JP7097111B2 - Information processing system, server, information processing method and program - Google Patents
Information processing system, server, information processing method and program Download PDFInfo
- Publication number
- JP7097111B2 JP7097111B2 JP2021090711A JP2021090711A JP7097111B2 JP 7097111 B2 JP7097111 B2 JP 7097111B2 JP 2021090711 A JP2021090711 A JP 2021090711A JP 2021090711 A JP2021090711 A JP 2021090711A JP 7097111 B2 JP7097111 B2 JP 7097111B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- blood pressure
- user
- data
- exercise
- 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
Landscapes
- Measuring And Recording Apparatus For Diagnosis (AREA)
- Measuring Pulse, Heart Rate, Blood Pressure Or Blood Flow (AREA)
Description
本開示は、測定装置から取得した測定データに基づきユーザ支援データを生成する情報処理システム、サーバ、情報処理方法及びプログラムに関する。 The present disclosure relates to an information processing system, a server, an information processing method and a program that generate user support data based on measurement data acquired from a measuring device.
測定装置を利用してユーザの生体データを連続的に取得し、その変化から病気の早期発見や病状変化の検出を行うことは、健康管理を行う上で有効である。そのためには、取得した複数の生体データから様々な健康状態を把握する必要がある。 It is effective for health management to continuously acquire user's biological data using a measuring device and to detect a disease at an early stage or detect a change in a medical condition from the change. For that purpose, it is necessary to grasp various health conditions from a plurality of acquired biometric data.
例えば、ユーザの心電波形のデータと脈波形のデータとを測定装置から取得し、血圧情報を生成する血圧情報測定システムが知られている(例えば、特許文献1参照。)。また、例えば、ユーザの測定データから生体情報データへ演算を行うための因果関係である数理モデルを生成し、数理モデルを利用可能に提供する開発支援サーバも知られている(例えば、特許文献2参照。)。 For example, there is known a blood pressure information measuring system that acquires a user's electrocardiographic waveform data and pulse waveform data from a measuring device and generates blood pressure information (see, for example, Patent Document 1). Further, for example, a development support server that generates a mathematical model that is a causal relationship for performing an operation from a user's measurement data to biometric information data and provides the mathematical model so that it can be used is also known (for example, Patent Document 2). reference.).
ところで、腎臓の機能と高血圧症には深い関係性があり、高血圧症であると慢性腎臓病になりやすいといわれている。そして、慢性腎臓病罹患者は、心血管疾患にもなりやすいともいわれている。 By the way, there is a deep relationship between kidney function and hypertension, and it is said that hypertension tends to lead to chronic kidney disease. It is also said that people with chronic kidney disease are more likely to have cardiovascular disease.
しかしながら、慢性腎臓病は、初期症状がほとんどなく発見しづらいものであり、自覚症状が出始めるまで放置しておくと、結果として透析などが必要なほどまで悪化してしまうため、客観的な指標での発見が求められている。 However, chronic kidney disease has few initial symptoms and is difficult to detect, and if left untreated until subjective symptoms begin to appear, it will worsen to the extent that dialysis etc. is necessary as a result, so it is an objective index. Is required to be found in.
そこで、本開示では、測定装置から取得した測定データに基づきユーザ支援データを生成する情報処理システム、サーバ、情報処理方法及びプログラムについて説明する。 Therefore, in the present disclosure, an information processing system, a server, an information processing method, and a program that generate user support data based on the measurement data acquired from the measuring device will be described.
本開示の一態様における情報処理システムは、ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行う情報処理システムであって、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備える。 The information processing system according to one aspect of the present disclosure is an information processing system that receives measurement data from a measuring device worn by a user via a network at a predetermined cycle and generates renal function information from the measured data. It is provided with a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates kidney function information of the user based on the blood pressure information and exercise information.
本開示の一態様におけるサーバは、ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行うサーバであって、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備える。 The server in one aspect of the present disclosure is a server that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data, and the measurement data is used as the server. It is provided with a biological data generation unit that executes a predetermined calculation, generates blood pressure information and exercise information, and generates kidney function information of the user based on the blood pressure information and exercise information.
また、本開示の一態様における情報処理方法は、ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行う情報処理方法であって、生体データ生成部により、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成するステップを含む。 Further, the information processing method according to one aspect of the present disclosure is an information processing method in which measurement data is received from a measuring device worn by a user via a network at a predetermined cycle and renal function information is generated from the measured data. Then, the biological data generation unit executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates the user's renal function information based on the blood pressure information and exercise information. include.
また、本開示の一態様におけるプログラムは、ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行うコンピュータ用のプログラムであって、前記プログラムは、前記コンピュータにおいて、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部を含む機能部を実現する。 Further, the program according to one aspect of the present disclosure is a program for a computer that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data. In the computer, the program executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates kidney function information of the user based on the blood pressure information and exercise information. Realize a functional part including a data generation part.
本開示によれば、本実施形態に係る情報処理システムは、生体データ生成部やユーザ支援データ生成部を介して、測定データに基づき、特に腎機能に関する腎機能情報やユーザの腎機能が低下していることをアラートするためのユーザ支援データを生成する。これにより、例えばユーザの腎機能に関する情報や腎機能が低下していることのアラートを自覚症状がない段階でユーザが簡単に取得することが可能となり、ユーザの利便性が向上する。 According to the present disclosure, in the information processing system according to the present embodiment, the renal function information regarding the renal function and the renal function of the user are deteriorated based on the measurement data via the biological data generation unit and the user support data generation unit. Generate user assistance data to alert you. As a result, for example, it becomes possible for the user to easily obtain information on the user's renal function and an alert that the renal function is deteriorated at a stage where there is no subjective symptom, and the convenience of the user is improved.
本発明の実施形態の内容を列記して説明する。本発明の実施の形態によるシステムは、以下のような構成を備える。 The contents of the embodiments of the present invention will be described in a list. The system according to the embodiment of the present invention has the following configurations.
[項目1]
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行う情報処理システムであって、
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備える、
ことを特徴とする情報処理システム。
[項目2]
さらに、前記運動情報と基準運動情報を比較した結果に応じて、運動に関するユーザ支援データを生成するユーザ支援データ生成部を備える、
ことを特徴とする項目1に記載の情報処理システム。
[項目3]
前記生体データ生成部は、前記血圧情報から所定時間分の血圧推移情報を生成し、基準血圧情報を超えた値と時間の積分値を求めることにより血圧負荷情報を算出し、当該血圧負荷情報から前記腎機能情報を生成するものであって、
前記血圧情報は、前記運動情報と基準運動情報を比較した結果に応じて、前記血圧情報に対して間引き補正を実行した結果の血圧情報である、
ことを特徴とする項目1または項目2のいずれかに記載の情報処理システム。
[項目4]
前記生体データ生成部は、前記積分値と腎機能の状態との対応関係情報を記憶することで、当該対応関係情報を参照して前記積分値に対応する腎機能情報を生成する、
ことを特徴とする項目3に記載の情報処理システム。
[項目5]
前記所定の周期は、前記血圧推移情報を生成するための前記所定時間と同一または略同一であり、
前記生体データ生成部は、前記所定時間内の血圧情報の最大値、若しくは、血圧推移情報の変化の最大値を取得し、基準値またはユーザの過去の平均値と比較して所定値以上の差が表れている異常値情報を判定する、
ことを特徴とする項目3または項目4のいずれかに記載の情報処理システム。
[項目6]
さらに、前記腎機能情報に基づくアドバイスまたはアラートの少なくともいずれかを含むユーザ支援データを生成するユーザ支援データ生成部を備える、
ことを特徴とする項目1ないし項目5に記載の情報処理システム。
[項目7]
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行うサーバであって、
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備える、
ことを特徴とするサーバ。
[項目8]
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行う情報処理方法であって、
生体データ生成部により、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成するステップを含む、
ことを特徴とする情報処理方法。
[項目9]
ネットワークを介してユーザが装着する測定装置から測定データを所定の周期で受信し、前記測定データから腎機能情報の生成を行うコンピュータ用のプログラムであって、
前記プログラムは、前記コンピュータにおいて、
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部を含む機能部を実現する、
ことを特徴とするプログラム。
[Item 1]
An information processing system that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data.
It includes a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates kidney function information of the user based on the blood pressure information and exercise information.
An information processing system characterized by this.
[Item 2]
Further, it is provided with a user support data generation unit that generates user support data related to exercise according to the result of comparing the exercise information and the reference exercise information.
The information processing system according to
[Item 3]
The biological data generation unit generates blood pressure transition information for a predetermined time from the blood pressure information, calculates blood pressure load information by obtaining an integrated value of a value exceeding the reference blood pressure information and time, and calculates blood pressure load information from the blood pressure load information. It generates the above-mentioned renal function information and generates the above-mentioned renal function information.
The blood pressure information is blood pressure information as a result of performing thinning correction on the blood pressure information according to the result of comparing the exercise information and the reference exercise information.
The information processing system according to any one of
[Item 4]
The biological data generation unit stores the correspondence information between the integrated value and the state of the renal function, and generates the renal function information corresponding to the integrated value with reference to the correspondence information.
The information processing system according to item 3, characterized in that.
[Item 5]
The predetermined cycle is the same as or substantially the same as the predetermined time for generating the blood pressure transition information.
The biometric data generation unit acquires the maximum value of blood pressure information within the predetermined time or the maximum value of change in blood pressure transition information, and makes a difference of a predetermined value or more as compared with a reference value or a past average value of a user. Judging the outlier information that appears,
The information processing system according to any one of item 3 or item 4, wherein the information processing system is characterized by the above.
[Item 6]
Further, it comprises a user support data generation unit that generates user support data including at least one of advice or alert based on the renal function information.
The information processing system according to
[Item 7]
A server that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data.
It includes a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates kidney function information of the user based on the blood pressure information and exercise information.
A server that features that.
[Item 8]
It is an information processing method that receives measurement data from a measuring device worn by a user via a network at a predetermined cycle and generates renal function information from the measured data.
The biological data generation unit includes a step of executing a predetermined calculation on the measurement data, generating blood pressure information and exercise information, and generating kidney function information of the user based on the blood pressure information and exercise information.
An information processing method characterized by that.
[Item 9]
It is a program for a computer that receives measurement data from a measuring device worn by a user via a network at a predetermined cycle and generates renal function information from the measured data.
The program is installed in the computer.
A functional unit including a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates renal function information of the user based on the blood pressure information and exercise information is realized. do,
A program characterized by that.
以下、本開示の実施形態について図面を参照して説明する。なお、以下に説明する実施形態は、特許請求の範囲に記載された本開示の内容を不当に限定するものではない。また、実施形態に示される構成要素のすべてが、本開示の必須の構成要素であるとは限らない。また、各実施形態で示される特徴は、互いに矛盾しない限り他の実施形態にも適用可能である。 Hereinafter, embodiments of the present disclosure will be described with reference to the drawings. The embodiments described below do not unreasonably limit the contents of the present disclosure described in the claims. Also, not all of the components shown in the embodiments are essential components of the present disclosure. In addition, the features shown in each embodiment can be applied to other embodiments as long as they do not contradict each other.
(実施形態1)
<構成>
図1は、本開示の実施形態1に係る情報処理システム1を示すブロック構成図である。この情報処理システム1は、例えば、ネットワークNWを介して測定装置300からユーザの測定データを管理サーバ100にて受信し、当該測定データに対して所定の演算を行うことで生体データを生成し、当該生体データに基づきユーザ支援データを生成するシステムである。
(Embodiment 1)
<Structure>
FIG. 1 is a block configuration diagram showing an
情報処理システム1は、管理サーバ100と、ユーザ端末装置200と、測定装置300と、ネットワークNWと、を有している。管理サーバ100と、ユーザ端末装置200とは、ネットワークNWを介して接続される。ネットワークNWは、インターネット、イントラネット、ブロックチェーンネットワーク、無線LAN(Local Area Network)やWAN(Wide Area Network)等により構成される。
The
管理サーバ100は、例えば、ネットワークを介して測定装置300からユーザの測定データを、ユーザ端末装置200を経由して受信して測定データから生体データへ演算を行う装置であり、例えば各種Webサービスを提供するサーバ装置により構成されている。 The management server 100 is, for example, a device that receives user's measurement data from the measurement device 300 via a network via the user terminal device 200 and calculates the measurement data into biometric data, for example, various Web services. It consists of the server equipment provided.
ユーザ端末装置200は、ユーザが所持する、例えばパーソナルコンピュータやタブレット端末、スマートフォン、スマートウォッチ、携帯電話、PHS、PDA等の情報処理装置であり、例えば、管理サーバ100で演算を行った生体データを波形グラフ等により表示させたり、生体データに基づき生成されたユーザ支援データ(詳細は後述)を表示させたりなどをするために利用される。ユーザ端末装置200には、予めユーザの識別番号、生年月日、性別、身長、体重、歩幅等のユーザ情報が登録されており、生年月日から算出した年齢等も含めたユーザ情報を測定データに関連付けてネットワークNWを介して管理サーバ100へ送信する。 The user terminal device 200 is an information processing device possessed by the user, such as a personal computer, a tablet terminal, a smartphone, a smart watch, a mobile phone, a PHS, or a PDA. It is used to display a waveform graph or the like, or to display user support data (details will be described later) generated based on biometric data. User information such as a user's identification number, date of birth, gender, height, weight, stride, etc. is registered in the user terminal device 200 in advance, and user information including age calculated from the date of birth is measured data. It is transmitted to the management server 100 via the network NW in association with.
測定装置300は、ユーザの生体データを測定する装置であり、ユーザの手首や腕等の身体に装着して利用される、例えばウェアラブル装置である。この測定装置300は、例えばユーザの心電、脈波、温度(体温)、加速度、角速度のデータを所定の周期的なタイミングで測定するための複数種類の装置である。当該所定の周期は、予め設定されているものであってもよいし、ユーザが任意に設定可能であってもよい。より具体的には、例えば秒単位の時間的周期が設定されていてもよいし、周波数により同様に設定されていてもよい。 The measuring device 300 is a device that measures the biometric data of the user, and is, for example, a wearable device that is used by being worn on the body such as the wrist or arm of the user. The measuring device 300 is, for example, a plurality of types of devices for measuring data of a user's electrocardiogram, pulse wave, temperature (body temperature), acceleration, and angular velocity at a predetermined periodic timing. The predetermined cycle may be preset or may be arbitrarily set by the user. More specifically, for example, a time cycle in seconds may be set, or the same may be set depending on the frequency.
測定装置300の具体的な構成の例としては、2つの電極を皮膚に接触させ、検出電位の差の時間変化より心電を心電波形のデータとして取得する装置で構成しても良く、心電波形は、ガルバニック皮膚反応により取得されたデータでも良い。また、緑、赤、赤外の発光を行うLEDから各光を皮膚に照射し、フォトダイオードで受光した光の強度の時間変化により、ユーザの心臓の心拍により生ずる血管の容積変化により脈波を脈波形のデータとして取得する装置で構成しても良く、この方式で検出を行うことができる脈波形は光電式容積脈波形である。また、ユーザの皮膚に接触させる温度センサによりユーザの皮膚温度をデータとして取得する装置で構成しても良い。また、直交するXYZ軸それぞれの変異状態を検出する3軸加速度センサにより構成しても良く、ユーザの動作を加速度データとして取得し、例えば測定装置300がユーザの手首や腕等に装着されている場合、測定装置300は、手首や腕等の振りと、全身の動きが合成された加速度として加速度データの取得をする。さらに、直行するXYZ軸それぞれにおける回転角速度を検出するジャイロセンサ(角速度センサ)により構成しても良く、ユーザの動作を角速度データとして取得し、例えば測定装置300がユーザの手首や腕等に装着されている場合、測定装置300は、手首や腕等の回転と、全身の動きが合成された角速度として角速度データの取得をする。 As an example of the specific configuration of the measuring device 300, a device may be configured in which two electrodes are brought into contact with the skin and the electrocardiogram is acquired as electrocardiographic waveform data from the time change of the difference in the detected potential. The radio wave type may be data acquired by a galvanic skin reaction. In addition, each light is radiated to the skin from LEDs that emit green, red, and infrared light, and a pulse wave is generated by the change in the volume of the blood vessel caused by the heartbeat of the user's heart due to the time change of the intensity of the light received by the photodiode. It may be configured by a device that acquires pulse waveform data, and the pulse waveform that can be detected by this method is a photoelectric volume pulse waveform. Further, the device may be configured to acquire the user's skin temperature as data by a temperature sensor in contact with the user's skin. Further, it may be configured by a 3-axis acceleration sensor that detects the variation state of each of the orthogonal XYZ axes, and the user's motion is acquired as acceleration data, and for example, the measuring device 300 is attached to the user's wrist, arm, or the like. In this case, the measuring device 300 acquires acceleration data as an acceleration in which the swing of the wrist, arm, or the like and the movement of the whole body are combined. Further, it may be configured by a gyro sensor (angular velocity sensor) that detects the rotational angular velocity in each of the orthogonal XYZ axes, and the user's motion is acquired as angular velocity data, for example, the measuring device 300 is attached to the user's wrist, arm, or the like. If so, the measuring device 300 acquires the angular velocity data as the angular velocity in which the rotation of the wrist, the arm, or the like and the movement of the whole body are combined.
ユーザ端末装置200と測定装置300との間は、Bluetooth(登録商標)、近距離無線通信(Near Field radio Communication=NFC)、Afero(登録商標)、Zigbee(登録商標)、Z-Wave(登録商標)、又は無線LAN等を用いて接続されている。なお、このような無線接続の代わりに有線で接続を行っても良い。また、ユーザ端末装置200と測定装置300とは一体の機器であっても良く、例えば測定装置300にSIMを搭載するなどして通信機能を持たせて管理サーバ100と直接通信可能に構成しても良い。 Between the user terminal device 200 and the measuring device 300, Bluetooth (registered trademark), Near Field radio Communication (NFC), Afero (registered trademark), Zigbee (registered trademark), Z-Wave (registered trademark). ) Or is connected using a wireless LAN or the like. In addition, instead of such a wireless connection, a wired connection may be made. Further, the user terminal device 200 and the measuring device 300 may be an integrated device. For example, the measuring device 300 may be provided with a communication function so as to be able to directly communicate with the management server 100. Is also good.
ユーザ端末装置200は、1または複数台あり、測定装置300を利用するユーザ数分ネットワークNWに接続されている。測定装置300は、1または複数台あり、1人のユーザが利用する台数分のユーザ端末装置200に接続されている。1人のユーザが複数の測定装置300を利用している場合は、1つのユーザ端末装置200に複数の測定装置300が接続されている。 There are one or a plurality of user terminal devices 200, and they are connected to the network NW for the number of users who use the measuring device 300. There are one or a plurality of measuring devices 300, and they are connected to the number of user terminal devices 200 used by one user. When one user uses a plurality of measuring devices 300, the plurality of measuring devices 300 are connected to one user terminal device 200.
<管理サーバ100>
図2は、管理サーバ100のハードウェア構成を示す図である。図3は、記憶部120および制御部130の機能を例示したブロック図である。なお、図示された構成は一例であり、これ以外の構成を有していてもよい。
<Management server 100>
FIG. 2 is a diagram showing a hardware configuration of the management server 100. FIG. 3 is a block diagram illustrating the functions of the storage unit 120 and the
管理サーバ100は、通信部110と、記憶部120と、制御部130と、入出力部140とを備える。これらの機能部は、管理サーバ100用の所定のプログラムを実行することにより実現される。
The management server 100 includes a communication unit 110, a storage unit 120, a
通信部110は、ユーザ端末装置200と通信を行うための通信インタフェースであり、例えばTCP/IP(Transmission Control Protocol/Internet Protocol)等の通信規約により通信が行われる。 The communication unit 110 is a communication interface for communicating with the user terminal device 200, and communication is performed according to a communication protocol such as TCP / IP (Transmission Control Protocol / Internet Protocol).
記憶部120は、各種制御処理や制御部130内の各機能を実行するためのプログラム、入力データ等を記憶するものであり、RAM(Random Access Memory)、ROM(Read Only Memory)等から構成される。また、図3に示されるように、記憶部120は、測定装置300による測定データをユーザ情報と関連付けて記憶する測定データDB121と、測定データから演算されて生成される生体データをユーザ情報と関連付けて記憶する生体データDB122と、生体データに基づき生成されたユーザ支援データをユーザ情報と関連付けて記憶するユーザ支援データDB123と、ユーザ識別番号を含むユーザ情報を記憶するユーザ情報DB124と、を記憶する。また、ユーザ情報は、データ管理部131により生成されたアカウント情報を含み、ユーザ情報DB124は、アカウント情報が他のユーザ情報と関連付けられて記憶するようにしてもよい。さらに、記憶部120は、ユーザ端末装置200と通信を行ったデータを一時的に記憶する。なお、DBのデータ構造は、これに限られるものではなく、上述のDBの一部をユーザ端末装置200または測定装置300に記憶するようにしてもよい。
The storage unit 120 stores programs for executing various control processes and functions in the
制御部130は、管理サーバ100の全体の動作を制御するものであり、CPU(Central Processing Unit)等から構成される。また、図3に示されるように、制御部130は、データ管理部131、生体データ生成部132、ユーザ支援データ生成部133、データ出力部134といった機能部を含む。
The
データ管理部131は、測定装置300を利用するユーザごとに、アカウント情報を生成する。このアカウント情報生成は、測定装置300を利用するユーザがユーザ端末装置200でアカウント情報を登録すると行われる。そのため、データ管理部131は、ユーザのユーザ端末装置200や他の端末装置に対してアカウントごとに記憶部120内の各種DBへのアクセスの可否の制御を行う。データ管理部131は、測定データや生体データ、ユーザ支援データ等の各種データを対応するDBにユーザ情報に関連付けて記憶する。また、このとき、データ管理部131は、測定データに所定のタグ情報の関連付けを行って記憶させることが可能である。 The data management unit 131 generates account information for each user who uses the measuring device 300. This account information generation is performed when the user who uses the measuring device 300 registers the account information on the user terminal device 200. Therefore, the data management unit 131 controls whether or not the user terminal device 200 and other terminal devices of the user can access various DBs in the storage unit 120 for each account. The data management unit 131 stores various data such as measurement data, biometric data, and user support data in a corresponding DB in association with user information. Further, at this time, the data management unit 131 can associate the measurement data with predetermined tag information and store it.
図4は、図3の測定データに関連付けされるタグ情報の例を示す模式図である。図4に示すデータD1は、測定装置300の測定データである。タグT1は、データD1に関連付けされたタグ情報であり、例えば、測定装置300がデータD1を測定した時刻情報、またはデータD1が測定装置300からユーザ端末装置200へ送信された時刻情報が時系列データとして記憶される。もしくは、測定した時刻情報と送信された時刻情報との両方について関連付けを行っても良い。例えば、図4に示すタグT1の1行目では、「20180620120746144」が格納されているが、2018年06月20日12時07分46秒144ミリ秒を示している。このような時刻情報は通信ログより取得可能である。これにより、測定データがどの時間帯のものか把握することが可能である。 FIG. 4 is a schematic diagram showing an example of tag information associated with the measurement data of FIG. The data D1 shown in FIG. 4 is the measurement data of the measuring device 300. The tag T1 is tag information associated with the data D1, and for example, the time information in which the measuring device 300 measures the data D1 or the time information in which the data D1 is transmitted from the measuring device 300 to the user terminal device 200 is time-series. It is stored as data. Alternatively, both the measured time information and the transmitted time information may be associated. For example, in the first line of the tag T1 shown in FIG. 4, "20180620120746144" is stored, but it indicates 12:07:46:144 ms on June 20, 2018. Such time information can be obtained from the communication log. This makes it possible to grasp which time zone the measurement data belongs to.
なお、このようなタグ情報による測定データの関連付けは、時刻情報に限られず、ユーザの身体状態や活動状態を示す身体情報や活動情報を自由記載で記入させてタグ情報として記憶しても良く、所定の選択肢から選択させ(例えば、「現在の体調は如何ですか?」という質問に対して、「1:良い、2:普通、3:悪い」のいずれかを選択させる、等)、その選択した回答を記憶するようにしても良い。これにより、制御部150にて生体データを生成する際に、当該タグ情報と生体データとを対応付けすることで、より精度の高い生体データを生成可能となると共に、それに基づき生成されるユーザ支援データもよりパーソナライズされたデータとなり得る。 It should be noted that the association of measurement data with such tag information is not limited to time information, and physical information or activity information indicating the user's physical condition or activity state may be freely entered and stored as tag information. Have them choose from a given option (for example, in response to the question "How are you feeling now?", Choose one of "1: good, 2: normal, 3: bad", etc.) and make that choice. You may try to remember the answer you gave. As a result, when the control unit 150 generates biometric data, by associating the tag information with the biometric data, it is possible to generate more accurate biometric data, and the user support generated based on the tag information can be generated. The data can also be more personalized.
また、例えばデータ管理部131は、図4に示すように、データD1をタグT1の時刻順に並べ替え(ソート)を行うことが可能である。このような構成にしたのは、測定データはユーザの生体データに基づいて時系列に取得したものであるから時系列に並んでいる方が処理しやすいからであるが、ユーザ端末装置200及び通信部110を経由して受信する際に通信状況の変化等により受信データの逆転(後で送信された送信データが先に送信された送信データより先に受信されること)等が起こる場合があり、そのときの測定データの不整合を防止するためである。これにより、測定データの不整合を防止することが可能である。 Further, for example, the data management unit 131 can sort the data D1 in the time order of the tag T1 as shown in FIG. The reason for this configuration is that the measurement data is acquired in chronological order based on the biometric data of the user, and it is easier to process if the measurement data is arranged in chronological order. When receiving via the unit 110, the received data may be reversed (the transmitted data transmitted later is received before the transmitted data transmitted earlier) due to a change in the communication status or the like. This is to prevent inconsistency in the measurement data at that time. This makes it possible to prevent inconsistencies in the measured data.
生体データ生成部132は、測定データDB121に記憶された測定データに対して所定の演算を行い、生体データを生成する。この生体データは、測定データから算出可能なものであればどのような情報であってもよく、例えばユーザの血圧情報、心拍情報、血中酸素量情報、最大酸素摂取量情報、心電情報、呼吸数、体温情報、歩数情報、歩幅情報、重心の位置情報、姿勢情報、行動種別情報、ストレス情報、運動量情報、運動負荷情報、移動距離情報、移動速度情報、活動量情報、手または脚等の装着部位の動作情報などのデータであり、既知の手法により測定データから算出されるものである。演算により生成された生体データは、生体データDB122に記憶される。
The biometric data generation unit 132 performs a predetermined operation on the measurement data stored in the
また、既知の学習器などにより、例えば測定データと、当該測定データに基づき生成された生体データ(例えば心拍情報や血圧情報など)と正の生体データ(例えば、既知の医療機器に基づく心拍情報や血圧情報など)との対応関係(例えば、誤差の程度や範囲を示す情報などが含まれていてもよい)により対応付けた教師データを基に機械学習モデルを予め作成し、生体データ生成部132は、当該機械学習モデルを用いた判定を上述の所定の演算(解析)として生体データを生成してもよい。 In addition, for example, measurement data by a known learning device, biometric data generated based on the measurement data (for example, heartbeat information, blood pressure information, etc.) and positive biometric data (for example, heartbeat information based on known medical equipment, etc.) A machine learning model is created in advance based on the teacher data associated with the correspondence with the blood pressure information (for example, information indicating the degree and range of the error may be included), and the biological data generation unit 132. May generate biometric data using the determination using the machine learning model as the above-mentioned predetermined calculation (analysis).
ここで、測定データから生体データである最大血圧と最小血圧を算出する方法を例示する。図5は、図1の測定装置300で測定される心電波形及び脈波の例について説明するための図であり、測定装置300が測定し、記憶部120に記憶されたユーザの心電波形及び光電式容積脈波形と、アプリが光電式容積脈波形を時間で1階微分した速度脈波形及び、光電式容積脈波形を時間で2階微分した加速度脈波形を示している。図5は上から順に、心電波形、光電式容積脈波形、速度脈波形及び加速度脈波形となる。縦軸は、各波形の強度を示しており、心電波形及び光電式容積脈波形は電位を示すmVで表される。横軸は時間経過を示し、左から右へ時間経過を示している。 Here, a method of calculating the maximum blood pressure and the minimum blood pressure, which are biological data, from the measurement data will be exemplified. FIG. 5 is a diagram for explaining an example of an electrocardiographic waveform and a pulse wave measured by the measuring device 300 of FIG. 1, and is a diagram for explaining an example of the electrocardiographic waveform measured by the measuring device 300 and stored in the storage unit 120. And the photoelectric plethysmogram waveform, the velocity pulse waveform in which the photoelectric voluminous pulse waveform is first-order differentiated by time, and the acceleration pulse waveform in which the photoelectric voluminous pulse waveform is second-order differentiated by time are shown. FIG. 5 shows an electrocardiographic waveform, a photoelectric volume pulse waveform, a velocity pulse waveform, and an acceleration pulse waveform in order from the top. The vertical axis shows the intensity of each waveform, and the electrocardiographic waveform and the photoelectric volume pulse waveform are represented by MV indicating the potential. The horizontal axis shows the passage of time, and shows the passage of time from left to right.
心電波形は、人の心臓の拍動を引き起こす電気的信号の周期的変化を示す波形である。心電波形は、その形状の変曲点にそれぞれP波,Q波,R波,S波,T波の名称が割り当てられ、心拍の1サイクルを示している。P波は心房収縮を表し、Q波R波S波は心室収縮の状態を表し、T波は心室拡張の開始を表す。 The electrocardiographic waveform is a waveform showing a periodic change in an electrical signal that causes the beating of a human heart. In the electrocardiographic waveform, the names of P wave, Q wave, R wave, S wave, and T wave are assigned to the inflection points of the shape, respectively, and indicate one cycle of heartbeat. The P wave represents the atrial contraction, the Q wave, the R wave, and the S wave represent the state of ventricular contraction, and the T wave represents the start of ventricular dilation.
光電式容積脈波形は、人の心臓の拍動に伴う末梢血管系内の血圧・体積の変化を示す波形である。光電式容積脈波形は、その形状の変曲点にそれぞれA波、P波、V波、D波の名称が割り当てられ、心拍の1サイクルを示している。A波を動脈脈波が生じた時点の基準点として、P波が左心室駆出によって生じるPercussion波(衝撃波)、V波が大動脈弁の閉鎖時に生じるValley波(重複***による波)、D波が反射振動波であるDicrotic波(重複波)を示している。 The photoelectric volume pulse waveform is a waveform showing changes in blood pressure and volume in the peripheral vascular system accompanying the beating of the human heart. In the photoelectric volume pulse waveform, the names of A wave, P wave, V wave, and D wave are assigned to the inflection points of the shape, respectively, and indicate one cycle of the heartbeat. Using the A wave as the reference point at the time when the arterial pulse wave is generated, the P wave is the Percussion wave (shock wave) generated by the ejection of the left ventricle, the V wave is the Valley wave (wave due to the overlapping uplift) generated when the aortic valve is closed, and the D wave. Indicates a Dicrotic wave (overlapping wave) which is a reflected vibration wave.
速度脈波形は、光電式容積脈波形を時間で1階微分をしたものである。加速度脈波形は、速度脈波形を時間で1階微分したもの、すなわち光電式容積脈波形を2階微分したものである。加速度脈波形は、図5で示すように、その波形の各ピークにa波(収縮初期陽性波)、b波(収縮初期陰性波)、c波(収縮中期再上昇波)、d波(収縮後期再下降波)、e波(拡張初期陽性波)、f波(拡張初期陰性波)の名称が割り当てられている。 The velocity pulse waveform is a first-order derivative of the photoelectric volume pulse waveform with respect to time. The acceleration pulse waveform is a first-order derivative of the velocity pulse waveform, that is, a second-order derivative of the photoelectric volume pulse waveform. As shown in FIG. 5, the acceleration pulse waveform has a wave (initial contraction positive wave), b wave (initial contraction negative wave), c wave (mid-contraction re-rise wave), and d wave (contraction) at each peak of the waveform. The names of the late re-descending wave), the e wave (extended early positive wave), and the f wave (extended early negative wave) are assigned.
b波の強度とa波の強度の比、及びf波の強度とe波の強度の比はそれぞれ血管の伸縮性すなわち弾性を示すパラメータである。主な血管の成分は、血管内皮(Endothelium)、弾性線維(Elastin)、タンパク質(Collagen)、平滑筋(Smooth Muscle)である。これらの成分は、それぞれ異なった性質があり、最大血圧、最小血圧時の血管の弾性はそれぞれCollagen、Elastinが強い影響力を担っている。そのため、血圧値によって異なる弾性をb波の強度とa波の強度の比である(b/a),f波の強度とe波の強度の比である(f/e)のパラメータで示すことができ、年齢・性別・環境変数の影響によってもこれらの値は変動する。そのため、(b/a),(f/e)の値は、加速度脈波形の特性情報として算出することができる。 The ratio of the intensity of the b wave to the intensity of the a wave and the ratio of the intensity of the f wave to the intensity of the e wave are parameters indicating the elasticity, that is, the elasticity of the blood vessel, respectively. The main vascular components are vascular endothelium (Endothelium), elastic fibers (Elastin), proteins (Collagen), and smooth muscle (Smooth Muscle). These components have different properties, and Collagen and Elastin have a strong influence on the elasticity of blood vessels at the maximum blood pressure and the minimum blood pressure, respectively. Therefore, the elasticity that differs depending on the blood pressure value is indicated by the parameters of the ratio of the intensity of the b wave to the intensity of the a wave (b / a) and the ratio of the intensity of the f wave to the intensity of the e wave (f / e). These values also fluctuate depending on the influence of age, gender, and environmental variables. Therefore, the values of (b / a) and (f / e) can be calculated as the characteristic information of the acceleration pulse waveform.
図5で示すように、R波の生じた時間TrとP波の生じた時間Tpの差分の時間が心室収縮期脈波伝搬時間PTT_SYSとなる。T波の生じた時間TtとD波の生じた時間Tdの差分の時間が心室拡張期脈波伝搬時間PTT_DIAとなる。すなわち、心電波形のR波の時間Tr及びT波の時間Ttと、光電式容積脈波形のT波の時間TpとD波の時間Tdから、心室収縮期脈波伝搬時間PTT_SYS及び心室拡張期脈波伝搬時間PTT_DIAを算出することができる。 As shown in FIG. 5, the time difference between the time Tr at which the R wave is generated and the time Tp at which the P wave is generated is the ventricular systolic pulse wave propagation time PTT_SYS. The time of the difference between the time Tt in which the T wave is generated and the time Td in which the D wave is generated is the ventricular diastolic pulse wave propagation time PTT_DIA. That is, from the R wave time Tr and T wave time Tt of the electrocardiographic waveform, and the T wave time Tp and D wave time Td of the photoelectric volume pulse waveform, the ventricular systolic pulse wave propagation time PTT_SYS and the ventricular diastolic period. The pulse wave propagation time PTT_DIA can be calculated.
また、脈波伝播速度と動脈壁の縦弾性係数との関係が所定の式で示される相関関係にあることが知られており、縦弾性係数と血圧値との関係も所定の式で示される相関関係にあることが知られている。そのため、最大血圧を心室収縮期脈波伝搬時間PTT_SYSの所定の式で求めることが可能であり、最小血圧を心室拡張期脈波伝搬時間PTT_DIAの所定の式で求めることが可能である。これにより、最大血圧と最小血圧を算出することが可能である。 Further, it is known that the relationship between the pulse wave velocity and the longitudinal elastic modulus of the arterial wall has a correlation expressed by a predetermined equation, and the relationship between the longitudinal elastic modulus and the blood pressure value is also indicated by a predetermined equation. It is known to be correlated. Therefore, the maximum blood pressure can be obtained by a predetermined formula of the ventricular systolic pulse wave propagation time PTT_SYS, and the minimum blood pressure can be obtained by a predetermined formula of the ventricular diastolic pulse wave propagation time PTT_DIA. This makes it possible to calculate the maximum blood pressure and the minimum blood pressure.
