルＴＢＬ１のＫ番目のカラムに記載する。 In step S49, the variable K is set to “1”. In step S51, based on the onset data described in the Kth column of the database DB3, the activity amount of the patient at the onset and the environmental value at the onset are evaluated. In step S51, the evaluation result is also written in the Kth column of the table TBL1 shown in FIG.

ステップＳ５３では、データベースＤＢ３のＫ番目のカラムに記載された発症時刻以前のＭ分間における患者の活動量および環境値を、データベースＤＢ１に登録された分単位データ（厳密には、発症時刻以前のＭ分間に作成された分単位データ）に基づいて評価する。ステップＳ５３ではまた、評価結果を図９に示すテーブルＴＢＬ２のＫ番目のカラムに記載する。 In step S53, the activity amount and the environmental value of the patient in M minutes before the onset time described in the K-th column of the database DB3 are stored in the minute unit data registered in the database DB1 (strictly, the M before the onset time). Evaluation based on minute unit data created in minutes). In step S53, the evaluation result is also written in the Kth column of the table TBL2 shown in FIG.

ステップＳ５５では、データベースＤＢ３のＫ番目のカラムに記載された発症時刻以前のＨ時間における患者の活動量および環境値を、データベースＤＢ１に登録された分単位データ（厳密には、発症時刻以前のＨ時間に作成された分単位データ）に基づいて評価する。ステップＳ５５ではまた、評価結果を図１０に示すテーブルＴＢＬ３のＫ番目のカラムに記載する。 In step S55, the activity amount and the environmental value of the patient at the H time before the onset time described in the Kth column of the database DB3 are stored in the minute unit data (strictly speaking, the H before the onset time is registered in the database DB1). Based on minute-by-minute data created in time). In step S55, the evaluation result is also written in the Kth column of the table TBL3 shown in FIG.

なお、ステップＳ５５における評価態様ないし評価手法は、ステップＳ５３における評価態様ないし評価手法と共通する。 The evaluation mode or the evaluation method in step S55 is common to the evaluation mode or the evaluation method in step S53.

ステップＳ５７では変数Ｋをインクリメントし、ステップＳ５９では変数Ｋが変数Ｋｍａｘ（＝発症時データが登録された最新カラムのカラム識別番号）を上回るか否かを判別する。判別結果がＮＯであればステップＳ５１に戻り、判別結果がＹＥＳであればステップＳ６１に進む。 In step S57, the variable K is incremented, and in step S59, it is determined whether or not the variable K exceeds the variable Kmax (= the column identification number of the latest column in which onset data is registered). If a determination result is NO, it will return to Step S51, and if a determination result is YES, it will progress to Step S61.

ステップＳ６１では、テーブルＴＢＬ１およびＴＢＬ２の記載に基づいてＭ分間を対象とする発症要因を推測し、テーブルＴＢＬ１およびＴＢＬ３の記載に基づいてＨ時間を対象とする発症要因を推測する。ステップＳ６３では、こうして推測された発症要因を発症要因レポートの上段に記載する。 In step S61, the onset factor for M minutes is estimated based on the descriptions in the tables TBL1 and TBL2, and the onset factor for H time is estimated based on the descriptions in the tables TBL1 and TBL3. In step S63, the onset factor thus estimated is described in the upper part of the onset factor report.

発症要因レポートは図１２に示す体裁をなし、記入欄が白紙の状態でＤＲＡＭ６００３に予め展開される。図１２によれば、“時系列データでの推測”，“発症が多い月毎の推測”，“発症が少ない月の推測”の３つが大項目として設けられる。“時系列データでの推測”の下には“１．分単位での推測”と“２．時間単位での推測”とが設けられ、“発症が多い月毎の推測”の下には“１．発症が多い月”と“２．発症要因”とが設けられる。 The onset factor report has the appearance shown in FIG. 12 and is preliminarily developed in the DRAM 6003 with the entry field blank. According to FIG. 12, three items, “estimation based on time-series data”, “estimation for each month with a high incidence”, and “estimation of a month with a low incidence” are provided as major items. Under “Estimation with time series data”, “1. Estimation by minute” and “2. Estimation by hour” are provided. 1. Months with many onsets and “2. Onset factors” are provided.

