JP2018068910A

JP2018068910A - 疾病予測方法

Info

Publication number: JP2018068910A
Application number: JP2016215594A
Authority: JP
Inventors: 菜月宮崎; Natsuki Miyazaki; 由華吏山城; Yukari Yamashiro; 元喜須藤; Motoyoshi Sudo
Original assignee: Kao Corp
Current assignee: Kao Corp
Priority date: 2016-11-02
Filing date: 2016-11-02
Publication date: 2018-05-10
Anticipated expiration: 2036-11-02
Also published as: JP6864460B2

Abstract

【課題】測定にかかる被験者の負荷が小さく、かつ日常的な生活リズムの乱れから疾病の発症を予測することができる疾病予測方法を提供する。【解決手段】少なくとも、予め取得された複数の被験者が行った活動の状況及びこの活動が行われた時間帯に関する被験者活動情報と、被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及びこの活動が行われた時間帯に関する利用者活動情報を適用して利用者が発症する疾病または障害を予測する工程ステップＳ５０４を実行する。【選択図】図５

Description

本発明は、利用者の活動情報から利用者が将来発症する疾病や障害等を推定する、疾病予測方法、疾病予測プログラム、疾病予測装置及び疾病予測プログラムに関する。

アルツハイマー等の認知症に罹患した患者は、不眠や夜間覚醒により日中に眠気を感じたり、活動が低下したりすることがある。この理由は、認知症の症状として、脳内物質であるメラトニンの分泌量の低下が起こることが挙げられる。メラトニンは、体内リズムを整える物質であり、人が朝日を浴びることによってその分泌が制御される。認知症患者では、分泌されるメラトニンの濃度がピークを持つ時刻のばらつきが大きくなり、分泌のタイミングが健常者と相違するようになる。
図６（ａ）、図６（ｂ）は、いずれも縦軸に分泌される血清中のメラトニン濃度を示し、横軸に分泌の時刻を示した図であり、図６（ａ）は健常者のものである。図６（ｂ）はアルツハイマーを発症した患者のものである（出典：Mishima K, Tozawa T, Satoh K et al. "Melatonin secretion rhythm disorders in patients with senile dementia of Alzheimer's type with disturbed sleep-waking." Biol Psychiatry 1999;45:417-421.）。図６（ａ）、図６（ｂ）から明らかなように、健常者ではメラトニンの濃度が夕方から高まって深夜にピークを向かえ、早朝に向けて下降している。このようなメラトニンの変化により、健常者は、夜に眠り、翌朝目覚めるというリズムに従って行動することができる。

これに対し、アルツハイマー患者のメラトニン濃度は、一日のうちの変化が健常者より少ない。このため、アルツハイマー患者は、一日の時間帯と睡眠及び覚醒のタイミングが合わず、行動に昼夜逆転等の不具合が生じやすくなる。

ところで、被験者の行動から疾病を予測する公知技術が、例えば、特許文献１、特許文献２に記載されている。特許文献１に記載の老年障害リスクの評価方法は、シート式の圧力センサを使って被験者の歩行の歩幅や角度を検出し、検出値に基づいて被験者の老年障害のリスクを予見する。また、特許文献２に記載の生体解析装置は、被験者に加速度センサ等を装着して活動度を時系列に計測する。そして、計測データを分割して解析し、解析の結果と被験者の行動や心理状態との関係によって被験者の状態を評価している。

特開２０１３−２５５７８６号公報特開２００８−６７８９２号公報

しかしながら、被験者にセンサを取り付けて行われる歩行実験は、設備のある施設等において行う必要があり、被験者にとって負担になる。このため、このような実験は、日常的に行って被験者の生活のリズムの乱れを早期に発見することには不適である。また、被験者の行動と心拍数等の活動情報との関係は、突発的に生じる乗り物酔いやパニック障害及び疾病の予兆を検出するものであり、日常的な生活リズムの乱れを検出することには不向きであると考えられる。
本発明は、上記の点に鑑みてなされたものであり、測定にかかる被験者の負荷が小さく、かつ日常的な生活リズムの乱れから疾病の発症を予測することができる疾病予測方法、疾病予測プログラム、疾病予測装置及び疾病予測プログラムに関する。

上記課題を解決するため、本発明の疾病予測方法は、少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程を含むことを特徴とする。

また、本発明の疾病予測プログラムは、少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測ステップを含むことを特徴とする。

また、本発明の疾病予測装置は、少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測部を備えることを特徴とする。

また、本発明の疾病予測システムは、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を取得する活動情報取得装置と、前記活動情報取得装置から前記利用者活動情報を入力する入力部と、前記利用者活動情報に基づいて前記利用者が発症する疾病または障害を予測する疾病予測部と、を備えることを特徴とする。

以上説明した本発明は、測定にかかる被験者の負荷が小さく、かつ日常的な生活リズムの乱れから疾病の発症を推定することができる疾病予測方法、疾病予測プログラム、疾病予測装置及び疾病予測プログラムを提供することができる。

本発明の一実施形態の疾病予測装置を説明するための図である。図２（ａ）、図２（ｂ）は、本発明の一実施形態の疾病予測システムの構成を例示した図である。本発明の一実施形態において、複数の疾病について疾病のＩＮＤＥＸを五角形のグラフで示した例を示す図である。本発明の一実施形態において、認知症ＩＮＤＥＸの判定の仕方を利用者に教示する情報を例示した図である。本発明の一実施形態の疾病予測方法を説明するためのフローチャートである。図６（ａ）は健常者の血清中のメラトニン濃度を示すグラフである。図６（ｂ）はアルツハイマーを発症した患者の血清中のメラトニン濃度を示すグラフである。

以下、本発明の一実施形態を図面に基づいて説明する。なお、すべての図面において、同様の構成要素には同様の符号を付し、重複する説明は適宜省略する。

［疾病予測装置及び疾病予測システム］
（疾病予測装置）
図１は、本実施形態の疾病予測装置１０を説明するための図である。疾病予測装置１０は、疾病予測装置の利用者（以下、単に「利用者」と記す）が行った活動の状況及びこの活動が行われた時間帯に関する活動情報に基づいて利用者が発症する疾病または障害（以下、単に「疾病等」と記す）を予測する疾病予測部１３２を備えている。疾病等の予測は、少なくとも、予め取得された複数の被験者（以下、単に「被験者」と記す）が行った活動の状況及びこの活動が行われた時間帯に関する被験者活動情報と、被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び活動が行われた時間帯に関する利用者活動情報を適用して行われる。
ここで、「活動」とは、利用者の意識、無意識に関わらず行われる身体の動きを指す。利用者が意識して行う活動には、例えば歩行や水泳等が挙げられる。無意識のうちに行う活動には、例えば、寝返りや心臓の脈動等の他、座位や立位での姿勢維持（静止状態）が挙げられる。疾病は、例えば心不全や癌といった身体の異常をいう。本実施形態では、特に鬱病や糖尿病といった生活習慣の影響を受けやすい内因性のものを対象とする。障害は、疾病とまでは言わないものの、老化等によって起こる身体の不具合を指す。本実施形態では、特に、腰痛、膝痛及び転倒等の身体の劣化によって発症するものを対象とする。被験者とは、疾病関連情報を作成するための活動情報及び状態情報を提供する者をいい、利用者とは、この疾病関連情報を利用した疾病予測方法を利用する者をいう。
また、本実施形態でいう「活動の状況」とは、被験者または利用者が一日のうちの特定の時間帯に行った活動の活動量または活動強度をいう。「活動量」は動作を行った回数や時間、ある一定の活動の強度の出現頻度等によって表される。「活動の強度」は、動作時に身体に加わった力によって表される。「被験者状態情報」とは、被験者を実際に検査や診断して得られた疾病等の情報である。利用者が発症する疾病等の予測は、疾病関連情報に利用者の活動情報を適用して得られる認知症ＩＮＤＥＸ（インデックス）や鬱病ＩＮＤＥＸ等のＩＮＤＥＸによって評価される。各疾病のＩＮＤＥＸは、利用者が疾病を発症する兆候の度合いを示す数値である。
なお、疾病関連情報については、後に詳述する。

疾病予測装置１０は、疾病等を予測するために、利用者活動情報を取得する加速度センサ１１を備えている。また、利用者活動情報に基づく処理を行うための制御部１３、表示部１５、タイマ１７、関連情報蓄積用メモリ１９及び入力部２１を備えている。入力部２１は、キーボード、ペンタブ、タッチパネル、音声入力装置のいずれであってもよい。
（加速度センサ）
加速度センサ１１は、ｘ、ｙ、ｚの３軸方向の加速度を検出する加速度センサであって、ｙ軸方向を重力方向として疾病予測装置１０、ひいては利用者にかかる加速度を検出している。加速度センサ１１としては、例えば、スズケン社のライフコーダＥＸ（登録商標）や、ライフコーダＰＬＵＳ等が使用される。加速度センサ１１を使って活動情報を取得する本実施形態では、利用者の歩行動作を活動として計測している。歩行を計測する場合、加速度センサ１１は、利用者の腰付近に装着される。
なお、本実施形態は、歩行以外の活動を活動情報の取得に採用してもよい。歩行以外の活動としては、例えば、利用者の手首の動き等が考えられる。手首が動いた回数や速度を計測する場合には、加速度センサ１１を利用者の手首に装着することが考えられる。手首に加速度センサ１１を装着すれば、利用者が座った状態で飲食したり機器を操作したりする活動を計測することができる。

（制御部）
制御部１３は、活動情報作成部１３１、疾病予測部１３２及びメッセージ作成部１３３を備えている。活動情報作成部１３１は、加速度センサ１１が取得した加速度に関する加速度データを入力する。そして、加速度データから利用者の歩行の歩数とその強度（以下、「活動強度」とも記す）を検出する。なお、活動強度は、例えば、歩行の「速度」により検出してもよい。
さらに、活動情報作成部１３１は、歩数または活動強度にタイマ１７から取得した時刻の情報を対応つけて活動情報を作成する。このような制御部１３は、所謂コンピュータであり、図示しないＣＰＵ（Central Processing Unit）やデータ蓄積用のメモリ及びワーキングメモリといった公知の構成を備えている。活動情報作成部１３１、疾病予測部１３２及びメッセージ作成部１３３は、各々コンピュータ上で動作して所定の機能を発揮するハードゥェアとプログラムとを含むものである。
活動情報作成部１３１は、加速度センサ１１から出力された加速度信号を読み取り、以下に説明するように各種の演算処理によって活動の量及び活動強度を算出する。本実施形態は、活動量として歩行の歩数を加速度が加わった回数によって計測する。また、活動の強度を歩行の速度とし、速度を加わった加速度の強さによって計測する。

活動情報作成部１３１は、加速度センサ１１で取得した加速度信号から重力方向の加速度成分を抽出してもよい。加速度信号から歩数や速度を算出する演算処理はこれまで各種が提案されており特に限定されない。以下に例を示す。
はじめに、活動情報作成部１３１は、加速度センサ１１から逐次出力される加速度信号を電圧信号に変換し、デジタル変換及びノイズ除去し、三軸加速度の合成または重力方向成分の抽出等の処理を行って加速度データを生成する。なお、本実施形態において加速度とは、地球の重力加速度の影響を除去したものをいう。すなわち、歩行中の利用者には重力加速度と併せて１Ｇ（Ｇは重力加速度）を超える加速度（たとえば１．２Ｇ）が負荷される。活動情報作成部１３１は、計測された加速度から重力加速度の影響を排除した値（この場合、０．２Ｇ）を加速度として取得する。

歩数を計測する場合、活動情報作成部１３１は、加速度データを閾値と比較して加速度の値が閾値を上回ったことにより利用者の歩行を計測する。歩行の計測回数は、歩数としてカウントされる。また、歩行の活動強度を計測する場合、活動情報作成部１３１は、加速度データを閾値と比較して加速度の大きさを判定し、その判定結果に基づいて活動強度を算出する。閾値は活動情報作成部１３１に予め記憶されている。活動情報作成部１３１は、加速度センサ１１が装着された状態で活動する利用者から加速度を常時計測し、所定の時間間隔（以下、強度決定間隔という）毎に時々刻々と歩数や歩行による活動強度を算出する。
本実施形態では、活動情報作成部１３１が、計測された加速度データをその大きさに基づいて例えば０から９及び０．５の１１段階に分類する。分類された加速度データは、強度決定間隔の間に計測されたデータを１単位として前記したデータ蓄積用のメモリに記憶される。

強度決定間隔は、１秒以上１０秒以下、たとえば４秒間や６秒間等とすることができる。強度決定間隔を１０秒以下とすることで、利用者の活動の状況を詳細に解析することができる。
活動情報作成部１３１は、強度決定間隔毎に加速度センサ１１からの加速度信号に基づいて１個または複数個の加速度データを生成して加速度の大きさを判定する。好ましくは、強度決定間隔毎に複数個の加速度データを生成してそれぞれ加速度の大きさを判定するとよい。この場合、加速度センサ１１が加速度信号を取得するサンプリング間隔は、上記の強度決定間隔よりも短く設定し、より好ましくは強度決定間隔の時間内に加速度センサ１１は加速度信号を複数回に亘って計測するように設定する。このため、強度決定間隔を１秒以上とすることで、加速度センサ１１のサンプリング間隔を過度に短くすることなく、強度決定間隔の時間内に多くの加速度信号を加速度センサ１１で計測することができる。

活動情報作成部１３１は、判定された加速度の大きさ毎の発生回数に基づいて、強度決定間隔の時間内における利用者の活動強度を決定する。これにより、瞬間的に大きな加速度が検出されたことに起因して活動強度が過大に判定されることが抑制される。また、検出された加速度の大きさが同等であっても、加速度の発生頻度の大小に基づいて活動強度を異なる強度段階に区別することができる。
活動情報作成部１３１は、強度決定間隔の時間内にカウントされた加速度を平均して活動強度を決定してもよい。これにより、利用者が立ち上がったり倒れたりした瞬間に記録される大きな加速度によって過度に高い活動強度が計測されることが防止される。このようにして、活動情報作成部１３１は強度決定間隔毎に、この強度決定間隔の時間内に取得された複数個の加速度データに基づいて１個の活動強度を生成することができる。

疾病予測部１３２は、関連情報蓄積用メモリ１９から疾病関連情報を読み出す。そして、疾病関連情報に活動情報作成部１３１が作成した活動情報を適用して利用者が発症する疾病等を予測する。
メッセージ作成部１３３は、利用者の活動情報を被験者の活動情報や身長、体重及び年齢と比較して、利用者に行うべき活動の状況及びこの活動を行うべき時間帯を示唆するアドバイス情報を含んだメッセージを作成する。メッセージ作成部１３３によって作成されたアドバイス情報を含むメッセージは、表示部１５に出力され、表示される。表示部１５は、公知のディスプレイ装置であってもよい。また、本実施形態は、メッセージを表示部１５にテキストで表示させる構成に限定されるものでなく、活動すべき時間帯や時間間隔を音声や光で利用者に通知するものであってもよい。

このような本実施形態の疾病予測装置１０は、例えば、万歩計機能を持ったスマートフォンを使用して構成してもよい。疾病予測装置１０を、スマートフォンを使用して構成した場合、加速度センサ１１、タイマ１７、関連情報蓄積用メモリ１９、入力部２１及び表示部１５にスマートフォンが備える公知の構成を利用することもできる。

（疾病予測システム）
また、本実施形態は、上記した疾病予測装置１０の構成に限定されるものではなく、活動情報を取得する活動情報取得装置と、取得された活動情報を演算処理して疾病を予測する疾病予測装置とを別体とすることもできる。
図２（ａ）、図２（ｂ）は、活動情報取得装置と疾病予測装置とを別体とした構成を例示した図である。なお、本実施形態では、活動情報取得装置と疾病予測装置とを別体とした構成を「疾病予測システム」とも記す。図２（ａ）に示した構成は、活動情報取得装置３０と、活動情報を使って疾病を予測する疾病予測装置５０と、によって疾病予測システムを構築した例を示している。活動情報取得装置３０は、加速度センサ１１、活動情報作成部１３１及びタイマ１７に加えて出力インターフェース（Ｉ／Ｆ）３１を備えている。疾病予測装置５０は、疾病予測部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９及び入力部２１及び表示部１５に加えて入力インターフェース（Ｉ／Ｆ）５１を備えている。

出力Ｉ／Ｆ３１及び入力Ｉ／Ｆ５１は、データの記録媒体を使って活動情報取得装置３０から疾病予測装置５０に活動情報を入力するものであってもよい。また、有線あるいは無線で活動情報を授受するものであってもよく、赤外線通信によって活動情報を送受信するものであってもよい。
また、本実施形態は、図２（ｂ）に示したように、加速度センサ１１、活動情報作成部１３１及びタイマ１７を備えた活動情報取得装置２０と、疾病予測部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９、入力部２１及び表示部１５を備えた疾病予測装置４０とをネットワークＮに接続してコンピュータシステムを構築してもよい。

本実施形態を図２（ａ）のように活動情報取得装置３０と疾病予測装置５０とに分けて構成した場合、利用者が身体に装着する活動情報取得装置を小型化し、利用者の活動情報取得装置の装着にかかる負荷を軽減することができる。また、疾病予測部１３２やメッセージ作成部１３３を高精度な機器とすることができるので、利用者が発症する疾病等を高い精度で予測することができる。また、予測された疾病等の種別やメッセージの内容を多様化することができる。さらに、図２（ｂ）に示したように、取得した活動情報を逐次疾病予測装置に送信すれば、利用者に対してリアルタイムにメッセージを送信することができる。

［疾病予測方法］
次に、本実施形態の疾病予測方法を説明する。
本実施形態の疾病予測方法は、少なくとも、被験者の活動情報と被験者の状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及びこの活動が行われた時間帯に関する利用者の活動情報を適用して利用者がかかる疾病等を予測する工程を含んでいる。
また、本実施形態の疾病予測方法では、上記工程において、さらに、利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて利用者の疾病を予測する。
本実施形態では、このような疾病予測方法の説明に先立って、先ず、疾病関連情報について説明する。

（疾病関連情報）
本実施形態では、歩行の歩数、強度及び歩行の時間帯と認知症や鬱病の状態情報との関係を例にして疾病関連情報を説明する。本発明の発明者は、５０人以上、好ましくは１００人以上の被験者から各人の活動情報を取得した。活動情報の取得は、被験者の歩行を活動の指標とし、歩行の歩数を「活動量」、歩行の早さを「活動強度」とした。また、活動情報の取得は、図２（ａ）に示した活動情報取得装置３０を被験者が２８日間起きている間腰につけて行った。さらに、活動情報の取得は、３時間毎の歩行を１単位として行った。このため、本実施形態では、被験者の２８日間の歩行の歩数と強度とが３時間毎に時間帯と対応つけられて記録される。
本実施形態の疾病推定方法は、適用可能な被験者の年齢に特に制限はない。鬱病は２０代、３０代といった若年層でも発症するからである。ただし、疾病として認知症を予測する場合、被験者の年齢は、好ましくは６０歳以上、より好ましくは６５歳以上、さらに好ましくは７０歳以上である。また、被験者としては、例えば、医療従事者や消防士、警察官といった活動時間帯が不規則になりやすい者は好ましくない。

表１は、本実施形態において、鬱病及び認知症についての疾病関連情報を示す表である。表１に示したように、本実施形態の疾病関連情報はいずれも歩行に関する活動情報を含むパラメータを使った一次式によって表されている。
以下、本実施形態の疾病関連情報の作成方法について説明する。
本実施形態では、疾病関連情報を、以下の（Ａ）から（Ｅ）の工程を実行することによって作成した。
（Ａ）年齢、性別、身長及び体重（ＢＭＩ）等の被験者の体格に関するデータを１つ以上取得する。
このような工程は、例えば、図２（ａ）に示した疾病予測装置５０の入力部２１からオペレータが入力することによって実行される。

（Ｂ）被験者の歩行に関する３時間毎の歩数や歩行の強度等の活動情報を取得する。
活動情報は、図２に示した活動情報取得装置３０の加速度センサ１１によって取得された加速度データを活動情報作成部１３１が処理することによって作成される。本実施形態では、活動情報作成部１３１によって作成される活動情報と共に疾病関連情報に適用される身長等のパラメータを以下のように４４種類に定めた。なお、パラメータが平均値である場合、この平均値は特に記載がない限り全計測期間（２８日間）を通じての平均値である。

運動を歩行（走行を含む）とした場合、本実施形態は、以下の（１）から（１０）に示した４４種類のパラメータを定める。そして、このパラメータを使って被験者が発症する疾病を予測する疾病関連情報を作成する。

（１）１〜８；各時間帯の歩数の平均値
設定された３時間の時間帯（例えば３−６時）毎の歩数（Ｎｓ_３−６）を計測する。そして、各時間帯の歩数の２８日間の平均値（Ｎｓ_{３−６ａｖｅ}）を算出して、各時間帯の歩数の平均値とする。
Ｎｓ_{３−６ａｖｅ}、Ｎｓ_{６−９ａｖｅ}、Ｎｓ_{９−１２ａｖｅ}、Ｎｓ_{１２−１５ａｖｅ}、Ｎｓ_{１５−１８ａｖｅ}、Ｎｓ_{１８−２１ａｖｅ}、Ｎｓ_{２１−２４ａｖｅ}、Ｎｓ_{２４−３ａｖｅ}

（２）９〜１６；各時間帯の活動強度の平均値
設定された３時間の時間帯（例えば３−６時）毎の活動の強度（Ｎｐ_３−６）を計測する。活動強度は３時間の間に変化するから、利用者が歩行中であると活動情報作成部１３１が判断した時間内における活動強度を強度決定間隔ごとに算出し、それらを時間平均した値を、その時間帯の平均活動強度とする。そして、各時間帯の平均活動強度に関して２８日間の平均値（Ｎｐ_{３−６ａｖｅ}）を算出して、各時間帯の活動強度の平均値とする。
Ｎｐ_{３−６ａｖｅ}、Ｎｐ_{６−９ａｖｅ}、Ｎｐ_{９−１２ａｖｅ}、Ｎｐ_{１２−１５ａｖｅ}、Ｎｐ_{１５−１８ａｖｅ}、Ｎｐ_{１８−２１ａｖｅ}、Ｎｐ_{２１−２４ａｖｅ}、Ｎｐ_{２４−３ａｖｅ}

（３）１７〜２７；各段階（０〜９及び０．５）の強度の歩行が行われる頻度の平均値
１日において、行われた歩行の回数を強度毎（Ｎｆ_０、Ｎｆ_０．５、Ｎｆ_１、Ｎｆ_２、Ｎｆ_３、Ｎｆ_４、Ｎｆ_５、Ｎｆ_６、Ｎｆ_７、Ｎｆ_８、Ｎｆ_９）に毎日カウントする。そして、各強度の歩行の回数に関して２８日間の平均値（Ｎｆ_０ａｖｅ）を算出して、各段階の強度の歩行が行われる頻度の平均値とする。
Ｎｆ_０ａｖｅ、Ｎｆ_{０．５ａｖｅ}、Ｎｆ_１ａｖｅ、Ｎｆ_２ａｖｅ、Ｎｆ_３ａｖｅ、Ｎｆ_４ａｖｅ、Ｎｆ_５ａｖｅ、Ｎｆ_６ａｖｅ、Ｎｆ_７ａｖｅ、Ｎｆ_８ａｖｅ、Ｎｆ_９ａｖｅ

（４）２８；歩数の変動係数
２８日間の歩数の標準偏差Ｎｓ_ｓｄを算出する。また、計測された歩数を２８日間で平均した平均値（Ｎｓ_ａｖｅ）を算出する。そして、標準偏差Ｎｓ_ｓｄを平均値（Ｎｓ_ａｖｅ）で除算した以下の値を歩数の変動係数とする。
Ｎｓ_ｓｄ／Ｎｓ_ａｖｅ×１００

（５）２９；装着時間変動係数
２８日間の装着時間の標準偏差Ｎｉ_ｓｄを算出する。また、計測された装着時間を２８日間で平均した平均値（Ｎｉ_ａｖｅ）を算出する。そして、標準偏差Ｎｉ_ｓｄを平均値Ｎｉ_ａｖｅで除算した以下の値を装着時間変動係数とする。
Ｎｉ_ｓｄ／Ｎｉ_ａｖｅ×１００

（６）３０；活動強度変動係数
２８日間の活動強度の標準偏差Ｎｐ_ｓｄを算出する。また、計測された活動強度を２８日間で平均した平均値（Ｎｐ_ａｖｅ）を算出する。そして、標準偏差Ｎｐ_ｓｄを平均値Ｎｐ_ａｖｅで除算した以下の値を活動強度変動係数とする。
Ｎｐ_ｓｄ／Ｎｐ_ａｖｅ×１００

（７）３１〜４１；各段階（０〜９及び０．５）の活動強度の頻度の変動係数
各段階（０〜９及び０．５）の強度で歩行が行われた頻度（Ｎｆ_０、Ｎｆ_０．５、Ｎｆ_１、Ｎｆ_２、Ｎｆ_３、Ｎｆ_４、Ｎｆ_５、Ｎｆ_６、Ｎｆ_７、Ｎｆ_８、Ｎｆ_９）を毎日カウントする。また、カウントされた頻度の標準偏差を強度毎に算出する（Ｎｓｄ_０、Ｎｓｄ_０．５、Ｎｓｄ_１、Ｎｓｄ_２、Ｎｓｄ_３、Ｎｓｄ_４、Ｎｓｄ_５、Ｎｓｄ_６、Ｎｓｄ_７、Ｎｓｄ_８、Ｎｓｄ_９）。そして、上記標準偏差（Ｎｓｄ_０、Ｎｓｄ_０．５、Ｎｓｄ_１、Ｎｓｄ_２、Ｎｓｄ_３、Ｎｓｄ_４、Ｎｓｄ_５、Ｎｓｄ_６、Ｎｓｄ_７、Ｎｓｄ_８、Ｎｓｄ_９）を（３）に示した各強度の２８日間の平均値（Ｎｆ_０ａｖｅ、Ｎｆ_{０．５ａｖｅ}、Ｎｆ_１ａｖｅ、Ｎｆ_２ａｖｅ、Ｎｆ_３ａｖｅ、Ｎｆ_４ａｖｅ、Ｎｆ_５ａｖｅ、Ｎｆ_６ａｖｅ、Ｎｆ_７ａｖｅ、Ｎｆ_８ａｖｅ、Ｎｆ_９ａｖｅ）で除算して１００を乗じ、各段階の活動強度の頻度の変動係数とする。
Ｎｓｄ_０／Ｎｆ_０ａｖｅ×１００、Ｎｓｄ_０．５／Ｎｆ_{０．５ａｖｅ}×１００、Ｎｓｄ_１／Ｎｆ_１ａｖｅ×１００、Ｎｓｄ_２／Ｎｆ_２ａｖｅ×１００、Ｎｓｄ_３／Ｎｆ_３ａｖｅ×１００、Ｎｓｄ_４／Ｎｆ_４ａｖｅ×１００、Ｎｓｄ_５／Ｎｆ_５ａｖｅ×１００、Ｎｓｄ_６／Ｎｆ_６ａｖｅ×１００、Ｎｓｄ_７／Ｎｆ_７ａｖｅ×１００、Ｎｓｄ_８／Ｎｆ_８ａｖｅ×１００、Ｎｓｄ_９／Ｎｆ_９ａｖｅ×１００
ただし、上記Ｎｓｄ_０、Ｎｆ_０ａｖｅは、いずれも被験者が活動情報取得装置３０を装着していない時間帯の情報を除くものとする。
（８）４２；年齢
（９）４３；身長
（１０）４４；体重

また、本実施形態は、疾病の予測に使用するパラメータとして、計測された活動情報そのものばかりでなく、被験者が行った活動の活動量または活動強度の分散の程度を使用している。活動量または活動強度の分散の程度は、例えば、活動量または活動強度の計測期間内における「ばらつき」を示すパラメータであり、本実施形態では上記変動係数によって表される。
さらに、本実施形態は、活動の一日のうちの活動量の分布に関する情報をも活動情報として推定に使用することができる。活動量の分布とは、例えば、「朝活動時間割合」、「昼活動時間割合」及び「夜活動時間割合」等によって表される。朝活動時間割合は、３時から９時に行われた歩行の歩数が１日の歩数に占める割合を示す。昼活動時間割合は、９時から１８時に行われた歩行の歩数が１日の歩数に占める割合を示す。夜活動時間割合は、１８時から３時に行われた歩行の歩数が１日の歩数に占める割合を示す。

さらに、上記パラメータのうち、（２）の活動強度の平均値は、利用者の歩行速度の推定に使用することができる。活動強度の推定は、活動強度の平均値を重回帰式に適用して行われる。歩行速度を推定する重回帰式は、以下のとおりである。
（数１）
（男性）
推定歩行速度（Ｋｍ／ｈ）＝０．８６２×（活動強度平均値）＋０．０３５×（身長（ｃｍ））−４．７０５ ...式（１）
（数２）
（女性）
推定歩行速度（Ｋｍ／ｈ）＝０．６８４×（活動強度平均値）＋１．８５１ ...式（２）
（出典：高柳直人ら「活動量計を用いた日常歩行速度とADL低下に関する研究」厚生の指標. 2014; 61(4):15-20）

本実施形態の活動強度「５」等の数値は、例えば、ＭＥＴｓで定められる最大酸素摂取量の酸素を利用者が摂取すると考えられる活動強度を最大値とし、安静時の酸素摂取量を最小値とし、この間を分割することによって定めることができる。
なお、ＭＥＴｓでは、例えば、３ＭＥＴｓを６７ｍ／分で平地を歩く程度、３．３ＭＥＴｓを８１ｍ／分で平地を歩く程度、３．８ＭＥＴｓを９４ｍ／分で平地を歩く程度、４ＭＥＴｓを９５ｍ〜１００ｍ／分で平地を歩く程度、５ＭＥＴｓを１０７ｍ／分で平地を速歩する程度と定めている（出典：厚生労働省「健康づくりのための運動指針2006」）。
本実施形態の回帰分析は、市販の統計計算用のソフトウェアを使って行った。回帰分析には、多変量回帰分析や、ロジスティック回帰分析が使用される。回帰分析では、説明変数に使用されるパラメータに変数増加法、変数減少法あるいはその両方を行って組み合わせを変えながら正答率が高くなるパラメータが選択される。さらに、パラメータに付される係数は適宜選択される。

ただし、本実施形態の活動情報を含むパラメータは、以上説明した例に限定されるものではない。例えば、活動情報は、３時間毎に１単位として計測されるものに限定されず、任意の時間を単位として計測するものであってもよい。パラメータの平均値は、計測の単位時間あたりの平均値であってもよいし、１日あたりの平均値、さらには複数日にわたる計測期間の平均値であってもよい。

（Ｃ）被験者の鬱病または認知症の症状の有無に関する情報を取得する。
このような工程は、被験者に対する問診や検査によって行われる。つまり、この工程は、被験者の鬱病や認知症の有無を実測するものといえる。
（Ｄ）（Ｃ）で実測された鬱病や認知症の有無を目的変数としてロジスティック回帰分析を行い、（Ｂ）で取得された活動情報の少なくとも１つ、あるいは身長、体重といったパラメータを説明変数に含む回帰式を算出する。
なお、（Ｄ）の工程においては、（Ｃ）で行った実測の結果により明らかに認知症や鬱病の症状が認められる者のデータと認められない者のデータの両方を抽出しておく。具体的には、（Ｃ）の工程の結果、被験者から「なし」、「現病（服薬なし）」、「現病（服薬あり）」及び「既往」の４つのグループを抽出し、「なし」とされた被験者を明らかに症状のない者とする。また、「現病（服薬なし）」、「現病（服薬あり）」とされた被験者を明らかに症状のある者とする。

（Ｅ）（Ｄ）の工程において「症状がある」被験者の活動情報から得られる目的変数の値を「１」、「症状がない」被験者の活動情報から得られる目的変数の値を「０」として症状有無データを作成する。そして、症状有無データに係る被験者の１以上の活動情報及び身長等を説明変数にして回帰分析を行う。なお、回帰分析は、市販の統計計算用のソフトウェアを使って行った。回帰分析には、多変量回帰分析や、ロジスティック回帰分析が使用される。回帰分析では、説明変数に使用されるパラメータに変数増加法、変数減少法あるいはその両方を行って組み合わせを変えながら正答率が高くなるパラメータが選択される。さらに、パラメータに付される係数は適宜選択される。

表１は、上記パラメータを使って得られる鬱病、認知症についての疾病関連情報を具体的に示した表である。表１において、被験者の関連情報の「；」以降に記載の（）付き数字は上記パラメータの（）付き数字に対応している。
鬱病、認知症についての疾病関連情報は、表１に示したように、いずれも実測値との間でモデルΧ^２検定の値が０．０１以下であり、有意であることがわかる。また、鬱病について８２．８％、認知症については９７．２％の高い的中率を得た。なお、表１に示した疾病関連情報は、男女共通のものである。

表２、表３、表４及び表５は、疾病関連情報を示した表であり、表２及び表３は男性についての関連情報を示し、表４及び表５は女性についての関連情報を示している。表２から表５のいずれにおいても、障害として、「腰痛」、「膝痛」、「尿失禁」を挙げている。また、疾病として、「鬱病」、「認知症」、「糖尿病」、「高血圧」、「高脂血症」、「骨粗鬆症」、「変形性関節炎」及び「脊椎疾患」を挙げている。
本実施形態は、表１から表５の各疾病関連情報の括弧「（）」内に利用者のパラメータを入力して演算式を解くことによって利用者の状態情報を得ることができる。また、本実施形態の疾病関連情報は、当然のことながら、表１から表５に示したような一次式の形式に限定されるものではない。疾病関連情報は、利用者の活動情報や身長等を入力して疾病を予測するものであればどのようなものであってもよく、例えば、一次式以外の演算式であってもよいし、テーブルであってもよい。

（メッセージ）
次に、利用者の疾病の予測結果に基づいて作成されるアドバイス情報を含むメッセージの例について説明する。本実施形態では、上記した疾病関連情報に活動情報を適用して得られた結果得られる疾病のＩＮＤＥＸに基づいて、利用者が行うべき活動に関するアドバイスを含むメッセージを作成する。アドバイスとは、利用者に対して活動の量、強度、時間帯等を示唆する情報であり、メッセージは、アドバイス情報に適宜必要な情報を付加したものである。アドバイス情報に付加される情報としては、例えば、図３、図４に示したものがある。
図３は、複数の疾病について疾病のＩＮＤＥＸを五角形のグラフで示した例を示す図である。図３に示した例では、認知症ＩＮＤＥＸ、鬱病ＩＮＤＥＸ、変形関節症ＩＮＤＥＸ、骨粗鬆症ＩＮＤＥＸ、膝痛ＩＮＤＥＸの５つを五角形の５つの各頂点で示している。各ＩＮＤＥＸの値は、五角形の中心から離れるほど大きくなっている。図３に示した例では、複数の疾病等について予測結果を示すと共に、そのバランスを利用者が把握することができる。

図４は、認知症ＩＮＤＥＸの判定の仕方を利用者に教示する情報を例示した図である。本実施形態は、利用者の認知症ＩＮＤＥＸをアドバイス情報とし、このアドバイス情報に例えば図４に示した情報を付加してメッセージを作成する。このようにすれば、利用者は、自身の認知症ＩＮＤＥＸから自身が認知症を発症する可能性の程度を把握することができる。
例えば、利用者の認知症ＩＮＤＥＸが０．５から所定の閾値（図中に「○」で示す）の範囲にある場合、利用者は「認知症危険度」（左欄）から自身が認知症を発症する可能性が６０％程度であると判定する。「認知症危険度レベル」（中央欄）は、認知症を発症する可能性を五角形のグラフで示している。認知症危険度レベルでは、「２」で示した領域が認知症発症の可能性が６０％であることを示し、「１」で示した領域が認知症発症の可能性０％、「３」で示した領域が認知症発症の可能性８０％をそれぞれ示している。認知症危険度レベルにおいては、例えば、利用者の認知症予測に対応する領域が所定の色に着色されて表示されるようにしてもよい。さらに、図５の例は、さらに、利用者の認知症発症の予測をＡ、Ｂ、Ｃのレベルで評価した「認知症危険度ランク」（右欄）が含まれる。

メッセージ作成部１３３は、例えば、利用者が認知症の改善を望む場合、表１に示した認知症ＩＮＤＥＸが０．５未満になるように３時から６時に行われる活動の強度の平均値及び１８時から２１時に行われる歩行の歩数の平均値を設定する。そして、設定した各平均値と利用者の活動情報の履歴等とを比較して、利用者の早朝の活動の強度の履歴が設定された値に満たないとき、「早朝に少し早足で散歩しましょう」等のアドバイスを含むメッセージを作成する。

また、本実施形態は、図１、図２に示した入力部２１により、利用者が改善を望む疾病等の種別を予め入力することができる。メッセージ作成部１３３は、表１から表３に示した疾病関連情報に利用者の身長、体重、年齢を入力し、疾病等に対応して利用者が歩行すべき歩数や強度を算出する。体重、身長及び年齢の情報は、利用者が本実施形態の疾病予測方法の利用開始にあたり、入力部２１を使って疾病予測装置５０に予め登録しておいてもよいし、入力部２１から任意のタイミングで入力するものであってもよい。
また、本実施形態は、利用者が、例えば、３時間の間に行う歩行の歩数や強さを入力部２１から入力することができる。このようにすると、メッセージ作成部１３３は、増やすべき歩数や活動強度が利用者の設定した上限値を上回った場合、上限値に設定された歩数や強度の歩行をするように利用者にアドバイスするメッセージを作成する。このような処理によれば、利用者の望む疾病予測情報と現状との差分が比較的大きくても、時間をかけることによって利用者の苦痛を抑えながら疾病を発症する可能性を低減することができる。さらに、メッセージ作成部１３３は、利用者の疾病等を発症する可能性が十分低くなった場合、例えば、「認知症発症の予兆が低減しました」等のメッセージを作成する。

上記したメッセージは、さらに紙媒体に印字されて出力されるようにしてもよいし、利用者のスマートフォン等にメール等として送信してもよい。このようなメールは、本人の他、予め登録された第三者（家族等）にも送信するようにしてもよい。さらに、本実施形態は、活動情報取得装置３０にも図示しない表示部を設け、メッセージを活動情報取得装置３０の表示部を通じて両者に提示してもよい。さらに、本実施形態は、活動情報取得装置３０を疾病予測装置５０に接続したとき、疾病予測装置５０の表示部１５にメッセージが表示されるようにすることができる。

（疾病等の予測方法）
図５は、本実施形態の疾病予測方法を説明するためのフローチャートである。また、図５のフローチャートは、図２（ａ）に示した活動情報取得装置３０及び疾病予測装置５０によって行われる例を示している。このフローチャートでは、利用者の活動情報として活動強度を３時間計測し、計測値の平均値を算出する処理を例示するものとする。また、図５のフローチャートでは、説明の簡単のため、１つの活動情報を一回取得する例を示している。しかし、表１から表３に示すように、本実施形態は、複数種の活動情報を複数回取得する場合も多い。
本実施形態の疾病予測方法では、処理が開始されると、活動情報取得装置３０の加速度センサ１１が、利用者の活動情報の取得を開始する（ステップＳ５０１）。なお、このような処理は、例えば、利用者が予測を望む疾病に応じた時刻に自動的に開始するものであってもよいし、予め定めた所定の時刻に開始するものであってもよい。
「利用者が予測を望む疾病に応じた時刻」とは、例えば、利用者が表１に示した鬱病の予測を望んでいる場合の６時または１８時を指す。

利用者の活動情報の取得が開始されると、タイマ１７は、３時間が経過するまで計時を継続して行う（ステップＳ５０２）。加速度センサ１１は、タイマ１７が計時を行っている間は利用者にかかる加速度を検出し、活動情報作成部１３１に活動強度として出力し続ける。活動情報作成部１３１は、加速度センサ１１が計測した活動強度の３時間の平均値を算出する（ステップＳ５０３）。また、活動情報作成部１３１は、算出された平均値に計測が行われた時間帯を対応つけて活動情報を作成する。作成された活動情報は、出力Ｉ／Ｆ３１及び入力Ｉ／Ｆ５１を介して疾病予測部１３２に送られる。疾病予測部１３２は、関連情報蓄積用メモリ１９から疾病関連情報を読み出し、利用者が罹患する疾病等を予測する（ステップＳ５０４）。

メッセージ作成部１３３は、例えば、予測された利用者の疾病等を判定する。そして、この疾病のＩＮＤＥＸから疾病の予兆を低減するために必要な歩行の歩数や強度を設定する。さらに、設定された値と利用者が実際に行った歩行の履歴との差分から、利用者に歩数や活動強度をアドバイスするアドバイス情報を作成する。そして、アドバイス情報に例えば図３、図４に示した情報等を付加してメッセージを作成する（ステップＳ５０５）。メッセージは、表示部１５に出力される（ステップＳ５０６）。
なお、メッセージの出力は、図５に示したフローチャートに記載されたタイミングに限定されるものではない。例えば、表１に示した鬱病のように、６時から９時、１８時から２１時の２回に渡って行われる活動から活動情報を取得する場合、２１時までに行われた活動の活動情報から疾病を予測する。そして、予測された疾病の種別に基づいて作成されたメッセージを、例えば、翌日の活動開始時に利用者に提供するようにしてもよい。

以上説明したフローチャートの少なくともステップＳ５０４からステップＳ５０６は、例えば、コンピュータとして構成される疾病予測装置５０において実現されるプログラムによって処理される。

以上説明した本実施形態は、利用者が行った活動に基づいて利用者の疾病を予測している。このため、本実施形態は、特別な機器を用いることなく利用者の疾病を予測することができる。また、本実施形態は、自動的に利用者から活動情報を取得することができるので、利用者に負担をかけることなく疾病の予測を習慣化することができる。
また、本実施形態は、時間行動学の原理に基づいて被験者の実測値を考慮した疾病関連情報に活動情報を適用して疾病を予測している。このため、実測値と相関性が高い推定値を得ることができる。

次に、以上説明した本実施形態の実施例を説明する。
本発明者らは、７０歳から９３歳の男性１４８３名、女性１５９８名を被験者とし、各被験者の鬱病の状態と認知症の状態とを問診によって取得した。また、本発明者らは、被験者の身長、体重、年齢を取得し、身長と体重とからＢＭＩを算出した。
次に、本発明者らは、各被験者に加速度センサを２４時間携帯させ、活動情報として被験者の歩行の歩数と強度を取得した。加速度センサによって取得された活動情報は、疾病予測装置としてのコンピュータに出力される。コンピュータは、取得された活動情報や被験者の身長等の情報を使ってロジスティック回帰分析を行って疾病関連情報を作成した。本実施例の疾病関連情報は、ｐｘを算出する一次の回帰式である。この一次の回帰式を用いて求めたｐｘをｌｏｇｐｘ／（１−ｐｘ）に代入することで被験者ｘの疾病等の発生率が求まり、この発生率は０から１の数値をとる。

上記の処理によって作成された本実施例の鬱病についての疾病関連情報は、以下のとおりである。なお、本実施例では、疾病関連情報を男性、女性に分けて求めている。
（数３）
疾病関連情報（鬱病：男性）＝−３×１０^−３×（２１時から２４時に行った歩行の歩数の平均値）−０．５７６×（６時から９時に行った活動の強度の平均値）−０．６５ ...式（３）
（数４）
疾病関連情報（鬱病：女性）＝１０^−３×（３時から６時に行った歩行の歩数の平均値）−０．８１９×（１２時から１５時に行った活動の強度の平均値）＋０．１６２×（年齢）＋０．０１８（昼活動時間割合）−１２．５８５ ...式（４）

また、上記の処理によって算出された本実施例の認知症についての疾病関連情報は、以下のとおりである。なお、本実施例では、認知症についての疾病関連情報を女性についてのみ作成した。
（数５）
疾病関連情報（認知症：女性）＝−０．０２２×（２１時から２４時に行った歩行の歩数の平均値）−２．７７４×（３時から６時に行った活動の強度の平均値）＋０．２９×（年齢）−２３．９１６ ...式（５）

本発明者らは、ロジスティック回帰分析を行う際、回帰式から得られる疾病関連情報の算出結果（ＩＮＤＥＸ）の正答率（問診によって得られる状態情報との一致の程度）が高くなるように、疾病関連情報の使用される活動情報やパラメータの組み合わせを選択した。本実施例は、疾病関連情報に利用者の歩行の歩数や強度を適用して利用者の鬱病や認知症の兆候を判別し、疾病等を予測することができる。本実施例では、鬱病ＩＮＤＥＸ、あるいは認知症ＩＮＤＥＸが０．５以上、１．０以下である場合に鬱病または認知症の発症を予測し、鬱病ＩＮＤＥＸ、あるいは認知症ＩＮＤＥＸが０．５以下である場合に鬱病または認知症を発症しないと予測した。本実施例の上記予測の正答率は、男性の鬱病について８８．２％、女性の鬱病について８１．３％、女性の認知症について９６．５％と、いずれも高い値を得た。

さらに、本発明者らは、本実施例で得られた回帰式の信頼性をモデルＸ^２検定によって調べた。モデルＸ^２検定では、有意確率ｐが鬱病については男女いずれも０．０５未満、女性の認知症でも有意確率が０．０５未満であった。このことから、本実施例で得られた回帰式は、いずれも十分な信頼性を有するものである。

上記実施形態及び実施例は以下の技術思想を包含するものである。
＜１＞
少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程を含むことを特徴とする、疾病予測方法。
＜２＞
前記疾病予測工程は、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の疾病を予測する、＜１＞に記載の疾病予測方法。
＜３＞
前記被験者活動情報は、前記被験者が一日のうちの特定の時間帯に行った活動の活動量または活動強度に関する情報である、＜１＞または＜２＞に記載の疾病予測方法。
＜４＞
前記被験者活動情報は、前記被験者が行った活動の活動量または活動強度の一日のうちの分散に関する情報である、＜１＞または＜２＞に記載の疾病予測方法。
＜５＞
前記疾病予測工程において行われた予測の結果に基づいて、利用者が行うべき活動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む＜１＞から＜４＞のいずれか１項に記載の疾病予測方法。
＜６＞
少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測ステップを含むことを特徴とする疾病予測プログラム。
＜７＞
少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測部を備えることを特徴とする疾病予測装置。
＜８＞
利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を取得する活動情報取得装置と、
前記活動情報取得装置から前記利用者活動情報を入力する入力部と、
前記利用者活動情報に基づいて前記利用者が発症する疾病または障害を予測する疾病予測部と、を備える＜７＞に記載の疾病予測装置と、
を含むことを特徴とする疾病予測システム。

１０，４０，５０・・・疾病予測装置
１１・・・加速度センサ
１３・・・制御部
１５・・・表示部
１７・・・タイマ
１９・・・関連情報蓄積用メモリ
２０，３０・・・活動情報取得装置
２１・・・入力部
３１・・・出力Ｉ／Ｆ
５１・・・入力Ｉ／Ｆ
１３１・・・活動情報作成部
１３２・・・疾病予測部
１３３・・・メッセージ作成部

Claims

少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程を含むことを特徴とする、疾病予測方法。
前記疾病予測工程は、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の疾病を予測する、請求項１に記載の疾病予測方法。
前記被験者活動情報は、前記被験者が一日のうちの特定の時間帯に行った活動の活動量または活動強度に関する情報である、請求項１または２に記載の疾病予測方法。
前記被験者活動情報は、前記被験者が行った活動の活動量または活動強度の一日のうちの分散に関する情報である、請求項１または２に記載の疾病予測方法。
前記疾病予測工程において行われた予測の結果に基づいて、利用者が行うべき活動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む請求項１から４のいずれか１項に記載の疾病予測方法。
少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測ステップを含むことを特徴とする疾病予測プログラム。
少なくとも、予め取得された複数の被験者が行った活動の状況及び当該活動が行われた時間帯に関する被験者活動情報と、前記被験者の身体の状態に関する被験者状態情報と、の関連性を表す疾病関連情報に、利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測部を備えることを特徴とする疾病予測装置。
利用者が行った活動の状況及び当該活動が行われた時間帯に関する利用者活動情報を取得する活動情報取得装置と、
前記活動情報取得装置から前記利用者活動情報を入力する入力部と、
前記利用者活動情報に基づいて前記利用者が発症する疾病または障害を予測する疾病予測部と、を備える請求項７に記載の疾病予測装置と、
を含むことを特徴とする疾病予測システム。