健康指標値推定方法、健康指標値推定装置及び健康指標値推定プログラム。
【課題】各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供すること
【解決手段】健康診断データを用いて変量関連解析を行い特徴データを抽出し、特徴データに基づき健康指標値を推定する健康指標値推定方法とする。
なお、健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかと、を含むことが好ましい。
【解決手段】健康診断データを用いて変量関連解析を行い特徴データを抽出し、特徴データに基づき健康指標値を推定する健康指標値推定方法とする。
なお、健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかと、を含むことが好ましい。
【発明の詳細な説明】
【技術分野】
【０００１】
本発明は、健康指標値推定方法、健康指標値推定装置及び健康指標値推定プログラムに関する。
【背景技術】
【０００２】
生活習慣病の増加に伴い、国民の総医療費が増加を続けている。これらに対して歯止めをかけるためには、各個人が正しい自分の健康状態を把握することが必須である。従来より、健康管理のために企業などでは年一回の健康診断が義務付けられており、血液検査等も含めて４０歳代以降ではかなりの検診データが保存されている。
【０００３】
最近、メタボリックシンドロームが定義され、胴囲が男性で８５ｃｍ以上、女性で９０ｃｍ以上あり、高血圧、高脂血症、糖尿病のいずれか２つ以上を持っている者が特に問題視されている。こういったメタボリックシンドロームに近づいていることをある程度予測できれば、自己管理がしやすい。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、一般にこれらの予測は単に血液検査などの検査値だけをみて基準の上下で判定されるだけであるため、自分自身がメタボリックシンドロームに対してどの程度の段階にいるのか、言い換えれば、何をどの程度改善すれば指標値がどれだけ改善されるのか理解することは困難であり、具体的な健康管理目標がないままさまよっている状態となってしまっている。
【０００５】
一方で、従来から、コレステロールや血糖値は体重を減量することで減少させることができると医師の間で知られていた。しかしながら、実際に無作為に注した一般人の体重と総コレステロールは相関が非常に低い（例えば図４参照）。このように、集団として体重と総コレステロールとの関連を解析しようとしても、集団データの中から特徴的な関係を導き出し、目標値を算出する方法は見出されていなかった。
【０００６】
そこで、本発明は上記課題を鑑み、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
上記課題を解決するための第一の手段として、本発明に係る健康指標値推定方法は、健康診断データを用いて変量関連解析を行い特徴データを抽出し、特徴データに基づき健康指標値を推定する。
【０００８】
また、本手段において、限定されるわけではないが、健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかと、を含むことが好ましい。
【０００９】
また、本手段において、限定されるわけではないが、変量関連解析は、１次回帰式に基づく解析であることも好ましい。
【００１０】
また、本手段において、限定されるわけではないが、健康診断データにフィルタリング処理を行うことも好ましい。
【００１１】
また、上記課題を解決するための第二の手段として、本発明に係る健康指標推定装置は、入力装置と、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、を有する。
【００１２】
また、本手段において、限定されるわけではないが、健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含むことが好ましい。
【００１３】
また、本手段において、限定されるわけではないが、変量関連解析部は、１次回帰式に基づく解析を行うことが好ましい。
【００１４】
また、本手段において、限定されるわけではないが、健康診断データに対してフィルタリング処理を行うフィルタリング処理部も有することが好ましい。
【００１５】
また、上記課題を解決する第三の手段として、本発明に係る健康指標推定プログラムは、コンピュータに、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、して機能させる。
【００１６】
また、本手段において、限定されるわけではないが、健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含むことが好ましい。
【００１７】
また、本手段において、限定されるわけではないが、変量関連解析部は、１次回帰式に基づく解析を行うことが好ましい。