ステップＳ６３では、Ｍ分間を対象とする発症要因を“１．分単位での推測”の欄に記載し、Ｈ時間を対象とする発症要因を“２．時間単位での推測”の欄に記載する。テーブルＴＢＬ２およびＴＢＬ３の各々に記載された移動量の傾きが小さい場合、“１．分単位での推測”の欄および“２．時間単位での推測”の欄には、たとえば“移動体に乗っていない”が発症要因として記載される。 In step S63, the onset factor for M minutes is described in the column “1. Estimation in minutes”, and the onset factor for H time is described in the column “2. Estimation in hours”. To do. When the gradient of the movement amount described in each of the tables TBL2 and TBL3 is small, the column “1. Estimation in minutes” and the column “2. "Not" is described as the onset factor.

ステップＳ６５では、データベースＤＢ３を参照して発症回数を月毎に集計し、集計結果を図１１に示すテーブルＴＢＬ４に記載する。ステップＳ６７では変数Ｌを“１”に設定し、ステップＳ６９ではテーブルＴＢＬ４のＬ番目の列に記載された発症回数が極大値を示すか否か（＝Ｌ番目の列の月が極大月であるか否か）を判別する。判別結果がＮＯであればそのままステップＳ８３に進み、判別結果がＹＥＳであればステップＳ７１〜Ｓ８１で以下の処理を実行してからステップＳ８３に進む。 In step S65, the number of onsets is tabulated monthly with reference to the database DB3, and the tabulated results are listed in the table TBL4 shown in FIG. In step S67, the variable L is set to “1”, and in step S69, whether or not the number of onsets described in the Lth column of the table TBL4 has a maximum value (= the month in the Lth column is the maximum month). Whether or not). If the determination result is NO, the process proceeds directly to step S83, and if the determination result is YES, the following process is executed in steps S71 to S81, and then the process proceeds to step S83.

ステップＳ７１，Ｓ７３およびＳ７５では、テーブルＴＢＬ４のＬ番目の列の月に作成された発症時データの評価結果をテーブルＴＢＬ１，ＴＢＬ２およびＴＢＬ３からそれぞれ抽出する。ステップＳ７７では、テーブルＴＢＬ４のＬ番目の列の月に作成された発症時データに対応する日単位データをデータベースＤＢ２から抽出する。 In steps S71, S73, and S75, the evaluation results of the onset data created in the month of the Lth column of the table TBL4 are extracted from the tables TBL1, TBL2, and TBL3, respectively. In step S77, the daily data corresponding to the onset data created in the month of the Lth column of the table TBL4 is extracted from the database DB2.

ステップＳ７９では、こうして抽出された評価結果，日単位データに基づいて、時間単位での発症要因と季節性の発症要因とを推測する。詳しくは、時間単位での発症要因は、テーブルＴＢＬ１，ＴＢＬ２およびＴＢＬ３から抽出された評価結果に基づいて推測し、季節性の発症要因は、データベースＤＢ２から抽出された日単位データに基づいて推測する。 In step S79, the onset factor in time units and the onset factor of seasonality are estimated based on the evaluation result and the daily data thus extracted. Specifically, the onset factor in time units is estimated based on the evaluation results extracted from the tables TBL1, TBL2, and TBL3, and the seasonal onset factor is estimated based on the daily data extracted from the database DB2. .