また、測定データから生体データである歩行速度情報を算出する方法を例示する。例えばユーザが手首に装着している測定装置300により測定される加速度データの波形データから既知の算出方法等を単体で用いる、または、組み合わせて用いる(例えば平均化したり、重みづけしたりなど)ことにより歩行速度情報を得ることができ、例えば加速度データを所定時間ごとに積分することで歩行速度情報が算出される。これに加えて、ユーザ端末装置200または測定装置300にGPS機能を備え、GPSによる位置情報及び当該位置情報に関連する時間情報から算出される歩行速度情報を参照して、より正確な歩行速度情報を得るようにしてもよい。しかしながら、特に屋内や地下である場合や移動距離が比較的短い場合(例えば、数メートル以内など)にはGPS精度が一般的に低下するため、例えばユーザがユーザ端末装置200を操作してGPSによる情報を組み合わせて用いるか(または、加速度センサによる算出に代えて用いるか)どうかを選択可能にしてもよいし、ユーザ端末装置200においてGPSの受信感度情報や、GPSや加速度センサにより算出された距離情報などに基づいて、当該GPSによる情報を用いるかを選択するようにしてもよい。 In addition, a method of calculating walking speed information, which is biological data, from measurement data will be exemplified. For example, a known calculation method or the like from the waveform data of acceleration data measured by the measuring device 300 worn by the user on the wrist may be used alone or in combination (for example, averaging or weighting). The walking speed information can be obtained by, for example, the walking speed information is calculated by integrating the acceleration data at predetermined time intervals. In addition to this, the user terminal device 200 or the measuring device 300 is provided with a GPS function, and more accurate walking speed information is referred to by referring to the position information by GPS and the walking speed information calculated from the time information related to the position information. May be obtained. However, especially when it is indoors or underground or when the moving distance is relatively short (for example, within several meters), GPS accuracy generally deteriorates. Therefore, for example, the user operates the user terminal device 200 by GPS. It may be possible to select whether to use the information in combination (or to use it instead of the calculation by the acceleration sensor), or to use the GPS reception sensitivity information in the user terminal device 200 or the distance calculated by the GPS or the acceleration sensor. You may choose whether to use the GPS information based on the information or the like.
また、測定データから生体データである歩幅情報を算出する方法を例示する。例えばユーザが手首に装着している測定装置300により測定される加速度データの波形データから既知の算出方法等を単体で用いる、または、組み合わせて用いる(例えば平均化したり、重みづけしたりなど)ことにより歩幅情報を得ることができ、例えば、歩く時には振り子のように手を振るため、上述の加速度センサの情報(例えば、進行方向の加速度成分が一番小さいタイミングまたは逆方向に切り替わるタイミングや、進行方向に対して垂直な方向の加速度成分が一番小さいタイミングまたは上下が切り替わるタイミングなど)を基に1歩の間隔(すなわちピッチ情報)が判別できるため、さらに時間情報を用いれば歩幅情報を得ることができる。他には、例えば、地面を蹴り出した際には、蹴り出た方向の加速度成分が合成されるので、当該方向の加速度成分の発生タイミングで1歩の間隔を判別することでも可能である。 In addition, a method of calculating stride information, which is biological data, from measurement data will be exemplified. For example, a known calculation method or the like from the waveform data of acceleration data measured by the measuring device 300 worn by the user on the wrist may be used alone or in combination (for example, averaging or weighting). For example, when walking, the hand is waved like a pendulum, so that the information of the above-mentioned acceleration sensor (for example, the timing at which the acceleration component in the traveling direction is the smallest or the timing at which the acceleration component is switched in the opposite direction, or the progress) can be obtained. Since the interval of one step (that is, pitch information) can be determined based on the timing when the acceleration component in the direction perpendicular to the direction is the smallest or the timing when the top and bottom are switched, the stride information can be obtained by further using the time information. Can be done. Alternatively, for example, when the ground is kicked out, the acceleration component in the kicking direction is synthesized, so that it is also possible to determine the interval of one step at the timing of occurrence of the acceleration component in the direction.
また、測定データから生体データである活動量情報を算出する方法を例示すると、例えば日常的に装着している測定装置300により測定される加速度データを周波数解析し、例えば周波数の高低が活動頻度の高低に対応付けられ、所定頻度以上の活動が1日の何割を占めているか、などの所定条件により算出することで活動量情報を得ることができる。 Further, exemplifying a method of calculating activity amount information which is biological data from measurement data, for example, frequency analysis of acceleration data measured by a measuring device 300 which is worn on a daily basis, for example, high and low frequencies are activity frequencies. It is possible to obtain activity amount information by calculating according to a predetermined condition such as what percentage of the day the activity is associated with high and low and the activity of a predetermined frequency or more occupies.
さらに、測定データから生体データである運動量情報を算出する方法を例示すると、例えば日常的に装着している測定装置300により測定される加速度データから既知の算出方法等により歩行を含む運動をしている際の加速度データを特定できるので、例えば周波数解析などを用いて所定の条件により算出することで運動量情報を得ることができる。また、角速度情報やタグ情報などの付加情報をさらに用いると、より正確な運動量情報を得ることが可能である。 Further, exemplifying a method of calculating exercise amount information which is biological data from measurement data, for example, exercise including walking by a known calculation method or the like from acceleration data measured by a measuring device 300 which is worn on a daily basis. Since the acceleration data at the time of being can be specified, the momentum information can be obtained by calculating under predetermined conditions using, for example, frequency analysis. Further, by further using additional information such as angular velocity information and tag information, it is possible to obtain more accurate momentum information.
さらに、測定データから生体データである運動負荷量情報を算出する方法を例示すると、例えば日常的に装着している測定装置300により測定される加速度データから導出した上記活動量情報や上記運動量情報に対して、例えば運動負荷と共に大きくなる心拍情報により重みづけをすることで運動負荷量情報を得ることができる。また、例えば加速度データのベクトル情報を加味すれば、歩行環境(坂や階段など)や姿勢(立位、座位など)などの状態情報も特定できるので、当該状態情報をさらに用いてもよい。また、角速度情報やタグ情報などの付加情報をさらに用いると、より正確な運動負荷量情報を得ることが可能である。 Further, exemplifying the method of calculating the exercise load amount information which is the biological data from the measurement data, for example, the activity amount information and the exercise amount information derived from the acceleration data measured by the measuring device 300 which is worn on a daily basis. On the other hand, for example, exercise load amount information can be obtained by weighting with heartbeat information that increases with exercise load. Further, for example, if vector information of acceleration data is added, state information such as walking environment (hill, stairs, etc.) and posture (standing position, sitting position, etc.) can be specified, and the state information may be further used. Further, by further using additional information such as angular velocity information and tag information, it is possible to obtain more accurate exercise load amount information.
また、上述のGPSや加速度センサにより算出された距離情報や上述の歩幅情報及び歩数情報(例えば、加速度センサからの情報に基づき、既知の方法で取得可能)などに基づき算出される運動量情報や運動強度情報、運動負荷情報も生体データとして算出されてもよい。 In addition, exercise amount information and exercise calculated based on the distance information calculated by the above-mentioned GPS and the acceleration sensor, the above-mentioned stride information and the step count information (for example, can be obtained by a known method based on the information from the acceleration sensor). Intensity information and exercise load information may also be calculated as biometric data.
また、測定データから生体データである腎機能情報(例えば、腎機能の悪化度合いなど)を算出する方法を例示すると、例えば上述の血圧情報から所定時間分(好ましくは24時間分)の血圧推移情報を生成し、例えば130mmHgや140mmHgなどの医師や外部機関により設定された正常血圧上限値である基準血圧情報を超えた値と時間の積分値を求めることなどにより、正常血圧上限値である基準血圧情報を「どれくらい超過」し「どれくらいの時間分で超過が発生しているか」を算出する、いわゆるHyperbaric Indexを用いてもよい。そうして、1日の血圧負荷情報が算出され、当該血圧負荷情報から腎臓に対してどれだけの負荷がかかっているのかを推定し、その相対的な分量に対して腎機能の悪化度合いに関する腎機能情報を得ることができる。より具体的には、例えば、上前記積分値と腎機能の状態との対応関係情報を記憶することで、当該対応関係情報を参照して前記積分値に対応する腎機能情報を判定する(例えば積分値が大きいほど、腎機能の悪化度合いが高いといえる)。腎機能の悪化度合いは、任意のパラメータにより表現されていてよく、所定の数値であってもよいし、所定範囲の積分値ごとに規定されたランク(例えばAからFなど)であってもよい。通常Hyperbaric Indexを算出するためにカフ式の血圧計を用いてABPM法により実施されるが、カフ式の血圧計により24時間測定をするのは圧迫式ということもあり実態的には日常的な測定が難しいが、上述の血圧情報取得方法を有する計測装置(例えばウェアラブル計測装置)により、非圧迫で24時間測定が可能である。そして、拍動毎血圧を利用できることによる微細なHyperbaric Index値の変化が測定可能である。 Further, exemplifying a method of calculating renal function information (for example, the degree of deterioration of renal function) which is biological data from the measured data, for example, blood pressure transition information for a predetermined time (preferably 24 hours) from the above blood pressure information. The reference blood pressure, which is the upper limit of normal blood pressure, is obtained by obtaining a value exceeding the reference blood pressure information, which is the upper limit of normal blood pressure set by a doctor or an external organization such as 130 mmHg or 140 mmHg, and an integrated value of time. A so-called Hyperbaric Index, which calculates "how much excess" and "how long the excess occurs", may be used. Then, the daily blood pressure load information is calculated, the load on the kidney is estimated from the blood pressure load information, and the degree of deterioration of renal function is related to the relative amount. Renal function information can be obtained. More specifically, for example, by storing the correspondence information between the above integrated value and the state of renal function, the renal function information corresponding to the integrated value is determined with reference to the corresponding relation information (for example). It can be said that the larger the integrated value, the higher the degree of deterioration of renal function). The degree of deterioration of renal function may be expressed by an arbitrary parameter, may be a predetermined numerical value, or may have a rank (for example, A to F) defined for each integrated value in a predetermined range. .. Normally, it is carried out by the ABPM method using a cuff type sphygmomanometer to calculate Hyperbaric Index, but it is practically routine to measure for 24 hours with a cuff type sphygmomanometer because it is a compression type. Although it is difficult to measure, a measuring device having the above-mentioned blood pressure information acquisition method (for example, a wearable measuring device) can measure for 24 hours without compression. Then, it is possible to measure minute changes in the Hyperbaric Index value due to the availability of blood pressure per beat.