【００１８】
また、本手段において、限定されるわけではないが、健康診断データに対してフィルタリング処理を行うフィルタリング処理部としても機能させることも好ましい。
【発明の効果】
【００１９】
以上、本発明により、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することができる。
【発明を実施するための最良の形態】
【００２０】
以下、本発明を実施するための形態について、図面を用いて説明するが、本発明は多くの異なる形態による実施が可能であり、以下に示す実施形態に狭く限定されるものではない。
【００２１】
図１は、本発明の一実施形態に係る個別健康指標値推定装置１（以下「本装置」ともいう。）の構成を示すブロック図である。本図に示すように、本装置１は、入力装置１１、ユーザーインターフェイス部１２、データアクセス部１３、健康診断データ記憶部１４、基準データ記憶部１５、フィルタリング処理部１６、変量関連解析部１７、特徴データ記憶部１８、判定部１９、推定処理部２０、及び出力装置２１と、を有して構成されている。なお、限定されるわけではないが、これら各部は、コンピュータの記録媒体に格納されたプログラムを実行することで容易に実現することができる。
【００２２】
以下、本装置１における各部の動作について説明する。
まず、健康診断データが入力装置１１から入力され、ユーザーインターフェイス部１２を経由してデータアクセス部１３に送られる。なお、ここで「健康診断データ」とは、個人の健康診断の結果に対応するデータであって、本実施形態では簡便な説明のため体重データ、総コレステロール値データ及びヘモグロビンＡ１ｃデータを採用する（以下、体重データ、総コレステロール値データ及びヘモグロビンＡ１ｃデータのそれぞれを「変量データ」ともいう。）が、これに限定されず、例えば体重データの代わりに体脂肪率データ、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）データを使用しても同様の効果を得ることができ、また、総コレステロール値データやヘモグロビンＡ１ｃデータの他中性脂肪データ、血糖値データも用いることができる。もちろん、これらデータはスムージングなどのフィルタリングした数値を用いることが可能である。なお、本装置１は、個人の健康指標値を随時推定することができるよう、随時健康診断データの入力を受け付け、これら経時的な健康診断データを記憶していくこともできる。また、本装置１では、説明を簡単にするため、入力される健康診断データは一個人の健康診断データとして以下説明するが、これに限定されない。
【００２３】
入力装置１１としては、典型的な例としてキーボードやマウスなどの入力装置を例示できるが、データを入力することができる限りにおいて限定されない。入力されるデータの例を図３に示す。図３は、ある特定個人の６年間の体重と総コレステロールの値をプロットしたものである。個人ごとに見ると同図に示すように、体重と総コレステロールの間に相関関係を持っていることが多数の被験者の解析で得られている。総コレステロール以外でも、ヘモグロビンＡ１ｃや中性脂肪、ＨＤＬコレステロールでも高い相関を持っている。また体重の変わりに体脂肪率や、ＢＭＩでもそれぞれ高い相関を持っていることを突き止めている。
【００２４】
データアクセス部１３は、入力された健康診断データを健康診断データ記憶部１４に送り、健康診断データ記憶部１４に記憶させる。健康診断データ記憶部１４は、健康診断データを記憶することができる限りにおいて限定されるわけではないが、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００２５】
また一方、基準データも、入力装置１１からユーザーインターフェイス部１２を経由してデータアクセス部１３に送られる。ここで「基準データ」とは、健康診断において行われる検査の種類に対応したデータ（本実施形態では、上記の総コレステロール値データ、ヘモグロビンＡ１ｃデータを挙げられる）において病気と判定することができる基準値を示すデータである。なおこの基準データは、上記の健康診断データの入力に先立ち予め入力させておく、又は、健康診断データを入力した後入力させる。なお、データアクセス部１３に送られた基準データは、基準データ記憶部１５に記憶される。
【００２６】
基準データ記憶部１５についても、上記健康診断データ記憶部１４と同様であり、基準データを記憶することができる限りにおいて限定されることなく、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００２７】