ステップＳ８１では、こうして推測された時間単位での発症要因および季節性の発症要因を、対象とする極大月とともに発症要因レポートの中段に記載する。対象とする極大月は“１．発症が多い月”の欄に記載され、時間単位での発症要因および季節性の発症要因は“２．発症要因”の欄に記載される。 In step S81, the onset factor and the seasonal onset factor estimated in this way are listed in the middle of the onset factor report together with the target maximum moon. The target maximum month is described in the column “1. Months with frequent onset”, and the onset factor and seasonal onset factor are described in the “2. Onset factor” column.

ステップＳ８３では変数Ｌをインクリメントし、ステップＳ８５では変数Ｌが変数Ｌｍａｘ（＝発症回数が記載された列の総数）を上回るか否かを判別する。判別結果がＮＯであればステップＳ６９に戻る。 In step S83, the variable L is incremented. In step S85, it is determined whether or not the variable L exceeds the variable Lmax (= total number of columns in which the number of onsets is described). If a determination result is NO, it will return to Step S69.

したがって、３月および７月が極大月であれば、図１２に示す“１．発症が多い月”の欄に、“３月”および“７月”が記載される。３月を対象とする時間単位での発症要因および季節性の発症要因としては、たとえば“外出時、移動体に乗っていない”および“花粉飛散量が多い”が記載される。さらに、７月を対象とする時間単位での発症要因および季節性の発症要因としては、たとえば“気温が高い、天気が雨、移動体に乗っていない”および“気圧が低い”が記載される。 Accordingly, if March and July are maximum months, “March” and “July” are described in the column “1. As the onset factor and the onset factor of seasonality for March, for example, “when you go out, you are not on a moving object” and “the amount of pollen scattering is large” are described. Furthermore, for example, “high temperature, rainy weather, not riding a moving object” and “low atmospheric pressure” are described as the onset factor and the seasonal onset factor for July. .

ステップＳ８５の判別結果がＹＥＳであればステップＳ８７に進む。ステップＳ８７では、発症回数が極小値を示す１または２以上の列（＝極小月の列）をテーブルＴＢＬ４から特定する。 If the determination result of step S85 is YES, it will progress to step S87. In step S87, one or two or more columns (= minimal month column) indicating the minimum value of the onset frequency are specified from the table TBL4.

ステップＳ８９，Ｓ９１およびＳ９３では、極小月に作成された発症時データの評価結果をテーブルＴＢＬ１，ＴＢＬ２およびＴＢＬ３からそれぞれ抽出する。ステップＳ９５では、こうして抽出された評価結果に基づいて発症要因を推測する。発症要因は、極小月の数に関係なく一括して推測される。 In steps S89, S91, and S93, the evaluation results of the onset data created in the minimal moon are extracted from the tables TBL1, TBL2, and TBL3, respectively. In step S95, onset factors are estimated based on the evaluation results thus extracted. The onset factor is presumed collectively regardless of the number of minimal months.

ステップＳ９７では、推測した発症要因を図１２に示す発症要因レポートの下段に記載する。発症要因レポートの“発症が少ない月の推測”の欄には、たとえば“運動量が多い、心拍数が高い、気温が中低”が記載される。 In step S97, the estimated onset factor is described in the lower part of the onset factor report shown in FIG. In the column of “estimation of month with less onset” in the onset factor report, for example, “the amount of exercise is high, the heart rate is high, the temperature is low” is described.

ステップＳ９９では、こうして作成された発症要因レポートを要求元に転送する。ＤＲＡＭ６００３上の発症要因レポートは、図３に示す通信Ｉ／Ｆ６００１および図１に示す公衆回線網３０を経てクライアントＰＣ７０に転送される。ステップＳ９９の処理が完了すると、ステップＳ３１に戻る。 In step S99, the onset factor report thus created is transferred to the request source. The onset factor report on the DRAM 6003 is transferred to the client PC 70 via the communication I / F 6001 shown in FIG. 3 and the public line network 30 shown in FIG. When the process of step S99 is completed, the process returns to step S31.