ここで、上述のとおり、例えばHyperbaric Indexを用いる場合、従来のABPM法による計測のように検査期間を設けてカフ式(すなわち圧迫式)を用いる場合と比較して、本情報処理システムの計測装置(特に非圧迫式)を用いることにより、ユーザが検査を意識せずに日常的な生活を通して計測が可能となるが、一方でユーザには検査時と同様に安静状態を維持するように生活してもらう必要が生じる。そこで、例えば、ユーザ端末装置200や計測装置300を操作することで検査モードを開始した場合において、運動量情報や運動強度情報などの運動情報と基準運動情報を比較し、基準運動情報を超える過度な運動を判定した場合に、ユーザ支援データ生成部133からユーザ端末装置200や計測装置300に運動に関するユーザ支援データ(過度な運動をしている旨の通知や検査基準を満たしていない旨のアラート通知などの通知データ)を生成するようにしてもよい。 Here, as described above, for example, when Hyperbaric Index is used, the measuring device of this information processing system is compared with the case where an inspection period is provided and a cuff type (that is, compression type) is used as in the case of measurement by the conventional ABPM method. By using (especially non-compression type), the user can measure through daily life without being aware of the test, but on the other hand, the user lives so as to maintain a resting state as at the time of the test. You will need to get it. Therefore, for example, when the inspection mode is started by operating the user terminal device 200 or the measuring device 300, the exercise information such as the exercise amount information and the exercise intensity information is compared with the reference exercise information, and the excessive excess of the reference exercise information is exceeded. When the exercise is determined, the user support data generation unit 133 informs the user terminal device 200 and the measurement device 300 of the user support data related to the exercise (notification that the person is exercising excessively or alert notification that the inspection standard is not satisfied). (Notification data such as) may be generated.
また、上記に代えて、または、併せて、過度な運動を判定した場合に、その時間に計測された血圧情報を削除または検査との紐づけを行わないなどして間引き補正を行うようにしてもよい。そして、任意の所定時間内における間引き補正後の血圧情報から時間推移の近似曲線を算出し、当該近似曲線のうち基準血圧情報を超えた部分に対する積分値を算出することで、補正された血圧負荷情報(例えば1日分)を生成するようにしてもよい。必要であれば、上記近似曲線をグラフにより示してもよく、間引き補正前後の血圧推移情報を比較可能に、両グラフを生成するようにしてもよい。これにより、ユーザはさらに検査を意識せずに日常的な生活が可能となる。なお、検査モードは明示的なモードに限らず、システム上で任意の所定のタイミングにおいて非明示的に実行されてもよい。 In addition, instead of or in addition to the above, when excessive exercise is determined, the blood pressure information measured at that time is deleted or not linked to the test to perform thinning correction. May be good. Then, the approximate curve of the time transition is calculated from the blood pressure information after the thinning correction within an arbitrary predetermined time, and the integrated value for the portion of the approximate curve exceeding the reference blood pressure information is calculated to correct the blood pressure load. Information (for example, one day's worth) may be generated. If necessary, the approximate curve may be shown by a graph, and both graphs may be generated so that the blood pressure transition information before and after the thinning correction can be compared. As a result, the user can live a daily life without being aware of the inspection. The inspection mode is not limited to the explicit mode, and may be implicitly executed at any predetermined timing on the system.
ユーザ支援データ生成部133は、上述の腎機能情報(例えば、腎機能の悪化度合い)に基づくアドバイスやアラートなどを含むユーザ支援データを生成する。基準血圧情報は、予め生体データDB122に記憶させてもよく、測定開始までに記憶されていればよい。また、ユーザ支援データは、特に腎機能の悪化度合いが良くないと判定される場合には、慢性腎臓病の危険性があるとしてアラート通知を含んだり、アドバイス通知(例えば、生活習慣を変えることや通院を促すといったアドバイス通知など)を含んだりするものであり、ユーザ情報に関連付けられてユーザ支援データDB123に記憶される。さらに、ユーザ支援データのアドバイス通知やアラート通知などの内容情報は、腎機能の悪化度合いの程度に基づいて複数種類が用意されていてよく、例えば上述のランクごとに内容が異なるように設定されていてもよい。 The user support data generation unit 133 generates user support data including advice and alerts based on the above-mentioned renal function information (for example, the degree of deterioration of renal function). The reference blood pressure information may be stored in the biological data DB 122 in advance, and may be stored before the start of measurement. In addition, user support data may include alert notifications as a risk of chronic kidney disease, or advice notifications (for example, lifestyle-related changes), especially when it is determined that the degree of deterioration of renal function is not good. It includes advice notifications such as urging hospital visits), and is associated with user information and stored in the user support data DB 123. Furthermore, multiple types of content information such as advice notifications and alert notifications of user support data may be prepared based on the degree of deterioration of renal function, and the contents are set to be different for each of the above ranks, for example. You may.
ユーザ支援データ生成部133は、例えば、常時装着している測定装置300による測定データから所定の周期(例えば、上述の所定時間より短い周期)で生成された血圧情報に基づき、ユーザの血圧推移データを生成する。そして、例えば、血圧の急上昇や急降下等の異常値をモニタリングし、当該異常値が発生した場合にはアラート通知を含むユーザ支援データを生成する。ユーザ支援データ生成部133は、ユーザ支援データとして、当該アラートに併せて、異常値前後の血圧推移データも生成してもよい。さらに、当該異常を検出した際には、制御部130により管理サーバ100から直接的に、または、ユーザ端末装置200若しくは測定装置300を介して間接的に、医療機関または近親者などユーザ情報に紐づけられた連絡先へ異常を示す通知(例えば、PCまたはスマートフォンなどのデバイスに記憶された所定のアプリケーションを介した通知や、メールアドレスを利用した通知など)を発信するように制御してもよい。これにより、血圧異常を早期に発見することが可能となり、特に急な発症によりユーザが連絡不能な状況であったとしても自動的に血圧異常を他者に通知が可能となる。なお、上述の所定の周期の時間を腎機能情報取得のための所定時間と同一または略同一に設定してもよく、腎機能の悪化度合いを推定するタイミングにおいて、所定時間内の血圧値や血圧推移波形の傾きの最大値(血圧推移の変化の最大値)も取得し、基準値やユーザの過去の平均値と比較して、所定値以上の差が表れている異常情報(例えば、異常と判定された血圧値及び発生時間)を付随的に判定するようにしてもよい。
The user support data generation unit 133 is, for example, based on the blood pressure information generated in a predetermined cycle (for example, a cycle shorter than the above-mentioned predetermined time) from the measurement data by the measuring device 300 which is always worn, and the user's blood pressure transition data. To generate. Then, for example, an abnormal value such as a sudden rise or a sudden drop in blood pressure is monitored, and when the abnormal value occurs, user support data including an alert notification is generated. The user support data generation unit 133 may generate blood pressure transition data before and after an abnormal value as user support data in addition to the alert. Further, when the abnormality is detected, the
データ出力部134は、生体データやユーザ支援データをユーザ端末装置200へ出力する。ユーザ端末装置200においては、出力データを例えば専用のアプリケーションを介して画面に表示するなどしてユーザが容易に確認可能としても良い。 The data output unit 134 outputs biological data and user support data to the user terminal device 200. In the user terminal device 200, the output data may be displayed on the screen via a dedicated application, for example, so that the user can easily confirm the output data.
入出力部140は、キーボード・マウス類等の情報入力機器、及びディスプレイ等の出力機器である。 The input / output unit 140 is an information input device such as a keyboard and a mouse, and an output device such as a display.
<処理の流れ>
図6を参照しながら、情報処理システム1が実行するデータ支援方法の処理の流れについて説明する。図6は、図1の情報処理システム1の処理の例を示すフローチャートである。
<Processing flow>
The processing flow of the data support method executed by the
ステップS101の処理として、データ管理部131では、測定装置300を利用するユーザごとにアカウント情報が生成され、ユーザ端末装置200等から所定のユーザ情報を取得する。登録されたユーザ情報は、データ管理部131により、ユーザ情報DB124に記憶される。ステップS101の処理は、ユーザが測定装置300を利用するための前処理として行われてもよいし、ユーザが測定装置300を初めて利用する際に行われてもよい。 As a process of step S101, the data management unit 131 generates account information for each user who uses the measuring device 300, and acquires predetermined user information from the user terminal device 200 or the like. The registered user information is stored in the user information DB 124 by the data management unit 131. The process of step S101 may be performed as a pre-process for the user to use the measuring device 300, or may be performed when the user uses the measuring device 300 for the first time.
ステップS102の処理として、ユーザが測定装置300を利用すると、測定データが測定装置300からユーザ端末装置200を介して管理サーバ100へ所定の周期ごとに送信され、通信部110を介して受信される。データ管理部131により、記憶部120の測定データDB121内においてユーザ情報に関連付けられて測定データが記憶される。
When the user uses the measuring device 300 as the process of step S102, the measurement data is transmitted from the measuring device 300 to the management server 100 via the user terminal device 200 at predetermined intervals, and is received via the communication unit 110. .. The data management unit 131 stores the measurement data associated with the user information in the
ステップS103の処理として、生体データ生成部132により測定データが読み取られ、所定の演算等により生体データの生成が行われる。生成された生体データは、データ管理部131により、生体データDB122に記憶される。 As the process of step S103, the measurement data is read by the biometric data generation unit 132, and the biometric data is generated by a predetermined operation or the like. The generated biometric data is stored in the biometric data DB 122 by the data management unit 131.