フィルタリング処理部１６は、通常の生活において非常に変化しやすい血糖値等の健康診断データを用いる場合に有用なものであり、フィルタリング処理により変動を抑えた健康診断データにすることができるものである。フィルタリング処理については、限定されるわけではないが、例えば数ヶ月の範囲の移動平均を算出する等の平滑化処理が好ましい。この処理を行うことで、体重との関連がより正確に解析ができるようになる。なお、健康診断データの中で、ヘモグロビンＡ１ｃでは、この血糖値の影響が３ヶ月程度にわたって蓄積された結果であるために、特に平滑化処理などは不要な場合もある。なお、このフィルタリング処理を施された健康診断データは、データアクセス部１３を介して健康診断データ記憶部１４に記憶される。
【００２８】
変量関連解析部１７は、健康診断データ記憶部１４に記憶された健康診断データのうち、２つの変量データを用いて相関解析を実施することのできるものである。本実施形態では、変量データとして日々手軽に計測可能な体重データと総コレステロール値データの相関関連解析を中心に考えるが、これに限定されず、体重データとヘモグロビンＡ１ｃデータの相関関連解析等も可能である。なお変量関連解析部１７は、変量関連解析を行った結果抽出される特徴量を特徴データとして出力する。
【００２９】
特徴データ記憶部１８は、変量関連解析部１７が解析した結果に基づき抽出された特徴データを記憶することができるものである。特徴データ記憶部１８は、上述の健康診断データ記憶部１４と同様、特徴データを記憶することができる限りにおいて限定されることなく、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００３０】
ここで図２に、本実施形態に係る変量関連解析部１７の機能ブロック図を示す。本図で示すとおり、本実施形態に係る変量関連解析部１７は、個別データ取込部１７１、相関解析部１７２、特徴データ抽出部１７３を有して構成される。
【００３１】
個別データ取込部１７１は、データアクセス部１３を介して健康診断データ記憶部１４から変量データを取得する。本実施形態では、上述のとおり体重データと総コレステロール値データとを抽出するが、上述のようにこれらに限定されず、他の健康診断データ、体重データとヘモグロビンＡ１ｃデータ等であってもよい。
【００３２】
相関解析部１７２は、個別データ取込部１７１が取得した健康診断データに基づき相関解析を行うことができるものである。本実施形態では、上記のとおり体重データと総コレステロール値データを用いて相関解析を行う。本実施例に係る相関解析は、限定されるわけではないが、１次回帰式に基づく相関解析であることが好ましく、以下で示す式における傾きａ、切片ｂの値を求めることがより好ましい（この場合において、傾きａ、切片ｂは相関解析データを構成する一部となる）。
【数１】
【００３３】
特徴データ抽出部１７３は、相関解析データから更に、特徴となるデータを抽出し（以下「相関解析データ」という。）を特徴データ記憶部１８に送る。限定されるわけではないが、上記１次回帰式に基づく相関解析の場合は、上記解析における相関係数ｐ、残差標準偏差σの値のデータも特徴データとして抽出する。
【数２】
【００３４】
判定部１９は、得られた相関解析データ、特徴データに基づき、個別健康指標値推定に利用可能かを判定することができるものである。判定可能となった相関解析データは、推定処理部２０に送られる。一般に、総コレステロール値データやヘモグロビンＡ１ｃデータは体重データに対して正の相関を有していることが多いが、データ数が少ない場合や経時データ全体で体重変化が少なく総コレステロール値などの血液検査の変動が大きい場合、更には、ユーザーが薬などを服用し始めた場合など、少なくとも見かけ上負の相関を有してしまう場合がある。このような場合、正確な判定を行なうことが困難となる場合があるため、判定部１９が自動的又はユーザーの入力に応じて判定することが好ましい。判定部１９の具体的な処理については、限定されるわけではないが、例えば、上記の変量相関解析部１７で説明した相関に基づく傾きａ、切片ｂ、相関係数ｐ、残差標準偏差σといった特徴データが一定の範囲に入っているか否かを判断することによって行うことが好ましい。なお、この一定の範囲に入っているか否かの基準となる値については、例えば、上記の基準データ記憶部１５に予め記憶させておくことが好ましい。
【００３５】
判定基準の具体的例としては、限定されるわけではないが、例えば表１に示すとおり、危険因子の数によって判定基準を変更することが好ましい。下記表１の例によると、例えば高ＬＤＬコレステロール血症、低ＬＤＬコレステロール血症、加齢（男性≧４５歳、女性≧５５歳）、糖尿病、高血圧、喫煙、冠動脈疾患家族歴のそれぞれを一つの要因として数え、その点数によって、０であればＡ、１であればＢ１、２はＢ２、３はＢ３、４以上ではＢ４とランク分けして危険状態の体重を推定する基準を変更する。もしすでに冠動脈疾患を経験している場合はランクＣとして、さらに厳しいコレステロール値に制限して判定される。また、年齢が男女によって基準が異なるように、判定基準としては男女によって危険と判断される体重の算出を変えることも好ましい。即ちこの場合、予め危険因子の数データ及び性別データを記憶し、判断の際に用いることが好ましい態様である。
