JP7214354B2 - Disease prevention support method, disease prevention support device, and disease prevention support system - Google Patents

Disease prevention support method, disease prevention support device, and disease prevention support system Download PDF

Info

Publication number
JP7214354B2
JP7214354B2 JP2018047773A JP2018047773A JP7214354B2 JP 7214354 B2 JP7214354 B2 JP 7214354B2 JP 2018047773 A JP2018047773 A JP 2018047773A JP 2018047773 A JP2018047773 A JP 2018047773A JP 7214354 B2 JP7214354 B2 JP 7214354B2
Authority
JP
Japan
Prior art keywords
activity
information
disease prevention
prevention support
subject
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
Application number
JP2018047773A
Other languages
Japanese (ja)
Other versions
JP2019160006A (en
Inventor
菜月 宮崎
由華吏 山城
元喜 須藤
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Kao Corp
Original Assignee
Kao Corp
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Kao Corp filed Critical Kao Corp
Priority to JP2018047773A priority Critical patent/JP7214354B2/en
Publication of JP2019160006A publication Critical patent/JP2019160006A/en
Application granted granted Critical
Publication of JP7214354B2 publication Critical patent/JP7214354B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、疾病を事前に予防することを支援する疾病予防支援方法、疾病予防支援装置及び疾病予防支援システムに関する。 TECHNICAL FIELD The present invention relates to a disease prevention support method, a disease prevention support device, and a disease prevention support system that support prevention of diseases in advance.

現在、生活リズムの乱れと健康との間に密接な関係があることが知られている。特に、高齢者にあっては、加齢により恒常性を保つ機能が低下するために生活リズムに変調をきたし易くなることが知られている。また、生活リズムの変調は、認知症や鬱症状との関連があることが明らかになっている。
以上のことから、生活リズム及びその変調を知ることによって被験者の健康状態を把握する技術がある。このような技術としては、例えば、特許文献１に記載の独居者の生活行動監視システムがある。この監視システムは、独居者（以下、「被験者」と記す）宅の複数箇所に圧力センサを有するケアマットを配置し、圧力センサによって被験者の動きを検知する。監視システムは、時系列の動きをセンタへ送信し、センタ側では受信した時系列のデータに基づいて被験者における異常の有無を検出する。 It is now known that there is a close relationship between disturbance of life rhythm and health. In particular, it is known that elderly people are more likely to experience changes in their life rhythms due to a decline in the ability to maintain homeostasis with age. In addition, it has been clarified that the modulation of life rhythms is associated with dementia and depressive symptoms.
From the above, there is a technique for grasping the health condition of a subject by knowing the life rhythm and its modulation. As such a technique, for example, there is a living activity monitoring system for a solitary person described in Patent Document 1. In this monitoring system, care mats having pressure sensors are placed at multiple locations in the home of a solitary person (hereinafter referred to as "subject"), and the pressure sensors detect the movement of the subject. The monitoring system transmits time-series motions to the center, and the center detects the presence or absence of abnormalities in the subject based on the received time-series data.

特開２０００－５７４６２号公報JP-A-2000-57462

しかしながら、上記監視システムは、被験者が自宅のケアマットを踏むことによって被験者が「動いた」と判断する。このため、上記監視システムは、被験者の屋内においての動きを検出することはできるが、屋外において移動したことを検知することはできない。このため、例えば、被験者が屋外において散歩をする、あるいは自宅以外の施設等においてする動作を検出することはできない。また、被験者の行動には移動を伴うものばかりでなく、その場で身体を動かす体操等も含まれる。このため、上記監視システムは、被験者が移動することなく行う動作を検出することができない。さらに、上記監視システムは時系列データから被験者の移動経路を検出しているが、生活リズムには、移動経路の他、移動をした時間帯の要素が含まれる。このようなことから、生活リズムから被験者の健康状態を検出する分野では、被験者の生活リズムの変調をより詳細に検出することが望まれている。
本発明は、上記の点に鑑みて行われたものであり、被験者の生活リズムをより高い精度で検出することができる疾病予防支援方法、疾病予防支援装置及び疾病予防支援システムに関する。 However, the monitoring system determines that the subject has "moved" by stepping on the home care mat. Therefore, the above monitoring system can detect the movement of the subject indoors, but cannot detect the movement of the subject outdoors. For this reason, for example, it is not possible to detect actions taken by the subject, such as taking a walk outdoors or in a facility other than his/her home. In addition, the subject's behavior includes not only movement, but also gymnastic exercises that move the body on the spot. Therefore, the monitoring system cannot detect movements performed by the subject without moving. Furthermore, the monitoring system detects the movement route of the subject from the time-series data, and the life rhythm includes the element of the time zone of movement in addition to the movement route. For this reason, in the field of detecting the health condition of a subject from the life rhythm, it is desired to detect the modulation of the life rhythm of the subject in more detail.
The present invention has been made in view of the above points, and relates to a disease prevention support method, a disease prevention support device, and a disease prevention support system capable of detecting the life rhythm of a subject with higher accuracy.

本発明の疾病予防支援方法は、被験者が行った活動に関する活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得工程と、前記活動情報取得工程によって取得された活動情報から、前記活動の量に関する活動量情報と、前記活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出工程と、前記活動量情報及び前記時間帯情報に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類工程と、
前記分類工程において分類された群に対応する疾病予防支援情報を出力する情報出力工程と、を含む。
本発明の疾病予防支援方法は、被験者が行った活動に関する活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得工程と、前記活動情報取得工程によって取得された複数の前記活動情報から、前記活動の量に関する活動量情報と、前記活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出工程と、複数の前記活動量情報及び前記時間帯情報の類似性に基づいて、複数の前記活動情報を複数の群に分類する分類工程と、前記分類工程において分類された複数の前記群と、前記群と関連する疾病予防支援情報とを対応つける対応付け工程と、を含む。 The disease prevention support method of the present invention comprises an activity information acquiring step of acquiring activity information related to an activity performed by a subject based on an acceleration applied to the subject; an information extracting step of extracting activity amount information relating to the amount of activity and time period information relating to the time period during which the activity was performed; and setting the activity information in advance based on the activity amount information and the time period information A classification step of classifying into one of a plurality of groups in which
and an information output step of outputting disease prevention support information corresponding to the groups classified in the classification step.
The disease prevention support method of the present invention comprises an activity information acquisition step of acquiring activity information related to an activity performed by a subject based on acceleration applied to the subject; , an information extraction step of extracting activity amount information related to the amount of activity and time period information related to the time period in which the activity was performed, based on the similarity of a plurality of the activity amount information and the time period information, A classification step of classifying a plurality of the activity information into a plurality of groups, and an associating step of correlating the plurality of groups classified in the classification step with disease prevention support information related to the groups.

本発明の疾病予防支援装置は、被験者が行った活動に関する活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得部と、前記活動情報取得部によって取得された活動情報から、活動の量に関する活動量情報と、前記活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出部と、前記活動量情報及び前記時間帯情報に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類部と、前記分類部において分類された群に対応する疾病予防支援情報を出力する情報出力部と、を含む。 A disease prevention support device of the present invention includes: an activity information acquisition unit that acquires activity information related to an activity performed by a subject based on acceleration applied to the subject; an information extracting unit for extracting activity amount information relating to an amount and time period information relating to a time period during which the activity was performed; and the activity information being set in advance based on the activity amount information and the time period information. A classifying unit for classifying into one of a plurality of groups, and an information output unit for outputting disease prevention support information corresponding to the group classified by the classifying unit.

本発明の疾病予防支援システムは、被験者が行った活動に関する活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得装置と、前記活動情報取得装置によって取得された活動情報に基づいて、疾病の予防を支援する疾病予防情報を作成する疾病予防支援サーバ装置と、を含む疾病予防支援システムであって、前記疾病予防支援サーバ装置は、前記活動情報取得装置から通信回線を介して受信した前記活動情報から、前記活動の量に関する活動量情報と、前記活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出部と、前記活動量情報及び前記時間帯情報に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類部と、前記分類部において分類された前記群に対応する疾病予防支援情報を、前記通信回線を通じて前記活動情報取得装置に送信する情報出力部と、を有する。 A disease prevention support system of the present invention includes an activity information acquisition device that acquires activity information related to an activity performed by a subject based on the acceleration applied to the subject, and based on the activity information acquired by the activity information acquisition device, and a disease prevention support server device that creates disease prevention information that supports disease prevention, wherein the disease prevention support server device receives information from the activity information acquisition device via a communication line. an information extraction unit that extracts activity amount information about the amount of activity and time period information about the time period during which the activity was performed from the activity information; and based on the activity amount information and the time period information, A classifying unit that classifies activity information into one of a plurality of preset groups, and transmission of disease prevention support information corresponding to the group classified by the classifying unit to the activity information acquisition device through the communication line. and an information output unit for outputting.

本発明は、被験者の生活リズムをより高い精度で検出することができる疾病予防支援方法、疾病予防支援装置及び疾病予防支援システムを提供することができる。 INDUSTRIAL APPLICABILITY The present invention can provide a disease prevention support method, a disease prevention support device, and a disease prevention support system capable of detecting the life rhythm of a subject with higher accuracy.

本発明の第一実施形態の疾病予防支援装置を説明するための機能ブロック図である。BRIEF DESCRIPTION OF THE DRAWINGS It is a functional block diagram for demonstrating the disease prevention assistance apparatus of 1st embodiment of this invention. 図２（ａ）～（ｄ）は、図１に示したクラスタ記憶部に記憶されているクラスタ１、２、４および５を例示する図である。2A to 2D are diagrams illustrating clusters 1, 2, 4 and 5 stored in the cluster storage shown in FIG. 1. FIG. 第一実施形態のクラスタについて、認知機能が健常であると判定された被験者の割合が最も高かったクラスタにおける認知症の疑いがある被験者の割合と認知症の疑いのある被験者の割合が最も高かったクラスタにおける被験者の割合を示したグラフである。For the clusters of the first embodiment, the percentage of subjects suspected of dementia and the percentage of subjects suspected of dementia in the cluster with the highest percentage of subjects determined to be cognitively healthy were the highest. 10 is a graph showing the proportion of subjects in clusters; 図１に示した出力部のディスプレイ画面に表示されるメッセージの表示例を示す図である。3 is a diagram showing a display example of a message displayed on the display screen of the output unit shown in FIG. 1; FIG. 本発明の第一実施形態の疾病予防支援システムを説明するための機能ブロック図である。BRIEF DESCRIPTION OF THE DRAWINGS It is a functional block diagram for demonstrating the disease prevention support system of 1st embodiment of this invention. 図１等に示したクラスタ記憶部及びメッセージ記憶部に記憶されるデータを作成する処理を説明するためのフローチャートである。4 is a flowchart for explaining processing for creating data to be stored in a cluster storage unit and a message storage unit shown in FIG. 1 and the like; 図６に示した処理によって作成されたデータを使って疾病予防支援装置が行う処理を説明するためのフローチャートである。FIG. 7 is a flowchart for explaining a process performed by the disease prevention support device using data created by the process shown in FIG. 6; FIG. 本発明の第二実施形態の疾病予防支援装置の機能ブロック図である。It is a functional block diagram of the disease prevention support device of the second embodiment of the present invention. 図９（ａ）～（ｄ）は、クラスタ１、２、４および５の活動情報の例を示すグラフである。9(a)-(d) are graphs showing examples of activity information for clusters 1, 2, 4 and 5. FIG.