図１８を参照して、ステップＳ１０１では、上述したステップＳ４５およびＳ４７でそれぞれ参照される分単位の評価範囲および時間単位の評価範囲を初期化する。ステップＳ１０３では、キーボード／マウス７００３によってレポート要求操作が行われたか否かを判別する。また、ステップＳ１０５では、キーボード／マウス７００３によって評価範囲調整操作が行われたか否かを判別する。 Referring to FIG. 18, in step S101, the minute evaluation range and the time evaluation range referenced in steps S45 and S47 described above are initialized. In step S103, it is determined whether a report request operation has been performed using the keyboard / mouse 7003. In step S105, it is determined whether or not an evaluation range adjustment operation has been performed using the keyboard / mouse 7003.

ステップＳ１０３の判別結果およびステップＳ１０５の判別結果のいずれもがＮＯであればステップＳ１０３に戻り、ステップＳ１０３の判別結果がＹＥＳであればステップＳ１０７に進み、ステップＳ１０５の判別結果がＹＥＳであればステップＳ１１３に進む。 If both the determination result in step S103 and the determination result in step S105 are NO, the process returns to step S103. If the determination result in step S103 is YES, the process proceeds to step S107. If the determination result in step S105 is YES, the process proceeds to step S103. The process proceeds to S113.

ステップＳ１０７では、レポート作成要求をクラウドサーバ６０に向けて発行する。レポート作成要求は、通信Ｉ／Ｆ７００１から出力され、公衆回線網３０を介してクラウドサーバ６０に与えられる。ステップ１０９では、クラウドサーバ６０から送信された発症要因レポートが通信Ｉ／Ｆ７００１によって受信されたか否かを繰り返し判別する。判別結果がＮＯからＹＥＳに更新されると、ステップＳ１１１に進む。 In step S107, a report creation request is issued to the cloud server 60. The report creation request is output from the communication I / F 7001 and given to the cloud server 60 via the public line network 30. In step 109, it is repeatedly determined whether or not the onset factor report transmitted from the cloud server 60 has been received by the communication I / F 7001. When the determination result is updated from NO to YES, the process proceeds to step S111.

ステップＳ１１１では、受信した発症要因レポートをＤＲＡＭ７００５に展開し、レポート表示命令をモニタ７００４に与える。この結果、ＤＲＡＭ７００５に展開された発症要因レポートがモニタ７００４から出力される。ステップＳ１１１の処理が完了すると、ステップＳ１０３に戻る。 In step S111, the received onset factor report is expanded in the DRAM 7005, and a report display command is given to the monitor 7004. As a result, the onset factor report developed in the DRAM 7005 is output from the monitor 7004. When the process of step S111 is completed, the process returns to step S103.

ステップＳ１１３では分単位の評価範囲を調整し、ステップＳ１１５では時間単位の評価範囲を調整する。分単位の評価範囲は３０分から９０分の範囲で調整され、時間単位の評価範囲は３時間から９時間の範囲で調整される。ステップＳ１１５の処理が完了すると、ステップＳ１０３に戻る。 In step S113, the evaluation range in minutes is adjusted, and in step S115, the evaluation range in hours is adjusted. The evaluation range in minutes is adjusted in the range of 30 minutes to 90 minutes, and the evaluation range in hours is adjusted in the range of 3 hours to 9 hours. When the process of step S115 is completed, the process returns to step S103.

以上の説明から分かるように、ウェアラブルデバイス１０に設けられたＣＰＵ１００９は、患者の活動量と患者の周辺環境を示す環境値とを１分毎に検出し(S5, S7)、検出した活動量および環境値を含む分単位データをクラウドサーバ６０に転送する(S9)。 As can be seen from the above description, the CPU 1009 provided in the wearable device 10 detects the activity amount of the patient and the environmental value indicating the surrounding environment of the patient every minute (S5, S7), and the detected activity amount and The minute unit data including the environmental value is transferred to the cloud server 60 (S9).

クラウドサーバ６０に設けられたＣＰＵ６００２は、こうして転送された分単位データをデータベースＤＢ１に保存する(S31, S33)。クライアントＰＣ７０からレポート作成要求を受信すると、ＣＰＵ６００２は、患者が抱える病症の発症時刻を基準とする複数の時間帯（Ｍ分およびＨ時間）を定義し(S45, S47)、データベースＤＢ１に保存された分単位データを時間帯毎に評価する(S53, S55)。ＣＰＵ６００２はまた、患者が抱える病症の発症要因を評価結果に基づいて推測し(S61)、推測された発症要因を記載した発症要因レポートをクライアントＰＣ７０に転送する(S99)。 The CPU 6002 provided in the cloud server 60 stores the unit data thus transferred in the database DB1 (S31, S33). When receiving the report creation request from the client PC 70, the CPU 6002 defines a plurality of time zones (M minutes and H hours) based on the onset time of the disease that the patient has (S45, S47), and is stored in the database DB1. The minute unit data is evaluated for each time zone (S53, S55). The CPU 6002 also estimates the onset factor of the disease the patient has based on the evaluation result (S61), and transfers the onset factor report describing the estimated onset factor to the client PC 70 (S99).

分単位データを構成する活動量および環境値は、１分毎に到来する時刻における患者の活動量および患者の周辺環境を示すところ、この活動量および環境値は、患者が抱える病症の発症時刻を基準とする時間帯毎に評価される。こうして得られた評価結果に基づいて患者が抱える病症の発症要因を推測することで、発症要因の推測精度を高めることができる。 The activity amount and the environmental value constituting the minute unit data indicate the activity amount and the surrounding environment of the patient at the time of arrival every minute. The activity amount and the environmental value indicate the onset time of the disease that the patient has. It is evaluated for each reference time zone. By estimating the onset factor of the disease that the patient has based on the evaluation result thus obtained, the accuracy of estimating the onset factor can be increased.

１０ …ウェアラブルデバイス
２０ …無線通信基地局
３０ …公衆回線網
４０ …位置情報ＡＰＩサーバ
５０ …気象ＡＰＩサーバ
６０ …クラウドサーバ
７０ …クライアントＰＣ
１００２，６００２，７００２ …ＣＰＵ
１００４ …ＧＰＳ装置
１００５ …時計回路
１００６ …ジャイロセンサ
１００８ …心拍センサ
１００９ …血圧センサ
１０１０ …体温センサ DESCRIPTION OF SYMBOLS 10 ... Wearable device 20 ... Wireless communication base station 30 ... Public network 40 ... Location information API server 50 ... Weather API server 60 ... Cloud server 70 ... Client PC
1002, 6002, 7002 ... CPU
DESCRIPTION OF SYMBOLS 1004 ... GPS apparatus 1005 ... Clock circuit 1006 ... Gyro sensor 1008 ... Heart rate sensor 1009 ... Blood pressure sensor 1010 ... Body temperature sensor

Claims

短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する第１取得手段、
前記患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義手段、
前記第１取得手段によって取得された短周期環境値を前記定義手段によって定義された時間帯毎に評価する第１評価手段、および
前記第１評価手段の評価結果を参照して前記患者が抱える病症の発症要因を推測する第１推測手段を備える、発症要因推測装置。 First acquisition means for acquiring a short-period environment value indicating a surrounding environment of the patient at a time that arrives in a short period;
Definition means for defining a plurality of time zones based on the onset time of the disease that the patient has,
A first evaluation unit that evaluates the short-period environmental value acquired by the first acquisition unit for each time period defined by the definition unit; and a disease that the patient has with reference to an evaluation result of the first evaluation unit An onset factor inference device comprising first inference means for inferring the onset factor.

前記第１評価手段は前記時間帯の長さに関係なく共通の態様で前記短周期環境値を評価する、請求項１記載の発症要因推測装置。 The onset factor estimation device according to claim 1, wherein the first evaluation unit evaluates the short-period environment value in a common manner regardless of the length of the time zone.

外部端末から発行された推測要求を受け付ける受け付け手段をさらに備え、
前記第１推測手段は前記推測要求に応答して前記発症要因を推測する、請求項１または２記載の発症要因推測装置。 It further comprises accepting means for accepting a guess request issued from an external terminal,
The onset factor estimation device according to claim 1 or 2, wherein the first estimation means estimates the onset factor in response to the estimation request.

前記第１取得手段は前記患者の活動量を追加的に取得し、
前記第１評価手段は前記患者の活動量を追加的に評価する、請求項１ないし３のいずれかに記載の発症要因推測装置。 The first acquisition means additionally acquires the amount of activity of the patient;
The onset factor estimation device according to any one of claims 1 to 3, wherein the first evaluation unit additionally evaluates the amount of activity of the patient.

前記患者が抱える病症の発症時刻における前記患者の周辺環境を示す発症時刻環境値を評価する第２評価手段をさらに備え、
前記第１推測手段は前記第２評価手段の評価結果をさらに参照して前記発症要因を推測する、請求項１ないし４のいずれかに記載の発症要因推測装置。 Further comprising second evaluation means for evaluating an onset time environment value indicating the surrounding environment of the patient at the onset time of the disease that the patient has,
The onset factor estimation device according to any one of claims 1 to 4, wherein the first estimation unit estimates the onset factor by further referring to an evaluation result of the second evaluation unit.

前記患者が抱える病症の発症回数が極大値を示す月を特定する極大月特定手段、および
前記第１評価手段の評価結果のうち前記極大月特定手段によって特定された月に対応する評価結果を抽出する極大月評価結果抽出手段、および
前記極大月評価結果抽出手段によって抽出された評価結果を参照して前記患者が抱える病症の発症要因を推測する第２推測手段をさらに備える、請求項１ないし５のいずれかに記載の発症要因推測装置。 A maximum month specifying means for specifying a month in which the number of occurrences of the disease that the patient has has a maximum value; and an evaluation result corresponding to the month specified by the maximum month specifying means among the evaluation results of the first evaluation means 6. A maximum moon evaluation result extracting means for performing the estimation, and a second estimation means for estimating a disease onset factor of the patient with reference to the evaluation result extracted by the maximum moon evaluation result extracting means. The onset factor estimation apparatus in any one of.

前記第２推測手段は月毎に前記発症要因を推測する、請求項６記載の発症要因推測装置。 The onset factor estimation device according to claim 6, wherein the second estimation unit estimates the onset factor every month.

長周期で到来する時刻における前記患者の周辺環境を示す長周期環境値を取得する第２取得手段、および
前記第２取得手段によって取得された長周期環境値のうち前記極大月特定手段によって特定された月に対応する長周期環境値を抽出する長周期環境値抽出手段をさらに備え、
前記第２推測手段は前記長周期環境値抽出手段によって抽出された長周期環境値をさらに参照して前記発症要因を推測する、請求項６または７記載の発症要因推測装置。 A second acquisition means for acquiring a long-period environment value indicating a surrounding environment of the patient at a time that arrives in a long period; and the maximum-month specifying means among the long-period environment values acquired by the second acquisition means A long-period environment value extracting means for extracting a long-period environment value corresponding to the month,
The onset factor inference device according to claim 6 or 7, wherein the second inference unit further estimates the onset factor with reference to the long cycle environment value extracted by the long cycle environment value extraction unit.

前記患者が抱える病症の発症回数が極小値を示す月を特定する極小月特定手段、
前記第１評価手段の評価結果のうち前記極小月特定手段によって特定された月に対応する評価結果を抽出する極小月評価結果抽出手段、および
前記極小月評価結果抽出手段によって抽出された評価結果を参照して前記患者が抱える病症の発症要因を推測する第３推測手段をさらに備える、請求項１ないし８のいずれかに記載の発症要因推測装置。 A minimum moon specifying means for specifying a month in which the number of times of occurrence of the disease the patient has has a minimum value;
Of the evaluation results of the first evaluation means, the minimum moon evaluation result extraction means for extracting the evaluation result corresponding to the month specified by the minimum moon specifying means, and the evaluation result extracted by the minimum moon evaluation result extraction means The onset factor inference device according to any one of claims 1 to 8, further comprising third inference means for inferring an onset factor of a disease that the patient has with reference.

前記第３推測手段は前記極小月特定手段によって特定された月の数に関係なく一括して発症要因を推測する、請求項９記載の発症要因推測装置。 The onset factor inference device according to claim 9, wherein the third inference means collectively estimates onset factors regardless of the number of months specified by the minimum moon specifying means.

発症要因推測装置のプロセッサによって実行される発症要因推測方法であって、
短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する取得ステップ、
前記患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義ステップ、
前記取得ステップによって取得された短周期環境値を前記定義ステップによって定義された時間帯毎に評価する評価ステップ、および
前記評価ステップの評価結果を参照して前記患者が抱える病症の発症要因を推測する推測ステップを備える、発症要因推測方法。 An onset factor estimation method executed by a processor of an onset factor estimation device,
An acquisition step of acquiring a short-period environment value indicating the surrounding environment of the patient at a time that arrives in a short period;
A defining step for defining a plurality of time zones based on the onset time of the disease the patient has;
An evaluation step for evaluating the short-period environmental value acquired by the acquisition step for each time zone defined by the definition step, and estimating the onset factor of the disease that the patient has with reference to the evaluation result of the evaluation step An onset factor estimation method comprising an estimation step.

発症要因推測装置のプロセッサに、
短周期で到来する時刻における患者の周辺環境を示す短周期環境値を取得する取得ステップ、
前記患者が抱える病症の発症時刻を基準とする複数の時間帯を定義する定義ステップ、
前記取得ステップによって取得された短周期環境値を前記定義ステップによって定義された時間帯毎に評価する評価ステップ、および
前記評価ステップの評価結果を参照して前記患者が抱える病症の発症要因を推測する推測ステップを実行させるための、発症要因推測プログラム。 To the processor of the onset factor estimation device,
An acquisition step of acquiring a short-period environment value indicating the surrounding environment of the patient at a time that arrives in a short period;
A defining step for defining a plurality of time zones based on the onset time of the disease the patient has;
An evaluation step for evaluating the short-period environmental value acquired by the acquisition step for each time zone defined by the definition step, and estimating the onset factor of the disease that the patient has with reference to the evaluation result of the evaluation step An onset factor inference program for executing an inference step.

病症を抱える患者の身体に装着される無線通信端末と、前記無線通信端末との間で通信を行うサーバ装置とによって構成される発症要因推測システムであって、
前記無線通信端末は、
短周期で到来する時刻における前記患者の周辺環境を示す短周期環境値を作成する作成手段、および
前記病症の発症時刻を検出する検出手段を備え、
前記サーバ装置は、
前記作成手段によって作成された短周期環境値を取得する取得手段、
前記検出手段によって検出された発症時刻を基準とする複数の時間帯を定義する定義手段、
前記取得手段によって取得された短周期環境値を前記定義手段によって定義された時間帯毎に評価する評価手段、および
前記評価手段の評価結果を参照して前記病症の発症要因を推測する推測手段を備える、発症要因推測システム。 An onset factor estimation system configured by a wireless communication terminal attached to the body of a patient having a disease and a server device that communicates with the wireless communication terminal,
The wireless communication terminal is
A creation means for creating a short-period environment value indicating the surrounding environment of the patient at a time that arrives in a short period; and a detection means for detecting the onset time of the disease,
The server device
Obtaining means for obtaining the short-period environmental value created by the creating means;
Defining means for defining a plurality of time zones based on the onset time detected by the detecting means;
Evaluation means for evaluating the short-period environmental value acquired by the acquisition means for each time zone defined by the definition means, and estimation means for estimating the onset factor of the disease by referring to the evaluation result of the evaluation means Equipped with onset factor estimation system.

病症を抱える患者の身体に装着される無線通信端末によって実行される推測支援方法と、前記無線通信端末との間で通信を行うサーバ装置によって実行される推測処理方法とを備える発症要因推測方法であって、
前記推測支援方法は、
短周期で到来する時刻における前記患者の周辺環境を示す短周期環境値を作成する作成ステップ、および
前記病症の発症時刻を検出する検出ステップを備え、
前記推測処理方法は、
前記作成ステップによって作成された短周期環境値を取得する取得ステップ、
前記検出ステップによって検出された発症時刻を基準とする複数の時間帯を定義する定義ステップ、
前記取得ステップによって取得された短周期環境値を前記定義ステップによって定義された時間帯毎に評価する評価ステップ、および
前記評価ステップの評価結果を参照して前記病症の発症要因を推測する推測ステップを備える、発症要因推測方法。 An onset factor estimation method comprising a guess support method executed by a wireless communication terminal attached to the body of a patient having a disease and a guess processing method executed by a server device that communicates with the wireless communication terminal There,
The guess support method is:
A creation step of creating a short cycle environment value indicating the surrounding environment of the patient at a time that arrives in a short cycle, and a detection step of detecting the onset time of the disease,
The guess processing method includes:
An acquisition step of acquiring the short-period environment value created by the creation step;
A definition step for defining a plurality of time zones based on the onset time detected by the detection step;
An evaluation step for evaluating the short-period environmental value acquired by the acquisition step for each time zone defined by the definition step, and an estimation step for estimating the onset factor of the disease by referring to the evaluation result of the evaluation step A method for estimating onset factors.

病症を抱える患者の身体に装着される無線通信端末に提供される推測支援プログラムと、前記無線通信端末との間で通信を行うサーバ装置に提供される推測処理プログラムとを備える発症要因推測プログラムであって、
前記推測支援プログラムは、
短周期で到来する時刻における前記患者の周辺環境を示す短周期環境値を作成する作成ステップ、および
前記病症の発症時刻を検出する検出ステップを前記無線通信端末のプロセッサに実行させるためのプログラムであり、
前記推測処理プログラムは、
前記作成ステップによって作成された短周期環境値を取得する取得ステップ、
前記検出ステップによって検出された発症時刻を基準とする複数の時間帯を定義する定義ステップ、
前記取得ステップによって取得された短周期環境値を前記定義ステップによって定義された時間帯毎に評価する評価ステップ、および
前記評価ステップの評価結果を参照して前記病症の発症要因を推測する推測ステップを前記サーバ装置のプロセッサに実行させるためのプログラムである、発症要因推測プログラム。 An onset factor estimation program comprising an estimation support program provided to a wireless communication terminal attached to the body of a patient having a disease and an estimation processing program provided to a server device that communicates with the wireless communication terminal There,
The guess support program includes:
A program for causing a processor of the wireless communication terminal to execute a creation step of creating a short cycle environment value indicating a surrounding environment of the patient at a time that arrives in a short cycle, and a detection step of detecting the onset time of the disease ,
The guess processing program is:
An acquisition step of acquiring the short-period environment value created by the creation step;
A definition step for defining a plurality of time zones based on the onset time detected by the detection step;
An evaluation step for evaluating the short-period environmental value acquired by the acquisition step for each time zone defined by the definition step, and an estimation step for estimating the onset factor of the disease by referring to the evaluation result of the evaluation step An onset factor estimation program, which is a program for causing a processor of the server device to execute.