【表１】
【００３６】
本実施例では、判定部１９において、この判定をより正確に行うために、ロジスティック解析による判別を行っている。ロジスティックによる判定の処理手順は以下の通りである。あらかじめ、学習用として多数の人のデータを対象に、体重から健康診断データが予測可能か否かを目視により判別し、結果予測可能な場合は１を、予測困難と思われるものには０を与える。その判定データ目的変数とし、各健康診断データを説明変数として、ロジスティック解析を行う。ロジスティック解析を行うことにより、判別のための各説明変数への係数が求められる。本判別部１９では、その係数値を用い、与えられた健康診断データを代入した場合の結果として０から１までの予測値が得られる。本実施例では、０．５を判定基準としてこれ以上の場合は予測可能と判定し、それ未満の場合は予測困難と判定している。
【００３７】
推定処理部２０は、入力された体重データ、総コレステロール値データ、ヘモグロビンＡ１ｃデータに基づき、ユーザーが高脂血症や糖尿病などの疾患と判定される可能性のある上限体重推定を行うことができる。限定されるわけではないが、例えば、上記変量関連解析部により求められた傾きａ、切片ｂで求められる一次式に基づき、高脂血症や血糖値であると判断される基準データに該当する場合の体重データの値を上限体重として推定することができる。特に回帰直線による回帰は、残差のばらつきのちょうど平均になるように求められているため、得られる体重は、ちょうど５０％程度の可能性で疾患と判定することができる。
【００３８】
また、推定処理部２０は、入力された体重データに基づき、総コレステロール値データやヘモグロビンＡ１ｃデータの値を推定することができる。限定されるわけではないが、上記１次回帰式の場合、直線の式は上記により明確であるため、体重データを求めることで、その体重データに対応する総コレステロール値データを推定することができる。
【００３９】
以上、本発明により、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することができる。
【産業上の利用可能性】
【００４０】
本発明は、健康指標値推定装置として、産業上利用可能である。
【図面の簡単な説明】
【００４１】
【図１】実施形態に係る健康指標値推定装置の機能ブロック図である。
【図２】実施形態に係る健康指標値推定装置の変量関連解析部の機能ブロック図である。
【図３】個人の体重と総コレステロールの関係を示す図である。
【図４】実際に無作為に注した一般人の体重と総コレステロールは相関を示す図である。相関が非常に低いことが見て取れる。
【符号の説明】
【００４２】
１…健康指標値推定装置、１１…入力装置、１２…ユーザーインターフェイス部、１３…データアクセス部、１４…健康診断データ記憶部、１５…基準データ記憶部、１６…フィルタリング処理部、１７…変量関連解析部、１８…特徴データ記憶部、１９…判定部、２０…推定処理部、２１…出力装置
【技術分野】
【０００１】
本発明は、健康指標値推定方法、健康指標値推定装置及び健康指標値推定プログラムに関する。
【背景技術】
【０００２】
生活習慣病の増加に伴い、国民の総医療費が増加を続けている。これらに対して歯止めをかけるためには、各個人が正しい自分の健康状態を把握することが必須である。従来より、健康管理のために企業などでは年一回の健康診断が義務付けられており、血液検査等も含めて４０歳代以降ではかなりの検診データが保存されている。
【０００３】
最近、メタボリックシンドロームが定義され、胴囲が男性で８５ｃｍ以上、女性で９０ｃｍ以上あり、高血圧、高脂血症、糖尿病のいずれか２つ以上を持っている者が特に問題視されている。こういったメタボリックシンドロームに近づいていることをある程度予測できれば、自己管理がしやすい。
【発明の開示】
【発明が解決しようとする課題】
【０００４】
しかしながら、一般にこれらの予測は単に血液検査などの検査値だけをみて基準の上下で判定されるだけであるため、自分自身がメタボリックシンドロームに対してどの程度の段階にいるのか、言い換えれば、何をどの程度改善すれば指標値がどれだけ改善されるのか理解することは困難であり、具体的な健康管理目標がないままさまよっている状態となってしまっている。
【０００５】
一方で、従来から、コレステロールや血糖値は体重を減量することで減少させることができると医師の間で知られていた。しかしながら、実際に無作為に注した一般人の体重と総コレステロールは相関が非常に低い（例えば図４参照）。このように、集団として体重と総コレステロールとの関連を解析しようとしても、集団データの中から特徴的な関係を導き出し、目標値を算出する方法は見出されていなかった。
【０００６】
そこで、本発明は上記課題を鑑み、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することを目的とする。
【課題を解決するための手段】
【０００７】
上記課題を解決するための第一の手段として、本発明に係る健康指標値推定方法は、健康診断データを用いて変量関連解析を行い特徴データを抽出し、特徴データに基づき健康指標値を推定する。
【０００８】
また、本手段において、限定されるわけではないが、健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかと、を含むことが好ましい。
【０００９】
また、本手段において、限定されるわけではないが、変量関連解析は、１次回帰式に基づく解析であることも好ましい。
【００１０】
また、本手段において、限定されるわけではないが、健康診断データにフィルタリング処理を行うことも好ましい。
【００１１】
また、上記課題を解決するための第二の手段として、本発明に係る健康指標推定装置は、入力装置と、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、を有する。
【００１２】
また、本手段において、限定されるわけではないが、健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含むことが好ましい。
【００１３】
また、本手段において、限定されるわけではないが、変量関連解析部は、１次回帰式に基づく解析を行うことが好ましい。
【００１４】
また、本手段において、限定されるわけではないが、健康診断データに対してフィルタリング処理を行うフィルタリング処理部も有することが好ましい。
【００１５】
また、上記課題を解決する第三の手段として、本発明に係る健康指標推定プログラムは、コンピュータに、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、して機能させる。
【００１６】
また、本手段において、限定されるわけではないが、健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含むことが好ましい。
【００１７】
また、本手段において、限定されるわけではないが、変量関連解析部は、１次回帰式に基づく解析を行うことが好ましい。
【００１８】
また、本手段において、限定されるわけではないが、健康診断データに対してフィルタリング処理を行うフィルタリング処理部としても機能させることも好ましい。
【発明の効果】
【００１９】
以上、本発明により、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することができる。
【発明を実施するための最良の形態】
【００２０】
以下、本発明を実施するための形態について、図面を用いて説明するが、本発明は多くの異なる形態による実施が可能であり、以下に示す実施形態に狭く限定されるものではない。
【００２１】
図１は、本発明の一実施形態に係る個別健康指標値推定装置１（以下「本装置」ともいう。）の構成を示すブロック図である。本図に示すように、本装置１は、入力装置１１、ユーザーインターフェイス部１２、データアクセス部１３、健康診断データ記憶部１４、基準データ記憶部１５、フィルタリング処理部１６、変量関連解析部１７、特徴データ記憶部１８、判定部１９、推定処理部２０、及び出力装置２１と、を有して構成されている。なお、限定されるわけではないが、これら各部は、コンピュータの記録媒体に格納されたプログラムを実行することで容易に実現することができる。
【００２２】
以下、本装置１における各部の動作について説明する。
まず、健康診断データが入力装置１１から入力され、ユーザーインターフェイス部１２を経由してデータアクセス部１３に送られる。なお、ここで「健康診断データ」とは、個人の健康診断の結果に対応するデータであって、本実施形態では簡便な説明のため体重データ、総コレステロール値データ及びヘモグロビンＡ１ｃデータを採用する（以下、体重データ、総コレステロール値データ及びヘモグロビンＡ１ｃデータのそれぞれを「変量データ」ともいう。）が、これに限定されず、例えば体重データの代わりに体脂肪率データ、ＢＭＩ（Ｂｏｄｙ Ｍａｓｓ Ｉｎｄｅｘ）データを使用しても同様の効果を得ることができ、また、総コレステロール値データやヘモグロビンＡ１ｃデータの他中性脂肪データ、血糖値データも用いることができる。もちろん、これらデータはスムージングなどのフィルタリングした数値を用いることが可能である。なお、本装置１は、個人の健康指標値を随時推定することができるよう、随時健康診断データの入力を受け付け、これら経時的な健康診断データを記憶していくこともできる。また、本装置１では、説明を簡単にするため、入力される健康診断データは一個人の健康診断データとして以下説明するが、これに限定されない。
【００２３】
入力装置１１としては、典型的な例としてキーボードやマウスなどの入力装置を例示できるが、データを入力することができる限りにおいて限定されない。入力されるデータの例を図３に示す。図３は、ある特定個人の６年間の体重と総コレステロールの値をプロットしたものである。個人ごとに見ると同図に示すように、体重と総コレステロールの間に相関関係を持っていることが多数の被験者の解析で得られている。総コレステロール以外でも、ヘモグロビンＡ１ｃや中性脂肪、ＨＤＬコレステロールでも高い相関を持っている。また体重の変わりに体脂肪率や、ＢＭＩでもそれぞれ高い相関を持っていることを突き止めている。
【００２４】
データアクセス部１３は、入力された健康診断データを健康診断データ記憶部１４に送り、健康診断データ記憶部１４に記憶させる。健康診断データ記憶部１４は、健康診断データを記憶することができる限りにおいて限定されるわけではないが、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００２５】
また一方、基準データも、入力装置１１からユーザーインターフェイス部１２を経由してデータアクセス部１３に送られる。ここで「基準データ」とは、健康診断において行われる検査の種類に対応したデータ（本実施形態では、上記の総コレステロール値データ、ヘモグロビンＡ１ｃデータを挙げられる）において病気と判定することができる基準値を示すデータである。なおこの基準データは、上記の健康診断データの入力に先立ち予め入力させておく、又は、健康診断データを入力した後入力させる。なお、データアクセス部１３に送られた基準データは、基準データ記憶部１５に記憶される。
【００２６】
基準データ記憶部１５についても、上記健康診断データ記憶部１４と同様であり、基準データを記憶することができる限りにおいて限定されることなく、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００２７】
フィルタリング処理部１６は、通常の生活において非常に変化しやすい血糖値等の健康診断データを用いる場合に有用なものであり、フィルタリング処理により変動を抑えた健康診断データにすることができるものである。フィルタリング処理については、限定されるわけではないが、例えば数ヶ月の範囲の移動平均を算出する等の平滑化処理が好ましい。この処理を行うことで、体重との関連がより正確に解析ができるようになる。なお、健康診断データの中で、ヘモグロビンＡ１ｃでは、この血糖値の影響が３ヶ月程度にわたって蓄積された結果であるために、特に平滑化処理などは不要な場合もある。なお、このフィルタリング処理を施された健康診断データは、データアクセス部１３を介して健康診断データ記憶部１４に記憶される。
【００２８】
変量関連解析部１７は、健康診断データ記憶部１４に記憶された健康診断データのうち、２つの変量データを用いて相関解析を実施することのできるものである。本実施形態では、変量データとして日々手軽に計測可能な体重データと総コレステロール値データの相関関連解析を中心に考えるが、これに限定されず、体重データとヘモグロビンＡ１ｃデータの相関関連解析等も可能である。なお変量関連解析部１７は、変量関連解析を行った結果抽出される特徴量を特徴データとして出力する。
【００２９】
特徴データ記憶部１８は、変量関連解析部１７が解析した結果に基づき抽出された特徴データを記憶することができるものである。特徴データ記憶部１８は、上述の健康診断データ記憶部１４と同様、特徴データを記憶することができる限りにおいて限定されることなく、例えばコンピュータの記録媒体の一部領域とすることで容易に実現可能である。
【００３０】
ここで図２に、本実施形態に係る変量関連解析部１７の機能ブロック図を示す。本図で示すとおり、本実施形態に係る変量関連解析部１７は、個別データ取込部１７１、相関解析部１７２、特徴データ抽出部１７３を有して構成される。
【００３１】
個別データ取込部１７１は、データアクセス部１３を介して健康診断データ記憶部１４から変量データを取得する。本実施形態では、上述のとおり体重データと総コレステロール値データとを抽出するが、上述のようにこれらに限定されず、他の健康診断データ、体重データとヘモグロビンＡ１ｃデータ等であってもよい。
【００３２】
相関解析部１７２は、個別データ取込部１７１が取得した健康診断データに基づき相関解析を行うことができるものである。本実施形態では、上記のとおり体重データと総コレステロール値データを用いて相関解析を行う。本実施例に係る相関解析は、限定されるわけではないが、１次回帰式に基づく相関解析であることが好ましく、以下で示す式における傾きａ、切片ｂの値を求めることがより好ましい（この場合において、傾きａ、切片ｂは相関解析データを構成する一部となる）。
【数１】
【００３３】
特徴データ抽出部１７３は、相関解析データから更に、特徴となるデータを抽出し（以下「相関解析データ」という。）を特徴データ記憶部１８に送る。限定されるわけではないが、上記１次回帰式に基づく相関解析の場合は、上記解析における相関係数ｐ、残差標準偏差σの値のデータも特徴データとして抽出する。
【数２】
【００３４】
判定部１９は、得られた相関解析データ、特徴データに基づき、個別健康指標値推定に利用可能かを判定することができるものである。判定可能となった相関解析データは、推定処理部２０に送られる。一般に、総コレステロール値データやヘモグロビンＡ１ｃデータは体重データに対して正の相関を有していることが多いが、データ数が少ない場合や経時データ全体で体重変化が少なく総コレステロール値などの血液検査の変動が大きい場合、更には、ユーザーが薬などを服用し始めた場合など、少なくとも見かけ上負の相関を有してしまう場合がある。このような場合、正確な判定を行なうことが困難となる場合があるため、判定部１９が自動的又はユーザーの入力に応じて判定することが好ましい。判定部１９の具体的な処理については、限定されるわけではないが、例えば、上記の変量相関解析部１７で説明した相関に基づく傾きａ、切片ｂ、相関係数ｐ、残差標準偏差σといった特徴データが一定の範囲に入っているか否かを判断することによって行うことが好ましい。なお、この一定の範囲に入っているか否かの基準となる値については、例えば、上記の基準データ記憶部１５に予め記憶させておくことが好ましい。
【００３５】
判定基準の具体的例としては、限定されるわけではないが、例えば表１に示すとおり、危険因子の数によって判定基準を変更することが好ましい。下記表１の例によると、例えば高ＬＤＬコレステロール血症、低ＬＤＬコレステロール血症、加齢（男性≧４５歳、女性≧５５歳）、糖尿病、高血圧、喫煙、冠動脈疾患家族歴のそれぞれを一つの要因として数え、その点数によって、０であればＡ、１であればＢ１、２はＢ２、３はＢ３、４以上ではＢ４とランク分けして危険状態の体重を推定する基準を変更する。もしすでに冠動脈疾患を経験している場合はランクＣとして、さらに厳しいコレステロール値に制限して判定される。また、年齢が男女によって基準が異なるように、判定基準としては男女によって危険と判断される体重の算出を変えることも好ましい。即ちこの場合、予め危険因子の数データ及び性別データを記憶し、判断の際に用いることが好ましい態様である。
【表１】
【００３６】
本実施例では、判定部１９において、この判定をより正確に行うために、ロジスティック解析による判別を行っている。ロジスティックによる判定の処理手順は以下の通りである。あらかじめ、学習用として多数の人のデータを対象に、体重から健康診断データが予測可能か否かを目視により判別し、結果予測可能な場合は１を、予測困難と思われるものには０を与える。その判定データ目的変数とし、各健康診断データを説明変数として、ロジスティック解析を行う。ロジスティック解析を行うことにより、判別のための各説明変数への係数が求められる。本判別部１９では、その係数値を用い、与えられた健康診断データを代入した場合の結果として０から１までの予測値が得られる。本実施例では、０．５を判定基準としてこれ以上の場合は予測可能と判定し、それ未満の場合は予測困難と判定している。
【００３７】
推定処理部２０は、入力された体重データ、総コレステロール値データ、ヘモグロビンＡ１ｃデータに基づき、ユーザーが高脂血症や糖尿病などの疾患と判定される可能性のある上限体重推定を行うことができる。限定されるわけではないが、例えば、上記変量関連解析部により求められた傾きａ、切片ｂで求められる一次式に基づき、高脂血症や血糖値であると判断される基準データに該当する場合の体重データの値を上限体重として推定することができる。特に回帰直線による回帰は、残差のばらつきのちょうど平均になるように求められているため、得られる体重は、ちょうど５０％程度の可能性で疾患と判定することができる。
【００３８】
また、推定処理部２０は、入力された体重データに基づき、総コレステロール値データやヘモグロビンＡ１ｃデータの値を推定することができる。限定されるわけではないが、上記１次回帰式の場合、直線の式は上記により明確であるため、体重データを求めることで、その体重データに対応する総コレステロール値データを推定することができる。
【００３９】
以上、本発明により、各個人に対し、より明確な目標値を与えることが可能な健康指標値推定方法、健康指標値推定装置、更には健康指標値推定プログラムを提供することができる。
【産業上の利用可能性】
【００４０】
本発明は、健康指標値推定装置として、産業上利用可能である。
【図面の簡単な説明】
【００４１】
【図１】実施形態に係る健康指標値推定装置の機能ブロック図である。
【図２】実施形態に係る健康指標値推定装置の変量関連解析部の機能ブロック図である。
【図３】個人の体重と総コレステロールの関係を示す図である。
【図４】実際に無作為に注した一般人の体重と総コレステロールは相関を示す図である。相関が非常に低いことが見て取れる。
【符号の説明】
【００４２】
１…健康指標値推定装置、１１…入力装置、１２…ユーザーインターフェイス部、１３…データアクセス部、１４…健康診断データ記憶部、１５…基準データ記憶部、１６…フィルタリング処理部、１７…変量関連解析部、１８…特徴データ記憶部、１９…判定部、２０…推定処理部、２１…出力装置
【特許請求の範囲】
【請求項１】
健康診断データを用いて変量関連解析を行い特徴データを抽出し、
前記特徴データに基づき健康指標値を推定する健康指標推定方法。
【請求項２】
前記健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項１記載の健康指標値推定方法。
【請求項３】
前記変量関連解析は、１次回帰式に基づく解析である請求項１記載の健康指標推定方法。
【請求項４】
前記健康診断データにフィルタリング処理を行う請求項１記載の健康指標推定方法。
【請求項５】
入力装置と、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、を有する健康指標推定装置。
【請求項６】
前記健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項５記載の健康指標推定装置。
【請求項７】
前記変量関連解析部は、１次回帰式に基づく解析を行う請求項５記載の健康指標推定装置。
【請求項８】
前記健康診断データに対してフィルタリング処理を行うフィルタリング処理部も有する請求項５記載の健康指標推定装置。
【請求項９】
コンピュータに、
ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、して機能させるための健康指標推定プログラム。
【請求項１０】
前記健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項９記載の健康指標推定プログラム。
【請求項１１】
前記変量関連解析部は、１次回帰式に基づく解析を行う請求項９記載の健康指標推定プログラム。
【請求項１２】
前記健康診断データに対してフィルタリング処理を行うフィルタリング処理部としても機能させる請求項９記載の健康指標推定プログラム。
【請求項１】
健康診断データを用いて変量関連解析を行い特徴データを抽出し、
前記特徴データに基づき健康指標値を推定する健康指標推定方法。
【請求項２】
前記健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項１記載の健康指標値推定方法。
【請求項３】
前記変量関連解析は、１次回帰式に基づく解析である請求項１記載の健康指標推定方法。
【請求項４】
前記健康診断データにフィルタリング処理を行う請求項１記載の健康指標推定方法。
【請求項５】
入力装置と、ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、を有する健康指標推定装置。
【請求項６】
前記健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項５記載の健康指標推定装置。
【請求項７】
前記変量関連解析部は、１次回帰式に基づく解析を行う請求項５記載の健康指標推定装置。
【請求項８】
前記健康診断データに対してフィルタリング処理を行うフィルタリング処理部も有する請求項５記載の健康指標推定装置。
【請求項９】
コンピュータに、
ユーザーインターフェイス部と、データアクセス部と、健康診断データ記憶部と、基準データ記憶部と、変量関連解析部と、特徴データ記憶部と、判定部と、推定処理部と、出力装置と、して機能させるための健康指標推定プログラム。
【請求項１０】
前記健康診断データ記憶部が記憶する健康診断データは、体重データ、ＢＭＩデータ及び体脂肪率データの少なくともいずれかと、総コレステロール値データ、ヘモグロビンＡ１ｃデータ、中性脂肪データ及び血糖値データの少なくともいずれかを含む請求項９記載の健康指標推定プログラム。
【請求項１１】
前記変量関連解析部は、１次回帰式に基づく解析を行う請求項９記載の健康指標推定プログラム。
【請求項１２】
前記健康診断データに対してフィルタリング処理を行うフィルタリング処理部としても機能させる請求項９記載の健康指標推定プログラム。
【図１】
【図２】
【図３】
【図４】
【図２】
【図３】
【図４】
【公開番号】特開２００８−１６５５５５（Ｐ２００８−１６５５５５Ａ）
【公開日】平成２０年７月１７日（２００８．７．１７）
【国際特許分類】
【出願番号】特願２００６−３５５３５３（Ｐ２００６−３５５３５３）
【出願日】平成１８年１２月２８日（２００６．１２．２８）
【出願人】（３０４０２１８３１）国立大学法人 千葉大学 (601)
【出願人】（５９７１０１１５５）株式会社ダイナコム (13)
【Ｆターム（参考）】
【公開日】平成２０年７月１７日（２００８．７．１７）
【国際特許分類】
【出願日】平成１８年１２月２８日（２００６．１２．２８）
【出願人】（３０４０２１８３１）国立大学法人 千葉大学 (601)
【出願人】（５９７１０１１５５）株式会社ダイナコム (13)
【Ｆターム（参考）】
[ Back to top ]