以下、本発明の第一実施形態、第二実施形態（以下、両者を総称して「本実施形態」とも記す）を図面に基づいて説明する。なお、すべての図面において、同様の構成要素には同様の符号を付し、重複する説明は適宜省略する。 DESCRIPTION OF THE PREFERRED EMBODIMENTS A first embodiment and a second embodiment of the present invention (hereinafter collectively referred to as "this embodiment") will be described below with reference to the drawings. In addition, in all the drawings, the same components are denoted by the same reference numerals, and overlapping descriptions are omitted as appropriate.

［概要］
本実施形態の疾病予防支援装置は、疾病予防のための情報を取得する対象となる者（以下、「被験者」と記す）の活動に関する情報（以下、「活動情報」と記す）を取得する。ここで、活動とは、被験者の位置の変化の有無に関わらず被験者が身体を動かすことを指す。活動にかかる情報とは、例えば、身体の動きの速度、動いている時間の情報及び活動が行われた時間帯を示す情報である。本実施形態は、身体が動く際には身体に加速度が作用することに着目し、被験者の身体に加速度センサを取付けて活動情報を取得するものとした。つまり、本実施形態は、被験者の身体に加わった加速度に基づく情報を活動情報として取得している。 [overview]
The disease prevention support device of the present embodiment acquires information (hereinafter referred to as "activity information") regarding activities of a person (hereinafter referred to as "subject") from whom information for disease prevention is to be obtained. Here, the activity means that the subject moves the body regardless of the presence or absence of a change in the position of the subject. The information related to the activity is, for example, the speed of body movement, information on the time of movement, and information indicating the time period during which the activity was performed. Focusing on the fact that acceleration acts on the body when the body moves, this embodiment acquires activity information by attaching an acceleration sensor to the body of the subject. That is, in this embodiment, information based on the acceleration applied to the subject's body is acquired as activity information.

加速度に基づく情報を活動情報とする本実施形態では、活動情報の取得部が、被験者の身体に加わった加速度に基づく情報を取得する加速度センサを含んでいる。近年、スマートフォン（Smart Phone）等の携帯型の通信装置には、加速度センサが組み込まれているものも多いため、本実施形態では情報取得装置に加速度センサのアプリケーションがインストールされたスマートフォンを適用するものとした。スマートフォンを情報取得装置として使用する場合、スマートフォンは、例えば、被験者の腰や腕等、被験者の身体に加速度が加わったことを検出できる位置に取り付けられる。加速度センサは、一軸または三軸方向の加速度を例えば０．１秒ごとに検出する。また、加速度センサは、検出された加速度を時刻に対応付けて出力するデータロガーの機能を有するものであってもよい。さらに、本実施形態は、疾病予防支援装置に、加速度センサと共にＣＰＵ（Central Processing Unit）やメモリ装置、ディスプレイ画面及び音声発生機能といったスマートフォンの既存の機能を用いるものとした。
ただし、本実施形態は、このような構成に限定されるものでなく、例えば、加速度センサや疾病予防支援装置をそれぞれ専用の身体に装着可能な機器として構成することも可能である。このような機器としては、例えば、ウェアラブルセンサ等が考えられる。
さらに、本実施形態は、疾病予防支援装置の各機能のうち比較的演算量やデータ量の多い処理をサーバ装置で行い、結果を被験者側に送信してくる疾病予防支援システムとしても構成することができる。疾病予防支援システムについては後述する。 In the present embodiment in which information based on acceleration is used as activity information, the activity information acquisition unit includes an acceleration sensor that acquires information based on acceleration applied to the subject's body. In recent years, many mobile communication devices such as smart phones have built-in acceleration sensors, so in this embodiment, a smart phone in which an acceleration sensor application is installed is applied to the information acquisition device. and When a smart phone is used as an information acquisition device, the smart phone is attached to a position such as the waist or arm of the subject where it can detect the application of acceleration to the body of the subject. The acceleration sensor detects uniaxial or triaxial acceleration every 0.1 seconds, for example. Also, the acceleration sensor may have a function of a data logger that outputs the detected acceleration in association with time. Furthermore, in this embodiment, the existing functions of a smartphone such as an acceleration sensor, a CPU (Central Processing Unit), a memory device, a display screen, and a voice generation function are used for the disease prevention support device.
However, the present embodiment is not limited to such a configuration, and for example, it is possible to configure the acceleration sensor and the disease prevention support device as dedicated equipment that can be worn on the body. As such a device, for example, a wearable sensor or the like can be considered.
Furthermore, the present embodiment can also be configured as a disease prevention support system in which a server device performs processing with a relatively large amount of calculation and data among the functions of the disease prevention support device, and the results are transmitted to the subject side. can be done. The disease prevention support system will be described later.

［第一実施形態］
＜疾病予防支援装置＞
図１は、第一実施形態の疾病予防支援装置２を説明するための機能ブロック図である。疾病予防支援装置２は、被験者が行った活動に関する活動情報を被験者に加わった加速度に基づいて取得する活動情報取得部２１と、演算部４とを備えている。活動情報取得部２１は、上記したようにスマートフォンに組み込まれた加速度センサ及びそれを動作させるためのアプリケーションを含んでいる。活動情報取得部２１は、被験者が行った活動に関する活動情報を取得する。
また、疾病予防支援装置２は、演算部４を備えている。演算部４は、活動情報取得部２１によって取得された活動情報から、活動の量に関する活動量情報と、活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出部４１、活動量情報及び時間帯情報に基づいて、活動情報を予め設定されている複数の群（以下、「クラスタ」と記す）のいずれかに分類する分類部である実クラスタ作成部４２及びクラスタ分類部４３を有している。さらに、演算部４は、実クラスタ作成部４２及びクラスタ分類部４３において分類されたクラスタに対応する疾病予防支援情報を出力する情報出力部であるメッセージ選択部４４及び出力部５を備えている。なお、第一実施形態の「実クラスタ」とは、疾病予防支援の対象となる被験者から実測した活動情報を使って得たクラスタである。第一実施形態では、実クラスタの文言を用い、対象となる被験者から実測したクラスタと、クラスタの分類に用いられる保存データとしてのクラスタとを区別している。 [First embodiment]
<Disease prevention support device>
FIG. 1 is a functional block diagram for explaining the disease prevention support device 2 of the first embodiment. The disease prevention support device 2 includes an activity information acquisition unit 21 that acquires activity information related to the activity performed by the subject based on the acceleration applied to the subject, and a calculation unit 4 . The activity information acquisition unit 21 includes the acceleration sensor incorporated in the smartphone as described above and an application for operating it. The activity information acquisition unit 21 acquires activity information related to the activity performed by the subject.
The disease prevention support device 2 also includes a calculation unit 4 . The computing unit 4 extracts, from the activity information acquired by the activity information acquiring unit 21, activity amount information relating to the amount of activity and time period information relating to the time period during which the activity was performed, an information extracting unit 41 for extracting activity amount information and an actual cluster creating unit 42 and a cluster classifying unit 43, which are classifying units for classifying the activity information into one of a plurality of preset groups (hereinafter referred to as "clusters") based on the time zone information. are doing. Further, the calculation unit 4 includes a message selection unit 44 and an output unit 5 which are information output units for outputting disease prevention support information corresponding to the clusters classified by the actual cluster generation unit 42 and the cluster classification unit 43 . Note that the “actual cluster” in the first embodiment is a cluster obtained using activity information actually measured from a subject who is a target of disease prevention support. In the first embodiment, the wording of actual clusters is used to distinguish between clusters actually measured from target subjects and clusters as stored data used for classifying clusters.

（活動情報）
活動情報は、活動量情報と時間帯情報とを含んでいる。活動量情報は、被験者が行った活動の回数及び強度の少なくとも一方に関する情報を含むものとすることができる。活動量情報が活動の回数を含むとは、例えば、所定の範囲の加速度が連続的に所定の回数繰り返し検出される場合、情報抽出部４１がこれを被験者が歩行しているものと判断する。そして、情報抽出部４１が、加速度に関する情報を所定の時間範囲における歩数に換算し、これを活動量情報に使用する。また、活動情報が活動の強度を含むとは、例えば、活動情報取得部２１によって検出された加速度の値が大きいほど被験者の活動の強度が高いものとし、情報抽出部４１が加速度の大きさを所定の時間範囲における活動の強度に換算し、これを活動量情報に使用することを指す。 (Activity information)
The activity information includes activity amount information and time period information. The activity amount information may include information on at least one of the number and intensity of activities performed by the subject. The fact that the activity amount information includes the number of times of activity means that, for example, when acceleration within a predetermined range is continuously detected repeatedly for a predetermined number of times, the information extraction unit 41 determines that the subject is walking. Then, the information extraction unit 41 converts the information on acceleration into the number of steps in a predetermined time range, and uses this as activity amount information. In addition, the fact that the activity information includes the intensity of activity means that, for example, the greater the value of the acceleration detected by the activity information acquisition unit 21, the higher the intensity of activity of the subject. It refers to converting the intensity of activity in a predetermined time range and using this as activity amount information.

また、第一実施形態では、活動情報取得部２１が一の被験者について所定の期間活動情報を取得し、活動量情報が所定の期間に取得された活動量のばらつきを含むようにすることができる。つまり、第一実施形態は、活動情報取得部２１が一人の被験者が同一の時間帯において行った活動の活動情報を複数取得した場合、上記歩数や活動強度の所定の時間範囲における標準偏差（standard deviation, sd）等を対象データにして活動情報を分類することができる。さらに、第一実施形態は、標準偏差の他、歩数や活動強度の所定の時間範囲における平均値を対象データとして活動情報を分類することも可能である。
なお、活動情報取得部２１は、加速度センサを使って活動情報を取得する構成に限定されるものでなく、例えばＧＰＳ（Global Positioning System）を使って被験者の活動情報を取得するものであってもよい。ＧＰＳによれば、被験者の移動方向、移動距離及び移動速度等が分かる。情報抽出部４１は、このような情報によって被験者が乗り物（自転車を除く）に乗って移動しているか、歩行あるいは走行中であるかといった情報を抽出することもできる。なお、このような構成において、ＧＰＳは被験者が所有するスマートフォント等に付与された既存の構成を使用することができる。 Further, in the first embodiment, the activity information acquisition unit 21 acquires activity information for a predetermined period of time for one subject, and the activity amount information can include variations in the amount of activity acquired during the predetermined period. . That is, in the first embodiment, when the activity information acquisition unit 21 acquires a plurality of activity information of activities performed by one subject in the same time period, the standard deviation (standard deviation, sd), etc. can be used as target data to classify activity information. Furthermore, in the first embodiment, in addition to the standard deviation, it is also possible to classify the activity information using the average value of the number of steps and the activity intensity in a predetermined time range as target data.
Note that the activity information acquisition unit 21 is not limited to a configuration that acquires activity information using an acceleration sensor. good. According to GPS, the moving direction, moving distance, moving speed, etc. of the subject can be known. The information extraction unit 41 can also extract information such as whether the subject is moving by riding a vehicle (excluding a bicycle), walking, or running. In addition, in such a configuration, the GPS can use an existing configuration assigned to a smartphone or the like owned by the subject.

時間帯情報は、加速度が検出された時刻をいい、例えば連続して加速度が検出されている場合には加速度の検出開始時刻から検出終了時刻をいう。活動量情報と時間帯情報とを含む活動情報によれば、「何時にどれだけの活動量の活動が行われた」等の他、「日中の活動量が夜間の活動量に比べて大きい」等の相対的な情報をも得ることができる。
情報抽出部４１は、活動情報取得部２１の検出した加速度から活動情報を活動量情報と時間帯情報との関係として抽出する。なお、時間帯情報の取得は、例えば、疾病予防支援装置２に組み込まれた時計（図示せず）によって計時された時刻と、この時刻と活動量情報とを対応付けることによって可能になる。 The time period information refers to the time when the acceleration is detected. For example, when the acceleration is continuously detected, it refers to the acceleration detection start time to the detection end time. According to the activity information including the activity amount information and the time zone information, it is possible to find information such as "what time and how much activity was performed", "the amount of activity during the day is greater than the amount of activity at night", etc. , etc. can also be obtained.
The information extraction unit 41 extracts activity information from the acceleration detected by the activity information acquisition unit 21 as a relationship between the activity amount information and the time period information. It should be noted that time period information can be acquired by, for example, matching the time measured by a clock (not shown) incorporated in the disease prevention support device 2 and the activity amount information.

（分類部）
また、第一実施形態の疾病予防支援装置２は、活動情報取得部２１が一の被験者について複数日に亘り、活動情報を取得する。そして、疾病予防支援装置２は、複数日に亘って取得された活動情報を蓄積するための活動情報蓄積部２２を備えている。このため、活動情報取得の終了後、活動情報蓄積部２２には複数日分の活動情報が蓄積される。実クラスタ作成部４２は、活動情報蓄積部２２に蓄積された活動情報の集合を、内的結合（internal cohesion）と外的分離（external isolation）が達成されるような部分集合に分割する。このような処理は、クラスタリング（clustering)、あるいはクラスタ分析（cluster analysis）と呼ばれる処理である。なお、実クラスタ作成部４２によって実行されるクラスタリングは、一人の被験者の同一の時間範囲において複数回取得した活動情報から一つの実クラスタが得られるように行われる。本実施形態でいうクラスタは、クラスタリングによって作成された対象データの部分集合である。クラスタリングの手法は、観測された対象データだけを対象にして行われる、所謂教師なし学習法である。実クラスタ作成部４２は、例えば、凝集型階層的クラスタリングによって複数回分の活動情報から一つの活動情報を表す実クラスタを作成する。第一実施形態の活動情報は、活動情報取得部２１によって検出された加速度の強度と検出時刻とを含んでいる。加速度の強度と、検出時刻とを対応付けて表すことにより、活動情報は、図２（ａ）～（ｄ）で示す曲線パターンで表される。 (classification department)
In addition, in the disease prevention support device 2 of the first embodiment, the activity information acquiring unit 21 acquires activity information for one subject over a plurality of days. The disease prevention support device 2 includes an activity information accumulation unit 22 for accumulating activity information acquired over a plurality of days. Therefore, after the acquisition of activity information is completed, activity information for a plurality of days is accumulated in the activity information accumulation unit 22 . The real cluster creation unit 42 divides the set of activity information accumulated in the activity information accumulation unit 22 into subsets such that internal cohesion and external isolation are achieved. Such processing is processing called clustering or cluster analysis. The clustering performed by the real cluster creating unit 42 is performed so that one real cluster is obtained from the activity information acquired multiple times in the same time range of one subject. A cluster in this embodiment is a subset of target data created by clustering. The clustering method is a so-called unsupervised learning method that is performed only on observed target data. The real cluster creation unit 42 creates a real cluster representing one piece of activity information from a plurality of pieces of activity information by, for example, agglomerative hierarchical clustering. The activity information of the first embodiment includes the intensity of acceleration detected by the activity information acquisition unit 21 and the detection time. Activity information is represented by curve patterns shown in FIGS.

実クラスタ作成部４２は、対象データとなる複数の加速度の強度同士の非類似性を距離で表し、距離の近い対象データ同士でクラスタを作成する。そして、クラスタ同士の距離を算出し、最も距離が近い複数のクラスタを順次統合する。実クラスタ作成部４２によるクラスタリングは、クラスタが一つになるまで行われる。このような処理により、第一実施形態は、複数回取得された活動情報を集約した一つの活動情報を作成することができる。
ただし、第一実施形態は、活動情報をクラスタ（群）に分類するにあたり、クラスタリングの手法を使用するものに限定されるものではない。複数の活動情報から一または複数の群を作成する手法は、複数の活動情報の類似性に基づいて活動情報のパターンを生成するものであればどのようなものであってもよい。なお、第一実施形態において、「類似性に基づく」とは、複数の活動情報を表す数値等のデータ同士、またはデータと基準となるデータとの類似、非類似及びその程度により一つの群を構成するデータが決まることをいう。 The actual cluster creating unit 42 expresses the dissimilarity between the intensities of a plurality of accelerations as target data by a distance, and creates a cluster from the target data having a short distance. Then, the distances between clusters are calculated, and clusters with the shortest distances are sequentially integrated. Clustering by the real cluster creating unit 42 is performed until one cluster is formed. Through such processing, the first embodiment can create one piece of activity information by aggregating the activity information acquired a plurality of times.
However, the first embodiment is not limited to using a clustering technique when classifying activity information into clusters (groups). Any technique for creating one or more groups from a plurality of pieces of activity information may be used as long as it generates a pattern of activity information based on the similarity of a plurality of pieces of activity information. In the first embodiment, "based on similarity" refers to data such as numerical values representing a plurality of activity information, or similarity or dissimilarity between data and reference data. It means that the data to be configured is determined.

第一実施形態の疾病予防支援装置２は、クラスタ記憶部６を備えている。クラスタ記憶部６は、複数のクラスタを記憶しているメモリと、このメモリからクラスタを読み出す、あるいはメモリに書き込むドライバとを有する構成である。クラスタ記憶部６に記憶されている複数のクラスタは、いずれも予め行われた調査等により作成された活動量情報と時間帯情報との関係を示すデータである。クラスタ分類部４３は、実クラスタ作成部４２によって作成された実クラスタをクラスタ記憶部６に記憶されているクラスタと比較する。そして、クラスタ分類部４３は、作成された実クラスタとの類似性が予め定められた所定の範囲内にあるクラスタを選択する。実クラスタ作成部４２によって作成された実クラスタは、選択されたクラスタに分類される。 The disease prevention support device 2 of the first embodiment includes a cluster storage section 6 . The cluster storage unit 6 has a memory that stores a plurality of clusters and a driver that reads the clusters from the memory or writes the clusters to the memory. A plurality of clusters stored in the cluster storage unit 6 are data indicating the relationship between the activity amount information and the time period information, which are all created by research conducted in advance. The cluster classifier 43 compares the real clusters created by the real cluster creator 42 with the clusters stored in the cluster storage 6 . Then, the cluster classification unit 43 selects a cluster whose similarity to the created real cluster is within a predetermined range. The real clusters created by the real cluster creating unit 42 are classified into the selected clusters.

（クラスタ）
ここで、クラスタについて説明する。図２（ａ）～（ｄ）は、クラスタ記憶部６に記憶されている複数のクラスタの内容を例示する図であって、縦軸に活動量情報として歩数を、横軸に０時から２４時の２４時間の時間帯が示されている。ＣＬ１からＣＬ６を作成するために行われるクラスタリングは、例えば、ｋ－ｍｅａｎｓ法、Ｗａｒｄ（ウォード）法、最近隣法、群平均法等の分割最適化手法を用いて行われる。 (cluster)
Here, the cluster will be explained. FIGS. 2(a) to 2(d) are diagrams exemplifying the contents of a plurality of clusters stored in the cluster storage unit 6. The vertical axis represents the number of steps as activity amount information, and the horizontal axis represents the number of steps from 0:00 to 24:00. A 24-hour time zone of the hour is indicated. Clustering performed to create CL1 to CL6 is performed using, for example, a divisional optimization method such as the k-means method, Ward method, nearest neighbor method, or group average method.

より具体的には、図２（ａ）～（ｄ）に例示したクラスタは、例えば以下の方法によって作成される。先ず、第一実施形態では、多数の高齢者を対象にして各対象者から加速度センサによって検出された活動情報を取得する。取得された活動情報は、例えば、０．１秒ごとに検出された加速度の強度と検出時刻とが対応付けられたデータである。このとき、加速度センサは、０．１秒ごとの強度を例えば４秒ごとに区分し、各区分の積分値を閾値判定によって４秒間に対応する一つの値として記録することができる。記録された強度は、上記クラスタリングの結果ＣＬ１からＣＬ６の６つのクラスタに分類される。ＣＬ１からＣＬ６を表すデータは、図２（ａ）～（ｄ）に例示した曲線パターン、あるいは曲線パターンを表す演算式としてクラスタ記憶部６に記憶される。このような処理は、疾病予防支援装置２によって行うことも可能であるが、対象者の数が多く演算量が多いため、より大型のコンピュータを使って予め行うものであってもよい。また、クラスタ記憶部６への記憶は、予めクラスタ記憶部６に記憶しておく他、サーバ装置等からクラスタ記憶部６にダウンロードして行うものであってもよい。 More specifically, the clusters illustrated in FIGS. 2(a) to 2(d) are created by, for example, the following method. First, in the first embodiment, a large number of elderly people are targeted, and activity information detected by an acceleration sensor is acquired from each subject. The acquired activity information is, for example, data in which the intensity of acceleration detected every 0.1 seconds and the detection time are associated with each other. At this time, the acceleration sensor can divide the intensity every 0.1 seconds into, for example, every 4 seconds, and record the integrated value of each division as one value corresponding to 4 seconds by threshold determination. The recorded intensities are classified into six clusters CL1 to CL6 as a result of the above clustering. Data representing CL1 to CL6 are stored in the cluster storage unit 6 as curve patterns illustrated in FIGS. Such processing can be performed by the disease prevention support device 2, but since the number of subjects is large and the amount of calculation is large, it may be performed in advance using a larger computer. The data may be stored in the cluster storage unit 6 in advance, or may be downloaded from a server device or the like to the cluster storage unit 6 .

図２（ａ）～（ｄ）には、ＣＬ１からＣＬ６の６つのクラスタのうち、ＣＬ１、ＣＬ２、ＣＬ４、ＣＬ５をそれぞれ例示している。図２（ａ）～（ｄ）に示したように、それぞれのクラスタは、各々異なる形状を有する曲線パターンとして示される。なお、このようなＣＬ１からＣＬ６は、高齢者を対象として活動情報を取得した場合に得られるクラスタである。クラスタ記憶部６に記憶される複数のクラスタは、予め多数の被験者の活動情報を取得し、これをクラスタリングして作成されたものである。ただし、第一実施形態では、クラスタ記憶部６に高齢者に適用されるクラスタを記憶しているが、第一実施形態は高齢者に適用されることに限定されるものではない。第一実施形態は、どのような年齢や性別及びライフスタイルの対象者にも適用することができる。 FIGS. 2(a) to 2(d) respectively illustrate CL1, CL2, CL4, and CL5 among the six clusters CL1 to CL6. As shown in FIGS. 2(a)-(d), each cluster is shown as a curvilinear pattern each having a different shape. It should be noted that such CL1 to CL6 are clusters obtained when activity information is acquired for elderly people. A plurality of clusters stored in the cluster storage unit 6 are created by acquiring activity information of a large number of subjects in advance and clustering the information. However, in the first embodiment, clusters applied to the elderly are stored in the cluster storage unit 6, but the first embodiment is not limited to being applied to the elderly. The first embodiment can be applied to subjects of any age, gender and lifestyle.

例えば、図２（ａ）に示したＣＬ１は、被験者が午前中から夕方まで３時間当たり１０００歩程度の歩行を行い、その前後においては活動量が低下することを示している。このような被験者の生活リズムのイメージは、家での家事がメインで、日中に買い物等の外出をするというものである。図２（ｂ）に示したＣＬ２は、被験者が常に１０００歩以下の歩行を行い、日中にやや歩数が低下することを示している。このような被験者の生活リズムのイメージは終日家の中（自宅）で過ごし、日中に特に活動を行わない、というものである。ＣＬ３は、被験者が午前と午後に２０００歩以上の歩行をし、昼頃にやや歩数が低下することを示している。このような被験者の生活リズムのイメージは、日中に仕事等のため外出し、夕方に帰宅する、というものである。 For example, CL1 shown in FIG. 2A indicates that the subject walks about 1000 steps per 3 hours from morning to evening, and the amount of activity decreases before and after that. Such an image of the subject's life rhythm is that they mainly do housework at home and go out for shopping and the like during the day. CL2 shown in FIG. 2B indicates that the subject always walks 1000 steps or less, and the number of steps decreases slightly during the daytime. The image of the subject's life rhythm is that they spend all day at home (at home) and do not engage in any particular activity during the day. CL3 indicates that the subject walks 2000 or more steps in the morning and afternoon, and the number of steps decreases slightly around noon. Such an image of the subject's life rhythm is that he goes out during the day for work or the like and returns home in the evening.

図２（ｃ）に示したＣＬ４は、被験者が午前中に１５００歩以下、午後に１０００歩程度の歩行を行い、以降の歩数が低下することを示している。このような被験者の生活リズムのイメージは、午前中と午後に外出する、というものである。図２（ｄ）に示したＣＬ５は、被験者が午前中に１５００歩以下、夕方に１８００歩程度の歩行を行い、以降の歩数が低下することを示している。このような被験者の生活リズムのイメージは、午前中と夕方とに外出する、というものである。ＣＬ６は、被験者が朝に２５００歩程度、午前中から夕方にかけて１０００歩から１３００歩程度の歩行を行い、夕方以降の歩数が低下することを示している。このような被験者の生活リズムのイメージは、早朝から運動をし、以降も外出する、というものである。 CL4 shown in FIG. 2C indicates that the subject walks 1500 steps or less in the morning and about 1000 steps in the afternoon, and the number of steps thereafter decreases. The image of such a subject's life rhythm is that he goes out in the morning and afternoon. CL5 shown in FIG. 2D indicates that the subject walks 1500 steps or less in the morning and about 1800 steps in the evening, and the number of steps thereafter decreases. Such an image of the subject's life rhythm is that he goes out in the morning and in the evening. CL6 indicates that the subject walks about 2,500 steps in the morning, about 1,000 to 1,300 steps from the morning to the evening, and the number of steps decreases after the evening. Such an image of the subject's life rhythm is to exercise early in the morning and then go out.

図３は、ＣＬ１からＣＬ６について、認知機能が健常であると判定された被験者の割合が最も高かったＣＬ３における認知症の疑いがある被験者の割合と認知症の疑いのある被験者の割合が最も高かったＣＬ６における被験者の割合を示したグラフである。図３のグラフによれば、ＣＬ６はＣＬ３の１．１倍、認知症の疑いのある被験者の割合が多いクラスタである。このように、第一実施形態は、被験者の活動情報をＣＬ１からＣＬ６のいずれかに分類することによって被験者の認知機能の低下の可能性に関する情報を得ることができるようになる。 Figure 3 shows the percentage of subjects with suspected dementia and the percentage of subjects with suspected dementia in CL3, which had the highest percentage of subjects judged to be cognitively healthy, for CL1 to CL6. Fig. 10 is a graph showing the percentage of subjects in CL6; According to the graph in FIG. 3, CL6 is a cluster with 1.1 times higher percentage of subjects suspected of having dementia than CL3. Thus, according to the first embodiment, by classifying the subject's activity information into any one of CL1 to CL6, it is possible to obtain information regarding the possibility of deterioration of the subject's cognitive function.

（情報出力部）
情報出力部の具体的な構成の説明に先立って、先ず、クラスタの種別（ＣＬ１からＣＬ６）と、推定される被験者の疾病の状態との関係について説明する。表１は、ＣＬ１からＣＬ６の各々について、１日の平均歩数、全被験者における割合（％）、腰痛がある被験者の割合（％）、膝痛がある被験者の割合（％）、尿漏れがある被験者の割合（％）、転倒経験がある被験者の割合（％）を示している。表１中、「＊」の記号は有意差を示し、一つの＊が付された数値よりも二つの＊＊の記号が付された数値の有意差の方が大きい。表１によれば、ＣＬ１は、膝痛、尿漏れ及び転倒経験がある被験者が他のクラスタに比べて大きいクラスタである。ＣＬ２は、腰痛がある被験者が他のクラスタに比べて大きいクラスタである。ＣＬ４は、尿漏れがある被験者が全てのクラスタ中二番目に大きいクラスタである。ＣＬ５は、転倒経験がある被験者が全てのクラスタ中二番目に大きいクラスタである。
表１に示した結果から、第一実施形態では、例えば、活動情報がＣＬ１に分類された被験者に膝痛、尿漏れ及び転倒経験があることが推測される。また、第一実施形態では、活動情報がＣＬ４に分類された被験者に尿漏れがあることが推測される。したがって、第一実施形態のクラスタリングは、被験者の健康状態の推測に寄与することができる。 (Information output part)
Prior to describing the specific configuration of the information output unit, first, the relationship between the cluster types (CL1 to CL6) and the estimated disease state of the subject will be described. Table 1 shows, for each of CL1 to CL6, the average number of steps per day, the percentage of all subjects (%), the percentage of subjects with low back pain (%), the percentage of subjects with knee pain (%), and urine leakage. The proportion (%) of subjects and the proportion (%) of subjects who have experienced a fall are shown. In Table 1, the symbol "*" indicates a significant difference, and the significant difference between the numerical values marked with two ** is greater than the numerical value marked with one *. According to Table 1, CL1 is a cluster with a larger number of subjects who experienced knee pain, urinary incontinence, and falls than other clusters. CL2 is a cluster with a large number of subjects with low back pain compared to other clusters. CL4 is the cluster with the second largest of all clusters of subjects with urinary incontinence. CL5 is the second largest cluster of all clusters with a history of falls.
From the results shown in Table 1, in the first embodiment, it can be inferred that, for example, subjects whose activity information is classified as CL1 have experience of knee pain, urinary incontinence, and falling. Further, in the first embodiment, it is presumed that a subject whose activity information is classified as CL4 has urinary leakage. Therefore, the clustering of the first embodiment can contribute to estimating the subject's health condition.

Figure 0007214354000001
Figure 0007214354000001

メッセージ記憶部７は、ＣＬ１からＣＬ６の各クラスタに対応する複数の疾病予防支援情報であるメッセージを記憶している。メッセージ選択部４４は、クラスタ分類部４３によって分類されたクラスタに対応するメッセージをメッセージ記憶部７から選択する。
ここで、クラスタに対応するメッセージについて例を示して説明する。第一実施形態のメッセージ選択部４４は、クラスタ分類部４３によって分類されたクラスタにおいて他のクラスタよりも割合が多い疾病の状態に関するメッセージを全て選択することができる。このようにすると、例えば、ＣＬ１においては腰痛、膝痛、尿漏れ及び転倒経験の全てについてのメッセージが選択される。また、例えば、ＣＬ２においては腰痛、膝痛及び尿漏れについてのメッセージが選択される。また、例えば、ＣＬ４においては腰痛、膝痛及び尿漏れについてのメッセージが選択され、例えば、ＣＬ５においては膝痛、尿漏れ及び転倒経験ありについてのメッセージが選択される。 The message storage unit 7 stores a plurality of disease prevention support information messages corresponding to the clusters CL1 to CL6. The message selection unit 44 selects messages corresponding to clusters classified by the cluster classification unit 43 from the message storage unit 7 .
Here, an example is shown and demonstrated about the message corresponding to a cluster. The message selection unit 44 of the first embodiment can select all messages regarding disease states that have a higher percentage than other clusters in the clusters classified by the cluster classification unit 43 . In this way, for example, in CL1, messages about all of low back pain, knee pain, urinary incontinence, and experience of falling are selected. Also, for example, in CL2, messages about low back pain, knee pain, and urine leakage are selected. Further, for example, messages about lumbago, knee pain, and urine leakage are selected at CL4, and messages about knee pain, urine leakage, and experience of falling are selected at CL5, for example.

なお、第一実施形態は、メッセージ選択部４４が上記のようにメッセージを選択するものに限定されるものではない。例えば、メッセージ選択部４４は、クラスタ分類部４３によって分類されたクラスタが全クラスタ中最も被験者が多い疾病の状態を含む場合、この疾病の状態に関するメッセージを選択することができる。このようにすると、例えば、ＣＬ１においては膝痛、尿漏れ及び転倒経験ありに関するメッセージが選択される。また、例えば、ＣＬ２においては腰痛に関するメッセージが選択される。さらに、メッセージ選択部４４は、一つのクラスタにおいて、最も被験者が多い疾病の状態に関するメッセージを選択することができる。このようにすると、例えば、ＣＬ１においては尿漏れに関するメッセージが選択される。また、例えば、ＣＬ２においては腰痛に関するメッセージが選択される。さらに、ＣＬ４においては腰痛に関するメッセージが選択され、ＣＬ５においては腰痛に関するメッセージが選択される。 Note that the first embodiment is not limited to the one in which the message selection unit 44 selects messages as described above. For example, when the cluster sorted by the cluster sorting unit 43 includes the disease state with the largest number of subjects among all the clusters, the message selection unit 44 can select the message regarding this disease state. In this way, for example, in CL1, messages regarding knee pain, urine leakage, and having a history of falling are selected. Also, for example, in CL2, a message about low back pain is selected. Furthermore, the message selection unit 44 can select the message regarding the state of disease that has the largest number of subjects in one cluster. In this way, for example, a message about urine leakage is selected in CL1. Also, for example, in CL2, a message about low back pain is selected. Further, a message regarding low back pain is selected in CL4, and a message regarding low back pain is selected in CL5.

表２は、膝痛、腰痛、尿漏れ及び転倒経験ありの各疾病の状態についてのメッセージを例示した図である。表２に示したメッセージは、「生活習慣の提案」と、「商品の提案」とを含んでいる。「生活習慣の提案」は、各疾病の状態を改善することに有効な生活習慣を提案する情報であり、「商品の提案」は、各疾病の状態を改善することに有効な商品を提案する情報である。
表２によれば、例えばＣＬ１に対応する膝痛に関する生活習慣の提案は、「膝を支える筋肉を鍛える体操をする」であり、商品の提案は、「効率よく全身を温める入浴剤」である。また、例えばＣＬ２に対応する腰痛に関する生活習慣の提案は、「腹筋や背筋を鍛える体操をする」であり、商品の提案は、「腰を温める温熱用品」である。 Table 2 is a diagram exemplifying the messages for each disease state of knee pain, lumbago, urinary incontinence, and experience of falling. The messages shown in Table 2 include "suggestion of lifestyle" and "suggestion of product". "Suggestion of lifestyle habits" is information that proposes lifestyle habits that are effective in improving the state of each disease, and "Proposal of products" is information that proposes products that are effective in improving the state of each disease. Information.
According to Table 2, for example, a lifestyle suggestion for knee pain corresponding to CL1 is "do exercises to strengthen the muscles that support the knee", and a product suggestion is "a bath agent that efficiently warms the whole body". . Also, for example, a lifestyle proposal for low back pain corresponding to CL2 is "exercise exercises to strengthen the abdominal muscles and back muscles", and a product proposal is "a thermal product for warming the lower back".

また、例えばＣＬ４に対応する尿漏れに関する生活習慣の提案は、「骨盤底筋を鍛える体操を行う」であり、商品の提案は、「外出時に使用する尿取パッド」である。また、例えばＣＬ５に対応する転倒経験に関する生活習慣の提案は、「下半身の筋肉の衰えを防止するための片足立ち体操を行う」であり、商品の提案は、「足の動きをサポートして歩行機能の維持に役立つサプリメント」である。 In addition, for example, a lifestyle proposal for CL4 related to urinary incontinence is "exercising exercises to strengthen the pelvic floor muscles", and a product proposal is "a urine absorption pad for use when going out". In addition, for example, a lifestyle proposal related to a fall experience corresponding to CL5 is "perform one-leg standing exercises to prevent weakening of the muscles of the lower body", and a product proposal is "walking while supporting the movement of the legs". Supplements that help maintain function."

Figure 0007214354000002
Figure 0007214354000002

メッセージ選択部４４に選択されたメッセージは、出力部５に送られる。第一実施形態の出力部５は、液晶等のディスプレイ画面と、ディスプレイ画面に画像を表示するためのドライバとを含んでいる。
図４は、出力部５のディスプレイ画面に表示されるメッセージの表示例を示す図である。ディスプレイ画面には、活動情報を示す実クラスタ（縦軸歩数、横軸時刻）と、この活動情報が属するクラスタに対応する生活習慣の提案及び商品の提案とが表示される。例えば、図４に示した表示例では、実クラスタと共に、実クラスタのピークが９時から１２時と１５時から１８時の間にあるため、「午前・午後ややメリハリタイプ」のテキストデータが表示される。そして、被験者の疾病の状態として「このタイプの生活をしている人の３割が腰に痛みを持っています。」のメッセージが表示されている。また、生活習慣の提案として「午前と午後にメリハリのある生活ができていますね。６～９時、９～１２時、１８～２１時に歩いて、よりメリハリのある生活をしてみましょう。体操で腹筋や背筋をきたえてみましょう。仰向けになり、ひざを伸ばしたり曲げたりすることで腹筋が鍛えられます。」のテキストデータが表示される。さらには、商品の提案として、「温熱用品等を使って腰を温めてみましょう。また、入浴することで全身を温めることができます。」のテキストデータが表示される。 A message selected by the message selection unit 44 is sent to the output unit 5 . The output unit 5 of the first embodiment includes a display screen such as liquid crystal and a driver for displaying an image on the display screen.
FIG. 4 is a diagram showing a display example of a message displayed on the display screen of the output section 5. As shown in FIG. The display screen displays actual clusters (the number of steps on the vertical axis, time on the horizontal axis) indicating activity information, and lifestyle habit proposals and product proposals corresponding to the clusters to which the activity information belongs. For example, in the display example shown in FIG. 4, since the peaks of the actual clusters are between 9:00 and 12:00 and between 15:00 and 18:00, the text data of "a.m. and p.m. slightly sharp type" are displayed together with the actual clusters. . Then, the message "30% of people who lead this type of life have pain in their lower back." is displayed as the condition of the subject's disease. In addition, as a suggestion for lifestyle habits, he said, ``You have a well-balanced life in the morning and afternoon. Let's train your abdominal muscles and back muscles with gymnastics. Lie on your back and stretch and bend your knees to train your abdominal muscles." is displayed. Further, as a product proposal, text data of "Let's warm up the lower back using a heating product or the like. You can also warm the whole body by taking a bath." is displayed.

なお、第一実施形態は、上記したように、出力部５がディスプレイ画面を含み、テキストデータや画像を用いてメッセージを表示する構成に限定されるものではない。出力部５は、例えば音声でメッセージを出力するスピーカ及びそのドライバであってもよいし、メール等でメッセージを被験者の情報端末装置に送信する、あるいは紙媒体に印字されて出力されるように印刷機に送信する送信部であってもよい。 In addition, as described above, the first embodiment is not limited to the configuration in which the output unit 5 includes a display screen and displays messages using text data and images. The output unit 5 may be, for example, a speaker that outputs a message by voice and its driver, sends a message to the subject's information terminal device by e-mail or the like, or prints it on a paper medium so that it can be output It may be a transmitter that transmits to the machine.

＜疾病予防支援システム＞
第一実施形態は、以上説明したように、活動情報取得部２１である加速度センサと一体化した疾病予防支援装置２を被験者に取り付ける構成に限定されるものではなく、活動情報取得装置とサーバ装置とを含む疾病予防支援システムとして構成するものであってもよい。図５は、疾病予防支援システム１を説明するための機能ブロック図である。 <Disease prevention support system>
As described above, the first embodiment is not limited to the configuration in which the disease prevention support device 2 integrated with the acceleration sensor, which is the activity information acquisition unit 21, is attached to the subject. It may be configured as a disease prevention support system including. FIG. 5 is a functional block diagram for explaining the disease prevention support system 1. As shown in FIG.

図５に示すように、疾病予防支援システム１は、被験者が行った活動に関する活動情報を被験者に加わった加速度に基づいて取得する活動情報取得装置３と、活動情報取得装置３によって取得された活動情報に基づいて、疾病の予防を支援する疾病予防情報を作成する疾病予防支援サーバ装置であるサーバ装置９と、を含んでいる。サーバ装置９は、演算部１４を備え、演算部１４は、情報抽出部４１、実クラスタ作成部４２及びクラスタ分類部４３（分類部）を備え、さらにサーバ装置９は、実クラスタ作成部４２及びクラスタ分類部４３において分類されたクラスタに対応する疾病予防支援情報を、通信回線であるネットワークＮを通じて活動情報取得装置３に送信する情報送信部５５を備えている。 As shown in FIG. 5, the disease prevention support system 1 includes an activity information acquisition device 3 that acquires activity information related to the activity performed by the subject based on the acceleration applied to the subject, and the activity acquired by the activity information acquisition device 3. and a server device 9, which is a disease prevention support server device that creates disease prevention information for supporting disease prevention based on the information. The server device 9 includes a calculation unit 14, the calculation unit 14 includes an information extraction unit 41, a real cluster creation unit 42, and a cluster classification unit 43 (classification unit). An information transmission unit 55 is provided for transmitting the disease prevention support information corresponding to the clusters classified by the cluster classification unit 43 to the activity information acquisition device 3 through the network N, which is a communication line.

このような第一実施形態の疾病予防支援システム１は、図１に示した疾病予防支援装置２の構成のうちの一部をサーバ装置９に持たせるため、被験者に取り付けられる活動情報取得装置３を小型、簡易化することに有利である。さらに、疾病予防支援システム１は、被験者が負担する活動情報取得装置３を小型、簡易化できるので、被験者のコストに係る負担を軽減することができ、疾病予防支援のサービスを受け易くすることができる。この点は、サービスの普及化、ひいては疾病予防支援の普及化に効果的である。 In the disease prevention support system 1 of the first embodiment, since the server device 9 has a part of the configuration of the disease prevention support device 2 shown in FIG. It is advantageous to downsize and simplify the system. Furthermore, the disease prevention support system 1 can reduce the size and simplification of the activity information acquisition device 3 borne by the subject, thereby reducing the cost burden on the subject and making it easier to receive disease prevention support services. can. This point is effective for the dissemination of services and, by extension, the dissemination of disease prevention support.

また、疾病予防支援システム１では、出力部５がディスプレイ画面ばかりでなく、メッセージを、ネットワークＮを介して予め定められた装置に送信することができる。このような場合、出力部５は、被験者の通信端末にメッセージをメールやチャットデータとして送信するばかりでなく、被験者の家族や医療機関等の通信端末装置にメッセージを送信することができる。このような構成は、特に被験者が高齢である場合、被験者の疾病の状態を正確に他者に伝えることに有効である。 Further, in the disease prevention support system 1, the output unit 5 can transmit not only the display screen but also the message via the network N to a predetermined device. In such a case, the output unit 5 can transmit the message to the subject's communication terminal as e-mail or chat data, as well as to the subject's family, medical institution, or other communication terminal device. Such a configuration is effective in accurately communicating the subject's disease state to others, especially when the subject is elderly.

［疾病予防支援方法］
図６、図７は、第一実施形態の疾病予防支援方法を説明するためのフローチャートである。図６に示したフローチャートは、図１等に示したクラスタ記憶部６及びメッセージ記憶部７に記憶されるデータを作成する処理を説明するためのものである。図７は、図６に示した処理によって作成されたデータを使って疾病予防支援装置２が行う処理を説明するためのフローチャートである。 [Disease prevention support method]
6 and 7 are flowcharts for explaining the disease prevention support method of the first embodiment. The flowchart shown in FIG. 6 is for explaining the process of creating data to be stored in the cluster storage unit 6 and the message storage unit 7 shown in FIG. 1 and the like. FIG. 7 is a flow chart for explaining the processing performed by the disease prevention support device 2 using the data created by the processing shown in FIG.

図６に示したフローチャートは、被験者が行った活動に関する活動情報を被験者に加わった加速度に基づいて取得する活動情報取得工程（ステップＳ８０１）と、活動情報取得工程（ステップＳ８０１）によって取得された複数の活動情報から、活動の量に関する活動量情報と、活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出工程（ステップＳ８０２）と、複数の活動量情報及び時間帯情報の類似性に基づいて、複数の活動情報を複数の群に分類する分類工程（ステップＳ８０３）と、分類工程において分類された複数の群と、群と関連する疾病予防支援情報とを対応つける対応付け工程（ステップＳ８０４）と、を含んでいる。 The flowchart shown in FIG. 6 includes an activity information acquisition step (step S801) for acquiring activity information related to the activity performed by the subject based on the acceleration applied to the subject; an information extraction step (step S802) of extracting activity amount information about the amount of activity and time period information about the time period in which the activity was performed from the activity information of and a matching step ( Step S804) and .

上記記載において、「類似性に基づく」とは、前記したように、複数の活動情報を表す数値等のデータ同士、またはデータと基準となるデータとの類似、非類似及びその程度により一つの群を構成するデータが決まることをいう。ここでは、複数設定された中心から各活動量情報（歩数）との距離（非類似性）により各クラスタに含まれるデータが決定する。
つまり、第一実施形態では、クラスタ記憶部６及びメッセージ記憶部７に記憶されるデータを作成するにあたり、複数の被験者から加速度に基づく活動情報を取得する（ステップＳ８０1）。ステップＳ８０１においては、後のクラスタリングの精度を高めるため、活動情報の取得対象となる対象者の数が大きいほど好ましい。ステップＳ８０２においては、取得された活動情報から活動量情報及び時間帯情報が抽出される。 In the above description, "based on similarity" means, as described above, data such as numerical values representing a plurality of activity information, or data and reference data similar, dissimilar, and one group based on the degree It means that the data that make up the Here, the data included in each cluster is determined based on the distance (dissimilarity) between each activity amount information (number of steps) from a plurality of set centers.
That is, in the first embodiment, when creating data to be stored in the cluster storage unit 6 and the message storage unit 7, activity information based on acceleration is obtained from a plurality of subjects (step S801). In step S801, in order to improve the accuracy of clustering later, it is preferable that the number of subjects whose activity information is to be acquired be as large as possible. In step S802, activity amount information and time zone information are extracted from the acquired activity information.

ステップＳ８０３においては、抽出された複数の活動量情報及び時間帯情報をクラスタリングして複数のクラスタに分類する。分類された複数のクラスタは、例えば、図２に示すクラスタのような曲線パターンによって表される。図１に示したクラスタ記憶部６には、分類された複数のクラスタを示す曲線パターンが画像、または演算式で記憶される。
ステップＳ８０４においては、実クラスタが示す活動情報の活動量と、活動量のピークに当たる時間帯等を考慮して被験者の生活リズムや疾病の状態を推定する。そして、推定される生活リズムや疾病の状態に応じた生活習慣の提案及び商品の提案を含むメッセージを、各クラスタに対応付ける。クラスタとメッセージとを対応付けたデータは、データベース（Ｄ・Ｂ）を構築する。このデータ・ベースの少なくとも一部が、図１に示すメッセージ記憶部７に記憶される。 In step S803, the extracted plurality of activity amount information and time period information are clustered and classified into a plurality of clusters. A plurality of classified clusters are represented by curve patterns, such as the clusters shown in FIG. 2, for example. The cluster storage unit 6 shown in FIG. 1 stores curvilinear patterns representing a plurality of classified clusters in the form of images or arithmetic expressions.
In step S804, the activity amount of the activity information indicated by the actual cluster and the time zone corresponding to the peak of the activity amount are considered to estimate the subject's life rhythm and disease state. Then, each cluster is associated with a message including a lifestyle proposal and a product proposal corresponding to the estimated life rhythm and disease state. Data in which clusters and messages are associated constitutes a database (D·B). At least part of this database is stored in the message storage unit 7 shown in FIG.

また、上記ステップＳ８０３においては、複数の活動情報を２以上、１０以下の数のクラスタに分類する。このようにクラスタの数は、被験者の生活リズムのパターン分類の精度を従来よりも高め、かつ、各クラスタの相違に有意差を確保するのに望ましい範囲である。
以上説明した図６のフローチャートの処理は、一連の処理として行われるものであってもよいし、複数の処理を別々に行って統合するものであってもよい。また、処理は、自動的に行われるものであってもよいし、少なくとも一部が手動によって行われるものであってもよい。 In step S803, the plurality of pieces of activity information are classified into 2 or more and 10 or less clusters. Thus, the number of clusters is within a desirable range for increasing the accuracy of pattern classification of the subject's lifestyle rhythms more than conventionally, and for securing significant differences in the differences between clusters.
The processing of the flowchart of FIG. 6 described above may be performed as a series of processing, or a plurality of processing may be performed separately and integrated. Also, the processing may be performed automatically, or may be performed at least partially manually.

図７に示したフローチャートは、活動情報を被験者に加わった加速度に基づいて取得する活動情報取得工程（ステップＳ９０１）と、取得された活動情報から、活動の量に関する活動量情報と、活動が行われた時間帯に関する時間帯情報とを抽出する情報抽出工程（ステップＳ９０３）と、活動情報を予め設定されている複数のクラスタのいずれかに分類する分類工程（ステップＳ９０４、９０５）と、分類されたクラスタに対応する疾病予防支援情報を出力する情報出力工程（ステップＳ９０６、９０７）と、を含んでいる。さらに、図７に示したフローチャートは、ステップＳ９０１において取得された活動情報が７日間蓄積されたか否かを判定するステップＳ９０２を含み、７日分の活動情報が蓄積された後に活動情報の抽出が行われる。このような処理によれば、被験者の活動情報を複数日に亘って取得することにより、活動情報を示す実クラスタの精度を高めることができる。 The flowchart shown in FIG. 7 includes an activity information acquiring step (step S901) for acquiring activity information based on the acceleration applied to the subject, activity amount information relating to the amount of activity from the acquired activity information, and an information extraction step (step S903) of extracting time zone information related to the time zone obtained; and an information output step (steps S906 and 907) of outputting disease prevention support information corresponding to the cluster. Furthermore, the flowchart shown in FIG. 7 includes step S902 for determining whether or not the activity information acquired in step S901 has been accumulated for seven days. done. According to such processing, by acquiring the activity information of the subject over a plurality of days, it is possible to improve the accuracy of the actual cluster indicating the activity information.

すなわち、第一実施形態では、例えば、図１に示した疾病予防支援装置２において、加速度センサを含む活動情報取得部２１が、被験者に加わった加速度を活動情報として順次取得する（ステップＳ９０１）。取得された活動情報は、活動情報蓄積部２２に時系列に蓄積されて、７日分蓄積された後（ステップ９０２：ＹＥＳ）、情報抽出部４１によって活動量情報及び時間帯情報として抽出される（ステップ９０３）。また、ステップＳ９０２において、未だ７日分の活動情報が蓄積されていない場合（ステップ９０２：ＮＯ）、活動情報の取得が継続される。
７日分の活動情報が蓄積されると、実クラスタ作成部４２は、抽出された活動量情報と時間帯情報との関係から一つの実クラスタを作成する（ステップ９０４）。実クラスタ作成部４２における実クラスタの作成は、７日分の活動情報をクラスタリングすることによって実現することができる。 That is, in the first embodiment, for example, in the disease prevention support device 2 shown in FIG. 1, the activity information acquisition unit 21 including an acceleration sensor sequentially acquires the acceleration applied to the subject as activity information (step S901). The acquired activity information is accumulated in the activity information accumulation unit 22 in chronological order, accumulated for seven days (step 902: YES), and then extracted by the information extraction unit 41 as activity amount information and time period information. (Step 903). Further, in step S902, if activity information for seven days has not yet been accumulated (step S902: NO), acquisition of activity information is continued.
When the activity information for seven days is accumulated, the actual cluster creating unit 42 creates one actual cluster from the relationship between the extracted activity amount information and time period information (step 904). Creation of real clusters in the real cluster creation unit 42 can be achieved by clustering activity information for seven days.

続いて、図１に示すクラスタ分類部４３は、作成された実クラスタをクラスタ記憶部６に記憶されている例えばＣＬ１からＣＬ６と比較する。そして、クラスタ分類部４３は、ＣＬ１からＣＬ６のうち、作成された実クラスタと最も類似度が大きいクラスタに実クラスタを分類する（ステップ９０５）。クラスタの分類の結果（クラスタの種別）は、図１に示すメッセージ選択部４４に送られる。メッセージ選択部４４は、クラスタ分類部４３から受け取ったクラスタの種別に対応するメッセージをメッセージ記憶部７から読み出すことによって取得する（ステップ９０６）。そして、読み出されたメッセージを出力部５に出力する。出力部５は、出力されたメッセージを画像データ及びテキストデータとしてディスプレイに表示する（ステップ９０６）。あるいはテキストデータを音声データに変換し、テキストの内容を発話して被験者に出力する（ステップ９０６）。 Subsequently, the cluster classification unit 43 shown in FIG. 1 compares the created real clusters with, for example, CL1 to CL6 stored in the cluster storage unit 6 . Then, the cluster classification unit 43 classifies the real cluster into the cluster having the highest degree of similarity with the created real cluster among CL1 to CL6 (step 905). The cluster classification result (cluster type) is sent to the message selector 44 shown in FIG. The message selection unit 44 acquires the message corresponding to the type of cluster received from the cluster classification unit 43 by reading it from the message storage unit 7 (step 906). Then, it outputs the read message to the output unit 5 . The output unit 5 displays the output message as image data and text data on the display (step 906). Alternatively, the text data is converted into voice data, and the contents of the text are spoken and output to the subject (step 906).

ただし、第一実施形態は、活動量情報を、ＣＬ１からＣＬ６のように歩数で表すことに限定されるものではない。つまり、ステップＳ９０３の工程において抽出される活動量情報は、被験者が行った活動の回数及び強度の少なくとも一方に関する情報を含むものであればどのような情報であってもよい。活動の回数は、活動情報取得部２１に加速度が検出された回数に基づいて決定される。第一実施形態では、所定の範囲の加速度が周期的に検出された場合に被験者が歩行を行っているものとし、加速度の検出回数を歩数に変換している。活動の強度は、活動情報取得部２１に検出された加速度の値に基づいて決定される。 However, the first embodiment is not limited to representing the active mass information by the number of steps such as CL1 to CL6. In other words, the activity amount information extracted in the process of step S903 may be any information that includes at least one of the number and intensity of activities performed by the subject. The number of times of activity is determined based on the number of times acceleration is detected by the activity information acquisition unit 21 . In the first embodiment, it is assumed that the subject is walking when acceleration within a predetermined range is periodically detected, and the number of acceleration detections is converted into the number of steps. The activity intensity is determined based on the acceleration value detected by the activity information acquisition unit 21 .

第一実施形態は、一人の被験者について所定の期間（７日間）活動情報を取得した場合、抽出される活動情報が所定の期間に取得された活動量のばらつきを含むものであってもよい。具体的には、活動情報のばらつきを使って図６中のクラスタ分類を行い、結果をクラスタ記憶部６に記憶しておく。そして、図７に示した実クラスタの作成においては活動情報のばらつきを使って実クラスタを作成し、実クラスタをクラスタ記憶部６のクラスタと比較していずれかのクラスタに分類する。このような活動情報のばらつきとしては、前述したように、例えば標準偏差ｓｄを用いることができる。また、活動情報のばらつきの他、第一実施形態は、活動情報の平均値を使って活動情報をクラスタに分類することもできる。
さらに、第一実施形態では、図６に示したステップＳ８０３において、活動情報を歩数、活動強度及び活動強度のばらつきといった複数の変数のそれぞれを使ってクラスタリングし、クラスタリングの結果得られた変数の異なるクラスタをそれぞれクラスタ記憶部６に保存しておくものであってもよい。そして、図７に示したステップＳ９０４においては変数を変えて複数回クラスタリングを行って実クラスタを作成し、保存されているクラスタから実クラスタとの類似度が最も高いクラスタが得られる変数を選択してクラスタ分類するものであってもよい。 In the first embodiment, when activity information is acquired for a predetermined period (7 days) for one subject, the activity information to be extracted may include variations in the amount of activity acquired during the predetermined period. Specifically, the cluster classification in FIG. Then, in creating the real clusters shown in FIG. 7, the variation in the activity information is used to create the real clusters, and the real clusters are compared with the clusters in the cluster storage unit 6 to classify them into one of the clusters. For example, the standard deviation sd can be used as the variation in activity information, as described above. In addition to variations in activity information, the first embodiment can also classify activity information into clusters using average values of activity information.
Furthermore, in the first embodiment, in step S803 shown in FIG. 6, the activity information is clustered using each of a plurality of variables such as the number of steps, activity intensity, and variation in activity intensity, and the variables obtained as a result of clustering are clustered. Each cluster may be stored in the cluster storage unit 6 . Then, in step S904 shown in FIG. 7, clustering is performed a plurality of times with different variables to create real clusters, and a variable that yields a cluster with the highest degree of similarity to the real cluster is selected from the stored clusters. cluster classification may be performed.

［第二実施形態］
第二実施形態の疾病予防支援装置は、以上説明した活動情報のクラスタリングを、一人の被験者について時間をおいて複数回行うことができる。そして、複数回行ったクラスタリングの結果得られたクラスタが等しいか、または変化したかによって被験者の状態の変化を検出することができる。
図８は、クラスタの経時変化を検出可能な第二実施形態の疾病予防支援装置２０の機能ブロック図である。疾病予防支援装置２０は、疾病予防支援装置２に含まれる機能の他、複数回行ったクラスタリングの結果得られたクラスタを時系列に記憶するクラスタ時系列記憶部１０を備える点で疾病予防支援装置２と相違する。
図８に示した疾病予防支援装置２０では、活動情報取得部２１が一の被験者の活動情報を複数回取得する。実クラスタ作成部４２及びクラスタ分類部４３（分類部）は、複数回取得された活動情報をそれぞれ分類して複数のクラスタを作成する。クラスタ時系列記憶部１０は、分類の結果である複数の群を一の被験者について時系列に記憶する。出力部５（情報出力部）は、クラスタ時系列記憶部１０に時系列に記憶されている複数のクラスタの同異に基づくメッセージ（疾病予防支援情報）を出力する。 [Second embodiment]
The disease prevention support device of the second embodiment can perform the clustering of activity information described above a plurality of times for one subject at intervals. Then, a change in the state of the subject can be detected depending on whether the clusters obtained as a result of clustering performed multiple times are the same or have changed.
FIG. 8 is a functional block diagram of the disease prevention support device 20 of the second embodiment that can detect changes in clusters over time. In addition to the functions included in the disease prevention support device 2, the disease prevention support device 20 includes a cluster time-series storage unit 10 that stores clusters obtained as a result of clustering performed multiple times in time series. 2.
In the disease prevention support device 20 shown in FIG. 8, the activity information acquisition unit 21 acquires the activity information of one subject a plurality of times. The actual cluster creating unit 42 and the cluster classifying unit 43 (classifying unit) classify the activity information acquired a plurality of times to create a plurality of clusters. The cluster time-series storage unit 10 stores a plurality of groups, which are the results of classification, in time series for one subject. The output unit 5 (information output unit) outputs a message (disease prevention support information) based on the sameness/difference of a plurality of clusters stored in time series in the cluster time series storage unit 10 .

上記した疾病予防支援装置２０では、例えば、同じ被験者の活動情報のクラスタを一年に一度取得し、結果をクラスタ時系列記憶部１０に時系列に記憶しておくことができる。メッセージ選択部４４は、クラスタ分類部４３を介してクラスタ時系列記憶部１０に記憶されている複数のクラスタを読み出す。そして、直前に記憶されたクラスタと今回記憶されたクラスタとの異同を判断する。
また、第二実施形態では、メッセージ記憶部７に、直前に記憶されたクラスタと今回記憶されたクラスタとの異同に対応したメッセージが記憶されている。このようなメッセージは、例えば、活動量情報が全体的に低下したためにクラスタが変化したことに対応し、筋力の低下について注意喚起を行うものであってもよい。また、メッセージは、例えば、時間帯情報が変化したことによってクラスタが変化したことに対応し、不眠や生活リズムの乱れについて注意喚起を行うものであってもよい。
メッセージ選択部４４は、直前に記憶されたクラスタと今回記憶されたクラスタとの異同及びクラスタの種別に対応するメッセージを選択し、出力部５に出力する。
以上説明した第二実施形態は、被験者の活動情報が分類されるクラスタの異同により、被験者の疾病状態に変化があったことを推測し、早期に注意を喚起することができる。 In the disease prevention support device 20 described above, for example, a cluster of activity information of the same subject can be obtained once a year, and the results can be stored in the cluster time series storage unit 10 in time series. The message selection unit 44 reads a plurality of clusters stored in the cluster time-series storage unit 10 via the cluster classification unit 43 . Then, the difference between the cluster stored immediately before and the cluster stored this time is determined.
Further, in the second embodiment, the message storage unit 7 stores messages corresponding to differences between clusters stored immediately before and clusters stored this time. Such a message may correspond to, for example, a change in the cluster due to an overall decrease in the activity amount information, and call attention to a decrease in muscle strength. Also, the message may correspond to, for example, a change in the cluster due to a change in the time period information, and call attention to insomnia or disruption of the life rhythm.
The message selection unit 44 selects a message corresponding to the difference between the cluster stored immediately before and the cluster stored this time and the type of the cluster, and outputs the message to the output unit 5 .
In the second embodiment described above, it is possible to presume that there has been a change in the subject's disease state based on differences in clusters into which the subject's activity information is classified, and to call attention to it early.

以上説明したように、本発明の第一実施形態、第二実施形態は、いずれも活動量情報を歩行の歩数で示す例を説明したが、本実施形態の活動量情報は、歩数で表されるものに限定されるものではなく、例えば、活動強度や日常の歩行速度で表される。活動量情報を歩数以外の因子で表す例を図９（ａ）～（ｄ）に示す。図９（ａ）～（ｄ）は、活動量情報を活動強度で表した活動情報の例を示すグラフであり、それぞれＣＬ１，ＣＬ２，ＣＬ４およびＣＬ５の被験者の活動強度を示す。図９（ａ）～（ｄ）に示すように、本実施形態は、活動量情報として使用される物理量によらず、活動情報を複数の群に分類することができる。 As described above, in the first embodiment and the second embodiment of the present invention, the example in which the amount of activity information is indicated by the number of steps of walking has been described. For example, it is represented by activity intensity or daily walking speed. FIGS. 9(a) to 9(d) show examples in which the activity amount information is represented by factors other than the number of steps. FIGS. 9A to 9D are graphs showing examples of activity information in which activity amount information is represented by activity intensity, and show activity intensities of CL1, CL2, CL4 and CL5 subjects, respectively. As shown in FIGS. 9A to 9D, this embodiment can classify activity information into a plurality of groups regardless of physical quantities used as activity amount information.

１・・・疾病予防支援システム
２、２０・・・疾病予防支援装置
３・・・活動情報取得装置
４、１４・・・演算部
５・・・出力部
６・・・クラスタ記憶部
７・・・メッセージ記憶部
９・・・サーバ装置
１０・・・クラスタ時系列記憶部
２１・・・活動情報取得部
２２・・・活動情報蓄積部
４１・・・情報抽出部
４２・・・実クラスタ作成部
４３・・・クラスタ分類部
４４・・・メッセージ選択部
５５・・・情報送信部 1...Disease prevention support system 2, 20...Disease prevention support device 3...Activity information acquisition device 4, 14...Calculation unit 5...Output unit 6...Cluster storage unit 7... Message storage unit 9 Server device 10 Cluster time-series storage unit 21 Activity information acquisition unit 22 Activity information accumulation unit 41 Information extraction unit 42 Actual cluster creation unit 43...Cluster classification unit 44...Message selection unit 55...Information transmission unit

Claims (4)

一の被験者が時間帯ごとに行った活動に関する複数日分の活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得工程と、
前記活動情報取得工程によって取得された複数日分の前記活動情報から、前記活動の量に関する活動量情報、同一の時間帯に行った活動の前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記活動が行われた前記時間帯に関する時間帯情報を抽出する情報抽出工程と、
前記活動量情報、前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記時間帯情報の類似性に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類工程と、
前記分類工程において分類された群に対応する疾病予防支援情報を出力する情報出力工程と、
を含む疾病予防支援方法。 an activity information acquiring step of acquiring activity information for a plurality of days regarding activities performed by one subject for each time period based on the acceleration applied to the subject;
From the activity information for a plurality of days acquired by the activity information acquisition step, activity amount information regarding the amount of the activity, and daily variation of the activity amount of the activity performed in the same time period for the plurality of days an information extraction step of extracting time period information relating to the degree of severity and the time period during which the activity occurred;
Based on the activity amount information, the degree of variation in the amount of activity for each day of the plurality of days, and the similarity of the time period information, any one of a plurality of preset groups of the activity information a classification step of classifying crabs;
an information output step of outputting disease prevention support information corresponding to the groups classified in the classification step;
Disease prevention support method including. 一の被験者が時間帯ごとに行った活動に関する複数日分の活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得部と、
前記活動情報取得部によって取得された複数日分の前記活動情報から、前記活動の量に関する活動量情報、同一の時間帯に行った活動の前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記活動が行われた前記時間帯に関する時間帯情報を抽出する情報抽出部と、
前記活動量情報、前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記時間帯情報の類似性に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類部と、
前記分類部において分類された群に対応する疾病予防支援情報を出力する情報出力部と、
を含む疾病予防支援装置。 an activity information acquisition unit that acquires activity information for a plurality of days regarding activities performed by one subject for each time period based on the acceleration applied to the subject;
From the activity information for a plurality of days acquired by the activity information acquisition unit, activity amount information regarding the amount of the activity, and daily variation of the activity amount of the activities performed in the same time period for the plurality of days an information extractor for extracting time period information relating to the degree of severity and the time period during which the activity occurred;
Based on the activity amount information, the degree of variation in the amount of activity for each day of the plurality of days, and the similarity of the time period information, any one of a plurality of preset groups of the activity information a classification unit that classifies crabs;
an information output unit that outputs disease prevention support information corresponding to the group classified by the classification unit;
Disease prevention support device including. 一の被験者が時間帯ごとに行った活動に関する複数日分の活動情報を前記被験者に加わった加速度に基づいて取得する活動情報取得装置と、
前記活動情報取得装置によって取得された複数日分の活動情報に基づいて、疾病の予防を支援する疾病予防情報を作成する疾病予防支援サーバ装置と、を含む疾病予防支援システムであって、
前記疾病予防支援サーバ装置は、
前記活動情報取得装置から通信回線を介して受信した複数日分の前記活動情報から、前記活動の量に関する活動量情報、同一の時間帯に行った活動の前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記活動が行われた前記時間帯に関する時間帯情報を抽出する情報抽出部と、前記活動量情報、前記活動の量にかかる前記複数日の日ごとのばらつき度合いの高さ、および前記時間帯情報の類似性に基づいて、前記活動情報を予め設定されている複数の群のいずれかに分類する分類部と、前記分類部において分類された前記群に対応する疾病予防支援情報を、前記通信回線を通じて前記活動情報取得装置に送信する情報出力部と、
を有する疾病予防支援システム。 an activity information acquisition device that acquires activity information for a plurality of days regarding activities performed by one subject for each time period based on the acceleration applied to the subject;
a disease prevention support server device that creates disease prevention information that supports disease prevention based on the activity information for a plurality of days acquired by the activity information acquisition device, the disease prevention support system comprising:
The disease prevention support server device
From the activity information for a plurality of days received from the activity information acquisition device via a communication line, activity amount information regarding the amount of the activity, activity performed in the same time period, and the activity amount for the plurality of days an information extracting unit that extracts the degree of variation for each day and time zone information about the time zone in which the activity was performed; a classifying unit that classifies the activity information into one of a plurality of preset groups based on the degree of degree and similarity of the time zone information; and the groups classified by the classifying unit. an information output unit that transmits the disease prevention support information to the activity information acquisition device through the communication line;
disease prevention support system. 前記情報出力部は、前記疾病予防支援情報を、前記通信回線を介して予め定められた装置に送信する、請求項３に記載の疾病予防支援システム。 4. The disease prevention support system according to claim 3, wherein said information output unit transmits said disease prevention support information to a predetermined device via said communication line.
JP2018047773A 2018-03-15 2018-03-15 Disease prevention support method, disease prevention support device, and disease prevention support system Active JP7214354B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2018047773A JP7214354B2 (en) 2018-03-15 2018-03-15 Disease prevention support method, disease prevention support device, and disease prevention support system

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2018047773A JP7214354B2 (en) 2018-03-15 2018-03-15 Disease prevention support method, disease prevention support device, and disease prevention support system

Publications (2)

Publication Number Publication Date
JP2019160006A JP2019160006A (en) 2019-09-19
JP7214354B2 true JP7214354B2 (en) 2023-01-30

Family

ID=67993652

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2018047773A Active JP7214354B2 (en) 2018-03-15 2018-03-15 Disease prevention support method, disease prevention support device, and disease prevention support system

Country Status (1)

Country Link
JP (1) JP7214354B2 (en)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111214235A (en) * 2019-12-31 2020-06-02 河南科技大学 Human body activity monitoring method and device

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010146811A1 (en) 2009-06-19 2010-12-23 株式会社日立製作所 Behavior suggestion device and method
JP2017097401A (en) 2015-11-18 2017-06-01 セイコーエプソン株式会社 Behavior modification analysis system, behavior modification analysis method and behavior modification analysis program

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2010146811A1 (en) 2009-06-19 2010-12-23 株式会社日立製作所 Behavior suggestion device and method
JP2017097401A (en) 2015-11-18 2017-06-01 セイコーエプソン株式会社 Behavior modification analysis system, behavior modification analysis method and behavior modification analysis program

Also Published As

Publication number Publication date
JP2019160006A (en) 2019-09-19

Similar Documents

Publication Publication Date Title
Fontecha et al. Elderly frailty detection by using accelerometer-enabled smartphones and clinical information records
KR20200038628A (en) Apparatus and method for providing personalized medication information
US20150182843A1 (en) Methods and systems for data collection, analysis, formulation and reporting of user-specific feedback
JP6236862B2 (en) How to calculate geriatric disorder risk
AU2023202875A1 (en) A method and a processor for determining health of an individual
CN109561837A (en) The system and method for exercise for auxiliary object
CN107405072A (en) For generating the stress level information of individual and the system and method for compressive resilience horizontal information
Chiang et al. Pattern analysis in daily physical activity data for personal health management
WO2016104326A1 (en) Living-habit improvement device, living-habit improvement method, and living-habit improvement system
Jiang et al. A data-driven approach to predict fatigue in exercise based on motion data from wearable sensors or force plate
WO2016084499A1 (en) Behavior classification system, behavior classification device, and behavior classification method
Woznowski et al. Classification and suitability of sensing technologies for activity recognition
JP2017202236A (en) Gait analysis method and gait analysis device
US20230298760A1 (en) Systems, devices, and methods for determining movement variability, illness and injury prediction and recovery readiness
Kelly et al. Feasibility of sensor technology for balance assessment in home rehabilitation settings
Horta et al. Ubiquitous mHealth approach for biofeedback monitoring with falls detection techniques and falls prevention methodologies
JP7214354B2 (en) Disease prevention support method, disease prevention support device, and disease prevention support system
Bisio et al. Towards IoT-based eHealth services: A smart prototype system for home rehabilitation
JP7283422B2 (en) Gait diagnosis system
Calvaresi et al. Non-intrusive patient monitoring for supporting general practitioners in following diseases evolution
Fontecha et al. A proposal for elderly frailty detection by using accelerometer-enabled smartphones
JP2019109631A (en) Information providing apparatus and information providing system
Badawi et al. Towards a context-aware biofeedback activity recommendation mobile application for healthy lifestyle
Lim et al. Developing a mobile wellness management system for healthy lifestyle by analyzing daily living activities
Cher et al. Human runners exhibit a least variable gait speed

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20201208

A977 Report on retrieval

Free format text: JAPANESE INTERMEDIATE CODE: A971007

Effective date: 20211022

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20211207

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220131

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20220705

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20220831

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: 20230110

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20230118

R151 Written notification of patent or utility model registration

Ref document number: 7214354

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R151