JP2023171493A - 指標の決定 - Google Patents
指標の決定 Download PDFInfo
- Publication number
- JP2023171493A JP2023171493A JP2023173597A JP2023173597A JP2023171493A JP 2023171493 A JP2023171493 A JP 2023171493A JP 2023173597 A JP2023173597 A JP 2023173597A JP 2023173597 A JP2023173597 A JP 2023173597A JP 2023171493 A JP2023171493 A JP 2023171493A
- Authority
- JP
- Japan
- Prior art keywords
- subject
- impedance
- parameter value
- measurement
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000005259 measurement Methods 0.000 claims abstract description 264
- 238000002847 impedance measurement Methods 0.000 claims abstract description 128
- 238000012545 processing Methods 0.000 claims abstract description 122
- 238000000034 method Methods 0.000 claims abstract description 85
- 230000008859 change Effects 0.000 claims abstract description 83
- 230000004044 response Effects 0.000 claims abstract description 49
- 238000011156 evaluation Methods 0.000 claims description 34
- 210000001124 body fluid Anatomy 0.000 claims description 33
- 239000010839 body fluid Substances 0.000 claims description 33
- 238000004891 communication Methods 0.000 claims description 19
- 210000004369 blood Anatomy 0.000 claims description 16
- 239000008280 blood Substances 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 16
- 238000005094 computer simulation Methods 0.000 claims description 14
- 208000024891 symptom Diseases 0.000 claims description 14
- 238000010801 machine learning Methods 0.000 claims description 13
- 235000013361 beverage Nutrition 0.000 claims description 10
- 230000036772 blood pressure Effects 0.000 claims description 9
- 230000036760 body temperature Effects 0.000 claims description 9
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims description 8
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 claims description 8
- 230000000747 cardiac effect Effects 0.000 claims description 8
- 229910052760 oxygen Inorganic materials 0.000 claims description 8
- 239000001301 oxygen Substances 0.000 claims description 8
- 229910052700 potassium Inorganic materials 0.000 claims description 8
- 239000011591 potassium Substances 0.000 claims description 8
- 230000000241 respiratory effect Effects 0.000 claims description 8
- 230000036387 respiratory rate Effects 0.000 claims description 5
- 230000037396 body weight Effects 0.000 claims description 4
- 230000009471 action Effects 0.000 claims description 3
- 230000037081 physical activity Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 2
- 230000029058 respiratory gaseous exchange Effects 0.000 claims description 2
- 239000012530 fluid Substances 0.000 abstract description 7
- 230000008569 process Effects 0.000 description 26
- 238000004458 analytical method Methods 0.000 description 14
- 239000000203 mixture Substances 0.000 description 13
- 238000010586 diagram Methods 0.000 description 12
- 210000002683 foot Anatomy 0.000 description 12
- 230000003834 intracellular effect Effects 0.000 description 9
- 206010019280 Heart failures Diseases 0.000 description 8
- 210000000476 body water Anatomy 0.000 description 8
- 238000004364 calculation method Methods 0.000 description 6
- 230000007774 longterm Effects 0.000 description 6
- 210000001519 tissue Anatomy 0.000 description 6
- 210000003722 extracellular fluid Anatomy 0.000 description 5
- 238000012360 testing method Methods 0.000 description 5
- 210000000577 adipose tissue Anatomy 0.000 description 4
- RYYVLZVUVIJVGH-UHFFFAOYSA-N caffeine Chemical compound CN1C(=O)N(C)C(=O)C2=C1N=CN2C RYYVLZVUVIJVGH-UHFFFAOYSA-N 0.000 description 4
- 238000004422 calculation algorithm Methods 0.000 description 4
- 210000001596 intra-abdominal fat Anatomy 0.000 description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 4
- LFQSCWFLJHTTHZ-UHFFFAOYSA-N Ethanol Chemical compound CCO LFQSCWFLJHTTHZ-UHFFFAOYSA-N 0.000 description 3
- 241001465754 Metazoa Species 0.000 description 3
- 238000011871 bio-impedance analysis Methods 0.000 description 3
- 230000037237 body shape Effects 0.000 description 3
- 239000003990 capacitor Substances 0.000 description 3
- 210000004247 hand Anatomy 0.000 description 3
- 210000002977 intracellular fluid Anatomy 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 229910052751 metal Inorganic materials 0.000 description 3
- 239000002184 metal Substances 0.000 description 3
- 230000007170 pathology Effects 0.000 description 3
- 210000003813 thumb Anatomy 0.000 description 3
- 238000012549 training Methods 0.000 description 3
- 241000282412 Homo Species 0.000 description 2
- LPHGQDQBBGAPDZ-UHFFFAOYSA-N Isocaffeine Natural products CN1C(=O)N(C)C(=O)C2=C1N(C)C=N2 LPHGQDQBBGAPDZ-UHFFFAOYSA-N 0.000 description 2
- 206010025282 Lymphoedema Diseases 0.000 description 2
- 210000003423 ankle Anatomy 0.000 description 2
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 229960001948 caffeine Drugs 0.000 description 2
- VJEONQKOZGKCAK-UHFFFAOYSA-N caffeine Natural products CN1C(=O)N(C)C(=O)C2=C1C=CN2C VJEONQKOZGKCAK-UHFFFAOYSA-N 0.000 description 2
- 210000000170 cell membrane Anatomy 0.000 description 2
- 238000003066 decision tree Methods 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003247 decreasing effect Effects 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 230000001419 dependent effect Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000009547 dual-energy X-ray absorptiometry Methods 0.000 description 2
- 210000003414 extremity Anatomy 0.000 description 2
- 238000001914 filtration Methods 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- 230000036541 health Effects 0.000 description 2
- 230000036571 hydration Effects 0.000 description 2
- 238000006703 hydration reaction Methods 0.000 description 2
- 230000001939 inductive effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 208000002502 lymphedema Diseases 0.000 description 2
- 230000037323 metabolic rate Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- NJPPVKZQTLUDBO-UHFFFAOYSA-N novaluron Chemical compound C1=C(Cl)C(OC(F)(F)C(OC(F)(F)F)F)=CC=C1NC(=O)NC(=O)C1=C(F)C=CC=C1F NJPPVKZQTLUDBO-UHFFFAOYSA-N 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000007637 random forest analysis Methods 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 210000002027 skeletal muscle Anatomy 0.000 description 2
- 238000012706 support-vector machine Methods 0.000 description 2
- 210000000115 thoracic cavity Anatomy 0.000 description 2
- 210000000707 wrist Anatomy 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000777300 Congiopodidae Species 0.000 description 1
- 241000124008 Mammalia Species 0.000 description 1
- 206010030113 Oedema Diseases 0.000 description 1
- 241000288906 Primates Species 0.000 description 1
- 241000251539 Vertebrata <Metazoa> Species 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000037147 athletic performance Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 230000003542 behavioural effect Effects 0.000 description 1
- 210000000746 body region Anatomy 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 239000004020 conductor Substances 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 210000003743 erythrocyte Anatomy 0.000 description 1
- 238000013213 extrapolation Methods 0.000 description 1
- 239000012212 insulator Substances 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- 244000144972 livestock Species 0.000 description 1
- 230000007659 motor function Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000027758 ovulation cycle Effects 0.000 description 1
- 230000000704 physical effect Effects 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 238000011524 similarity measure Methods 0.000 description 1
- 238000004611 spectroscopical analysis Methods 0.000 description 1
- 230000001360 synchronised effect Effects 0.000 description 1
- 210000003371 toe Anatomy 0.000 description 1
- 210000002700 urine Anatomy 0.000 description 1
- 230000003442 weekly effect Effects 0.000 description 1
Classifications
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves
- A61B5/053—Measuring electrical impedance or conductance of a portion of the body
- A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/0205—Simultaneously evaluating both cardiovascular conditions and different types of body conditions, e.g. heart and respiratory condition
- A61B5/02055—Simultaneously evaluating both cardiovascular condition and temperature
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/026—Measuring blood flow
- A61B5/0295—Measuring blood flow using plethysmography, i.e. measuring the variations in the volume of a body part as modified by the circulation of blood therethrough, e.g. impedance plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0806—Detecting, measuring or recording devices for evaluating the respiratory organs by whole-body plethysmography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0809—Detecting, measuring or recording devices for evaluating the respiratory organs by impedance pneumography
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/085—Measuring impedance of respiratory organs or lung elasticity
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4872—Body fat
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4875—Hydration status, fluid retention of the body
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4869—Determining body composition
- A61B5/4875—Hydration status, fluid retention of the body
- A61B5/4878—Evaluating oedema
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7221—Determining signal validity, reliability or quality
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7235—Details of waveform analysis
- A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
- A61B5/7267—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems involving training the classification device
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
- A61B5/7271—Specific aspects of physiological measurement analysis
- A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/74—Details of notification to user or communication with user or patient ; user input means
- A61B5/746—Alarms related to a physiological condition, e.g. details of setting alarm thresholds or avoiding false alarms
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
- G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
- G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
- G16H40/67—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for remote operation
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/01—Measuring temperature of body parts ; Diagnostic temperature sensing, e.g. for malignant or inflamed tissue
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/021—Measuring pressure in heart or blood vessels
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
- A61B5/024—Detecting, measuring or recording pulse rate or heart rate
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
- A61B5/0816—Measuring devices for examining respiratory frequency
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14542—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring blood gases
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
- A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
- A61B5/00—Measuring for diagnostic purposes; Identification of persons
- A61B5/48—Other medical applications
- A61B5/4866—Evaluating metabolism
-
- A—HUMAN NECESSITIES
- A63—SPORTS; GAMES; AMUSEMENTS
- A63B—APPARATUS FOR PHYSICAL TRAINING, GYMNASTICS, SWIMMING, CLIMBING, OR FENCING; BALL GAMES; TRAINING EQUIPMENT
- A63B24/00—Electric or electronic controls for exercising apparatus of preceding groups; Controlling or monitoring of exercises, sportive games, training or athletic performances
- A63B24/0062—Monitoring athletic performances, e.g. for determining the work of a user on an exercise apparatus, the completed jogging or cycling distance
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Biomedical Technology (AREA)
- Public Health (AREA)
- Medical Informatics (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Physics & Mathematics (AREA)
- Biophysics (AREA)
- Heart & Thoracic Surgery (AREA)
- Molecular Biology (AREA)
- Surgery (AREA)
- Animal Behavior & Ethology (AREA)
- Veterinary Medicine (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Epidemiology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Signal Processing (AREA)
- Psychiatry (AREA)
- Pulmonology (AREA)
- Cardiology (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Evolutionary Computation (AREA)
- Fuzzy Systems (AREA)
- Mathematical Physics (AREA)
- Business, Economics & Management (AREA)
- General Business, Economics & Management (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Radiology & Medical Imaging (AREA)
- Hematology (AREA)
- Physical Education & Sports Medicine (AREA)
- Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
- Measuring And Recording Apparatus For Diagnosis (AREA)
Abstract
【課題】生体被験者に対して実行される測定に関係する指標を決定する際に使用するための方法およびシステムに関する。【解決手段】生体被験者における体液レベルに少なくとも一部関係する指標を生成するためのシステムであって、このシステムは、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、パラメータ値が、複数の以前のインピーダンス測定の結果に基づく被験者標準の意味のある変化を示すかどうかを決定するために評価を実行し、評価の結果を使用して、体液レベルを示す指標を生成し、または被験者標準を選択的に更新する、1つまたは複数の処理デバイスを含む。【選択図】図1A
Description
本発明は、生体被験者に対して実行される測定に関係する指標を決定する際に使用するための方法およびシステムに関し、1つの具体的な例では、インピーダンス測定を使用して決定される生体被験者における体液レベルに少なくとも一部関係する指標に関する。
あらゆる以前の公開(またはそれから導かれる情報)への、または既知のあらゆる事項への、本明細書における言及は、そのような以前の公開(またはそれから導かれる情報)または既知の事項が、本明細書が関係する尽力の分野における共通の一般的な知識の一部をなすことを、承認する(acknowledge)ものとして、または認める(admit)ものとして、または何らかの形で示唆するものとしてとらえられず、また、とらえられるべきではない。
様々な理由で、たとえば、体組成指標を決定するために、ならびに、心不全または浮腫の指標などの病状の指標を決定するために、インピーダンス測定を実行することが知られている。そのようなインピーダンス測定は通常、短期の変動と長期の変動の組合せを受ける。たとえば、測結果定は、被験者の相対的な水分レベルに基づいて一日を通じて変化し、水分レベルは、液体の摂取、アルコールまたはカフェインの消費、運動などの要因に依存する。電極と被験者との間の表面接触の変動などの、測定プロセスにおける不正確さが原因で、さらなる短期の変動が生じ得る。これに加えて、たとえば病状の重さの変化などの長期の身体的状態の変化により、より長期の変動が生じる。
既存のデバイスは通常、現在の測定値または導かれた指標値を示すものを単に表示することによって動作し、これは、短期の変動と長期の変動をユーザが区別することが難しいことを意味する。その結果、測定値の変化が意味のある長期の変動であるのか、または測定プロセスの擬似的な結果であるのかを確認することが難しい。
同様の問題が他の測定についても生じる。たとえば、体重の測定結果は、水分貯留、測定機器の不正確さ、および様々な他の要因により、毎日上下し得るが、これらの変化は必ずしも、体重の長期的な意味のある変化を表さない。
1つの広い形態において、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を生成するためのシステムを提供しようとし、システムは、被験者に対して実行される少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、パラメータ値が被験者標準の意味のある変化を示すかどうかを決定するための評価を実行し、被験者標準が複数の以前のインピーダンス測定の結果に基づき、体液レベルを示す指標を生成することおよび被験者標準を選択的に更新することのうちの少なくとも1つを行うために評価の結果を使用する、1つまたは複数の処理デバイスを含む。
一実施形態では、被験者標準は、被験者標準値および被験者標準範囲のうちの少なくとも1つである。
一実施形態では、1つまたは複数の処理デバイスは、機械学習技法を少なくとも一部使用して評価を実行する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値と被験者標準との関係を具現化する計算モデルを使用して評価を実行し、計算モデルは、1人または複数の基準被験者について測定された基準パラメータ値および被験者標準に機械学習を適用することによって得られる。
一実施形態では、1つまたは複数の処理デバイスは、少なくとも1つの尺度を決定し、少なくとも1つの尺度を計算モデルに適用する。
一実施形態では、少なくとも1つの尺度は、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、少なくとも1つのインピーダンス値および少なくとも1つのインピーダンスパラメータ値のうちの少なくとも1つから導かれる体状態値のうちの少なくとも1つを含むパラメータ値と、心臓パラメータ値、呼吸パラメータ値、血中カリウムレベル、体温、組織温度、血圧、呼吸数、心拍数、および血中酸素レベルのうちの少なくとも1つを示すバイタルサイン指標と、運動への参加を示す運動指標、時刻、衣服の状態、食物または飲料の消費、体重、1つまたは複数の症状の詳細のうちの少なくとも1つを含む測定属性とのうちの少なくとも1つを示す。
一実施形態では、少なくとも1つの尺度は、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうか、定められた期間において被験者標準範囲の外側にあるパラメータ値の数、パラメータ値の変化、パラメータ値の傾向、およびパラメータ値の変化の大きさのうちの少なくとも1つを示す。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値を、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲と比較し、比較の結果に従ってパラメータ値が意味のある変化を示すかどうかを決定することによって、評価を実行する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、決定の結果に従って被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、カウントが閾値を超えるかどうかを決定し、カウントが閾値を超えるかどうかに基づいて、パラメータ値が被験者標準の意味のある変化を示すかどうかを決定し、指標を生成し、被験者標準範囲を選択的に更新することによって、評価を実行する。
一実施形態では、カウントは、被験者標準範囲の外側にある連続するパラメータ値の数、および、定められた数のインピーダンス測定結果のうちのどれだけが被験者標準範囲の外側にあるかのうちの少なくとも1つを示し、パラメータ値が被験者標準範囲の内側にある場合、1つまたは複数の処理デバイスはカウントをリセットする。
一実施形態では、指標は、パラメータ値、被験者標準値、被験者標準範囲、被験者標準値から導かれる被験者標準パラメータ値、パラメータ値が被験者標準値より大きいか小さいか、パラメータ値が被験者標準パラメータ値より大きいか小さいか、パラメータ値が被験者標準範囲の外側にあるかどうか、パラメータ値が被験者標準範囲より大きいか小さいか、パラメータ値と被験者標準値との差の大きさ、パラメータ値と被験者標準パラメータ値との差の大きさ、パラメータ値の変化、パラメータ値の変化率、およびパラメータ値の傾向のうちの少なくとも1つを示す。
一実施形態では、パラメータ値が被験者標準の意味のある変化を示さない場合、指標は、被験者標準値、被験者標準値からの意味のある変化がないこと、および、被験者標準値に対する相対的なパラメータ値の変化の向きを示す傾向のうちの少なくとも1つを示し、パラメータ値が被験者標準の意味のある変化を示す場合、指標は、パラメータ値および更新された被験者標準値のうちの少なくとも1つを示す。
一実施形態では、パラメータ値は、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、ならびに、少なくとも1つのインピーダンス値および少なくとも1つのインピーダンスパラメータ値のうちの少なくとも1つから導かれる体状態値のうちの少なくとも1つである。
一実施形態では、被験者標準範囲は被験者標準値に基づく。
一実施形態では、被験者標準範囲は、被験者標準インピーダンス値範囲、被験者標準パラメータ値範囲、および被験者標準体状態値範囲のうちの少なくとも1つを含む。
一実施形態では、1つまたは複数の処理デバイスは、被験者標準パラメータ値および被験者標準インピーダンス値を引き出し、測定されたインピーダンス値を決定し、被験者標準インピーダンス値と測定されたインピーダンス値との差を決定し、被験者標準パラメータ値およびインピーダンスの変化を使用してパラメータ値を計算することによって、パラメータ値を計算する。
一実施形態では、1つまたは複数の処理デバイスは、式PV=BPV+xΔIを使用してパラメータ値を計算し、ここで、PVはパラメータ値であり、BPVは被験者標準パラメータ値であり、xは係数であり、ΔIは被験者標準インピーダンス値と測定されたインピーダンス値との差である。
一実施形態では、1つまたは複数の処理デバイスは、複数のインピーダンス測定結果から得られた複数のパラメータ値のうちの選択されたものである複数のパラメータ値を決定し、複数のパラメータ値を使用して、被験者標準値、被験者標準範囲、および体状態値のうちの少なくとも1つを計算する。
一実施形態では、1つまたは複数の処理デバイスは、複数のインピーダンスパラメータ値の平均、複数のパラメータ値の平均、および複数の体状態値の平均のうちの少なくとも1つを使用して、被験者標準値を計算する。
一実施形態では、1つまたは複数の処理デバイスは、複数のインピーダンス測定結果、複数のパラメータ値、および複数の体状態値のうちの少なくとも1つの広がり、ならびに、被験者標準値からの所定の範囲のうちの少なくとも1つを使用して、被験者標準範囲を計算する。
一実施形態では、1つまたは複数の処理デバイスは、1つまたは複数の症状の詳細、1つまたは複数のバイタルサインパラメータ値、および1つまたは複数の被験者属性のうちの少なくとも1つを考慮して、被験者標準範囲を計算する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値が第1の被験者標準範囲の外側にあるかどうかを評価し、第1の被験者標準範囲の外側にあるパラメータ値の数を示す第1のカウントを選択的に更新し、第1のカウントが第1の閾値を超えるかどうかを決定し、決定の結果に基づいて指標を表示する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値が第2の被験者標準範囲の外側にあるかどうかを評価し、第2の被験者標準範囲の外側にあるパラメータ値の数を示す第2のカウントを選択的に更新し、第2のカウントが第2の閾値を超えるかどうかを決定し、決定の結果に基づいて活動を選択的に実行する。
一実施形態では、活動は、被験者標準範囲を更新すること、被験者標準値を更新すること、および通知を生成することのうちの少なくとも1つを含む。
一実施形態では、1つまたは複数の処理デバイスは、1つまたは複数の症状の詳細、1つまたは複数のバイタルサインパラメータ値、および1つまたは複数の被験者属性のうちの少なくとも1つを考慮して、閾値を決定する。
一実施形態では、1つまたは複数の処理デバイスは、ユーザ入力コマンドに応答して新しい被験者標準値を選択的に計算する。
一実施形態では、1つまたは複数の処理デバイスは、定められた測定基準を満たすインピーダンス測定結果を使用して、パラメータ値、被験者標準値、および被験者標準範囲のうちの少なくとも1つを計算する。
一実施形態では、1つまたは複数の処理デバイスは、測定属性を決定し、測定属性を定められた測定基準と比較して、パラメータ値、被験者標準値、および被験者標準範囲のうちの少なくとも1つを計算する際にあるインピーダンス測定結果が使用されるべきであるかどうかを決定する。
一実施形態では、1つまたは複数の処理デバイスは、測定属性を決定し、測定属性を定められた測定基準と比較し、比較の結果に従って補償係数を決定し、補償係数を使用して、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、少なくとも1つのインピーダンス値および少なくとも1つのインピーダンスパラメータ値のうちの少なくとも1つから導かれる体状態値のうちの少なくとも1つを選択的に修正する。
一実施形態では、1つまたは複数の処理デバイスは、被験者の身元を示す被験者識別子を決定し、被験者識別子を使用して定められた測定基準を決定する。
一実施形態では、定められた測定基準は、被験者と関連付けられる記憶されているユーザデータから引き出される。
一実施形態では、測定属性は、運動への参加を示す運動指標、時刻、衣服の状態、食物または飲料の消費、体重、バイタルサイン指標、および1つまたは複数の症状の詳細のうちの少なくとも1つを含む。
一実施形態では、1つまたは複数の処理デバイスは、複数のパラメータ値を使用して少なくとも1つのパラメータ値の変化を決定し、パラメータ値の変化を選択的に使用して、パラメータ値の変化の向き、パラメータ値の変化率、およびパラメータ値の変化の大きさのうちの少なくとも1つを示す、パラメータ値の傾向を決定する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値の変化を変化の閾値と比較し、比較の結果に基づいてパラメータ値の傾向を選択的に決定する。
一実施形態では、複数のパラメータ値は、連続するパラメータ値、現在のパラメータ値および標準パラメータ値、ならびに、現在のパラメータ値およびn個前のパラメータ値のうちの少なくとも1つを含む。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値の傾向を使用して、今後のパラメータ値、今後の被験者標準値、今後の被験者標準範囲、および目標に到達するのに必要な時間のうちの少なくとも1つを予測する。
一実施形態では、1つまたは複数の処理デバイスは、パラメータ値の傾向を使用して指標を生成する。
一実施形態では、システムは、インピーダンス測定を実行し、通信ネットワークを介して少なくとも1つの測定されたインピーダンスの指示を1つまたは複数の処理デバイスに提供する、測定システムを含む。
一実施形態では、測定システムは、測定デバイスと、測定デバイスと通信しているクライアントデバイスとを含み、クライアントデバイスは、被験者に対して実行された少なくとも1つのインピーダンス測定結果を示す測定データを受信し、通信ネットワークを介して被験者データを1つまたは複数の処理デバイスに提供し、被験者データは、ユーザと関連付けられるユーザ識別子、測定データ、1つまたは複数の測定されたインピーダンス値、1つまたは複数のパラメータ値、1つまたは複数のバイタルサイン指標、および1つまたは複数の測定属性のうちの少なくとも1つを示す。
一実施形態では、測定デバイスは、ユーザに駆動信号を印加するために駆動電極に電気的に接続された少なくとも1つの信号発生器と、ユーザにおける応答信号を測定するために検知電極に電気的に接続された少なくとも1つのセンサと、少なくとも1つの信号発生器を制御すること、少なくとも1つのセンサから測定された応答信号の指示を受信すること、および少なくとも1つの測定されたインピーダンス値を示す測定データを生成することを少なくとも一部行う、測定デバイスプロセッサとを含む。
一実施形態では、バイタルサイン指標は、心臓パラメータ値、呼吸パラメータ値、血中カリウムレベル、体温、組織温度、血圧、呼吸数、心拍数、および血中酸素レベルのうちの少なくとも1つを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するためのシステムを提供しようとし、このシステムは、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、決定の結果に従って、被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、カウントが閾値を超えるかどうかを決定し、カウントが閾値を超えるかどうかに基づいて、指標を生成し、被験者標準範囲を選択的に更新する、1つまたは複数の処理デバイスを含む。
1つの広い形態では、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を決定するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、決定の結果に従って、被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新するステップと、カウントが閾値を超えるかどうかを決定するステップと、カウントが閾値を超えるかどうかに基づいて、指標を生成するステップと、被験者標準範囲を選択的に更新するステップとを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、決定の結果に従って、被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新するステップと、カウントが閾値を超えるかどうかを決定するステップと、カウントが閾値を超えるかどうかに基づいて、指標を生成するステップと、被験者標準範囲を選択的に更新するステップとを含む。
1つの広い形態では、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を決定するためのシステムを提供しようとし、システムは、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定し、測定属性を定められた測定基準と比較し、測定基準が定められた基準を満たす場合、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、決定の結果に基づいて、指標を表示し、被験者標準範囲を選択的に更新し、測定基準が定められた基準を満たさない場合、パラメータ値に基づいて指標を表示すること、比較の結果に従って、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、ならびに、少なくとも1つのインピーダンス値および少なくとも1つのインピーダンスパラメータ値のうちの少なくとも1つから導かれる体状態値のうちの少なくとも1つを選択的に修正するために使用される、補償係数を決定することのうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む。
一実施形態では、1つまたは複数の処理デバイスは、被験者の身元を示す被験者識別子を決定し、被験者識別子を使用して定められた測定基準を決定する。
一実施形態では、定められた測定基準は、被験者と関連付けられる記憶されているユーザデータから引き出される。
一実施形態では、測定属性は、運動への参加を示す運動指標、時刻、衣服の状態、食物または飲料の消費、体重、バイタルサイン指標、および1つまたは複数の症状の詳細のうちの少なくとも1つを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するためのシステムを提供しようとし、このシステムは、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準の意味のある変化を示すかどうかを決定するために評価を実行し、評価の結果を使用して、指標を生成することおよび被験者標準を選択的に更新することのうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む。
1つの広い形態では、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を生成するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、パラメータ値が、複数の以前のインピーダンス測定の結果に基づく被験者標準の意味のある変化を示すかどうかを決定するために評価を実行するステップと、評価の結果を使用して、体液レベルを示す指標を生成することおよび被験者標準を選択的に更新することのうちの少なくとも1つを行うステップとを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準の意味のある変化を示すかどうかを決定するために評価を実行するステップと、評価の結果を使用して、指標を生成することおよび被験者標準を選択的に更新することのうちの少なくとも1つを行うステップとを含む。
1つの広い形態では、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を決定するためのシステムを提供しようとし、システムは、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるどうかを決定し、決定の結果に従って、被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、カウントが閾値を超えるかどうかを決定し、カウントが閾値を超えるかどうかに基づいて、指標を生成し、被験者標準範囲を選択的に更新する、1つまたは複数の処理デバイスを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するためのシステムを提供しようとし、このシステムは、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、少なくとも1つの測定と関連付けられる測定属性を決定し、測定属性を定められた測定基準と比較し、測定基準が定められた基準を満たす場合、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、決定の結果に基づいて、指標を表示し、被験者標準範囲を選択的に更新し、測定基準が定められた基準を満たさない場合、パラメータ値に基づいて指標を表示すること、および比較の結果に従って、パラメータ値を選択的に修正するために使用される補償係数を決定することのうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む。
1つの広い形態では、本発明の態様は、生体被験者における体液レベルに少なくとも一部関係する指標を決定するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定するステップと、測定属性を定められた測定基準と比較するステップと、測定基準が定められた基準を満たす場合、パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、決定の結果に基づいて、指標を表示するステップと、被験者標準範囲を選択的に更新するステップと、測定基準が定められた基準を満たさない場合、パラメータ値に基づいて指標を表示すること、比較の結果に従って、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、少なくとも1つのインピーダンス値および少なくとも1つのインピーダンスパラメータ値のうちの少なくとも1つから導かれる体状態値のうちの少なくとも1つを選択的に修正するために使用される、補償係数を決定することのうちの少なくとも1つを行うステップとを含む。
1つの広い形態では、本発明の態様は、生体被験者に対して実行された測定に応答して指標を生成するための方法を提供しようとし、この方法は、1つまたは複数の処理デバイスにおいて、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、少なくとも1つの測定と関連付けられる測定属性を決定するステップと、測定属性を定められた測定基準と比較するステップと、測定基準が定められた基準を満たす場合、パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、決定の結果に基づいて、指標を表示するステップと、被験者標準範囲を選択的に更新するステップと、測定基準が定められた基準を満たさない場合、パラメータ値に基づいて指標を表示すること、および比較の結果に従って、パラメータ値を選択的に修正するために使用される補償係数を決定することのうちの少なくとも1つを行うステップとを含む。
本発明の広い形態およびそれらのそれぞれの特徴は、連携して、交換可能に、かつ/または独立に使用されることが可能であり、別々の広い形態への言及は限定することを意図していないことが理解されるだろう。
本発明の様々な実施形態の例がここで、添付の図面を参照して説明される。
生体被験者に対して実行された測定に基づいて指標を決定するための方法の例がここで、図1を参照して説明される。
この例では、意図することは、生体被験者において生じる長期の変動を示す指標を決定すること、したがって、たとえば一日の間に起こることがある、または日々起こることもある、短期の変動を無視しようと試みることである。例示のために、インピーダンス測定の使用が言及され、これらの測定は、体液ステータス、体液レベル、体組成値、心不全もしくはリンパ浮腫などの病状の存在、不在、または程度などを示す疾患状態指標などの、体状態値に基づく指標を表示するために使用される。しかしながら、同様の技法が、体重、心臓パラメータ、呼吸パラメータ、血中カリウムレベル、体温、血圧、心拍数、血中酸素レベルなどの測定結果などの、他の測定結果に適用されてよく、インピーダンス測定への言及は例示的であり、限定するものとして見なされるべきではないことが理解されるだろう。
例示のために、インピーダンス測定システムなどの1つまたは複数の測定システムに接続される、1つまたは複数の処理システムの一部を形成する1つまたは複数の電子処理デバイスを少なくとも一部使用して、処理が実行されることが仮定される。一例では、これは、以下でより詳細に説明されるように、測定システムまたは他のクライアントデバイスとインターフェースする、クラウドベースのアーキテクチャを少なくとも使用して実行される。
説明を簡単にするために、「被験者」という用語は評価されている任意の動物、およびより具体的にはヒトを指すが、これは限定的であることは意図されず、本技法は他の脊椎動物および哺乳類により広く適用され得る。「被験者標準値」および「被験者標準範囲」という用語は、それぞれ値および値の範囲を指すことが意図されており、これらは、被験者について測定または導出され、その被験者に対して典型的であるものである。被験者標準範囲は、方法論的な要因、生物学的な要因、および生理学的な要因を含む、要因の組合せを考慮して決定され、これらの要因は動的であり、その個人に対する典型的な変動を表し得る。
この例では、ステップ100において、インピーダンス測定が実行される。インピーダンス測定は、任意の適切な形態であってよく、体全体のインピーダンス測定または部分的なインピーダンス測定を含んでよく、例が以下でより詳細に説明される。インピーダンス測定は、分析プロセスの一部として実行されてよく、または代替的に別個の測定デバイスによって実行されてよく、分析は続いて1つまたは複数の処理デバイスによって、たとえば、データベースから結果を引き出すこと、測定デバイスから結果を受信することなどによって実行される。
ステップ110において、パラメータ値は、インピーダンス測定の結果を少なくとも一部使用して決定される。パラメータ値は、任意の適切な形態であってよく、測定された抵抗、リアクタンス、もしくは位相角などのインピーダンス値、0もしくは無限大の周波数におけるインピーダンスの値などの1つまたは複数の測定されたインピーダンス値から導かれるインピーダンスパラメータ値を含んでよく、または、体液ステータスもしくは体組成値などの体状態値を含んでよく、さらなる例が以下でより詳細に説明される。パラメータ値は、測定デバイスから直接受信されてよく、またはデータストアから引き出されてよいが、より典型的には、以下でより詳細に説明されるように、1つまたは複数の適切な計算を使用して、インピーダンス値から計算または導出される。
ステップ120において、パラメータ値が被験者標準の意味のある変化を示すかどうかを決定するために、評価が実行される。被験者標準は通常、被験者に対して実行された複数の以前の測定に基づき、以前のインピーダンス測定の結果の変動を考慮して確立され得る。一例では、被験者標準範囲は、対応するインピーダンス測定から導かれる複数のパラメータ値の平均および標準偏差に基づくが、被験者標準範囲を決定するための他の適切な技法が使用されてよい。同様に、被験者標準値は、複数のパラメータ値の平均に基づいてよい。
被験者標準は、任意の適切な方式で取得されてよく、必要に応じて計算されてよいが、より典型的には、データベースなどの適切なデータリポジトリから、かつ任意選択で、それぞれの被験者と関連付けられるユーザデータから引き出される。これに関して、被験者標準は、好ましい実装形態に応じて、被験者インピーダンス値、被験者パラメータ値、または被験者体状態値の範囲の形態で記憶されてよい。したがって、被験者標準範囲は、パラメータ値と同様の形態であってよいので、たとえば、パラメータ値が特定の体組成パラメータの値である場合、被験者標準範囲は、同じ体組成パラメータの値の標準範囲として記憶されてよい。しかしながら、これは必須ではなく、代替的に、被験者標準範囲は、被験者インピーダンス値の標準範囲として記憶されてよく、これが次いで、必要に応じて体組成パラメータ値の標準範囲を計算するために使用される。
パラメータ値が意味のある変化を示すかどうかは、いくつかの方法のうちの任意の1つで評価され得る。たとえば、これは、機械学習を使用することを含んでよく、これは任意選択で、機械学習を使用して、評価を実行する際に使用することができる計算モデルを導くことを伴う。
評価が実行されると、ステップ130において指標を表示し、ステップ140において更新された被験者標準を任意選択で決定するために、評価の結果が使用され得る。これに関して、指標が表示される方式、または指標がとる形態は、パラメータ値が意味のある変化を示すかどうかに依存する。たとえば、変化が意味のあるものである場合、指標は現在のパラメータ値に基づいて表示されてよく、一方、変化が意味のないものである場合、指標は被験者標準に基づいて表示されてよい。同様に、被験者標準は、意味のある変化を表すパラメータ値に基づいて再計算されてよく、または、変化が意味のないものである場合、変化しないままであってよい。
したがって、上で説明されたプロセスは、インピーダンス測定から導かれるパラメータ値を評価するための、具体的には、パラメータ値の変化が意味のある変化を表すかどうかを決定するための、機構を提供する。これを達成するために、パラメータ値は、被験者に対する以前の測定に少なくとも一部基づく被験者標準に基づいて評価される。たとえば、十分な数のパラメータ値が被験者標準範囲の外側にある場合、これを、変化が意味のあるものであると決定してそのことが適切な指標の表示を通じてユーザに伝えられることを可能にするために、および被験者標準範囲の再計算を可能にするために、使用することができる。代わりに、パラメータ値の変化が意味のないものであると決定される場合、指標は被験者標準範囲に基づいて表示されてよい。
このように指標を表示することで、指標が日々の変動または一日の中での変動などの短期の変動を受けているのではなく、むしろ十分に多数の測定を通じて確証される長期の変動に基づいていることが、保証されることが理解されるであろう。加えて、パラメータ値の変化が意味のあるものとして確証されると、これを、被験者標準範囲の値を更新するために使用できるので、動的な被験者標準範囲がもたらされ、今後の測定と更新された動的な被験者標準範囲との比較が可能になる。
別の例では、インピーダンス測定は定められた基準と比較されてよく、比較の結果は、指標を表示する際および/または被験者標準範囲を計算する際にインピーダンス測定を使用できるかどうかを評価するために使用される。この例では、基準が満たされる場合、計算されたパラメータ値を被験者標準範囲と比較することができ、比較の結果は、指標を決定するために、かつ/または新しい被験者標準範囲を計算するために使用される。代わりに、基準が満たされない場合、パラメータ値を単純に表示することができる。このことを、測定結果が直接比較可能であることを保証するために使用することができるので、外部の要因の影響を受けた測定結果が、被験者標準範囲に過度に影響を及ぼすこと、または別様に意味のあるものとして見なされることが避けられる。
たとえば、被験者内の体液レベルは、消費される液体の体積などの要因に基づいて変化する。したがって、測定が一貫した方式で実行されていることを保証することによって、たとえば、測定が食物もしくは流体の摂取または運動の前に完了していることを保証することによって、そのような外部の要因が表示される指標および計算される被験者標準範囲に及ぼす影響が最小限であることが保証される。
いくつかのさらなる特徴がここで説明される。
上で言及されたように、パラメータ値が意味のある変化を表すかどうかの評価は、機械学習技法を少なくとも一部使用して実行されてよい。一例では、これは、パラメータ値と被験者標準との関係を具現化する計算モデルを使用することを伴い、計算モデルは、機械学習を基準パラメータ値および1人または複数の基準被験者について測定された被験者標準に適用することによって得られる。
具体的には、この手法は通常、パラメータ値と基準被験者からの被験者標準を一般的な機械学習モデルに対して使用する。モデルの性質および実行される訓練は、任意の適切な形態であってよく、決定木学習、ランダムフォレスト、ロジスティック回帰、相関ルール学習、人工ニューラルネットワーク、深層学習、帰納論理プログラミング、サポートベクターマシン、クラスタリング、Bayesianネットワーク、強化学習、表現学習、類似度尺度学習(similarity and metric learning)、遺伝的アルゴリズム、ルールベース機械学習、学習分類器システムなどのうちの任意の1つまたは複数を含んでよい。そのような方式が知られているので、これらはさらに詳細に説明されない。
この事例では、モデルは通常、少なくとも1つの尺度を決定し、次いで少なくとも1つの尺度を計算モデルに適用することによって使用される。尺度は、任意の適切な形態であり得るが、通常は、パラメータ値に少なくとも部分的に基づく。これに関して、パラメータ値は、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、または、インピーダンス値および/もしくはインピーダンスパラメータ値から導かれる体液レベルもしくは体組成値などの体状態値であり得る。尺度はパラメータ値のみに基づき得るが、より典型的には、尺度は、パラメータ値が被験者標準範囲の外側にあるかどうか、定められた期間においてある数のパラメータ値が被験者標準範囲の外側にあるかどうか、パラメータ値の変化、パラメータ値の傾向、およびパラメータ値の変化の大きさを考慮する。したがって、これは通常、現在の測定だけに基づくのではなく、パラメータ値が短期の変動を示す一度限りの値であるか、またはより長期の変化を示すものであるかを考慮するために、経時的な多数の測定に基づく。
加えて、尺度は、心臓パラメータ値、呼吸パラメータ値、血中カリウムレベル、体温、組織温度、血圧、呼吸数、心拍数、血中酸素レベルなどのうちの1つまたは複数を示す、バイタルサイン指標に基づき得る。このことは、体液レベルの変化が一般的な傾向を示すものであるか、またはより意味のあるものであるかを考慮することを助けることができる。たとえば、適切な体型の健康な個人に対する意味のある変化は、心不全などの病状をもつ被験者に対するものよりも、大きな変化を必要とし得る。この後者の場合、小さい変動でも、病状の重大な悪化を示すものであり得るので、得られた結果の変化について被験者または別のユーザが通知されるように、意味のあるものとして評価される必要がある。
別の例では、尺度は、運動への参加を示す運動指標、時刻、衣服の状態、食物もしくは飲料の消費、体重、または1つまたは複数の症状の詳細などの、測定属性に基づき得る。このことを、測定結果が直接比較可能であることを保証するために使用することができるので、外部の要因の影響を受けた測定結果が、被験者標準範囲に過度に影響を及ぼすこと、または別様に意味のあるものとして見なされることが避けられる。
したがって、上で説明された手法は、パラメータ値が、標準範囲または標準値などの被験者標準における意味のある変化を示すものであるかどうかを評価するために、1つまたは複数の計算モデルを使用する。
これを達成するために、モデルは通常、1つまたは複数の基準被験者から収集される基準データを用いてモデルを訓練することによって作成される。この例では、基準被験者データが得られ、これは、基準被験者について実行されたインピーダンス測定から得られる、パラメータ値および被験者標準を少なくとも部分的に示すものである。被験者は通常、パラメータ値が被験者標準における意味のある変化を示すものであるかどうかを決定するための評価も受け、これは、臨床的な評価によって、または測定の履歴を見直すことによって達成されてよい。たとえば、これは、以下で要約される閾値の評価などの、非機械学習技法を使用して実行されてよい。
基準被験者データは少なくとも1つの尺度を決定するために分析され、この尺度は次いで、計算モデルを訓練するために使用される。これを達成するために、すべてのパラメータ、パラメータの変更、バイタルサイン、測定基準などを含む、すべての利用可能な可能性のある尺度を使用するのが普通である。このことは、尺度のいずれが意味のある変化を特定する際に最も有用であるかを確認するために使用され得る。
これに続いて、基準尺度および1つまたは複数の一般的な計算モデルの組合せが選択され、基準尺度、およびパラメータ値が意味のある変化を表していたかどうかの評価が、モデルを訓練するために使用される。モデルの性質および実行される訓練は、任意の適切な形式であってよく、決定木学習、ランダムフォレスト、ロジスティック回帰、相関ルール学習、人工ニューラルネットワーク、深層学習、帰納論理プログラミング、サポートベクターマシン、クラスタリング、Bayesianネットワーク、強化学習、表現学習、類似度尺度学習、遺伝的アルゴリズム、ルールベースの機械学習、学習分類器システムなどのうちの任意の1つまたは複数を含んでよい。そのような方式が知られているので、これらはさらに詳細に説明されない。
モデルを簡単に生成することに加えて、プロセスは通常、訓練されたモデルの識別性能を評価するためのモデルを検定することを含む。そのような検定は通常、モデルバイアスを回避するために、基準被験者データのサブセットを使用して、具体的には、モデルを訓練するために使用されるものとは異なる基準被験者データを使用して実行される。この検定は、計算モデルが十分な識別性能を提供することを保証するために使用される。
しかしながら、計算モデルを使用することの代わりとして、閾値比較の手法を使用することができ、このことの例がここで図1Bを参照して説明される。この例では、ステップ100、110、130、および140は上で説明されるようなものであるので、さらに詳細に説明されない。
この例では、図1Aの評価ステップ120は、ステップ150において、値が被験者標準範囲の外側にあるかどうかを決定するためにパラメータ値を被験者標準範囲と比較することによって実行される。これに続いて、ステップ160において、被験者標準範囲の外側にあるパラメータ値の数を示すカウントが更新され、これはこの決定の結果に応じて実行される。たとえば、好ましい実装形態に応じて、パラメータ値が被験者標準範囲の外側にある場合、カウントをインクリメントすることができ、パラメータ値が被験者標準範囲の内側にある場合、カウントをデクリメントまたはリセットすることができる。カウントは通常、データベースなどの適切なデータリポジトリに、任意選択で被験者と関連付けられるユーザデータの一部として記憶される。ステップ170において、カウントが閾値を超えるかどうかが決定され、これは、パラメータ値が意味のある変化を表すかどうかを示す。
この例では、カウントは、被験者標準範囲の外側にある連続するパラメータ値の数を示すものであり、1つまたは複数の処理デバイスが、パラメータ値が被験者標準範囲の内側にある場合にカウントをリセットするように動作する。このようにして、ある数の連続する測定結果が被験者標準範囲の外側にあるとき、意味のある変化が特定される。しかしながら、代わりに、意味のある変化の評価は、定められた数のインピーダンス測定結果のうちのどれだけが被験者標準範囲の外側にあるか、たとえば、最後の10個の測定値うちの5つが標準範囲の外側にあるかどうかなどの、他の要因に基づき得る。使用される手法とは無関係に、これは、ユーザに表示される指標が意味のある変化を反映するように更新される前に、または被験者標準範囲が更新される前に、定められた数のパラメータ値が以前の被験者標準範囲に基づく範囲の外側にあることを必要とするので、短期の変動が表示される指標または被験者標準範囲に影響を及ぼすのを防ぐ。
指標の性質は、好ましい実装形態、およびカウントと閾値との比較の結果に応じて変動し得る。たとえば、指標は、パラメータ値、被験者標準範囲、被験者標準値、被験者標準範囲または被験者標準値から得られる被験者標準パラメータ値、パラメータ値が被験者標準範囲より大きいかまたは小さいかの指示、パラメータ値が被験者標準パラメータ値より大きいか小さいかの指示、パラメータ値が被験者標準範囲の外側にあるかどうかの指示、パラメータ値が被験者標準範囲より大きいかまたは小さいかの指示、パラメータ値と被験者標準範囲との差の大きさ、パラメータ値と被験者標準範囲指標値との差の大きさ、変化の向きおよび/もしくは大きさ、パラメータの変化率、またはパラメータ値の傾向などのパラメータ値の変化を示すものであり得る。
1つの具体的な例では、カウントが閾値未満である場合、指標は、被験者標準範囲もしくは被験者標準値、被験者標準範囲もしくは標準値からの意味のある変化がないことの指示、または、被験者標準範囲もしくは標準値に対する相対的なパラメータ値の変化の向きを示す傾向に基づく。代わりに、カウントが閾値を超える場合、指標は、以前の被験者標準範囲の外側にある1つまたは複数のパラメータ値を少なくとも一部使用して導かれる、パラメータ値または更新された被験者標準範囲もしくは値に基づく。したがって、変化が意味のあるものとして評価されるかどうかに応じて、異なる情報を、被験者および/または医療従事者などの別のユーザに表示するために、多くの異なる指標が決定され使用され得ることが、このことから理解されるであろう。これは、被験者標準値もしくは範囲からの意味のある変化がないことを単に示すことと、任意選択でこれに現在の標準値もしくは標準範囲の指示を付随させることとを含んでよく、または、指標が改善もしくは悪化している、増加もしくは減少していることなどを単に示してよい。意味のある変化が特定されると、指標は次いで、たとえば、指標を、更新された被験者標準値または範囲、現在のパラメータ値などに基づくものにすることによって、この変化を反映してよい。
前に言及されたように、パラメータ値は、任意の適切な形式であってよく、インピーダンス値、0もしくは無限大の周波数におけるインピーダンスの値などの少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値を含んでよく、または、インピーダンス値と1つまたは複数のインピーダンスパラメータ値のいずれかから導かれる体状態値を含んでよい。たとえば、処理デバイスは、単一の周波数でインピーダンス測定を実行することによって得られるインピーダンス値または複数の周波数でインピーダンス測定を実行することによって得られる複数のインピーダンス値を使用して、1つまたは複数のインピーダンスパラメータ値を決定し得る。たとえば、周波数0における抵抗であり、そして細胞外体液レベルを示すR0を近似するために、単一の低周波測定結果を使用することができる。他のパラメータには、無限大の周波数における抵抗であるR∞、または特性周波数における抵抗であるZCがあってよい。したがって、インピーダンス値は1つまたは複数の特定の周波数におけるインピーダンスの測定結果であってよく、導かれるインピーダンスパラメータ値は、当業者により理解されるように、0または無限大の周波数などの、他の周波数におけるインピーダンスの測定結果に対応する。
代わりに、パラメータ値は体状態値であってよく、これは、特定の病状を示すものであってよく、または、ある病状を示す測定された体パラメータ値を全般的に示すものであってよい。例には、限定はされないが、体組成、除水分除脂肪体重(Dry Lean Mass)、除脂肪体重、骨格筋量、部位別筋肉量、体脂肪量、部位別脂肪量、BMI(Body Mass Index)、(体脂肪率)、内臓脂肪面積、内臓脂肪レベル、体内総水分量(TBW)、細胞内水分量(ICW)、細胞外水分量(ECW)、ECW/TBW、部位別体内水分量、部位別ECW/TBW、部位別ICW分析、部位別ECW分析、Body-Fat-LBM Control、BMR(基礎代謝率)、脚除脂肪体重、TBW/LBM、全身位相角、部位別位相角、リアクタンス、周波数ごとの各部位のインピーダンス、または体水分組成履歴の1つまたは複数が含まれる。体状態はまた、個人が適切な体型を保っているかどうかなどの、全般的な健康のレベルまたは運動機能を示すものであってよい。
単一のパラメータ値への言及が全般に行われるが、実際には、システムは、複数の異なるパラメータ値に同時に基づいて1つまたは複数の指標を決定してよいことも理解されるだろう。
一例では、以下でより詳細に説明されるように、処理デバイスは、指標を使用して表現を生成し、クライアントデバイスの画面などのディスプレイにその表現を表示する。したがって、結果は、たとえば、パラメータ値の大きさおよび/または変化、被験者標準範囲値、パラメータ値と被験者標準範囲値との差などを示すためのポインタおよび目盛りを使用した、グラフィカルな表現として提示されてよい。表現はまた、現在のカウントの指示、測定属性の詳細などの、他の情報を含んでよい。
被験者標準範囲はまた、任意の適切な形式であってよく、被験者標準インピーダンス値範囲、被験者標準パラメータ値範囲、または被験者標準体ステータス値範囲を含んでよい。加えて、たとえば被験者標準範囲が被験者標準インピーダンス値範囲および被験者標準パラメータ値範囲を含み得るように、複数の被験者標準範囲を設けることができる。被験者標準範囲はパラメータ値に対する等価な尺度に基づき得るので、パラメータ値がECWの値である場合、被験者標準範囲はECWの値に基づく範囲であってよいが、これは必須ではなく、代わりに、被験者標準範囲は被験者標準インピーダンス値に基づいてよく、これが次いで、必要に応じて被験者標準範囲ECWを計算するために使用される。
処理デバイスは、任意の適切な方法でパラメータ値を計算することができ、これは、決定されるべき特定の値と関連付けられる適切な計算を利用して実行されてよい。一例では、たとえば、以下でより詳細に論じられるColeモデルに基づく式を使用して、または、体組成もしくは当技術分野で知られているような他の体状態指標を計算するために特定の式を使用することによって、各パラメータ値を計算するために特定の式が使用される。
しかしながら、代替として、パラメータ値は、被験者標準値からのインピーダンスの変化に基づいて決定されてよい。この例では、被験者標準パラメータ値および被験者標準インピーダンス値を引き出すことができ、測定されたインピーダンス値が、被験者標準インピーダンス値と測定されたインピーダンス値との差を確立するために使用される。この差が次いで、パラメータ値を計算するために使用される。一例では、これは以下の式を使用して実行され得る。
PV=BPV+xΔI
ここで:PVはパラメータ値であり、
BPVは被験者標準パラメータ値であり、
xは係数であり、
ΔIは被験者標準インピーダンス値と測定されたインピーダンス値との差である
PV=BPV+xΔI
ここで:PVはパラメータ値であり、
BPVは被験者標準パラメータ値であり、
xは係数であり、
ΔIは被験者標準インピーダンス値と測定されたインピーダンス値との差である
被験者標準範囲は、任意の適切な方式で計算され得るが、通常はこれは、1つまたは複数の処理デバイスに複数のインピーダンス測定から複数のパラメータ値を決定させ、次いでこれらに基づいて被験者標準範囲を計算させることによって達成される。一例では、複数のパラメータ値は、複数のインピーダンス測定から得られる複数のパラメータ値のうちの選択されたものである。たとえば、複数のパラメータ値のうちの選択されたものは、異常値が標準的な統計的技法に従って除外された状態で平均され得る。
1つの特定の例では、処理デバイスは、複数のインピーダンスパラメータ値の平均、複数のパラメータ値の平均、または複数の体状態値の平均のうちの1つまたは複数を使用して、被験者標準値を計算する。1つまたは複数の処理デバイスは次いで、被験者標準値およびインピーダンス測定結果の広がりに基づいて、パラメータ値もしくは体状態値に基づいて、かつ/または、被験者標準範囲値からの所定の範囲を使用して、被験者標準範囲を計算することができる。1つの具体的な例では、被験者標準値は5つのパラメータ値の平均から計算され、範囲は5つのパラメータ値に対する標準偏差の2倍または3倍に基づく。
加えて、かつ/または代わりに、被験者標準範囲はまた、1つまたは複数の病状の詳細、1つまたは複数のバイタルサイン、または他の被験者属性を考慮して計算され得る。これに関して、適切な体型の健康な個人に対する意味のある変化は、心不全などの病状がある被験者に対するものより、大きな変化を必要とし得る。この後者の場合、小さい変動でも、病状の重大な悪化を示すものであり得るので、得られた結果について被験者または別のユーザが通知されるように、意味のあるものとして評価される必要がある。
このことから、複数の異なる範囲を設定できることが理解されるであろう。たとえば、ユーザに表示される指標を評価するために、第1の標準範囲を設定または使用してよいが、医療的な警告を生成することなどの活動が実行されるかどうかを制御するために、第2の標準範囲を設定してよい。
たとえば、1つまたは複数の処理デバイスは、パラメータ値が第1の被験者標準範囲の外側にあるかどうかを評価することができ、ある数のパラメータ値が第1の被験者標準範囲の外側にあることを示す第1のカウントを選択的に更新することができ、第1のカウントが第1の閾値を超えるかどうかを決定することができ、次いで決定に基づいて指標を表示する。したがって、被験者または他のユーザに表示される指標は、第1のカウントが第1の閾値を超えるかどうかに基づいて設定される。加えて、処理デバイスは、パラメータ値が第2の被験者標準範囲の外側にあるかどうかを評価し、第2の被験者標準範囲の外側にあるパラメータ値を示す第2のカウントを選択的に更新し、第2のカウントが第2の閾値を超えるかどうかを決定し、超える場合、医療的な警告を生成すること、または標準範囲を更新することなどの活動を実行することができる。
第2の閾値および第2の被験者標準範囲は、第1の被験者標準範囲および第1の閾値とは異なり得るので、たとえば、より短い時間長にわたるより大きな変動が、活動の実行をもたらすことが理解されるであろう。たとえば、被験者のパラメータ値が5日連続で閾値範囲の外側にある場合、新しいパラメータ値を表す指標が表示されてよく、パラメータ値が2日連続でより広い被験者標準範囲の外側にある場合にのみ、活動が更新される。したがって、このことは、悪い可能性のある病態をパラメータ値の変化が示す場合に、その変化が意味のある変化として指定されるのに十分長い時間にわたって発生していなくても、警告を生成するために使用されてよい。これは、悪い可能性のある測定値が無視されることを防ぐ。
このことから、第2の被験者標準範囲および第2の閾値は、実行される活動の性質に応じて設定されてよく、複数の第2の閾値および範囲は異なる活動に対して定義され得ることも、理解されるであろう。たとえば、被験者標準範囲および/または閾値は、活動が被験者標準範囲の更新を含むものである場合にはより大きくてよく、一方で、活動が臨床的に有意な事象の通知を生成するものである場合、より小さくてよい。したがって、この範囲および閾値は、1つまたは複数の症状の詳細、1つまたは複数のバイタルサインパラメータ値、1つまたは複数の被験者属性などの、多くの要因を考慮して設定されてよい。
代替として、処理デバイスは、ユーザ入力コマンドに応答して新しい被験者標準範囲を選択的に計算することができる。複数の被験者標準範囲が確立されてよいので、たとえば、初期の被験者標準範囲が基準として設定されてよく、より短い期間にわたる変動の傾向をつかむために動的な被験者標準範囲が使用されることも理解されるだろう。たとえば、被験者標準範囲は毎週更新されてよく、元の開始点に対する新しい被験者標準範囲の相対的な変化を示すために基準が使用される。
一例では、1つまたは複数の処理デバイスは、定められた測定基準を満たすインピーダンス測定結果を使用して、パラメータ値または被験者標準値もしくは範囲を計算する。具体的には、これは、定められた基準を満たすインピーダンス測定結果のみが、したがって、直接比較可能な測定結果のみが、被験者標準範囲またはパラメータ値を計算する際に使用されるように、実行されたインピーダンス測定をフィルタリングするために使用され得る。このことは、食物または飲料の摂取、運動への参加などの、外部の要因が測定に影響を及ぼし得るが、被験者の体状態の背後にある基本的な変化を表すものではないということを考慮するために使用される。したがって、これは、一日のうちの異なる時間において行われる測定、または食物もしくは飲料の消費の前と後に行われる測定が、比較可能な方法で使用されないことを保証するために使用され得る。
そのようなフィルタリングを実行するために、通常、1つまたは複数の処理デバイスは、測定属性を決定し、次いでこれらを定められた測定基準と比較して、インピーダンス測定結果が使用されるべきであるかどうかを決定する。測定属性は、運動のタイプ、時刻、もしくは時間長を含む、運動への参加を示す運動指標、時刻、衣服の状態、または食物もしくは飲料の消費の指示、1つまたは複数の症状の詳細など、ならびに、測定された体重などの他の測定された被験者パラメータの詳細、皮膚温、体温、もしくは心拍数などのバイタルサイン指標のうちの、任意の1つまたは複数を含み得る。たとえば、高い心拍数は、被験者が運動を終えたばかりであることを示すことがあり、これは体液レベルに影響を及ぼし得るので、被験者標準範囲の計算などから測定結果を除外するために使用される。したがって、一般的な条件のもとでインピーダンス測定が実行されることを保証するために基準が使用され、関連する基準を満たさない他の測定結果は必要に応じて除外される。
1つの具体的な例では、基準は、前日に、または少なくとも8~12時間前に同じ食物を摂取すること、測定の前の8~12時間の間絶食すること、測定の前の24時間の間アルコールを摂取しないこと、測定の前に腸を空にすること、尿色の検査を通じて測定の前の水分状態を確認すること、測定の前の24時間の間に激しい運動がないこと、一日の中の同じ時刻、好ましくは朝における測定、月経周期の記録のうちの、1つまたは複数を含む。複数の測定結果の平均も必要とされ得る。
測定結果を無視することまたは使用することの代替として、測定属性は測定結果を修正するためにも使用されてよく、これにより、定められた基準と比較した測定属性の変化が測定に影響し得ることを考慮しながら、測定結果を使用することを可能にする。この例では、測定属性を定められた測定基準と比較することができ、比較の結果が補償係数を決定するために使用され、これが次いで、測定されたインピーダンスを示すインピーダンス値、または、少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、もしくは、インピーダンス値もしくはパラメータ値から導かれる体状態値を選択的に修正するために使用される。そのような補償は、測定結果が使用されることを可能にするのに有用であり得るが、測定が使用される方式を制御できるようにそれぞれの測定結果にフラグを付けることができることが、理解されるであろう。たとえば、これは、標準範囲を計算する際に使用することから除外され得るが、それでも、指標が表示されることを可能にするために使用される。補償係数は、いくつかの方法のうちの任意の1つで決定されてよく、サンプルの集団に対する実験を通じて、または被験者に対する以前の測定結果に基づいて導かれてよい。たとえば、これは、異なる時刻において実行されるTBW測定結果を修正し、それによって、一日中の水分の知られている変化を補償するために使用されてよい。
同様の方式で、補償係数は、デバイスと関連付けられる既知の測定誤差、ならびに、研究室において繰り返される測定および試験を使用して計算され得る生理学上の誤差に基づき得ることが理解されるであろう。
システムはまた、パラメータ値、インピーダンス値、または体状態値の経時的な特定の変化に対応する、被験者に対する傾向を検査するように適応され得る。傾向をつかむことは、パラメータ値の変化が重大であるかどうか、かつ/もしくは所望の向きに向かっているかどうかを評価するのを助けるために使用されてよく、かつ/または、たとえばユーザが所望の最終目標に達する見込みの時間を評価するために、予測の目的で使用されてよい。
この事例では、1つまたは複数を処理デバイスは、複数のパラメータ値を使用して少なくとも1つのパラメータ値の変化を決定し、次いで、パラメータ値の変化を選択的に使用して、パラメータ値の変化の向き、パラメータ値の変化率、またはパラメータ値の変化の大きさを示す、パラメータ値の傾向を決定することができる。
これを達成するために、1つまたは複数の処理デバイスは、パラメータ値の変化を変化の閾値と比較して、比較の結果に基づいてパラメータ値の傾向を選択的に決定できるので、たとえば、変化または変化率が定められた閾値を超える場合にのみ、傾向が確立される。
パラメータ値の変化は、連続するパラメータ値を介して確立されてよく、現在のパラメータ値および標準のパラメータ値に基づいてよく、または、現在のパラメータ値およびn回前のパラメータ値に基づいてよい。たとえば、これは、1回目測定結果と10回目の測定結果との全体的な変化を、または現在の測定結果およびそれが最新の確立された標準とどのように異なるかを見ることを伴ってよい。これはまた、たとえば、パラメータ値が上向きの傾向であるか下向きの傾向であるか、およびその傾向が発生する率を決定するために、線形回帰などの回帰分析を実行して、次いで、得られる傾斜の勾配を調査することによって、複数の測定結果に基づいて決定されてよい。
傾向が特定されると、これは、今後のパラメータ値、今後の被験者標準値、今後の被験者標準範囲、または目標に達するのに必要な時間を予測するために使用されてよい。たとえば、変化の傾向および率は、今後の見込み値およびそれがいつ発生するかを予測するために外挿されてよい。次いで、新しい被験者標準値および/または範囲がいつ確立される可能性が高いか、およびこれらが有する可能性が高い対応する値を評価するために、被験者標準範囲および/または測定結果の変動率の調査が使用されてよい。
傾向はまた、たとえばパラメータ値が特定の上または下の方向に向かっていることを示すための、また、たとえば傾斜の勾配と閾値の比較に基づいてこれが速くまたは遅く発生しているかを示すための、指標を生成するために使用されてよい。
一例では、処理は、インピーダンス測定を実行する測定システムを使用して実行され、通信ネットワークを介して少なくとも1つの測定されたインピーダンスの指示を1つまたは複数の処理デバイスに提供する。測定システムは、任意の適切な形式であってよく、測定デバイスおよび測定デバイスと通信しているクライアントデバイスを含んでよい。別個のクライアントデバイスの使用は、携帯電話、スマートフォン、テーブルなどのユーザのデバイスが、測定デバイスとともに使用されることを可能にし、それにより、測定デバイスに対する処理要件が下がる。クライアントデバイスは、被験者に対して実行されるインピーダンス測定を示す測定データを受信し、次いで、被験者データを1つまたは複数の処理デバイスに提供することができ、被験者データは、ユーザと関連付けられるユーザ識別子、測定データ、1つまたは複数の測定インピーダンス値、1つまたは複数のパラメータ値、1つまたは複数のバイタルサイン値、および1つまたは複数の測定属性のうちの任意の1つまたは複数を含む。
1つの特定の例では、ユーザ識別子は、以前のインピーダンス測定結果またはパラメータ値、被験者標準範囲、所定の基準、定められた閾値、実行されるべき活動などのうちの任意の1つまたは複数を含む、ユーザプロファイルを入手することなどの、以前に記憶されている情報を引き出すことのために使用され得る。
バイタルサイン指標は、心臓パラメータ値、呼吸パラメータ値、血中カリウムレベル、体温、血圧、呼吸数、心拍数、および血中酸素レベルを含み得る。しかしながら、任意のバイタルサイン指標も記録され使用され得ることが理解されるであろう。
一例では、測定デバイスは、駆動信号をユーザに印加するために駆動電極に電気的に接続される信号発生器、ユーザにおける応答信号を測定するために検知電極に電気的に接続されるセンサ、および信号全般を少なくとも一部制御する測定デバイスプロセッサを含み、センサから測定された応答信号の指示を受信し、少なくとも1つの測定されたインピーダンス値を示す測定データを生成する。
前に言及されたように、上で説明されたプロセスは、より全般的に他の測定に対して実行され得る。この事例では、1つまたは複数の処理デバイスは通常、少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、被験者に対して実行される複数の以前の測定の結果から導かれる被験者標準範囲を引き出し、パラメータ値が、被験者標準範囲に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、決定の結果に応じて被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、カウントが閾値を超えるかどうかを決定し、カウントが閾値を超えるかどうかに少なくとも一部基づいて指標を生成する。
システムは、被験者標準範囲を更新するためだけに使用することができ、指標を表示することは必ずしも必須ではないことが理解されるであろう。
システムは代わりに、たとえば定められた基準が満たされない場合、測定結果が使用されるべきか、無視されるべきか、または修正されるべきかを選択するように適応され得る。この場合、処理デバイスは、少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定し、測定属性を定められた測定基準と比較し、測定基準が定められた基準を満たす場合、被験者に対して実行された複数の以前のインピーダンス測定の結果から導かれた被験者標準範囲を取得し、被験者標準範囲に少なくとも部分的に基づく被験者標準範囲の外側にパラメータ値があるかどうかを決定し、決定の結果に少なくとも部分的に基づいて指標を表示し、または測定基準が定められた基準を満たさない場合、パラメータ値に基づいて指標を表示する。代わりに、補償係数が比較の結果に従って決定されてよく、補償係数は、測定されたインピーダンスを示すインピーダンス値、少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、および少なくとも1つのインピーダンス値または少なくとも1つのインピーダンスパラメータ値から導かれた体状態値のうちの少なくとも1つを選択的に修正するために使用される。やはり、これは、同様の方式でインピーダンス測定以外の測定のために実行されてよい。
必須ではないが、一例では、上で説明されたプロセスは、1つまたは複数の処理デバイスと通信している1つまたは複数の測定システムを含む分散型アーキテクチャを使用して実施される。ここで例示的なシステムが図2~図5を参照して説明される。
この例では、システム200は、通信ネットワーク240を介して、サーバ250などの1つまたは複数の他の測定システム210および/または1つまたは複数の処理デバイスに結合されるいくつかの測定システム210を含み、1つまたは複数の他の測定システム210および/または1つまたは複数の処理デバイスは、データベース251に結合され得る。この構成は、実行された測定からのデータが測定システム210によって収集され、分析のためにサーバ250に提供されることを可能にする。収集されたデータはまた、得られた基準シグネチャおよび/または心不全指標と一緒にデータベース251に記憶されてよく、この情報が、臨床医などの第三者により遠隔でアクセスされ閲覧されることを可能にする。
上の構成では、通信ネットワーク240は、インターネットおよび/またはいくつかのローカルエリアネットワーク(LAN)などの、任意の適切な形式であってよく、測定システム210とサーバ250との間の接続を提供する。しかしながら、この構成は例示を目的とするものにすぎず、実際には、測定システム210およびサーバ250は、限定はされないが、モバイルネットワーク、802.11ネットワークなどのプライベートネットワーク、インターネット、LAN、WANなどを含む有線接続またはワイヤレス接続を介して、ならびに、Bluetooth(登録商標)などの直接接続またはポイントツーポイント接続を介してなど、任意の適切な機構を介して通信することができることが理解されるであろう。
分散型システムの使用は純粋に任意選択であり、プロセスはスタンドアロン測定システムを使用して実施されてもよいことにも留意されたい。
ここで、例示的な測定システムが、図3Aを参照してさらに詳細に説明される。
この例では、測定システムは、インピーダンス測定デバイス310を有するインピーダンス測定ユニットを含み、これは、ポータブルコンピュータシステム、携帯電話、タブレットなどのクライアントデバイス330の形態の処理システムと通信している。1つまたは複数の任意選択の身体的特性センサ320も、個人/被験者の身体的特性に関する情報を捕捉するために設けられ得る。
身体的特性センサ320の性質は、測定されるべき特性に応じて変化し、以下でより詳細に説明されるように、たとえば、個人/被験者の体重を測定するための体重計、ならびに/または、身長および/もしくは体の部位の寸法を測定するための、カメラ、ボディスキャナ、DEXA(二重エネルギーX線吸収測定法)、3Dレーザーまたは光学スキャニングなどの画像キャプチャデバイスを含んでよい。加えて、または代わりに、これは、体重を測定するための電子体重計、およびたとえば心拍数、血圧、または他の特性を測定するための他の観察機器を含んでよい。
インピーダンス測定デバイス310は通常、少なくとも1つの信号発生器313および少なくとも1つのセンサ314に結合される測定デバイスプロセッサ312を含み、これらは、リード322を介して、それぞれの駆動電極323および検知電極324に結合される。使用時に、信号発生器313は駆動信号を生成し、これは、駆動電極323を介して個人/被験者Sに印加され、一方でセンサ314は、検知電極324を介して応答信号を測定する。使用時に、測定デバイスプロセッサ312は、少なくとも1つの信号発生器313および少なくとも1つのセンサ314を制御し、インピーダンス測定が実行されることを可能にする。
具体的には、測定デバイスプロセッサ312は、制御信号を生成するように適応され、制御信号は、信号発生器313に、適切な波形の電圧信号または電流信号などの1つまたは複数の交流信号を生成させ、これらの信号は、第1の電極323を介して被験者Sに印加されてよく、センサ314からの受信された信号を処理する。測定デバイスプロセッサ312は、適切な制御を実行することが可能な任意の形態の電子処理デバイスであってよく、FPGA(フィールドプログラマブルゲートアレイ)、またはプログラムされたコンピュータシステムと専用ハードウェアの組合せなどを含んでよいことが理解されるであろう。
信号発生器313は、任意の適切な形態であってよいが、通常は、処理デバイスからのデジタル信号をアナログ信号に変換するためのデジタルアナログコンバータ(DAC)を含み、アナログ信号は要求された駆動信号を生成するために増幅され、一方、センサ314は通常、検知された応答信号を増幅するための1つまたは複数の増幅器と、アナログ応答信号をデジタル化してデジタル化された応答信号を処理デバイスに提供するためのアナログデジタルコンバータ(ADC)とを含む。
交流駆動信号の性質は、測定デバイスの性質および実行されている後続の分析に応じて変化する。たとえば、システムは、単一の低周波信号が被験者Sに注入される生体インピーダンス法(BIA)を使用することができ、測定されたインピーダンスは、生体パラメータの決定において直接使用される。一例では、印加される信号は、100kHz、より典型的には50kHz未満、より好ましくは10kHz未満などの、比較的低い周波数を有する。この事例では、そのような低周波信号は、印加される周波数が0であるときのインピーダンスの推定値として使用されてよく、これは一般にインピーダンスパラメータ値R0と呼ばれ、そして細胞外体液レベルを示す。
代わりに、印加される信号は、200kHzを超える、より典型的には、500kHz、または1000kHzを超える周波数などの、比較的高い周波数を有し得る。以下でより詳細に説明されるように、この事例では、そのような高周波信号は印加される周波数が無限大であるときのインピーダンスの推定値として使用されてよく、これは一般にインピーダンスパラメータ値R∞と呼ばれ、そして細胞外体液レベルと細胞内体液レベルの組合せを示す。
代わりに、かつ/または加えて、システムは、インピーダンス測定が非常に低い周波数(1kHzおよびより典型的には3kHz)からより高い周波数(1000kHz)に及ぶいくつかの周波数の各々において実行される生体インピーダンス分光法(BIS)を使用することができ、この範囲内で256個以上もの異なる周波数を使用することができる。そのような測定は、好ましい実装形態に応じて、複数の周波数の同時の重畳である信号を印加することによって、または、異なる周波数におけるいくつかの交流信号を順番に印加することによって実行され得る。印加される信号の周波数または周波数範囲は、実行されている分析にも依存し得る。
インピーダンス測定が複数の周波数において行われるとき、これらは、R0、ZC、R∞の値などの1つまたは複数のインピーダンスパラメータ値を導くために使用されてよく、これらは、周波数0における、特性周波数における、および無限大の周波数におけるインピーダンスに対応する。以下でより詳細に説明されるように、これらは次いで、細胞内体液レベルと細胞外体液レベルの両方に関する情報を決定するために使用され得る。
さらなる代替形態は、各々がそれぞれの周波数を有する複数の信号が被験者Sへと注入される多周波生体インピーダンス法(MFBIA)をシステムが使用することであり、測定されたインピーダンスは体液レベルの評価において使用される。一例では、4つの周波数を使用することができ、以下でより詳細に説明されるように、各周波数における得られたインピーダンス測定結果は、たとえばColeモデルに測定されたインピーダンス値をフィッティングすることによって、インピーダンスパラメータ値を導くために使用される。代わりに、各周波数におけるインピーダンス測定結果は、個々にまたは組合せで使用され得る。
したがって、測定デバイス310は、好ましい実装形態に応じて、単一の周波数の交流信号を印加すること、複数の周波数の交流信号を同時に印加すること、または異なる周波数のいくつかの交流信号を順番に印加することのいずれかを行い得る。印加される信号の周波数または周波数範囲は、実行されている分析にも依存し得る。
一例では、印加された信号は電圧発生器によって生成され、これは交流電圧を被験者Sに印加するが、代替的には交流信号が印加されてよい。一例では、被験者にかかる信号電圧の変動を可能にするために、たとえば、コモンモード信号を最小にすることで、係属中の国際出願公開第WO2009059351号において説明されるようなあらゆる不均衡を実質的に除去するために、電圧源が通常は対称的に配置され、2つの信号発生器313が独立に制御可能である。
駆動信号が被験者に印加されるにつれて、センサ314は次いで、第2の電極324を使用して、被験者Sにかかる電圧または被験者Sを通る電流の形態で応答信号を決定する。したがって、第2の電極324間の、電圧差および/または電流が測定される。一例では、電圧は差動的に測定され、これは2つのセンサ314が使用され、各センサ314が各々の第2の電極324における電圧を測定するために使用されるので、シングルエンドシステムと比較して半分の電圧しか測定しなくてよいことを意味する。次いで、デジタル化された応答信号が測定デバイスプロセッサ312に提供され、これは、印加された駆動信号および測定された応答信号の指示を決定し、任意選択で、この情報を使用して測定されたインピーダンスを決定する。
したがって、上の構成では、4つの電極が示されており、2つが駆動電極となり、2つが検知電極となる。しかしながら、これは必須ではなく、任意の適切な数の電極が使用されてよい。さらに、単一の信号発生器およびセンサが示されているが、やはり、それぞれの信号発生器およびセンサはそれぞれ、各駆動電極および検知電極のために使用されてよく、説明された構成は例示のみを目的とするものである。
測定デバイスの物理的構造のさらなる例が図3Bに示されている。
この例では、測定デバイスは、第1のハウジング320.1および第2のハウジング320.2を含む。第1のハウジング320.1は、体重計のセットと同様のフォームファクタを有し、上面に設けられる離隔した金属板で形成される足の駆動電極323.1および検知電極324.1の2つの離隔したペアを有することで、ユーザがその上に立つことができるフットプレートを形成する、全般的に長方形の本体を含む。第2のハウジング320.2は、上面に設けられる離隔した金属板で形成される手の駆動電極323.2および検知電極324.2の2つの離隔したペアを有することで、ユーザがその上に手を置くことができるハンドプレートを形成する、全般的に長方形の本体を有する。
第1のハウジング320.1は***部分325を含み、この***部分は、足の駆動電極および検知電極の各ペアの周りに少なくとも部分的に延びることで、使用時に足の駆動電極および検知電極に対して被験者の足の配置を案内する、縁325.1を画定する。具体的には、***した縁325.1は、ユーザのかかとと少なくとも係合するように構成される後部325.2を含む。手の駆動電極および検知電極の各ペア間に***部分326が配置されるようにすることによって、第2のハウジングに対して同様の効果が達成され、***部分は、親指凹部326.1を画定することで被験者の親指の配置を案内し、親指の湾曲が***部分と係合するので、使用時に手の駆動電極および検知電極の各ペアに対する手の配置を案内する。
これに関して、このことは、たとえば足および手のサイズが異なることによる、異なる個人の間での配置のある程度の小さな変動をそれでも許容しながら、装置が使用されるたびに駆動電極および検知電極に対する安定した場所にあらゆる所与のユーザの手および足が確実に置かれることを助けることが理解されるであろう。これは再現可能な配置を実現し、そのことが、手または足の配置の変化により引き起こされ得る連続する測定の間のばらつきを減らす。
この構成は、ユーザを第1のハウジングの上に立たせ、または代替として椅子に座らせることによってユニットが使用されることを可能にし、ユーザの足は足の駆動電極および検知電極に置かれる。ユーザは次いで、第2のハウジングの手の駆動電極および検知電極に手を置くことができ、第2のハウジングは、着座構成では机もしくはテーブルにより支持されてよく、または起立構成ではスタンドまたは他の支持物によって支持されてよい。
したがって、別個の電極を含む2つのハウジングを使用することで、インピーダンス測定が様々な状況で実行されることが可能になり、具体的には、測定が着座構成でも起立構成でも実行されることが可能になり、これは、身体能力に制約がある個人がシステムを確実に使用できるようにするのに重要である。加えて、ハウジングに設けられる金属板電極を使用することで、システムが容易に使用できるようになり、組織表面の洗浄または毛髪の除去などの準備が不要になり、濡れた電極を肌に当てることが可能になる。
上記の構成では、クライアントデバイス330は、典型的にはBluetooth(登録商標)などのワイヤレス通信チャネルを介して、測定デバイスプロセッサ312と通信している。一例では、クライアントデバイス330はスタンドに設けられ、そしてスタンドは台座327に取り付けられ、使用時にクライアントデバイス330が装置により支持されることが可能になる。これにより、クライアントデバイス330はユーザインターフェースとして機能することが可能になり、インピーダンス測定デバイスの動作の制御が可能になり、インピーダンス測定の結果の表示が可能になる。
具体的には、クライアントデバイス330は、実行される必要のある特定の一連のインピーダンス測定について測定デバイスプロセッサ312に命令し、駆動/検知信号のいずれかの指示および/または測定されたインピーダンス値をさらに受信するために使用され得る。クライアントデバイス330は次いで、たとえばインピーダンス指標を決定するためにさらなる処理を任意選択で実行することができるが、代替的には、これは必要ではないことがあり、生のインピーダンスデータが分析のためにサーバ250に提供されてよい。
クライアントデバイス330はまた、手動のユーザ入力によって、または1つまたは複数の身体的特性センサからの信号に基づいてのいずれかで決定される、心不全状態の指示および身体的特性に関する情報と、インピーダンス値または指標を組み合わせることができる。これにより、クライアントデバイスは基準データを生成することが可能になり、基準データは次いで、通信ネットワーク240を介してサーバ250に転送される。しかしながら、代替的に、好ましい実装形態に応じて、サーバ250は、心不全状態の指示および/または身体的特性を他のデータソースから取得してよい。
したがって、クライアントデバイス330は任意の適切な形態であってよく、1つの例が図4に示されることが理解されるであろう。この例では、クライアントデバイス330は、示されるようにバス404を介して相互接続される、少なくとも1つのマイクロプロセッサ400、メモリ401、キーボードおよび/またはディスプレイなどの入力/出力デバイス402、ならびに、外部インターフェース403を含む。外部インターフェース403は、通信ネットワーク240、データベース、他のストレージデバイスなどの周辺デバイスにクライアントデバイス330を接続するために利用され得る。単一の外部インターフェース403が示されているが、これは例示のみを目的とするものであり、実際には、様々な方法(たとえば、イーサネット(登録商標)、シリアル、USB、ワイヤレスなど)を使用した複数のインターフェースが設けられ得る。
使用時に、マイクロプロセッサ400は、メモリ401に記憶されているアプリケーションソフトウェアの形態の命令を実行し、サーバ250との通信を可能にし、たとえば、基準データがサーバに提供されることなどを可能にする。
したがって、クライアントデバイス330は、適切にプログラムされたPC、インターネット端末、ラップトップ、ハンドヘルドPCなどの任意の適切な処理システムから形成されてよく、1つの好ましい例では、タブレット、スマートフォンなどのいずれかであることが理解されるであろう。すなわち、一例では、クライアントデバイス330は、不揮発性(たとえば、ハードディスク)ストレージに記憶されているソフトウェアアプリケーションを実行する、Intelアーキテクチャベースの処理システムなどの標準的な処理システムであるが、これは必須ではない。しかしながら、クライアントデバイス330は、マイクロプロセッサ、マイクロチッププロセッサ、論理ゲート構成、FPGA(フィールドプログラマブルゲートアレイ)などの論理回路を実装することと任意選択で関連付けられるファームウェア、または、任意の他の電子デバイス、システム、または構成などの、任意の電子処理デバイスであってよいことが理解されるであろう。
適切なサーバ250の例が図5に示されている。この例では、サーバは、示されるようにバス504を介して相互接続された、少なくとも1つのマイクロプロセッサ500と、メモリ501と、キーボードおよび/またはディスプレイなどの任意選択の入力/出力デバイス502と、外部インターフェース503とを含む。この例では、外部インターフェース503は、通信ネットワーク240、データベース251、他のストレージデバイスなどの周辺デバイスにサーバ250を接続するために利用され得る。単一の外部インターフェース503が示されているが、これは例示のみを目的とするものであり、実際には、様々な方法(たとえば、イーサネット(登録商標)、シリアル、USB、ワイヤレスなど)を使用した複数のインターフェースが設けられ得る。
使用時に、マイクロプロセッサ500は、メモリ501に記憶されているアプリケーションソフトウェアの形態の命令を実行し、クライアントデバイス330と通信すること、および任意選択で、インピーダンス測定の結果を受信し、分析し、かつ/または表示することを含む、必要な処理が実行されることを可能にする。アプリケーションソフトウェアは、1つまたは複数のソフトウェアモジュールを含むことがあり、オペレーティングシステム環境などの適切な実行環境で実行されることがある。
したがって、サーバ250は、適切にプログラムされるクライアントデバイス、PC、ウェブサーバ、ネットワークサーバなどの、任意の適切な処理システムから形成され得ることが理解されるであろう。1つの特定の例では、サーバ250は、不揮発性(たとえば、ハードディスク)ストレージに記憶されているソフトウェアアプリケーションを実行する、Intelアーキテクチャベースの処理システムなどの標準的な処理システムであるが、これは必須ではない。しかしながら、処理システムは、マイクロプロセッサ、マイクロチッププロセッサ、論理ゲート構成、FPGA(フィールドプログラマブルゲートアレイ)などの論理回路を実装することと任意選択で関連付けられるファームウェア、または、任意の他の電子デバイス、システム、もしくは構成などの、任意の電子処理デバイスであり得ることも理解されるであろう。したがって、サーバという用語が使用されるが、これは例示のみを目的とするものであり、限定することは意図されない。
サーバ250は単一のエンティティとして示されているが、サーバ250は、たとえば、クラウドベースの環境の一部として提供される処理システムおよび/またはデータベース251を使用することによって、いくつかの地理的に別個の位置にわたって分散し得ることが理解されるであろう。したがって、上で説明された構成は必須ではなく、他の適切な構成が使用されてよい。
しかしながら、以下の例のために仮定される上で説明された構成は必須ではなく、多数の他の構成が使用され得ることが理解されるであろう。測定デバイス310と、クライアントデバイス330と、サーバ250との間での機能の区分は、具体的な実装形態に応じて変化し得ることも理解されるであろう。
システムの動作がここで、図6A~図6Cを参照してさらに説明される。以下の例全体で、ユーザに対する言及が行われる。これに関して、ユーザは一般に、被験者を含むものと理解され、医療従事者などの測定を実行する際に被験者を支援する個人も包含し得る。
これらの例では、ユーザがクライアントデバイス330を使用して測定デバイス310および任意の特性センサを制御することも仮定され、インピーダンス測定が実行されること、および任意選択で、物理特性に関する情報が収集されることを可能にする。これは通常、クライアントデバイス330に提示されるGUI(グラフィカルユーザインターフェース)などを介してユーザにシステムと対話させることによって達成され、GUIは、ローカルアプリケーションによって生成され、または通常はクラウドベース環境の一部であるサーバ250によってホストされ、ブラウザなどの適切なアプリケーションを介して表示され、クライアントデバイス330によって実行され得る。クライアントデバイス330によって実行される活動は通常、メモリ401にアプリケーションソフトウェアとして記憶される命令、および/または、I/Oデバイス402を介してユーザから受け取られる入力コマンドに従って、プロセッサ400によって実行される。同様に、サーバ250によって実行される活動は、メモリ501にアプリケーションソフトウェアとして記憶されている命令、および/または、I/Oデバイス502を介してユーザから受け取られた入力コマンド、またはクライアントデバイス330から受け取られたコマンドに従って、プロセッサ500によって実行される。
この例では、ステップ600において、測定デバイスプロセッサ312は、実行されるべきインピーダンス測定を決定する。これは、任意の適切な方式で達成され得るが、通常は、クライアントデバイス330に提示されるいくつかの利用可能な測定手順のうちの1つをユーザに選択させることを含み、クライアントデバイス330は、測定デバイスプロセッサ312に提供される命令を生成する。
測定が実行される前に、第1の電極323および第2の電極324は、1つまたは複数の信号が被験者Sへと注入されることを可能にし、応答信号の測定を可能にするために、被験者に接触して設けられる。電極323、324の位置は、調査対象の被験者Sの部位に依存する。したがって、たとえば、電極323、324は、胸腔のインピーダンスの決定を可能にするために、被験者Sの胸部領域および頸部領域に置かれ得る。代わりに、被験者の手首および足首に電極を配置することで、四肢、胴体、および/または体全体のインピーダンスの決定が可能になる。一例では、一般的な構成は、指関節の基部に、および手首の骨性突起間に手の電極を設け、つま先の基部および足首の前面に足の電極を設けることである。
図3Bの構成では、測定が実行される前に、被験者は第1のハウジング320.1の上に立ち、または代替的に椅子に座り、足が足の駆動電極323.1および検知電極324.1に置かれる。ユーザは次いで、第2のハウジング320.2の手の駆動電極323.2および検知電極324.2に手を置き、第2のハウジング320.2は、着座構成では机もしくはテーブルにより支持されてよく、または、起立構成ではスタンドもしくは他の支持物により支持されてよい。
次いで、胴体の測定の実行を可能にするために図8Aに示される構成が使用されてよく、一方で、体の右側全体、右腕、右脚、および左側の胴体のそれぞれの測定を可能にするために、図8B、図8C、図8D、および図8Eに示される構成が使用されてよい。電極が配置されると、操作者はインピーダンス測定プロセスを有効にし、一連の駆動信号が複数の周波数で被験者に印加されるようになる。
ステップ602において、測定デバイスプロセッサ312は、信号発生器およびセンサを制御し、駆動信号が個人/被験者に印加されるようにし、対応する応答信号が測定されるようにして、測定デバイスプロセッサ312がステップ604において駆動信号と応答信号の両方を決定することが可能になる。
これに関して、応答信号は、ECG(心電図)などの人体により生成される電圧、印加された信号によって生成される電圧、および環境的な電磁干渉により引き起こされる他の信号の重畳になる。したがって、フィルタリングまたは他の適切な分析が、不要な成分を除去するために利用され得る。
取得された信号は通常、印加された周波数でシステムのインピーダンスを取得するために復調される。重畳された周波数の復調のための1つの適切な方法は、時間領域データを周波数領域に変換するために高速フーリエ変換(FFT)アルゴリズムを使用することである。これは通常、印加された電流信号が印加された周波数の重畳であるときに使用される。測定された信号に窓を掛けることを必要としない別の技法は、スライディングウィンドウFFTである。
印加された電流信号が異なる周波数の掃引から形成される場合、測定された信号と信号発生器から得られる基準の正弦波および余弦波を乗じること、または測定された正弦波および余弦波を乗じること、および全体の周期の数にわたって統合することなどの、信号処理技法を使用することがより典型的である。直角位相復調または同期検出として様々に知られているこの処理は、すべての相関しない信号または同期しない信号を取り除き、ランダムノイズを大きく低減する。
他の適切なデジタルおよびアナログの復調技法が、当業者に知られるであろう。
ステップ606において、インピーダンス値を決定するために、駆動信号および応答信号が使用される。これは、測定デバイス310だけによって実行されてよく、または、たとえば、測定された電流信号および電圧信号をクライアントデバイス330に転送し、次いでクライアントデバイス330がこれらを分析して測定されるインピーダンスを決定することによって、クライアントデバイス330と連携して実行されてよい。
BISの場合、インピーダンスまたはアドミッタンスの測定結果が、記録された電圧と被験者を通る電流とを比較することによって、各周波数における信号から決定される。次いで、復調アルゴリズムが各周波数における振幅信号および位相信号を作成することができ、各周波数におけるインピーダンス値の決定を可能にする。
上で説明されたプロセスは、たとえばインピーダンス測定結果が、胴体、および四肢などの1つまたは複数の他の部位を含む、複数の体の部位に対して決定されることを可能にするために、複数回実行され得る。加えて、または代わりに、プロセスは、同じ体の部位に対して複数回実行されてよく、2つ以上の測定結果の平均(または、中央値、モードなどの他の統計的尺度)が決定され、たとえばさらなる分析のために使用される。
ステップ608において、1つまたは複数のバイタルサインおよび/または1つまたは複数の他の体パラメータが任意選択で測定されてよい。これは、体重、心拍数などの心臓パラメータ値、呼吸数などの呼吸パラメータ値、血中カリウムレベル、体温、血圧、血中酸素レベルなどのうちの任意の1つまたは複数を含んでよい。この情報は、たとえば、クライアントデバイス330に提示されるインターフェースを使用して臨床医に測定値を手動で入力させることによって手動で決定されてよく、または、クライアントデバイス330に適切なセンサからの測定結果を取得させることによって実行されてよい。
ステップ610において、1つまたは複数の測定属性が決定される。測定属性は、属性の性質に応じて様々な方式で、クライアントデバイス330によって決定される。例示的な属性には、時刻、衣服の状態、食物または飲料の消費、1つまたは複数の症状の詳細、ならびに上で測定されたような体パラメータがあり得る。したがって、時刻などの属性はクライアントデバイスによって自動的に測定され得るが、他の属性は、たとえばクライアントデバイス330に提示されるユーザインターフェースを介してユーザに適切な入力を提供させることによって、ユーザによって手動で提供される必要があり得る。これは、一連の標準的な質問をユーザに行うことなどによって任意の適切な方式で達成されてよく、質問への回答が測定属性を確立するために使用される。
以下で説明されるように、測定属性は、測定基準が満たされるかどうかを決定するために使用される。具体的には、測定基準は、異なる測定が一貫した方式で実行されたことを確証するために使用される。したがって、実際の測定属性を決定することの代替として、手法は代替的に、測定属性の標準的なセットが現在の状況に当てはまることをユーザに確認させることを伴ってよい。一例では、これは、ユーザに特定の測定プロセスを最初に選択させることによって、測定プロセス選択の一部として実行され、この特定の測定プロセスは、測定属性が基準を満たすというこの選択において固有である。たとえば、ユーザは、「標準的な測定」と「非標準的な測定」という選択肢から選択することができ、測定属性が基準を満たす場合、標準的な測定の選択肢が選択される。
ステップ612において、任意の測定の結果、任意の測定属性、およびユーザ識別子を含む被験者データが作成され、分析のためにサーバ250にアップロードされる。ユーザプロファイルなどのユーザデータを引き出すために、ユーザ識別子が使用され、ユーザデータが次いで、測定基準を決定するために使用される。
これに関して、前に言及されたように、測定結果が使用可能であることを保証するために、測定結果は特定の基準を満たさなければならない。基準を定めることもできるが、いくつかの状況では、測定が毎回一貫した方式で実行されるだけで十分であり、異なるユーザ間で基準が一貫している必要はなく、各ユーザに対して類似していなければならないことを意味する。この場合、ユーザは、初期測定の間に基準のセットを確立することができ、基準のセットはユーザデータの一部として記憶され、後続の測定の属性が、測定が使用可能であるかどうかを評価するためにこれらの基準と比較される。これは、測定が実行される時刻、衣服の状態、体液ステータスに悪影響を及ぼし得るアルコール、カフェイン、または他の食物および飲料の消費に関する情報、最近の運動などを考慮し得る。
したがって、測定属性は、ステップ616において測定が使用可能であるかどうかを決定するために、ステップ614において基準と比較される。基準が満たされない場合など、測定結果が何らかの理由で使用可能ではない場合、ステップ618において、サーバ250は、測定が訂正可能であるかどうかを決定することができる。これに関して、一部の測定属性に対して、基準が満たされない場合に予測可能な変化が発生することがあり、ステップ620において、補償係数を計算することによって測定が訂正されることを可能にする。たとえば、測定が誤った時刻に実行される場合、訂正係数が、一日の間の被験者の予想される体液の変化に基づいて適用され得る。
測定結果が使用されず訂正可能ではない場合、ステップ622において、たとえば、どの基準が満たされなかったかをユーザに知らせる通知が表示され得る。この段階では依然として、選択された測定プロトコルに応じて、情報をユーザに提供するために、ステップ624において体液ステータス指標が任意選択で表示され得る。プロセスは次いで、以下で要約されるものと同様の追加のステップを実行してよく、したがって、これらはさらに詳細に説明されない。
代わりに、ステップ626において測定結果が使用可能または訂正可能であると決定される場合、サーバは、ユーザデータから被験者標準範囲を引き出し、必要に応じて補償係数を任意選択で使用して、ステップ628において1つまたは複数のパラメータ値を計算するように動作する。前に論じられたように、パラメータ値の性質は、好ましい実装形態に応じて変化し得る。一例では、これは、インピーダンスパラメータ値を含み得るが、細胞内体液または細胞外体液のレベルなどの、インピーダンスパラメータ値から導かれる体状態指標を含んでもよい。
これに関して、図8Fは、生体組織の電気的な挙動を有効にモデル化する等価回路の例である。等価回路は、細胞外体液および細胞内体液をそれぞれ通る電流を表す2つの分岐を有する。生体インピーダンスの細胞外体液成分は細胞外抵抗Reによって表され、一方、細胞内体液成分は細胞内抵抗Riおよび細胞膜を表す静電容量Cによって表される。
交流(AC)のインピーダンスの細胞外成分および細胞内成分の相対的な大きさは、周波数に依存する。周波数0において、キャパシタは完全な絶縁体として振る舞い、すべての電流が細胞外体液を通るので、周波数0における抵抗R0は細胞外抵抗Reと等しい。無限大の周波数では、キャパシタが完全な導体として振る舞い、電流が並列の抵抗の組合せを通る。無限大の周波数における抵抗R∞は、
によって与えられる。
よって、細胞内抵抗は
によって与えられる。
したがって、角周波数ωにおける図8Fの等価回路のインピーダンスは、ω=2π*周波数として、
によって与えられ、ここで、
R∞=印加される周波数が無限大であるときのインピーダンス
R0=印加される周波数が0であるときのインピーダンス=Re
τは容量性回路の時定数である。
R∞=印加される周波数が無限大であるときのインピーダンス
R0=印加される周波数が0であるときのインピーダンス=Re
τは容量性回路の時定数である。
しかしながら、上記は、細胞膜が不完全なキャパシタであるという事実を考慮しない理想化された状況を表している。これを考慮すると、以下のような修正されたモデルが得られる。
ここで、αは0と1の間の値を有し、理想的なモデルからの現実の系のずれの指標として見なされ得る。
典型的な多周波のインピーダンス応答の例が、図8Gに示されている。周波数が増大するにつれて、リアクタンスが特性周波数においてピークまで上昇してから低下し、一方で抵抗は継続的に低下する。これは、示されるように、円の中心がx軸の下にある円の軌跡をもたらす。
測定されるインピーダンスを直接使用することができるが、一例では、細胞外抵抗Reに等しい周波数0におけるインピーダンス(抵抗)R0、または細胞内抵抗Riを導くためにR0とともに使用され得る理論的な無限大の周波数におけるインピーダンスR∞、ならびに、他のインピーダンスパラメータなどの、インピーダンスパラメータを導くために、測定されたインピーダンスが使用される。インピーダンスパラメータXC、R0、R∞、ZC、またはαの値は、
・選択されたそれぞれの周波数において実行されるインピーダンス測定に基づいて値を推定すること、
・異なる周波数で決定されるインピーダンス値に基づいて連立方程式を解くこと、
・反復的な数学的技法を使用すること、
・複数の周波数におけるインピーダンス測定に対する抵抗とリアクタンスのプロット(図3Bに示されるものと同様の「Wesselプロット」)からの外挿
・多項式関数の使用などの関数フィッティング技法を実行すること
などによって、いくつかの方式のうちの任意の1つで決定され得る。
・選択されたそれぞれの周波数において実行されるインピーダンス測定に基づいて値を推定すること、
・異なる周波数で決定されるインピーダンス値に基づいて連立方程式を解くこと、
・反復的な数学的技法を使用すること、
・複数の周波数におけるインピーダンス測定に対する抵抗とリアクタンスのプロット(図3Bに示されるものと同様の「Wesselプロット」)からの外挿
・多項式関数の使用などの関数フィッティング技法を実行すること
などによって、いくつかの方式のうちの任意の1つで決定され得る。
たとえば、WesselプロットがBISデバイスにおいてしばしば使用され、BISデバイスは、1kHzまたは3kHzから1000kHzなどの周波数の範囲にわたって、その範囲内の256個以上の異なる周波数を使用して、複数の測定を実行する。次いで測定されたデータを理論的な半円の軌跡にフィッティングするために回帰手順が使用され、XC、R0、R∞、ZC、またはαの値の計算が可能になる。代わりに、円上の点間の幾何学的な関係を表す3つの連立方程式が、円を定義する3つのパラメータとしての円の半径(r)および中心の座標(i,j)の計算を可能にするために解かれるような、円フィッティング技法が使用され得る。
一例では、使用される周波数は0kHzから1000kHzの範囲にあり、1つの具体的な例では、25kHz、50kHz、100kHz、および200kHzの周波数で4つの測定結果が記録されるが、任意の適切な測定周波数が使用され得る。
XC、R0、R∞、ZC、またはαなどのインピーダンスパラメータ値を決定するためのさらなる代替形態は、単一の周波数でインピーダンス測定を実行し、これらをパラメータ値の推定として使用することである。この事例では、単一の低い周波数(典型的には50kHzより低い)で実行される測定はR0を推定するために使用されてよく、単一の高い周波数(典型的には100kHzより高い)における測定はR∞を推定するために使用されてよく、Riの値が上の式(2)を使用して決定されることが可能になる。
上で説明された等価回路は、抵抗率を定数値としてモデル化するので、被験者のインピーダンス応答を正確に反映せず、特に、被験者の血流の中の赤血球の向きの変化、または他の緩和効果を正確にモデル化しない。人体の導電率をより正確にモデル化するために、改善されたCPEベースのモデルが代わりに使用され得る。
いずれにしても、R0、ZC、R∞、およびXCなどのパラメータ値の決定のための任意の適切な技法を使用することができるので、Riの導出が可能になることが理解されるであろう。
インピーダンスパラメータ値が決定されると、体液レベル値の指示、体組成パラメータの測定値、心不全、リンパ浮腫などの特定の病状の指標などの、追加の体状態値が導かれ得る。
体状態値は、特定の病状を示すものであってよく、または、体組成、除水分除脂肪体重、除脂肪体重、骨格筋量、部位別筋肉量、体脂肪量、部位別脂肪量、BMI(Body Mass Index)、(体脂肪率)、内臓脂肪面積、内臓脂肪レベル、体内総水分量、細胞内水分量、細胞外水分量、ECW/TBW、部位別体内水分量、部位別ECW/TBW、部位別ICW分析、部位別ECW分析、Body-Fat-LBM Control、BMR(基礎代謝率)、脚除脂肪体重、TBW/LBM、全身位相角、部位別位相角、リアクタンス、周波数ごとの各部位のインピーダンス、または体水分組成履歴のうちの1つまたは複数などの、条件を示す測定された体パラメータ値の全般的な指示であってよい。体状態はまた、個人が適切な体型を保っているかどうかなどの、全般的な運動機能のレベルを示すものであってよい。
さらなる例では、体パラメータ値は、被験者標準値と関連付けられるインピーダンス値と比較したインピーダンスの変化に基づいてよく、この場合、被験者パラメータ値は、以下の式を使用して計算され得る。
PV=BPV+xΔI
ここで:PVはパラメータ値であり、
BPVは被験者標準パラメータ値であり、
xは係数であり、
ΔIは被験者標準インピーダンス値と測定されたインピーダンス値との差である
PV=BPV+xΔI
ここで:PVはパラメータ値であり、
BPVは被験者標準パラメータ値であり、
xは係数であり、
ΔIは被験者標準インピーダンス値と測定されたインピーダンス値との差である
上の式は、任意の相関係数の存在に応じて変化し得ることが理解されるであろう。
ステップ630において、計算されたパラメータ値は、被験者標準範囲と比較される。ステップ632においてパラメータが範囲外にあると決定される場合、ステップ634においてカウントがリセットされ、それ以外の場合、ステップ636においてインクリメントされる。カウントは次いで、ステップ640において閾値を超えているかどうかを決定するために、ステップ638において、典型的にはやはりユーザデータから引き出される閾値と比較される。
閾値を超えている場合、ステップ642において新しい標準値および範囲が計算され得る。新しい標準値および範囲が計算される方式は、好ましい実装形態に依存するが、一例では、これは、任意選択で異常値を除いた、以前の標準値範囲の外側にあるパラメータ値の平均に基づく。パラメータ値の平均は、新しい被験者標準値を確立するために使用され、標準偏差は被験者標準範囲を、たとえば標準から標準偏差の1倍または2倍までの範囲に基づくものとして確立するために使用される。
このことの例が、ここで図7Aから図7Cを参照してより詳細に説明される。
具体的には、いくつかのTBW測定結果が図7Aに示されており、これらは、計算されたTBW値が測定結果間でどのように大きく変動するかを強調しており、日々の変動が値の全般的に上向きの傾向を曖昧にする可能性がある。標準範囲は図7Bにおいて点線で示されており、これは、いくつかの連続する測定結果700が標準範囲の外側にあることを強調し、標準範囲の更新が惹起される。したがって、このとき、新しい標準範囲が、TBW測定結果700の平均および標準偏差の2倍に基づいて計算される。このプロセスは図7Cにおいてさらに示されており、第1の標準範囲702が測定結果701に基づいて計算され、第2の標準範囲704が第1の標準範囲702の外側にある測定結果703に基づいて計算される。
一例では、図7Cに示されるものと同様の表現がユーザまたは医療従事者に表示されてよく、測定されたパラメータ値の変化、ならびに計算された被験者標準値および範囲に対する後続の影響を、ユーザまたは医療従事者が見ることが可能になることが理解される。
新しい被験者標準範囲が計算されると、必要であれば、ステップ646において、たとえばユーザまたは医療従事者に必要な情報を警告するために、通知が提供され得る。
これに続いて、または閾値を超えない場合、ステップ646において、パラメータ値の変化に基づいて傾向が確立され得る。これは、パラメータ値の変化の全般的な向きおよび率を決定するために、最後の5個または10個の測定結果などの、いくつかの以前の測定結果を使用して回帰を実行することによって確立される、傾斜の勾配に基づき得る。この傾向は次いで、ステップ648において閾値と比較され、任意選択で、今後のパラメータ値、今後の標準範囲、目標が満たされる時間などの、今後の値を予測するためにステップ650において使用され得る。
ステップ652において、指標が生成され、記憶され、かつ/または表示され得る。指標は、現在の被験者標準値に基づき得るが、傾向および/または予測にも基づき得る。たとえば、指標は、パラメータ値が被験者標準値に対して相対的に増加しているか減少しているかを示してよく、これは、パラメータ値に変化があるがそれらの変化がまだ意味のあるものとして見なされるのに十分ではないという事実をユーザに知らせるために使用され得る。同様に、具体的な目標などの標的に達するのに必要な時間が、たとえば、ある治療体制、行動パターンなどに従うように被験者に促すために表示され得る。
複数の標準範囲に対処するための上で説明されたプロセスに対する変形が、ここで図9Aおよび図9Bを参照して説明される。
この例では、ステップ900において、被験者識別子が受信された被験者データから決定され、これはステップ905において被験者ユーザデータを引き出すために使用される。たとえば上のステップ624に関して説明されたように、パラメータ値が次いで、ステップ910において被験者データから決定される。パラメータ値は、たとえば、標準偏差の2倍に基づく第1の被験者標準範囲と比較され、ステップ920においてパラメータ値が第1の被験者標準範囲の外側にあるかどうかを決定するために、ステップ915においてユーザデータから引き出される。外側にない場合、第1のカウントはステップ925においてリセットされ、プロセスは通常、ステップ638において前に説明されたように継続し、ステップ930において指標が任意選択で表示されることが可能になる。
外側にある場合、ステップ935において、たとえば標準偏差の3倍に基づく第2の被験者標準範囲が引き出され、ステップ940においてパラメータ値が第2の範囲の外側にあるかどうかを決定するために、パラメータ値は第2の被験者標準範囲と比較される。第2の標準範囲の外側にない場合、ステップ950において第1のカウントがインクリメントされる前に、ステップ945において第2のカウントがリセットされる。ステップ955において、プロセスは次いで、第1のカウントを第1の閾値と比較して、ステップ960において第1の閾値を超えているかどうかを決定し、超えている場合、ステップ965において新しい被験者標準値を計算することができ、次いでステップ970において、たとえばステップ642および644に関して以前に説明されたように、以前のまたは新しい被験者標準に基づく指標が表示される。
そうではなく、第2のパラメータ値が第2の範囲の外側にある場合、ステップ975において第2のカウントがインクリメントされ、これは、ステップ985において第2の閾値を超えているかどうかを決定するために、ステップ980において第2の閾値と比較される。外側にない場合、プロセスはステップ950に戻り第1のカウントを別様にインクリメントし、ステップ990において、行動が必要であるかどうかが決定される。これに関して、行動は通常、ユーザデータの一部として定義され、たとえば、通知を生成してこれを医療従事者に提供し、医療従事者に悪い病状を警告することを指示し得る。必要である場合、これはステップ995において実行され、その後でプロセスはステップ950に戻り第1のカウントをインクリメントする。
したがって、上で説明された構成は、測定されたパラメータの変化が意味のあるものであるかどうかの評価を可能にするための機構を提供し、これを使用して、ユーザに提示される情報を適合させる。一例では、これは、以前の測定結果に基づいて動的な標準範囲を使用し、後続の測定結果が標準範囲内にあるか外側にあるかを評価し、評価の結果に基づいて指標をユーザに表示することによって、達成される。別の例では、これは、定められた測定基準に従って測定が実行されるかどうかを評価することによって達成され、基準が満たされる場合にのみそれらを意味のあるものとして分類する。上記の様々な例からの特徴が、適切な場合には連携して、かつ/または交換可能に使用され得るので、好ましい例では、測定された値の変化は、測定結果が定められた測定基準を満たし、測定された値が定められた標準範囲の外側にある一連の測定された値の一部をなす場合にのみ、意味のあるものとして評価されることが理解されるであろう。
上で説明された手法は、広範囲の異なるパラメータのために使用され得るが、その他の場合には必ずしも意味があるものではない外部の要因および日々の変動に基づく広い範囲の変動をしばしば受ける、体液レベルの測定に特に適している。
さらに、上の例はヒトなどの被験者に注目したが、上で説明された測定デバイスおよび技法は、限定はされないが、霊長類、家畜、競走馬などの興行動物などを含む、あらゆる動物について使用され得ることが理解されるであろう。
本明細書および以下の特許請求の範囲全体で、文脈が別様に求めない限り、「備える(comprise)」という用語、および「備える(comprises)」または「備えている(comprising)」などの変形は、述べられた整数または整数のグループまたはステップを含むことを示唆するものとして理解されるが、任意の他の整数または整数のグループを排除するものとしては理解されない。
多数の変形および修正が明らかになることを、当業者は理解するであろう。当業者に明らかになるすべてのそのような変形および修正は、前に大まかに現れた本発明が説明した趣旨および範囲内にある見なされるべきである。
210 測定システム
240 通信ネットワーク
250 サーバ
251 データベース
310 インピーダンス測定デバイス
312 測定デバイスプロセッサ
313 信号発生器
314 センサ
320 身体的特性センサ
322 リード
323 駆動電極
324 検知電極
325 ***部分
326 ***部分
327 台座
330 クライアントデバイス
400 マイクロプロセッサ
401 メモリ
402 入力/出力デバイス
403 外部インターフェース
404 バス
500 マイクロプロセッサ
501 メモリ
502 入力/出力デバイス
503 外部インターフェース
504 バス
240 通信ネットワーク
250 サーバ
251 データベース
310 インピーダンス測定デバイス
312 測定デバイスプロセッサ
313 信号発生器
314 センサ
320 身体的特性センサ
322 リード
323 駆動電極
324 検知電極
325 ***部分
326 ***部分
327 台座
330 クライアントデバイス
400 マイクロプロセッサ
401 メモリ
402 入力/出力デバイス
403 外部インターフェース
404 バス
500 マイクロプロセッサ
501 メモリ
502 入力/出力デバイス
503 外部インターフェース
504 バス
Claims (55)
- 生体被験者における体液レベルに少なくとも一部関係する指標を生成するためのシステムであって、前記被験者に対して実行される少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)前記パラメータ値が被験者標準の意味のある変化を示すかどうかを決定するための評価を実行し、前記被験者標準が複数の以前のインピーダンス測定の結果に基づき、
c)
i)体液レベルを示す指標を生成すること、および
ii)前記被験者標準を選択的に更新すること
のうちの少なくとも1つを行うために前記評価の結果を使用する、
1つまたは複数の処理デバイスを含む、システム。 - 前記被験者標準が、
a)被験者標準値、および
b)被験者標準範囲
のうちの少なくとも1つである、請求項1に記載のシステム。 - 前記1つまたは複数の処理デバイスが、機械学習技法を少なくとも一部使用して前記評価を実行する、請求項1または2に記載のシステム。
- 前記1つまたは複数の処理デバイスが、前記パラメータ値と前記被験者標準との関係を具現化する計算モデルを使用して前記評価を実行し、前記計算モデルが、1人または複数の基準被験者について測定された基準パラメータ値および被験者標準に機械学習技法を適用することによって得られる、請求項1から3のいずれか一項に記載のシステム。
- 前記1つまたは複数の処理デバイスが、
a)少なくとも1つの尺度を決定し、
b)前記少なくとも1つの尺度を前記計算モデルに適用する、請求項4に記載のシステム。 - 前記少なくとも1つの尺度が、
a)
i)測定されたインピーダンスを示すインピーダンス値、
ii)少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、
iii)
(1)少なくとも1つのインピーダンス値、および
(2)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つを含む前記パラメータ値と、
b)
i)心臓パラメータ値、
ii)呼吸パラメータ値、
iii)血中カリウムレベル、
iv)体温、
v)組織温度、
vi)血圧、
vii)呼吸数、
viii)心拍数、および
ix)血中酸素レベル
のうちの少なくとも1つを示すバイタルサイン指標と、
c)
i)運動への参加を示す運動指標、
ii)時刻、
iii)衣服の状態、
iv)食物または飲料の消費、
v)体重、
vi)1つまたは複数の症状の詳細
のうちの少なくとも1つを含む測定属性とのうちの少なくとも1つを示す、請求項5に記載のシステム。 - 前記少なくとも1つの尺度が、
a)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうか、
b)定められた期間において被験者標準範囲の外側にあるパラメータ値の数、
c)パラメータ値の変化、
d)パラメータ値の傾向、および
e)パラメータ値の変化の大きさ
のうちの少なくとも1つを示す、請求項5または6に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記パラメータ値を、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲と比較し、
b)前記比較の結果に従って前記パラメータ値が意味のある変化を示すかどうかを決定する
ことによって、前記評価を実行する、請求項1から7のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、
b)前記決定の結果に従って前記被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、
c)前記カウントが閾値を超えるかどうかを決定し、
d)前記カウントが閾値を超えるかどうかに基づいて、
i)前記パラメータ値が被験者標準の意味のある変化を示すかどうかを決定し、
ii)前記指標を生成し、
iii)前記被験者標準範囲を選択的に更新する
ことによって、前記評価を実行する、請求項1から8のいずれか一項に記載のシステム。 - 前記カウントが、
a)前記被験者標準範囲の外側にある連続するパラメータ値の数であって、前記パラメータ値が前記被験者標準範囲の内側にある場合、前記1つまたは複数の処理デバイスが前記カウントをリセットする、パラメータ値の数、および、
b)定められた数のインピーダンス測定結果のうちのどれだけが前記被験者標準範囲の外側にあるか
のうちの少なくとも1つを示す、請求項9に記載のシステム。 - 前記指標が、
a)前記パラメータ値、
b)被験者標準値、
c)被験者標準範囲、
d)被験者標準値から導かれる被験者標準パラメータ値、
e)前記パラメータ値が被験者標準値より大きいか小さいか、
f)前記パラメータ値が被験者標準パラメータ値より大きいか小さいか、
g)前記パラメータ値が前記被験者標準範囲の外側にあるかどうか、
h)前記パラメータ値が前記被験者標準範囲より大きいか小さいか、
i)前記パラメータ値と被験者標準値との差の大きさ、
j)前記パラメータ値と被験者標準パラメータ値との差の大きさ、
k)パラメータ値の変化、
l)パラメータ値の変化率、および
m)パラメータ値の傾向
のうちの少なくとも1つを示す、請求項1から10のいずれか一項に記載のシステム。 - a)前記パラメータ値が被験者標準の意味のある変化を示さない場合、前記指標が、
i)被験者標準値、
ii)前記被験者標準値からの意味のある変化がないこと、および、
iii)前記被験者標準値に対する相対的な前記パラメータ値の変化の向きを示す傾向
のうちの少なくとも1つを示し、
b)前記パラメータ値が被験者標準の意味のある変化を示す場合、前記指標が、
i)前記パラメータ値、および
ii)更新された被験者標準値
のうちの少なくとも1つを示す、請求項1から11のいずれか一項に記載のシステム。 - 前記パラメータ値が、
a)測定されたインピーダンスを示すインピーダンス値、
b)少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、ならびに、
c)
i)少なくとも1つのインピーダンス値、および
ii)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つである、請求項1から12のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、被験者標準値に基づく被験者標準範囲を使用して前記評価を実行する、請求項1から13のいずれか一項に記載のシステム。
- 前記被験者標準範囲が、
a)被験者標準体液レベル範囲、
b)被験者標準インピーダンス値範囲、
c)被験者標準パラメータ値範囲、および
d)被験者標準体状態値範囲
のうちの少なくとも1つを含む、請求項1から14のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)被験者標準パラメータ値および被験者標準インピーダンス値を引き出し、
b)測定されたインピーダンス値を決定し、
c)前記被験者標準インピーダンス値と前記測定されたインピーダンス値との差を決定し、
d)前記被験者標準パラメータ値およびインピーダンスの変化を使用して前記パラメータ値を計算する
ことによって、前記パラメータ値を計算する、請求項1から15のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、式
PV=BPV+xΔI
を使用して前記パラメータ値を計算し、ここで、
PVが前記パラメータ値であり、
BPVが前記被験者標準パラメータ値であり、
xが係数であり、
ΔIが前記被験者標準インピーダンス値と前記測定されたインピーダンス値との差である、請求項16に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)複数のインピーダンス測定結果から得られた複数のパラメータ値のうちの選択されたものである複数のパラメータ値を決定し、
b)前記複数のパラメータ値を使用して、
i)被験者標準値、
ii)被験者標準範囲、および
iii)体状態値
のうちの少なくとも1つを計算する、請求項1から17のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)複数のインピーダンスパラメータ値の平均、
b)複数のパラメータ値の平均、および
c)複数の体状態値の平均
のうちの少なくとも1つを使用して、被験者標準値を計算する、請求項1から18のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)
i)複数のインピーダンス測定結果、
ii)複数のパラメータ値、および
iii)複数の体状態値
のうちの少なくとも1つの広がり、ならびに、
b)被験者標準値からの所定の範囲
のうちの少なくとも1つを使用して、前記被験者標準範囲を計算する、請求項19に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)1つまたは複数の症状の詳細、
b)1つまたは複数のバイタルサインパラメータ値、および
c)1つまたは複数の被験者属性
のうちの少なくとも1つを考慮して、前記被験者標準範囲を計算する、請求項1から20のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記パラメータ値が第1の被験者標準範囲の外側にあるかどうかを評価し、
b)前記第1の被験者標準範囲の外側にあるパラメータ値の数を示す第1のカウントを選択的に更新し、
c)前記第1のカウントが第1の閾値を超えるかどうかを決定し、
d)前記決定の結果に基づいて前記指標を表示する、請求項1から21のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記パラメータ値が第2の被験者標準範囲の外側にあるかどうかを評価し、
b)前記第2の被験者標準範囲の外側にあるパラメータ値の数を示す第2のカウントを選択的に更新し、
c)前記第2のカウントが第2の閾値を超えるかどうかを決定し、
d)前記決定の結果に基づいて活動を選択的に実行する、請求項22に記載のシステム。 - 前記活動が、
a)前記被験者標準範囲を更新すること、
b)前記被験者標準値を更新すること、および
c)通知を生成することのうちの少なくとも1つを含む、請求項23に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)機械学習技法、
b)1つまたは複数の症状の詳細、
c)1つまたは複数のバイタルサインパラメータ値、および
d)1つまたは複数の被験者属性
のうちの少なくとも1つを使用して、閾値を決定する、請求項1から24のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、ユーザ入力コマンドに応答して新しい被験者標準値を選択的に計算する、請求項1から25のいずれか一項に記載のシステム。
- 前記1つまたは複数の処理デバイスが、定められた測定基準を満たすインピーダンス測定結果を使用して、
a)パラメータ値、
b)被験者標準値、および
c)被験者標準範囲
のうちの少なくとも1つを計算する、請求項1から26のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)測定属性を決定し、
b)前記測定属性を定められた測定基準と比較して、
i)パラメータ値、
ii)被験者標準値、および
iii)被験者標準範囲
のうちの少なくとも1つを計算する際にあるインピーダンス測定結果が使用されるべきであるかどうかを決定する、請求項1から27のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)測定属性を決定し、
b)前記測定属性を定められた測定基準と比較し、
c)前記比較の結果に従って補償係数を決定し、
d)前記補償係数を使用して、
(1)測定されたインピーダンスを示すインピーダンス値、
(2)少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、
(3)
(a)少なくとも1つのインピーダンス値、および
(b)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つを選択的に修正する、請求項1から28のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記被験者の身元を示す被験者識別子を決定し、
b)前記被験者識別子を使用して前記定められた測定基準を決定する、請求項28または29に記載のシステム。 - 前記定められた測定基準が、前記被験者と関連付けられる記憶されているユーザデータから引き出される、請求項28または29に記載のシステム。
- 前記測定属性が、
a)運動への参加を示す運動指標、
b)時刻、
c)衣服の状態、
d)食物または飲料の消費、
e)体重、
f)バイタルサイン指標、および
g)1つまたは複数の症状の詳細のうちの少なくとも1つを含む、請求項28から30のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)複数のパラメータ値を使用して少なくとも1つのパラメータ値の変化を決定し、
b)前記パラメータ値の変化を選択的に使用して、
i)パラメータ値の変化の向き、
ii)パラメータ値の変化率、および
iii)パラメータ値の変化の大きさ
のうちの少なくとも1つを示す、パラメータ値の傾向を決定する、請求項1から32のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、
a)前記パラメータ値の変化を変化の閾値と比較し、
b)前記比較の結果に基づいて前記パラメータ値の傾向を選択的に決定する、請求項33に記載のシステム。 - 前記複数のパラメータ値が、
a)連続するパラメータ値、
b)現在のパラメータ値および標準パラメータ値、ならびに、
c)現在のパラメータ値およびn個前のパラメータ値
のうちの少なくとも1つを含む、請求項33または34のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、前記パラメータ値の傾向を使用して、
a)今後のパラメータ値、
b)今後の被験者標準値、
c)今後の被験者標準範囲、および
d)目標に到達するのに必要な時間
のうちの少なくとも1つを予測する、請求項33から35のいずれか一項に記載のシステム。 - 前記1つまたは複数の処理デバイスが、前記パラメータ値の傾向を使用して指標を生成する、請求項32から36のいずれか一項に記載のシステム。
- インピーダンス測定を実行し、通信ネットワークを介して少なくとも1つの測定されたインピーダンスの指示を前記1つまたは複数の処理デバイスに提供する、測定システムを含む、請求項1から37のいずれか一項に記載のシステム。
- 前記測定システムが、
a)測定デバイスと、
b)前記測定デバイスと通信しているクライアントデバイスとを含み、前記クライアントデバイスが、
i)前記被験者に対して実行された少なくとも1つのインピーダンス測定結果を示す測定データを受信し、
ii)通信ネットワークを介して被験者データを前記1つまたは複数の処理デバイスに提供し、前記被験者データが、
(1)前記ユーザと関連付けられるユーザ識別子、
(2)前記測定データ、
(3)1つまたは複数の測定されたインピーダンス値、
(4)1つまたは複数のパラメータ値、
(5)1つまたは複数のバイタルサイン指標、および
(6)1つまたは複数の測定属性
のうちの少なくとも1つを示す、請求項38に記載のシステム。 - 前記測定デバイスが、
a)ユーザに駆動信号を印加するために駆動電極に電気的に接続された少なくとも1つの信号発生器と、
b)前記ユーザにおける応答信号を測定するために検知電極に電気的に接続された少なくとも1つのセンサと、
c)
i)前記少なくとも1つの信号発生器を制御すること、
ii)前記少なくとも1つのセンサから測定された応答信号の指示を受信すること、および
iii)少なくとも1つの測定されたインピーダンス値を示す測定データを生成すること
を少なくとも一部行う、測定デバイスプロセッサとを含む、請求項39に記載のシステム。 - 前記バイタルサイン指標が、
a)心臓パラメータ値、
b)呼吸パラメータ値、
c)血中カリウムレベル、
d)体温、
e)組織温度、
f)血圧、
g)呼吸数、
h)心拍数、および
i)血中酸素レベル
のうちの少なくとも1つを含む、請求項32または39に記載のシステム。 - 生体被験者に対して実行された測定に応答して指標を生成するためのシステムであって、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準の意味のある変化を示すどうかを決定するために評価を実行し、
c)
i)前記指標を生成すること、および
ii)前記被験者標準を選択的に更新すること
のうちの少なくとも1つを行うために、前記評価の結果を使用する、
1つまたは複数の処理デバイスを含む、システム。 - 生体被験者における体液レベルに少なくとも一部関係する指標を生成するためのであって、1つまたは複数の処理デバイスにおいて、前記被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)前記パラメータ値が、複数の以前のインピーダンス測定の結果に基づく被験者標準の意味のある変化を示すどうかを決定するために評価を実行するステップと、
c)
i)体液レベルを示す指標を生成すること、および
ii)前記被験者標準を選択的に更新すること
のうちの少なくとも1つを行うために、前記評価の結果を使用するステップとを含む、方法。 - 生体被験者に対して実行された測定に応答して指標を生成するための方法であって、1つまたは複数の処理デバイスにおいて、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準の意味のある変化を示すどうかを決定するために評価を実行するステップと、
c)
i)前記指標を生成すること、および
ii)前記被験者標準を選択的に更新すること
のうちの少なくとも1つを行うために、前記評価の結果を使用するステップとを含む、方法。 - 生体被験者における体液レベルに少なくとも一部関係する指標を決定するためのシステムであって、前記被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定し、
c)前記測定属性を定められた測定基準と比較し、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、
ii)前記決定の前記結果に基づいて、
(1)指標を表示し、
(2)前記被験者標準範囲を選択的に更新し、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示すること、
ii)前記比較の結果に従って、
(1)測定されたインピーダンスを示すインピーダンス値、
(2)少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、ならびに、
(3)
(a)少なくとも1つのインピーダンス値、および
(b)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つを選択的に修正するために使用される、補償係数を決定すること
のうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む、システム。 - 前記1つまたは複数の処理デバイスが、
a)前記被験者の身元を示す被験者識別子を決定し、
b)前記被験者識別子を使用して前記定められた測定基準を決定する、請求項45に記載のシステム。 - 前記定められた測定基準が、前記被験者と関連付けられる記憶されているユーザデータから引き出される、請求項45または46に記載のシステム。
- 前記測定属性が、
a)運動への参加を示す運動指標、
b)時刻、
c)衣服の状態、
d)食物または飲料の消費、
e)体重、
f)バイタルサイン指標、および
g)1つまたは複数の症状の詳細
のうちの少なくとも1つを含む、請求項45から47のいずれか一項に記載のシステム。 - 生体被験者に対して実行された測定に応答して指標を生成するためのシステムであって、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)少なくとも1つの測定と関連付けられる測定属性を決定し、
c)前記測定属性を定められた測定基準と比較し、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、
ii)前記決定の前記結果に基づいて、
(1)指標を表示し、
(2)前記被験者標準範囲を選択的に更新し、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示すること、および
ii)前記比較の結果に従って、前記パラメータ値を選択的に修正するために使用される補償係数を決定すること
のうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む、システム。 - 生体被験者における体液レベルに少なくとも一部関係する指標を決定するための方法であって、1つまたは複数の処理デバイスにおいて、前記被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定するステップと、
c)前記測定属性を定められた測定基準と比較するステップと、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、
ii)前記決定の前記結果に基づいて、
(1)指標を表示するステップと、
(2)前記被験者標準範囲を選択的に更新するステップと、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示するステップと、
ii)前記比較の結果に従って、
(1)測定されたインピーダンスを示すインピーダンス値、
(2)少なくとも1つのインピーダンス値から導かれるインピーダンスパラメータ値、ならびに、
(3)
(a)少なくとも1つのインピーダンス値、および
(b)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つを選択的に修正するために使用される、補償係数を決定するステップと
のうちの少なくとも1つを行うステップとを含む、方法。 - 生体被験者に対して実行された測定に応答して指標を生成するための方法であって、1つまたは複数の処理デバイスにおいて、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)少なくとも1つの測定と関連付けられる測定属性を決定するステップと、
c)前記測定属性を定められた測定基準と比較するステップと、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、
ii)前記決定の前記結果に基づいて、
(1)指標を表示するステップと、
(2)前記被験者標準範囲を選択的に更新するステップと、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示するステップと、
ii)前記比較の結果に従って、前記パラメータ値を選択的に修正するために使用される補償係数を決定するステップと
のうちの少なくとも1つを行うステップとを含む、方法。 - 生体被験者における体液レベルに少なくとも一部関係する指標を決定するためのシステムであって、前記被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるどうかを決定し、
c)前記決定の結果に従って、前記被験者標準範囲の外側にあるパラメータ値の数を示すカウントを更新し、
d)前記カウントが閾値を超えるかどうかを決定し、
e)前記カウントが前記閾値を超えるかどうかに基づいて、
i)前記指標を生成し、
ii)前記被験者標準範囲を選択的に更新する、
1つまたは複数の処理デバイスを含む、システム。 - 生体被験者に対して実行された測定に応答して指標を生成するためのシステムであって、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定し、
b)少なくとも1つの測定と関連付けられる測定属性を決定し、
c)前記測定属性を定められた測定基準と比較し、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定し、
ii)前記決定の前記結果に基づいて、
(1)指標を表示し、
(2)前記被験者標準範囲を選択的に更新し、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示すること、および
ii)前記比較の結果に従って、前記パラメータ値を選択的に修正するために使用される補償係数を決定すること
のうちの少なくとも1つを行う、1つまたは複数の処理デバイスを含む、システム。 - 生体被験者における体液レベルに少なくとも一部関係する指標を決定するための方法であって、1つまたは複数の処理デバイスにおいて、前記被験者に対して実行された少なくとも1つのインピーダンス測定に応答して、
a)前記少なくとも1つのインピーダンス測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)少なくとも1つのインピーダンス測定と関連付けられる測定属性を決定するステップと、
c)前記測定属性を定められた測定基準と比較するステップと、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前のインピーダンス測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、
ii)前記決定の前記結果に基づいて、
(1)指標を表示するステップと、
(2)前記被験者標準範囲を選択的に更新するステップと、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示するステップと、
ii)前記比較の結果に従って、
(1)測定されたインピーダンスを示すインピーダンス値、
(2)少なくとも1つのインピーダンス値から導かれたインピーダンスパラメータ値、ならびに、
(3)
(a)少なくとも1つのインピーダンス値、および
(b)少なくとも1つのインピーダンスパラメータ値
のうちの少なくとも1つから導かれる体状態値
のうちの少なくとも1つを選択的に修正するために使用される、補償係数を決定するステップと
のうちの少なくとも1つを行うステップとを含む、方法。 - 生体被験者に対して実行された測定に応答して指標を生成するための方法であって、1つまたは複数の処理デバイスにおいて、
a)少なくとも1つの測定の結果を少なくとも一部使用してパラメータ値を決定するステップと、
b)少なくとも1つの測定と関連付けられる測定属性を決定するステップと、
c)前記測定属性を定められた測定基準と比較するステップと、
d)前記測定基準が前記定められた基準を満たす場合、
i)前記パラメータ値が、複数の以前の測定の結果に少なくとも部分的に基づく被験者標準範囲の外側にあるかどうかを決定するステップと、
ii)前記決定の前記結果に基づいて、
(1)指標を表示するステップと、
(2)前記被験者標準範囲を選択的に更新するステップと、
e)前記測定基準が前記定められた基準を満たさない場合、
i)前記パラメータ値に基づいて指標を表示するステップと、
ii)前記比較の結果に従って、前記パラメータ値を選択的に修正するために使用される補償係数を決定するステップと
のうちの少なくとも1つを行うステップとを含む、方法。
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762519697P | 2017-06-14 | 2017-06-14 | |
US62/519,697 | 2017-06-14 | ||
PCT/AU2018/050574 WO2018227238A1 (en) | 2017-06-14 | 2018-06-08 | Indicator determination |
JP2019569489A JP2020523162A (ja) | 2017-06-14 | 2018-06-08 | 指標の決定 |
Related Parent Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019569489A Division JP2020523162A (ja) | 2017-06-14 | 2018-06-08 | 指標の決定 |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2023171493A true JP2023171493A (ja) | 2023-12-01 |
Family
ID=64658751
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019569489A Pending JP2020523162A (ja) | 2017-06-14 | 2018-06-08 | 指標の決定 |
JP2023173597A Pending JP2023171493A (ja) | 2017-06-14 | 2023-10-05 | 指標の決定 |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019569489A Pending JP2020523162A (ja) | 2017-06-14 | 2018-06-08 | 指標の決定 |
Country Status (6)
Country | Link |
---|---|
US (1) | US20210145303A1 (ja) |
EP (1) | EP3634226A4 (ja) |
JP (2) | JP2020523162A (ja) |
CN (1) | CN110785122A (ja) |
AU (1) | AU2018286480B2 (ja) |
WO (1) | WO2018227238A1 (ja) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20230200729A1 (en) * | 2021-12-23 | 2023-06-29 | Baxter International Inc. | Physiological sensor patch for making complex measurements of bioimpedance |
Family Cites Families (16)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8388530B2 (en) * | 2000-05-30 | 2013-03-05 | Vladimir Shusterman | Personalized monitoring and healthcare information management using physiological basis functions |
CN1708969A (zh) * | 2000-07-25 | 2005-12-14 | 皇家菲利浦电子有限公司 | 基于ui的家用网络桥接 |
US6587715B2 (en) * | 2001-05-03 | 2003-07-01 | The Nutrition Solutions Corporation | Assessment of organs for transplant, xenotransplant, and predicting time of death |
JP3661686B2 (ja) * | 2002-12-19 | 2005-06-15 | 松下電器産業株式会社 | 監視装置 |
US7387610B2 (en) * | 2004-08-19 | 2008-06-17 | Cardiac Pacemakers, Inc. | Thoracic impedance detection with blood resistivity compensation |
JP4369855B2 (ja) * | 2004-11-10 | 2009-11-25 | 大和製衡株式会社 | 柔軟運動用器具 |
US9724012B2 (en) * | 2005-10-11 | 2017-08-08 | Impedimed Limited | Hydration status monitoring |
US20110251513A1 (en) * | 2007-05-14 | 2011-10-13 | Impedimed Limited | Indicator |
US20090275854A1 (en) * | 2008-04-30 | 2009-11-05 | Zielinski Todd M | System and method of monitoring physiologic parameters based on complex impedance waveform morphology |
US9713701B2 (en) | 2008-07-31 | 2017-07-25 | Medtronic, Inc. | Using multiple diagnostic parameters for predicting heart failure events |
CA2743048A1 (en) * | 2008-11-10 | 2010-05-14 | Impedimed Limited | Fluid indicator |
US9615767B2 (en) * | 2009-10-26 | 2017-04-11 | Impedimed Limited | Fluid level indicator determination |
US10055549B2 (en) * | 2013-10-10 | 2018-08-21 | Wireless Medical Monitoring, Inc. | Method and apparatus for wireless health monitoring and emergent condition prediction |
JP2015131049A (ja) * | 2014-01-15 | 2015-07-23 | セイコーエプソン株式会社 | 生体情報処理システム、電子機器及びサーバーシステム |
SG11201701018PA (en) * | 2014-08-10 | 2017-03-30 | Autonomix Medical Inc | Ans assessment systems, kits, and methods |
WO2016196080A1 (en) * | 2015-06-02 | 2016-12-08 | Cardiac Pacemakers, Inc. | Multi-sensor volume index |
-
2018
- 2018-06-08 WO PCT/AU2018/050574 patent/WO2018227238A1/en unknown
- 2018-06-08 AU AU2018286480A patent/AU2018286480B2/en active Active
- 2018-06-08 EP EP18817892.5A patent/EP3634226A4/en active Pending
- 2018-06-08 JP JP2019569489A patent/JP2020523162A/ja active Pending
- 2018-06-08 CN CN201880040134.2A patent/CN110785122A/zh active Pending
- 2018-06-08 US US16/622,564 patent/US20210145303A1/en active Pending
-
2023
- 2023-10-05 JP JP2023173597A patent/JP2023171493A/ja active Pending
Also Published As
Publication number | Publication date |
---|---|
JP2020523162A (ja) | 2020-08-06 |
US20210145303A1 (en) | 2021-05-20 |
EP3634226A4 (en) | 2021-01-27 |
AU2018286480A1 (en) | 2019-12-19 |
AU2018286480B2 (en) | 2023-12-14 |
EP3634226A1 (en) | 2020-04-15 |
WO2018227238A1 (en) | 2018-12-20 |
CN110785122A (zh) | 2020-02-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20240032814A1 (en) | Impedance measurement system | |
US20240172952A1 (en) | Heart failure indicator | |
US20220265154A1 (en) | Body state classification | |
JP5970476B2 (ja) | 組織量指標の決定 | |
JP7410937B2 (ja) | インピーダンス測定の評価 | |
JP2023171493A (ja) | 指標の決定 | |
AU2011274290B2 (en) | Tissue indicator determination | |
AU2006272457A1 (en) | Index determination |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231011 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20231102 |
|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20231102 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20240610 |