ステップS104の処理として、ユーザ支援データ生成部133により生体データが読み取られ、所定の演算等によりユーザ支援データの生成が行われる。生成されたユーザ支援データは、データ管理部131により、ユーザ支援データDB123に記憶される。 As the process of step S104, the biometric data is read by the user support data generation unit 133, and the user support data is generated by a predetermined calculation or the like. The generated user support data is stored in the user support data DB 123 by the data management unit 131.
ステップS105の処理として、データ出力部134により生体データおよび/またはユーザ支援データが読み取られ、ユーザ端末装置200へ出力される。 As the process of step S105, the biometric data and / or the user support data is read by the data output unit 134 and output to the user terminal device 200.
<効果>
以上のように、本実施形態に係る情報処理システムは、ユーザ支援データ生成部133を介して、測定データに基づき、特にユーザの腎機能の状態を示すためのユーザ支援データを生成する。これにより、例えば初期症状がほとんどない慢性腎臓病を早期に発見するためのアラートをユーザが簡単に取得することが可能となり、慢性腎臓病のリスクを低減することができる。
<Effect>
As described above, the information processing system according to the present embodiment generates user support data for indicating the state of the renal function of the user, in particular, based on the measurement data via the user support data generation unit 133. As a result, for example, the user can easily obtain an alert for early detection of chronic kidney disease with few initial symptoms, and the risk of chronic kidney disease can be reduced.
以上、開示に係る実施形態について説明したが、これらはその他の様々な形態で実施することが可能であり、種々の省略、置換および変更を行なって実施することが出来る。これらの実施形態および変形例ならびに省略、置換および変更を行なったものは、特許請求の範囲の技術的範囲とその均等の範囲に含まれる。 Although the embodiments related to the disclosure have been described above, these can be implemented in various other embodiments, and can be implemented by making various omissions, substitutions, and changes. These embodiments and modifications, as well as those omitted, replaced or modified, are included in the technical scope of the claims and the equivalent scope thereof.
1 情報処理システム
100 管理サーバ
200 ユーザ端末装置
300 測定装置
NW ネットワーク
1 Information processing system 100 Management server 200 User terminal device 300 Measuring device NW network
Claims (5)
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備え、
前記血圧情報は、拍動毎の最大血圧と最小血圧であって、
前記生体データ生成部は、前記運動情報と基準運動情報を比較した結果に応じて、前記前記拍動毎の最大血圧と最小血圧に対して間引き補正を実行し、所定時間内における間引き補正後の前記拍動毎の最大血圧と最小血圧の近似曲線を血圧推移情報として生成し、当該血圧推移情報において基準血圧情報を超えた値と時間の積分値を求めることにより血圧負荷情報を算出し、当該血圧負荷情報から前記腎機能情報を生成し、
前記運動情報と前記基準運動情報を比較した結果に応じて、過度な運動をしている旨の通知を含む通知データを生成するユーザ支援データ生成部をさらに備えている、
ことを特徴とする情報処理システム。 An information processing system that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data.
It is provided with a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates renal function information of the user based on the blood pressure information.
The blood pressure information is the maximum blood pressure and the minimum blood pressure for each beat.
The biological data generation unit executes thinning correction for the maximum blood pressure and the minimum blood pressure for each beat according to the result of comparing the exercise information and the reference exercise information, and after the thinning correction within a predetermined time. The blood pressure load information is calculated by generating an approximate curve of the maximum blood pressure and the minimum blood pressure for each beat as blood pressure transition information, and obtaining the integrated value of the value exceeding the reference blood pressure information and the time in the blood pressure transition information. The renal function information is generated from the blood pressure load information,
Further , it is provided with a user support data generation unit that generates notification data including a notification that the person is exercising excessively according to the result of comparing the exercise information with the reference exercise information.
An information processing system characterized by this.
ことを特徴とする請求項1に記載の情報処理システム。 The biological data generation unit is characterized in that by storing the correspondence information between the integrated value and the state of renal function, the renal function information corresponding to the integrated value is generated with reference to the correspondence information. The information processing system according to claim 1.
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部と、を備え、
前記血圧情報は、拍動毎の最大血圧と最小血圧であって、
前記生体データ生成部は、前記運動情報と基準運動情報を比較した結果に応じて、前記前記拍動毎の最大血圧と最小血圧に対して間引き補正を実行し、所定時間内における間引き補正後の前記拍動毎の最大血圧と最小血圧の近似曲線を血圧推移情報として生成し、当該血圧推移情報において基準血圧情報を超えた値と時間の積分値を求めることにより血圧負荷情報を算出し、当該血圧負荷情報から前記腎機能情報を生成し、
前記運動情報と前記基準運動情報を比較した結果に応じて、過度な運動をしている旨の通知を含む通知データを生成するユーザ支援データ生成部をさらに備えている、
ことを特徴とするサーバ。 A server that receives measurement data from a measurement device worn by a user via a network at a predetermined cycle and generates renal function information from the measurement data.
It is provided with a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates renal function information of the user based on the blood pressure information.
The blood pressure information is the maximum blood pressure and the minimum blood pressure for each beat.
The biological data generation unit executes thinning correction for the maximum blood pressure and the minimum blood pressure for each beat according to the result of comparing the exercise information and the reference exercise information, and after the thinning correction within a predetermined time. The blood pressure load information is calculated by generating an approximate curve of the maximum blood pressure and the minimum blood pressure for each beat as blood pressure transition information, and obtaining the integrated value of the value exceeding the reference blood pressure information and the time in the blood pressure transition information. The renal function information is generated from the blood pressure load information,
Further , it is provided with a user support data generation unit that generates notification data including a notification that the person is exercising excessively according to the result of comparing the exercise information with the reference exercise information.
A server that features that.
生体データ生成部により、前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報に基づき、前記ユーザの腎機能情報を生成するステップを含み、
前記血圧情報は、拍動毎の最大血圧と最小血圧であって、
前記ユーザの腎機能情報を生成するステップは、前記生体データ生成部により、前記運動情報と基準運動情報を比較した結果に応じて、前記前記拍動毎の最大血圧と最小血圧に対して間引き補正を実行し、所定時間内における間引き補正後の前記拍動毎の最大血圧と最小血圧の近似曲線を血圧推移情報として生成し、当該血圧推移情報において基準血圧情報を超えた値と時間の積分値を求めることにより血圧負荷情報を算出し、当該血圧負荷情報から前記腎機能情報を生成し、
ユーザ支援データ生成部により、前記運動情報と前記基準運動情報を比較した結果に応じて、過度な運動をしている旨の通知を含む通知データを生成するステップをさらに含んでいる、
ことを特徴とする情報処理方法。 It is an information processing method that receives measurement data from a measuring device worn by a user via a network at a predetermined cycle and generates renal function information from the measured data.
The biological data generation unit includes a step of executing a predetermined calculation on the measurement data, generating blood pressure information and exercise information, and generating kidney function information of the user based on the blood pressure information.
The blood pressure information is the maximum blood pressure and the minimum blood pressure for each beat.
The step of generating the renal function information of the user is a thinning correction for the maximum blood pressure and the minimum blood pressure for each beat according to the result of comparing the exercise information and the reference exercise information by the biological data generation unit. Is executed, an approximate curve of the maximum blood pressure and the minimum blood pressure for each beat after the thinning correction within a predetermined time is generated as blood pressure transition information, and the integrated value of the value exceeding the reference blood pressure information and the time in the blood pressure transition information. The blood pressure load information is calculated by obtaining, and the renal function information is generated from the blood pressure load information.
The user support data generation unit further includes a step of generating notification data including a notification indicating that the user is exercising excessively according to the result of comparing the exercise information with the reference exercise information.
An information processing method characterized by that.
前記プログラムは、前記コンピュータにおいて、
前記測定データに対して所定の演算を実行し、血圧情報及び運動情報を生成し、当該血圧情報及び運動情報に基づき、前記ユーザの腎機能情報を生成する生体データ生成部を含む機能部を実現し、
前記血圧情報は、拍動毎の最大血圧と最小血圧であって、
前記生体データ生成部は、前記運動情報と基準運動情報を比較した結果に応じて、前記前記拍動毎の最大血圧と最小血圧に対して間引き補正を実行し、所定時間内における間引き補正後の前記拍動毎の最大血圧と最小血圧の近似曲線を血圧推移情報として生成し、当該血圧推移情報において基準血圧情報を超えた値と時間の積分値を求めることにより血圧負荷情報を算出し、当該血圧負荷情報から前記腎機能情報を生成し、
前記機能部は、前記運動情報と前記基準運動情報を比較した結果に応じて、過度な運動をしている旨の通知を含む通知データを生成するユーザ支援データ生成部をさらに含む、
ことを特徴とするプログラム。 It is a program for a computer that receives measurement data from a measuring device worn by a user via a network at a predetermined cycle and generates renal function information from the measured data.
The program is installed in the computer.
A functional unit including a biological data generation unit that executes a predetermined calculation on the measurement data, generates blood pressure information and exercise information, and generates renal function information of the user based on the blood pressure information and exercise information is realized. death,
The blood pressure information is the maximum blood pressure and the minimum blood pressure for each beat.
The biological data generation unit executes thinning correction for the maximum blood pressure and the minimum blood pressure for each beat according to the result of comparing the exercise information and the reference exercise information, and after the thinning correction within a predetermined time. The blood pressure load information is calculated by generating an approximate curve of the maximum blood pressure and the minimum blood pressure for each beat as blood pressure transition information, and obtaining the integrated value of the value exceeding the reference blood pressure information and the time in the blood pressure transition information. The renal function information is generated from the blood pressure load information,
The functional unit further includes a user support data generation unit that generates notification data including a notification indicating that the person is exercising excessively according to the result of comparing the exercise information with the reference exercise information.
A program characterized by that.
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
PCT/JP2021/020575 WO2021246346A1 (en) | 2020-06-01 | 2021-05-29 | Information processing system, server, information processing method, and program |
JP2021128121A JP2022008292A (en) | 2020-06-01 | 2021-08-04 | Information processing system, server, information processing method and program |
Applications Claiming Priority (4)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2020095781 | 2020-06-01 | ||
JP2020095781 | 2020-06-01 | ||
JP2021079236A JP6916573B1 (en) | 2020-06-01 | 2021-05-07 | Information processing systems, servers, information processing methods and programs |
JP2021079236 | 2021-05-07 |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021128121A Division JP2022008292A (en) | 2020-06-01 | 2021-08-04 | Information processing system, server, information processing method and program |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2022008126A JP2022008126A (en) | 2022-01-13 |
JP7097111B2 true JP7097111B2 (en) | 2022-07-07 |
Family
ID=77172651
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021079236A Active JP6916573B1 (en) | 2020-06-01 | 2021-05-07 | Information processing systems, servers, information processing methods and programs |
JP2021090711A Active JP7097111B2 (en) | 2020-06-01 | 2021-05-29 | Information processing system, server, information processing method and program |
Family Applications Before (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2021079236A Active JP6916573B1 (en) | 2020-06-01 | 2021-05-07 | Information processing systems, servers, information processing methods and programs |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP6916573B1 (en) |
Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512483A (en) | 2005-10-24 | 2009-03-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | System and method for determining blood pressure of a patient |
JP2009273716A (en) | 2008-05-15 | 2009-11-26 | Omron Healthcare Co Ltd | Electronic sphygmomanometer |
JP2011206585A (en) | 2011-07-25 | 2011-10-20 | Panasonic Electric Works Co Ltd | Activity monitor |
JP2014083779A (en) | 2012-10-24 | 2014-05-12 | Suntory Holdings Ltd | Container treatment device |
WO2017179696A1 (en) | 2016-04-15 | 2017-10-19 | オムロン株式会社 | Biological information analysis device and system, and program |
WO2018008666A1 (en) | 2016-07-07 | 2018-01-11 | 国立研究開発法人産業技術総合研究所 | Physiological condition assessing device, physiological condition assessing method, program for physiological condition assessing device, and physiological condition assessing system |
US20180317778A1 (en) | 2017-05-05 | 2018-11-08 | Jiangsu Huaben Health Life Science and Technology Co., Ltd. | Method And Apparatus For Human Health Evaluation |
JP2019109685A (en) | 2017-12-18 | 2019-07-04 | オムロンヘルスケア株式会社 | Lifestyle management device, and method and program |
JP2019152624A (en) | 2018-03-06 | 2019-09-12 | 株式会社富士通エフサス | Information processing device, registration method, and registration program |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2007014570A (en) * | 2005-07-08 | 2007-01-25 | Nippon Telegr & Teleph Corp <Ntt> | Sphygmomanometer and control method of sphygmomanometer |
JP5178106B2 (en) * | 2007-09-14 | 2013-04-10 | 佳史 高田 | Blood oxygen saturation measuring device, cardiovascular event risk predicting device, diagnostic device, and high sensitivity CRP high risk predicting device |
JP6670717B2 (en) * | 2016-09-27 | 2020-03-25 | 京セラ株式会社 | Sensor, measuring device and measuring system |
US11166676B2 (en) * | 2017-12-11 | 2021-11-09 | Marina I. Adrianzen Fonseca | Real-time kidney monitoring medical device |
JP7003654B2 (en) * | 2017-12-27 | 2022-02-10 | オムロンヘルスケア株式会社 | Biometric information processing equipment, processing methods, and processing programs |
US10932673B2 (en) * | 2018-10-19 | 2021-03-02 | Covidien Lp | Non-cerebral organ autoregulation status determination |
JP6869584B1 (en) * | 2020-09-14 | 2021-05-12 | 株式会社Arblet | Information processing systems, servers, information processing methods and programs |
-
2021
- 2021-05-07 JP JP2021079236A patent/JP6916573B1/en active Active
- 2021-05-29 JP JP2021090711A patent/JP7097111B2/en active Active
Patent Citations (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2009512483A (en) | 2005-10-24 | 2009-03-26 | コーニンクレッカ フィリップス エレクトロニクス エヌ ヴィ | System and method for determining blood pressure of a patient |
JP2009273716A (en) | 2008-05-15 | 2009-11-26 | Omron Healthcare Co Ltd | Electronic sphygmomanometer |
JP2011206585A (en) | 2011-07-25 | 2011-10-20 | Panasonic Electric Works Co Ltd | Activity monitor |
JP2014083779A (en) | 2012-10-24 | 2014-05-12 | Suntory Holdings Ltd | Container treatment device |
WO2017179696A1 (en) | 2016-04-15 | 2017-10-19 | オムロン株式会社 | Biological information analysis device and system, and program |
WO2018008666A1 (en) | 2016-07-07 | 2018-01-11 | 国立研究開発法人産業技術総合研究所 | Physiological condition assessing device, physiological condition assessing method, program for physiological condition assessing device, and physiological condition assessing system |
US20180317778A1 (en) | 2017-05-05 | 2018-11-08 | Jiangsu Huaben Health Life Science and Technology Co., Ltd. | Method And Apparatus For Human Health Evaluation |
JP2019109685A (en) | 2017-12-18 | 2019-07-04 | オムロンヘルスケア株式会社 | Lifestyle management device, and method and program |
JP2019152624A (en) | 2018-03-06 | 2019-09-12 | 株式会社富士通エフサス | Information processing device, registration method, and registration program |
Non-Patent Citations (2)
Title |
---|
IDA,Tomoharu, et al.,Ambulatory blood pressure monitoring-based an alysis of long-term outcomes for kidney disease progres,Scientific Repo rts,2019年12月17日,Vol.9, No.1,19296,<DOI: 10.1038/s41598-019-55732- 4.> |
IIMURO,Satoshi, et al.,Hyperbaric area index calculated from ABPM elucidates the condition of CKD patients: the CKD-JAC stu,Clinical and experimental nephrology,2015年02月,Vol.19, No.1,pp.114-124,<DOI: 10. 1007/s10157-014-0965-2> |
Also Published As
Publication number | Publication date |
---|---|
JP6916573B1 (en) | 2021-08-11 |
JP2022008126A (en) | 2022-01-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7033362B1 (en) | Information processing system, server, information processing method and program | |
WO2022009817A1 (en) | Server, user assistance system, user assistance method, and program | |
JP6919959B1 (en) | Information processing system, server, information processing method and program | |
WO2022054797A1 (en) | Information processing system, server, information processing method, and program | |
WO2022097592A1 (en) | Information processing system, server, information processing method, and program | |
JP6887194B1 (en) | Information processing systems, servers, information processing methods and programs | |
JP7097111B2 (en) | Information processing system, server, information processing method and program | |
WO2021246346A1 (en) | Information processing system, server, information processing method, and program | |
JP6934219B1 (en) | Information processing systems, servers, information processing methods and programs | |
JP7033363B1 (en) | Information processing system, server, information processing method and program | |
JP7240052B1 (en) | Information processing system, server, information processing method, program and learning model | |
WO2021246264A1 (en) | Server, adjustment information provision method, and program | |
JP6945908B1 (en) | Information processing systems, servers, information processing methods and programs | |
JP7065550B1 (en) | Information processing system, server, information processing method and program | |
JP2023125114A (en) | Information processing system, server, information processing method, and program | |
JP2024018876A (en) | Information processing system, server, information processing method, program, and learning model | |
JP2023036454A (en) | Information processing system, server, information processing method and program | |
JP2023076792A (en) | Information processing system, server, information processing method and program |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210529 |
|
A871 | Explanation of circumstances concerning accelerated examination |
Free format text: JAPANESE INTERMEDIATE CODE: A871 Effective date: 20210529 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20210610 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210709 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20210719 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20210804 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20210804 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20210819 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20210820 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20211022 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20211026 |
|
C876 | Explanation why request for accelerated appeal examination is justified |
Free format text: JAPANESE INTERMEDIATE CODE: C876 Effective date: 20211101 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20211108 |
|
C305 | Report on accelerated appeal examination |
Free format text: JAPANESE INTERMEDIATE CODE: C305 Effective date: 20211110 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20211129 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220124 |
|
C13 | Notice of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: C13 Effective date: 20220217 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220414 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20220421 |
|
C23 | Notice of termination of proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C23 Effective date: 20220511 |
|
C03 | Trial/appeal decision taken |
Free format text: JAPANESE INTERMEDIATE CODE: C03 Effective date: 20220606 |
|
C30A | Notification sent |
Free format text: JAPANESE INTERMEDIATE CODE: C3012 Effective date: 20220606 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220620 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7097111 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |