JP6068715B1 - 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム - Google Patents
介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム Download PDFInfo
- Publication number
- JP6068715B1 JP6068715B1 JP2016133955A JP2016133955A JP6068715B1 JP 6068715 B1 JP6068715 B1 JP 6068715B1 JP 2016133955 A JP2016133955 A JP 2016133955A JP 2016133955 A JP2016133955 A JP 2016133955A JP 6068715 B1 JP6068715 B1 JP 6068715B1
- Authority
- JP
- Japan
- Prior art keywords
- intervention
- user
- effect
- information
- regression
- 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.)
- Active
Links
Images
Classifications
-
- 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
- G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
- G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Epidemiology (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Primary Health Care (AREA)
- Public Health (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
Description
介入効果推測システム10は、所定の症状に対して所定の介入(治療などの医療介入)を行ったユーザに対して、回帰分析及びベイズ法を用いて、介入の効果を推測するシステムである。介入効果推測システム10に適用できる所定の症状としては、例えば、便秘、アレルギー症(花粉症など)、睡眠障害(不眠症、過眠症など)などが挙げられる。また、介入効果推測システム10に適用できる所定の介入としては、例えば、薬物の服用、健康食品の摂取、医療機器の使用、運動プログラムの実施、鍼治療の実施などが挙げられる。但し、症状及び介入ともに、これらに限定されない。なお、本実施の形態では、所定の症状に対して複数の介入が定められているが、所定の症状に対して定められる介入は1つであってもよい。
クラウドサーバ20では、介入効果推測システム10の運用開始時に、記録部23が疫学データベース26を格納している。この疫学データベース26は、介入効果推測システム10の運用開始前に、複数人の被験者から集めた被験者データに基づいて作成されたものである。介入効果推測システム10の運用開始時には、集団データが準備されている。第1統計処理部24は、運用開始時に疫学データベース26の集団データに対して集団分析処理を行っている。記録部23は、この集団分析処理により得られた集団分析結果(切片β0、各回帰係数βnの推定値、切片β0の推定値に対する標準誤差、各回帰係数βnの推定値に対する標準誤差)を保持している。介入効果推測システム10は、運用開始時から、第2統計処理部25において集団分析結果を用いた係数更新処理が実行可能である。
図7のフローチャートを参照にして、第1統計処理部24における処理について説明する。この処理は、第1のサーバ用プログラムに従って行われる。
続いて、図8のフローチャートを参照にして、第2統計処理部25における処理について説明する。この処理は、第2のサーバ用プログラムに従って行われる。以下では、1人のユーザに対する処理について説明を行う。
本実施の形態では、複数人の被験者データを集合させた集団データを回帰分析した集団分析結果を用いて、ユーザ用の回帰モデルにおけるユーザ分析値βnの初期値と、ベイズ推定に用いる最初の事前分布とを設定し、ユーザデータを取得すると、その被験者データの尤度を用いたベイズ推定によって、ユーザ分析値βnを更新する。そして、ユーザ分析値βnが更新されたユーザ用の回帰モデルに基づいて、ユーザに対する介入の効果を推測する。そのため、ユーザデータを用いてユーザ分析値βnが更新されたユーザ用の回帰モデルは、ユーザへの適合性が向上する。また、回帰モデルに基づいて介入の効果を推測するため、反対方向の効果も推測可能である。従って、ユーザ個人に対して、介入の良否も含めて介入の効果を適切に推測することができ、ユーザにとって効果的な介入を選択可能な個別化医療を実現することができる。
本変形例では、第2統計処理部25に、ユーザに対する各介入の効果を推測するための回帰モデルとして、ユーザ用の回帰モデルに加えて、比較用の回帰モデルが準備されている。変形例では、比較用の回帰モデルとして、ユーザ用の回帰モデルと同じロジスティック回帰モデルを採用しているが、他の回帰モデルを採用してもよい。以下では、1人のユーザに対する処理について説明を行う。
所定の症状が便秘以外の場合について説明を行う。
この場合、被験者データは、説明情報として、症状が便秘の場合の項目情報に加えて、介入実施日が属する季節を表す季節情報、及び、介入実施日の気温を表す気温情報を含み、目的変数とする項目情報として、介入実施日における片頭痛の有無を表す介入効果情報を含む。
この場合、被験者データは、説明情報としては、症状が便秘の場合の項目情報と同じである。被験者データは、目的変数とする項目情報として、介入実施日の晩における睡眠の有無を表す介入効果情報を含む。
この場合、被験者データは、説明情報として、症状が便秘の場合の項目情報に加えて、上記季節情報、上記気温情報、及び、アレルゲンに関する情報を含み、目的変数とする項目情報として、介入実施日(又は翌日)におけるアレルギー症の軽減の有無(又は、軽減レベル)を表す介入効果情報を含む。なお、アレルゲンに関する情報は、例えば花粉の飛散量を表す情報である。
上記実施の形態では、回帰モデルとしてロジスティック回帰モデルを採用したが、最小二乗法を用いた単回帰モデル若しくは重回帰モデル、又は、コックスの比例ハザードモデルなど他の回帰モデルを採用してもよい。ロジスティック回帰モデルでは目的変数は離散変数(有りの場合が「1」、無しの場合が「0」)であるが、本変形例のモデルでは、離散変数としてもよいし連続変数としてもよい。
上記実施の形態では、複数人の被験者データを1つの集団データとして扱うが、複数人の被験者データを複数の集団データに分類してもよい。例えば、複数人の被験者データについて、男性の被験者データにより構成された集団データと、女性の被験者データにより構成された集団データとに分類することができる。また、年齢層に応じて集団データを分類することもできる。
介入効果推測システム10は、図9に示すように、システム管理者が管理するサーバ40と、各ユーザが操作する情報端末14とを備えている。この変形例では、サーバ40が集団用処理部に相当し、各情報端末14が個人用処理部に相当する。サーバ40と情報端末14とは、ネットワーク16を介して、相互に通信可能である。サーバ40は、1つ又は複数のコンピュータによって構成することができる。サーバ40には、管理用プログラムがインストールされている。情報端末14には、ユーザ用プログラムがインストールされている。このユーザ用プログラムは、上述の実施の形態とは異なり、係数更新処理及び効果推測処理などの処理の実行プログラムである。
上記実施の形態では、ユーザ被験情報はユーザによって情報端末14に入力されたが、センシングによってユーザ被験情報を取得してもよい。
14 情報端末
20 クラウドサーバ
21 通信部
22 サーバ制御部
23 記録部
24 第1統計処理部(集団用処理部)
25 第2統計処理部(個人用処理部)
26 疫学データベース
27 ユーザデータベース
28 係数更新部
29 効果推測部
Claims (9)
- 所定の症状に対して1つ又は複数の介入が定められ、少なくとも1つの介入を行った被験者の情報として、前記介入の実施状況を表す介入実施情報と、該介入による効果の状況を表す介入効果情報とを含む被験者データを用いて、前記被験者の1人であるユーザに対する介入の効果を推測する介入効果推測システムであって、
前記介入実施情報を独立変数とし前記介入効果情報を目的変数とする回帰モデルを用いて、複数人の被験者データを集合させた集団データを回帰分析した集団分析結果を保持する集団用処理部と、
前記集団分析結果を用いて、前記ユーザ用に準備された前記回帰モデルとしてユーザ用の回帰モデルにおける回帰係数の初期値と、ベイズ推定に用いる最初の事前分布とを設定し、前記ユーザの被験者データを取得すると、該被験者データの尤度を用いたベイズ推定によって、前記回帰係数を更新する個人用処理部とを備え、
前記個人用処理部は、当該個人用処理部により前記回帰係数が更新された前記ユーザ用の回帰モデルに基づいて、前記ユーザに対する介入の効果を推測することを特徴とする、介入効果推測システム。 - 前記被験者データは、所定の症状に対して定められた複数の介入の各々について前記介入実施情報を含み、
前記回帰モデルは、各介入についての前記介入実施情報を各独立変数として用い、
前記個人用処理部は、当該個人用処理部により前記各独立変数の回帰係数が更新された前記ユーザ用の回帰モデルに基づいて、前記ユーザに対する各介入の効果を個別に推測することを特徴とする、請求項1に記載の介入効果推測システム。 - 当該介入効果推測システムは、ユーザを含む複数人の被験者が利用可能であり、
前記集団用処理部は、前記被験者から取得した被験者データを前記集団データに追加し、該追加後の集団データに基づいて前記集団分析結果を更新することを特徴とする、請求項1又は2に記載の介入効果推測システム。 - 前記個人用処理部は、前記集団用処理部における更新後の集団分析結果を取得し、
前記個人用処理部は、前記更新後の集団分析結果を用いて、前記回帰係数の初期値及び前記最初の事前分布を設定し直し、過去に取得した前記ユーザの被験者データを1つずつ用いて前記ベイズ推定を繰り返すことによって、前記回帰係数の更新をやり直すことを特徴とする、請求項3に記載の介入効果推測システム。 - 前記集団用処理部は、前記被験者の情報として、該被験者データを分類するための分類用情報を取得し、
前記集団用処理部では、前記分類用情報に応じて、前記複数人の被験者データが複数の集団データに分類され、前記集団データ毎に前記集団分析結果が保持されており、
前記個人用処理部は、前記ユーザから取得した前記分類用情報に対応する前記集団分析結果を取得し、該集団分析結果を用いて前記回帰係数の初期値及び前記最初の事前分布を設定することを特徴とする、請求項1乃至4の何れか1つに記載の介入効果推測システム。 - 前記個人用処理部は、前記ユーザの被験者データを取得すると、比較用の回帰モデルを用いて、複数回に亘って過去に取得したユーザの被験者データを対象に回帰分析を行い、
前記個人用処理部は、前記ユーザ用の回帰モデルと前記比較用の回帰モデルとの中から所定の指標に基づいて回帰モデルを選定し、該選定した回帰モデルに基づいて、前記ユーザに対する介入の効果を推測することを特徴とする、請求項1乃至5の何れか1つに記載の介入効果推測システム。 - 前記個人用処理部は、当該個人用処理部により前記回帰係数が更新された前記ユーザ用の回帰モデルに基づいて、前記介入の効果の推定値と、該推定値の信頼区間とを算出することを特徴とする、請求項1乃至6の何れか1つに記載の介入効果推測システム。
- 所定の症状に対して1つ又は複数の介入が定められ、少なくとも1つの介入を行った被験者の情報として、前記介入の実施状況を表す介入実施情報と、該介入による効果の状況を表す介入効果情報とを含む被験者データを用いて、前記被験者の1人であるユーザに対する介入の効果を、コンピュータに推測させるプログラムであって、
前記コンピュータは、前記介入実施情報を独立変数とし前記介入効果情報を目的変数とする回帰モデルを用いて、複数人の被験者データを集合させた集団データを回帰分析した集団分析結果を保持する記録部を備え、
前記コンピュータに、
前記集団分析結果を用いて、前記ユーザ用に準備された前記回帰モデルとしてユーザ用の回帰モデルにおける回帰係数の初期値と、ベイズ推定に用いる最初の事前分布とを設定し、前記ユーザの被験者データを取得すると、該被験者データの尤度を用いたベイズ推定によって、前記回帰係数を更新する更新ステップと、
前記更新ステップにおいて前記回帰係数が更新された前記ユーザ用の回帰モデルに基づいて、前記ユーザに対する介入の効果を推測する推測ステップとを実行させることを特徴とする、プログラム。 - 所定の症状に対して1つ又は複数の介入が定められ、少なくとも1つの介入を行った被験者の情報として、前記介入の実施状況を表す介入実施情報と、該介入による効果の状況を表す介入効果情報とを含む被験者データを用いて、前記被験者の1人であるユーザに対する介入の効果を、コンピュータが推測する介入効果推測方法であって、
前記コンピュータは、前記介入実施情報を独立変数とし前記介入効果情報を目的変数とする回帰モデルを用いて、複数人の被験者データを集合させた集団データを回帰分析した集団分析結果を保持する記録部を備え、
前記コンピュータが、
前記集団分析結果を用いて、前記ユーザ用に準備された前記回帰モデルとしてユーザ用の回帰モデルにおける回帰係数の初期値と、ベイズ推定に用いる最初の事前分布とを設定し、前記ユーザの被験者データを取得すると、該被験者データの尤度を用いたベイズ推定によって、前記回帰係数を更新する更新ステップと、
前記更新ステップにおいて前記回帰係数が更新された前記ユーザ用の回帰モデルに基づいて、前記ユーザに対する介入の効果を推測する推測ステップとを実行することを特徴とする、介入効果推測方法。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016133955A JP6068715B1 (ja) | 2016-07-06 | 2016-07-06 | 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム |
PCT/JP2017/019676 WO2018008288A1 (ja) | 2016-07-06 | 2017-05-26 | 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2016133955A JP6068715B1 (ja) | 2016-07-06 | 2016-07-06 | 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP6068715B1 true JP6068715B1 (ja) | 2017-01-25 |
JP2018005707A JP2018005707A (ja) | 2018-01-11 |
Family
ID=57890542
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2016133955A Active JP6068715B1 (ja) | 2016-07-06 | 2016-07-06 | 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム |
Country Status (2)
Country | Link |
---|---|
JP (1) | JP6068715B1 (ja) |
WO (1) | WO2018008288A1 (ja) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196070A1 (ja) * | 2021-03-15 | 2022-09-22 | ソニーグループ株式会社 | 情報処理装置および方法、並びにプログラム |
Families Citing this family (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP6952416B2 (ja) * | 2018-03-19 | 2021-10-20 | 株式会社大一商会 | 遊技機 |
JP6952413B2 (ja) * | 2018-03-19 | 2021-10-20 | 株式会社大一商会 | 遊技機 |
JP6952415B2 (ja) * | 2018-03-19 | 2021-10-20 | 株式会社大一商会 | 遊技機 |
JP6952417B2 (ja) * | 2018-03-19 | 2021-10-20 | 株式会社大一商会 | 遊技機 |
JP6952414B2 (ja) * | 2018-03-19 | 2021-10-20 | 株式会社大一商会 | 遊技機 |
EP3866172A4 (en) * | 2018-10-12 | 2022-07-13 | Sumitomo Pharma Co., Ltd. | METHOD, DEVICE AND PROGRAM FOR ASSESSING THE RELEVANCE OF RELEVANT PREVENTIVE INTERVENTIONAL MEASURES TO HEALTH IN THE HEALTH AREA OF INTEREST |
AU2022209591A1 (en) * | 2021-01-20 | 2023-08-17 | Kyocera Corporation | Prediction system, control method, and control program |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008502371A (ja) * | 2003-10-23 | 2008-01-31 | ファイザー・プロダクツ・インク | 病状の始まりまたは変化を予測する方法 |
JP2013008159A (ja) * | 2011-06-23 | 2013-01-10 | Toshio Kobayashi | 医療データ解析方法、医療データ解析装置およびプログラム |
JP2013524355A (ja) * | 2010-04-07 | 2013-06-17 | ノヴァディスカバリー | 処置成果を予測するためのコンピュータベースシステム |
JP2014512624A (ja) * | 2011-04-20 | 2014-05-22 | ザ クリーブランド クリニック ファウンデーション | 予測モデリング |
-
2016
- 2016-07-06 JP JP2016133955A patent/JP6068715B1/ja active Active
-
2017
- 2017-05-26 WO PCT/JP2017/019676 patent/WO2018008288A1/ja active Application Filing
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008502371A (ja) * | 2003-10-23 | 2008-01-31 | ファイザー・プロダクツ・インク | 病状の始まりまたは変化を予測する方法 |
JP2013524355A (ja) * | 2010-04-07 | 2013-06-17 | ノヴァディスカバリー | 処置成果を予測するためのコンピュータベースシステム |
JP2014512624A (ja) * | 2011-04-20 | 2014-05-22 | ザ クリーブランド クリニック ファウンデーション | 予測モデリング |
JP2013008159A (ja) * | 2011-06-23 | 2013-01-10 | Toshio Kobayashi | 医療データ解析方法、医療データ解析装置およびプログラム |
Non-Patent Citations (2)
Title |
---|
JPN6016044019; 里宇 明元: 'リハビリテーションにおける効果研究' 埼玉理学療法 Vol.7 No.1, 2000, pp.2-21 * |
JPN6016044023; Lynda H. Norton: 'Adherence, Compliance, and Health Risk Factor Changes following Short-Term Physical Activity Interve' BioMed Research International Vol.2015, 2015, Article ID 929782, pp.1-9 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2022196070A1 (ja) * | 2021-03-15 | 2022-09-22 | ソニーグループ株式会社 | 情報処理装置および方法、並びにプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP2018005707A (ja) | 2018-01-11 |
WO2018008288A1 (ja) | 2018-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP6068715B1 (ja) | 介入効果推測システム、介入効果推測方法、及び、介入効果推測システムに用いるプログラム | |
JP6440808B2 (ja) | 病状の個人管理および監視 | |
Pan et al. | Changes in red meat consumption and subsequent risk of type 2 diabetes mellitus: three cohorts of US men and women | |
Bentley et al. | Functional status, life-space mobility, and quality of life: a longitudinal mediation analysis | |
Harrington et al. | Identifying the “tipping point” age for overweight pediatric patients | |
Pagel et al. | Intracluster correlation coefficients and coefficients of variation for perinatal outcomes from five cluster-randomised controlled trials in low and middle-income countries: results and methodological implications | |
JP6662535B2 (ja) | 生活習慣管理支援装置および生活習慣管理支援方法 | |
WO2016190210A1 (ja) | ヘルスケアシステム | |
JP5317496B2 (ja) | 健康疾患管理支援装置及び方法、並びに医用ネットワークシステム | |
Hawkins et al. | Associations of tobacco control policies with birth outcomes | |
Kortüm et al. | Using electronic health records to build an ophthalmologic data warehouse and visualize patients' data | |
JP2020537232A (ja) | 全母集団から任意に選択された部分母集団内の被験者における非健康状態のリスク、発生又は進行を予測する医療装置及びコンピュータ実装方法 | |
CN110832602A (zh) | 软件、健康状态判定装置及健康状态判定方法 | |
US20210343412A1 (en) | Intervention content estimation device, method, and program | |
Kaplan et al. | Providers' advice concerning smoking cessation: Evidence from the Medical Expenditures Panel Survey | |
Records et al. | Exploring the psychosocial predictors of gestational diabetes and birth weight | |
AU2012228898B2 (en) | Method and system for determining HRV and RRV and use to identify potential condition onset | |
JP4665615B2 (ja) | 健康指導支援システム | |
KR20110029414A (ko) | 건강 관리 정보를 제공하는 방법 및 장치 | |
Akhter et al. | Big data-based epidemiology of uveitis and related intraocular inflammation | |
JP6343939B2 (ja) | 健康管理支援システム | |
JP2004302498A (ja) | 食生活習慣改善支援装置 | |
Capilheira et al. | Individual factors associated with medical consultation by adults | |
JP2020021514A (ja) | サーバ装置 | |
JP7229083B2 (ja) | 健康状態予測システムおよびプログラム |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20161020 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161116 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20161125 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20161216 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20161222 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 6068715 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |