米国特許情報 | 欧州特許情報 | 国際公開(PCT)情報 | Google の米国特許検索
 
     特許分類
A 農業
B 衣類
C 家具
D 医学
E スポ−ツ;娯楽
F 加工処理操作
G 机上付属具
H 装飾
I 車両
J 包装;運搬
L 化学;冶金
M 繊維;紙;印刷
N 固定構造物
O 機械工学
P 武器
Q 照明
R 測定; 光学
S 写真;映画
T 計算機;電気通信
U 核技術
V 電気素子
W 発電
X 楽器;音響


  ホーム -> 医学 -> 株式会社日立製作所

発明の名称 生活見守りシステム
発行国 日本国特許庁(JP)
公報種別 公開特許公報(A)
公開番号 特開2007−190306(P2007−190306A)
公開日 平成19年8月2日(2007.8.2)
出願番号 特願2006−13321(P2006−13321)
出願日 平成18年1月23日(2006.1.23)
代理人 【識別番号】100100310
【弁理士】
【氏名又は名称】井上 学
発明者 島田 和之 / 栗山 裕之 / 伴 秀行 / 坪倉 義明
要約 課題
入居者に装着されたセンサを用いて生体情報を収集し、生活のリズムの異常を判定して通知する生活見守りシステムを提供する。

解決手段
体動センサを具備した生体装着型デバイス、該デバイスの検出信号に基づく生活状態判定部、該生活状態の時系列検出信号から生活リズムの特徴量を算出する生活リズム判定部,特徴量の異常判定に用いる知識データベース,生活リズムの異常を判定するアラート判定部,アラート情報の出力部等で構成された生活見守りシステムであって,該知識データベースに基準起床時刻と該基準起床時刻との差に応じた行動パターンの特徴量の基準値を格納し,該生活リズム判定部が起床時刻と該起床時刻後の行動パターンの特徴量を算出し,該アラート判定部が該基準起床時刻と該起床時刻との差に応じて基準値を変え,起床後の行動パターンの異常を判定することを特徴とする。
特許請求の範囲
【請求項1】
体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と,特徴量の異常の有無を判定する知識データを格納する知識データベースと,該知識データベースと該特徴量を用いて,生活リズムの異常を判定するアラート判定部と,該アラート判定部の判定結果をアラート情報として出力する出力部と,で構成される生活見守りシステムであって,
該知識データベースに,基準起床時刻と,該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し,該生活リズム判定部が,睡眠状態から他の生活状態へ遷移する時刻である起床時刻と,該起床時刻後の行動パターンの特徴量を算出し,該アラート判定部が,該基準起床時刻と該起床時刻との差に応じて基準値を変え,起床後の行動パターンの異常を判定する,ことを特徴とする生活見守りシステム。
【請求項2】
請求項1に記載の生活見守りシステムであって,起床後の行動パターンの特徴量として,起床時刻後における既定時間内の体動量の平均値を用いることを特徴とする生活見守りシステム。
発明の詳細な説明
【技術分野】
【0001】
本発明は,ケアマンション,有料老人ホーム,老人保健施設,などの高齢者施設の入居者の生体情報を収集して体調異常を判定し,入居者の生活を見守るスタッフへ通知するシステムに関する。
【背景技術】
【0002】
近年,少子高齢化,長寿化,核家族化の進行により,60歳以上の夫婦もしくは独居者のみで構成される高齢者世帯が急増している。このため,医師や看護師,介護福祉士や生活相談員など,入居者のケアや生活の世話を行う施設スタッフ(以降スタッフとする)が常駐する,ケアマンションや有料老人ホームなどの高齢者施設が増加している。このような高齢者施設では,多数の入居者が施設内で生活している中で,ベッドからの転落等の不慮の事故,風邪や倦怠感等の体調不良,認知症や廃用症候群,鬱症状やストレス,自律神経異常などの初期兆候,など何らかの体調異常があった入居者を,見守りスタッフが即時把握し,迅速な対応が可能な見守り支援が求められている。
【0003】
このような見守り支援に関して,従来,施設内に設置された各種センサで入居者の情報を検出するシステムがある。
例えば,特開2000−214に記載の「就寝モニタ装置」では,エアマットの内部圧力を検出する圧力センサを用いて就寝中の心拍数等の信号を抽出し,異常の警報通知を行う。
また,例えば,特開2002−245168に記載の「健康管理システム」では,携帯型と固定型の健康状態測定手段を用いて,長期離床,長期在床等を判定し,緊急通知する。
また,例えば,特開2003−109159に記載の「生活見守りシステム」では,人感センサ等で生活動作情報を受信し,生活パターンを表示する。
また,例えば,特開2003−235813に記載の「監視装置」では,生体信号の時系列データに基づいて使用者ごとの生物時計に合致した判定基準を設定し,報知信号を発する。
【0004】
【特許文献1】特開2000−214
【0005】
【特許文献2】特開2002−245168
【特許文献3】特開2003−109159
【特許文献4】特開2003−235813
【発明の開示】
【発明が解決しようとする課題】
【0006】
しかし,従来の技術では,入居者の生活を見守る上で重要な個人毎の生活リズムに応じた体調異常は判らないという問題があった。特に,風邪や倦怠感等,様々な体調異常のときの,起床後の行動パターンの異常は判らないという問題があった。
本発明の目的は,入居者に装着されたセンサを用いて生体情報を収集し,生活リズムの異常状態を判定して通知するシステムを提供すること,である。
【課題を解決するための手段】
【0007】
上記の課題は,体動量を算出する体動センサを具備し生体に装着される装着型デバイスと、前記装着型デバイスの検出信号に基づいて睡眠状態を含む特定日時の生活状態を判定する生活状態判定部と、該生活状態の時系列と検出信号から生活リズムの特徴量を算出する生活リズム判定部と,特徴量の異常の有無を判定する知識データを格納する知識データベースと,該知識データベースと該特徴量を用いて,生活リズムの異常を判定するアラート判定部と,該アラート判定部の判定結果をアラート情報として出力する出力部と,で構成される生活見守りシステムであって,該知識データベースに,基準起床時刻と,該基準起床時刻との差に応じた行動パターンの特徴量の基準値を知識データとして格納し,該生活リズム判定部が,睡眠状態から他の生活状態へ遷移する時刻である起床時刻と,該起床時刻後の行動パターンの特徴量を算出し,該アラート判定部が,該基準起床時刻と該起床時刻との差に応じて基準値を変え,起床後の行動パターンの異常を判定する,ことを特徴とする生活見守りシステムにより,解決できる。
【発明の効果】
【0008】
本発明である生活見守りシステムにより,スタッフは,入居者の体調異常を即時把握でき,迅速な対応を行うことが可能となる。
さらに,ユーザはスタッフから見守られているという意識を得られるので,施設内での生活を安心して生活することが可能となる。
【発明を実施するための最良の形態】
【0009】
図1に,本発明の実施例である生活見守りシステムの構成図を示す。本システムは,データサーバ100と,スタッフ用端末120と,ネットワーク140と,装着型デバイス150と,無線中継器170と,で構成される。
【0010】
本実施例では,前記スタッフ用端末120は,キーボードやマウスなどの入力部とディスプレイなどの出力部と前記データサーバ100などと通信する通信部とを有する1つまたは複数のパーソナルコンピュータを利用する。また,入力部と出力部と通信部とを有するPDA,PHS,携帯電話,など可搬型端末も利用できる。
【0011】
本システムでは,前記データサーバ100を,システム管理スタッフが入退室可能な管理部に設置し,前記スタッフ用端末120を,スタッフが入退室可能なスタッフルームに設置する。前記スタッフ用端末120は,スタッフが利用する。
【0012】
また,前記装着型デバイス150を,施設の入居者(以下ユーザとする)が身体に装着して利用する。さらに,前記無線中継器170を,入居者の居室や,入居者が出入り可能な共用部などに設置する。
【0013】
前記データサーバ100を,本システムの運用者であるカスタマーセンターが管理するデータセンターに設置することもできる。これにより,ユーザの個人情報や,ユーザから收集される生体データなどのプライバシー情報を一元管理できるので,情報漏洩防止等のセキュリティ管理を簡易化できる。
【0014】
また,本システムでは,前記データサーバ100を前記データセンターへ設置し,前記ネットワーク140をインターネットとし,前記無線中継器170を戸建住宅(以下居室とする)に設置し,前記装着型デバイス150を,居室の居住者(以下ユーザとする)が身体に装着して利用することもできる。これにより,本システムを戸建住宅でも利用可能となる。
【0015】
前記データサーバ100は,DS制御部101と,DSメモリ102と,生活状態判定部105と,生活リズム判定部106と,アラート判定部107と,DS通信部108と,知識ベース生成部109と,ユーザ情報データベース111と,データ蓄積データベース112と,知識ベース113と,アラート履歴データベース114と,で構成される。
【0016】
前記装着型デバイス150は,WD制御部151と,WDメモリ152と,装着型デバイスを識別する固有IDであるWD_IDを格納するWD_ID記憶部153と,WD演算部154と,WD無線通信部155と,生体の心臓の拍動に伴う血管内の血流量の変化を検出する脈波センサ156と,生体から発生する熱エネルギー量を検出する温度センサ158と,生体の活動を体動として検出する体動センサ159と,で構成される。
【0017】
本実施例では,前記WD_ID記憶部153に,「wd01」が記憶されている。
前記装着型デバイス150は,前記無線中継器170と無線通信を行う。
【0018】
前記装着型デバイス150は,リストバンドに組み込まれており,ユーザは手首に装着して利用する。また,腕時計やロッカーキー,ペンダントや指輪,衣類,シューズ,帽子,眼鏡,など身体に装着するものに組み込むこともできる。また,バンソウコウや湿布など,皮膚に直接貼りつけて利用することもできる。
【0019】
図14に,前記装着型デバイス150が,リストバンドに組み込まれているときの構成図を示す。前記脈波センサ156及び前記温度センサ158を,ユーザの皮膚に近接もしくは接触するように構成する。これにより,脈波及び体温を検出することが可能となる。また,体動センサ159を,手の甲と平行方向の動きを検出するようにリストバンドに組み込む。これにより,ユーザの体動を効率的に検出することが可能となる。
【0020】
前記体動センサ159は,衝撃センサを利用することもできる。これにより,消費電力を低減できる。また,前記体動センサ159は,加速度センサを利用することもできる。これにより,体動を高精度に検出できる。
【0021】
前記ネットワーク140は,前記データサーバ100と,前記スタッフ用端末120と,前記無線中継器170と,が接続されている。前記データサーバ100は,前記ネットワーク140を介して,前記スタッフ用端末120や,前記無線中継器170と,通信を行う。
【0022】
前記ネットワーク140は,LAN(Local Area Network)ケーブルによる有線通信を利用する。また,電力線通信(PLC,Power Line Communication)や他の有線通信,または,IEEE802.11b等の無線通信の他,独自の通信方式を利用することもできる。
【0023】
また,前記ネットワーク140は,構内PHSなど,他の構内ネットワークや,インターネット,VPN,携帯電話通信網,PHS通信網など,他の広域ネットワークを利用することもできる。
【0024】
本システムはハードウエア構成として記載されているが,本システムの機能の一部をソフトウエアで構成してもよい。
【0025】
図2に,前記ユーザ情報データベース111の例200を示す。前記データベース例200は,ユーザの個人情報を管理するユーザ個人情報テーブル210と,で構成される。前記ユーザ個人情報テーブル210は,ユーザを識別するユーザIDを格納するフィールド211と,ユーザがシステム利用時にユーザ認証を実施するときに使用するユーザパスワードを格納するフィールド212と,氏名等の個人情報を格納するフィールド213と,ユーザが利用する装着型デバイスを識別するWD_IDを格納するフィールド215と,で構成される。例えば,前記テーブル例210のユーザ個人情報レコードの例210Aでは,ユーザID「user0001」,氏名「F.Kuri」のユーザは,WD_ID「wd01」で識別される装着型デバイスを利用していることを示している。
【0026】
図3に,前記データ蓄積データベース112の例300を示す。前記データ蓄積データベース112は,ユーザデータ履歴テーブル310と,で構成される。前記ユーザデータ履歴テーブル310は,前記ユーザIDを格納するフィールド311と,前記装着型デバイス150から送信されるユーザの生体データを含むSDデータを格納するフィールド312と,ユーザの生体データから算出される生活状態を識別する生活状態IDを格納するフィールド313と,前記SDデータを受信した日時を格納するフィールド314と,で構成される。
【0027】
本実施例では,生活状態ID「S_SL」は生活状態「睡眠中」,生活状態ID「S_ST」は生活状態「安静中」,生活状態ID「S_AC」は生活状態「活動中」,を識別するIDとして定義される。
【0028】
図4に,前記知識ベース113の例400を示す。前記知識ベース114は,生活状態を判定する知識を格納する生活状態判定知識テーブル420と,生活リズムの特徴量から異常の有無を判定する知識を格納する生活リズム異常判定知識テーブル440と,で構成される。
【0029】
前記生活状態判定知識テーブル420は,前記ユーザIDを格納するフィールド421と,生活状態を識別する生活状態IDを格納するフィールド422と,生活状態IDで識別される生活状態を判定するための判定条件を格納するフィールド423と,備考フィールド424と,で構成される。
【0030】
例えば,生活状態判定知識レコード420Cの場合,ユーザID「user0001」で識別されるユーザに対して,体動Acが50以上であるとき,生活状態ID「S_AC」,すなわち生活状態「活動中」が判定されることを示している。
【0031】
前記生活リズム異常判定知識テーブル440は,前記ユーザIDを格納するフィールド441と,生活リズムの特徴量を識別する特徴量IDを格納するフィールド442と,該特徴量の異常を判定する各種パラメータを格納するフィールド443から445と,備考フィールド446と,で構成される。
【0032】
前記フィールド443には平均値を,前記フィールド444には特徴量の異常を判定する条件を,それぞれ格納する。
【0033】
本実施例では,特徴量ID「SL_S」は特徴量「睡眠開始時刻(入眠時刻)」,特徴量ID「SL_E」は特徴量「睡眠終了時刻(起床時刻)」,特徴量ID「SL_L」は特徴量「睡眠時間」,特徴量ID「ST_L」は特徴量「安静時間」,特徴量ID「AC_L」は特徴量「活動時間」,特徴量ID「SL_Ps」は特徴量「睡眠中の平均脈拍数」,特徴量ID「ST_Ps」は特徴量「安静中の平均脈拍数」,特徴量ID「AC_Ps」は特徴量「活動中の平均脈拍数」,を識別するIDとして定義される。
【0034】
また,特徴量ID「SL_A1」は,ベッドからの転落などの体調異常の兆候となる,睡眠終了時(起床時)の最初の体動量である特徴量「起床時の体動」,を識別するIDとして定義される。
【0035】
また,特徴量ID「SL_A60」は,風邪や倦怠感等の体調不良,鬱症状などの体調異常の兆候となる,睡眠終了後(起床後)の行動パターンの特徴量「起床後体動量」,を識別するIDとして定義される。
【0036】
また,特徴量ID「ACR」は,認知症や廃用症候群などの体調異常の兆候となる,日中の活動時間の度合いである特徴量「活動度」を識別するIDとして定義される。
【0037】
また,特徴量ID「PsR」は,自律神経異常などの体調異常の兆候となる,睡眠時の平均脈拍数に対する安静時の平均脈拍数の比率である特徴量「脈拍変動率」,を識別するIDとして定義される。
【0038】
例えば,生活リズム異常判定知識レコード440Bの場合,ユーザID「user0001」で識別されるユーザが特徴量ID「SL_E」,すなわち特徴量「睡眠終了時刻(起床時刻)」のパラメータ「平均値」が「06:00(午前6時0分)」,異常を判定するパラメータ「条件」が「07:00(午前7時0分)より大きい」であることを示している。
【0039】
また,例えば,生活リズム異常判定知識レコード440Gの場合,ユーザID「user0001」で識別されるユーザが特徴量ID「SL_A60」,すなわち特徴量「起床後体動量」のパラメータ「平均値」が「60」,異常を判定するパラメータ「条件」が,基準体動量の推移「…,T0(基準起床時刻)のときの基準体動量60,T10(基準起床時刻から10分経過後の基準体動量70,…,T60(基準起床時刻から60分経過後の基準体動量80,…」であることを示している。
【0040】
本実施例では,基準体動量の推移を,基準起床時刻に対する差を10分単位として差毎の基準体動量で設定しているが,5分単位,15分単位など,他の間隔で設定することもできる。また,基準体動量の推移を関数として設定することもできる。
【0041】
図5に,前記実施記録データベース114の例500を示す。前記実施記録データベース114は,実施記録履歴テーブル510と,で構成される。前記実施記録履歴テーブル510は,前記ユーザIDを格納するフィールド511と,アラートを出力した日時を格納するフィールド512と,アラートの種別を格納するフィールド513と,アラートに対してスタッフの実施記録を格納するフィールド514から515と,で構成される。
【0042】
前記フィールド514にはスタッフが対応した日時を,前記フィールド515には,スタッフが対応した結果,ユーザの体調異常の有無を示す異常フラグを,それぞれ格納する。
【0043】
例えば,実施記録履歴レコードの例510Cの場合,ユーザID「user0001」のユーザに対して,2004年4月3日7時1分に,アラート種別「SL_E」(睡眠終了時(起床時)の体動量が異常)のアラートを出力していることを示している。また,実施記録として,このアラートに対して,スタッフが,2004年4月3日7時3分に対応し,実際にユーザに体調異常があったことを入力したことを示している。
【0044】
次に,本システムの動作を,フローチャートを用いて説明する。
【0045】
図6に,前記装着型デバイス150の動作を表わすフローチャートを示す。まず,前記装着型デバイス150が動作を開始すると,前記WD制御部151は,終了するか否かを判定するステップ601を実行する。前記ステップ601で,終了すると判定した場合,本動作を終了する。
【0046】
前記ステップ601で,終了しないと判定した場合,前記WD制御部151は,待機時間Twの間待機するステップ602を実行する。本実施例では,待機時間Twを「60秒」としているが,任意の時間でよい。
【0047】
次に,前記WD制御部151は,前記装着型デバイス150をユーザが装着しているか否かを判定するステップ603を実行する。例えば,前記脈波センサ156の出力値が既定値より小さい場合に装着していると判定し,既定値以上の場合に装着していないと判定する。
【0048】
前記ステップ603で,装着してないと判定した場合,前記WD制御部151は,前記ステップ601を実行し,以降の処理を繰り返し実行する。
【0049】
前記ステップ603で,装着していると判定した場合,前記WD制御部151は,前記WD演算部を起動し,前記脈波センサ156から脈拍数Psを,前記温度センサ158から体温BTを,前記体動センサ159から体動Acを,生体データとして算出するステップ604を実行する。
【0050】
例えば,脈拍数Psを算出する場合,前記脈波センサ156の出力する脈波からピーク値を算出し,現在時刻から過去60秒間のピーク値の回数をカウントし,脈拍数Psとして算出する。
【0051】
また,例えば,体温BTを算出する場合,前記温度センサ158の出力する電圧値をもとに,電圧値を体温に変換する変換式を用いて体温BTを算出する。
【0052】
また,例えば,体動Acを算出する場合,前記体動センサ159の出力する体動の大きさに相当するスカラー値を合算した値を体動Acとして算出する。
【0053】
また,例えば,体動Acを算出する場合,前記体動センサ159の出力する体動の大きさに相当するスカラー値が,既定値以下の値から既定値より大きい値を示す回数と,既定値より大きい値から既定値以下を示す回数を合算した値を体動Acとして算出することもできる。
【0054】
次に,前記WD制御部151は,前記WD無線通信部155を起動し,前記ステップ604で算出した生体データを,前記WD_IDとともに,WDデータとして,送信するステップ605を実行する。
【0055】
例えば,生体データが脈拍数Ps「80」,体温BT「36.2」,体動Ac「70」の場合,WDデータとして,「WD_ID=wd01,Ps=80,BT=36.2,Ac=70」(WDDATA01とする)を送信することになる。
【0056】
前記ステップ605で送信された前記WDデータは,前記無線中継器170が受信する。
【0057】
図7に,前記WDデータを前記無線中継器170が受信する場合の,前記無線中継器170の動作を表すフローチャートを示す。
【0058】
まず,前記無線中継器170が動作を開始すると,前記無線中継器170は,終了するか否かを判定するステップ701を実行する。前記ステップ701で,終了すると判定した場合,本動作を終了する。
【0059】
前記ステップ701で,終了しないと判定した場合,前記無線中継器170は,前記装着型デバイス150が送信した前記WDデータを受信するステップ702を実行する。
【0060】
次に,前記無線中継器170は,受信した前記WDデータに,無線中継器170を識別するSD_ID(本実施例では,SD_ID「td10」とする)を付加し,SDデータとして送信するステップ703を実行する。
【0061】
例えば,前記WDDATA01を受信した場合,SDデータとして,「WD_ID=wd01,SD_ID=td10,Ps=80,BT=36.2,Ac=70」(SDDATA01とする)を送信することになる。
【0062】
本実施例では,前記装着型デバイス150の前記WD無線通信部155と,前記無線中継器170との無線通信,及び,前記装着型デバイス150の前記WD無線通信部155と,前記据置型デバイス160の前記SD無線通信部165との無線通信は,IEEE802.15.4,Zigbee,を想定している。これにより,消費電力を低減することが可能となる。
【0063】
また,前記無線通信は,微弱無線,特定小電力無線,Bluetooth,IEEE802.11b等,他の無線通信でもよい。これにより,より汎用的なシステム構築が可能となる。
【0064】
前記ステップ703で送信された前記SDデータは,前記ネットワーク140を介して,前記データサーバ100が受信する。
【0065】
図8に,前記データサーバ100のデータ受信時の動作を表わすフローチャートを示す。まず,前記データサーバ100が動作を開始すると,前記DS制御部101は,受信時の動作を終了するか否かを判定するステップ801を実行する。前記ステップ801で,終了すると判定した場合,本動作を終了する。
【0066】
前記ステップ801で,終了しないと判定した場合,前記DS制御部101は,前記無線中継器170から送信された前記SDデータを受信するステップ802を実行する。
【0067】
次に,前記DS制御部101は,前記生活状態判定部105を起動し,前記ステップ802で受信したSDデータから,前記生活状態判定知識テーブル420の知識を用い,生活状態を判定するステップ803を実行する。
【0068】
例えば,SDDATA01の場合,体動「Ac」が70であり,判定条件「Ac≧50」に一致するため,生活状態は「活動状態(活動中)」(生活状態IDは「S_AC」)となる。
【0069】
また,例えば,SDデータが「WD_ID=wd01,SD_ID=td10,Ps=71,BT=36.2,Ac=20」(SDDATA02とする)の場合,体動「Ac」が20であり,判定条件「15≦Ac<50」に一致するため,生活状態は「安静状態(安静中)」(生活状態IDは「S_ST」)となる。
【0070】
また,例えば,SDデータが「WD_ID=wd01,SD_ID=td10,Ps=62,BT=35.8,Ac=10」(SDDATA03とする)の場合,体動「Ac」が10であり,判定条件「Ac<15」に一致するため,この判定条件「Ac<15」に一致する継続時間が30分以上の場合(判定条件「L≧30」),生活状態は「睡眠状態(睡眠中)」(生活状態IDは「S_SL」)となる。
【0071】
ここでは,継続時間を30分以上としているが,任意の値に設定することができる。
【0072】
このように,生活状態判定知識ベースを用いることで,前記装着型デバイス150が収集した生体情報から「安静中」「活動中」「睡眠中」という生活状態を判定することができる。
【0073】
また,睡眠状態を判定する条件に,継続時間を追加することで,新聞や読書,パソコン操作など,静的な日常動作を行っている場合に,誤って睡眠状態と判定することを防止できるので,より正確に生活状態を判定することが可能となる。
【0074】
前記生活状態知識テーブル420では,体動Acのみで生活状態を判定しているが,脈拍Ps,体温BT,を組み合わせることもできる。これにより,より正確に生活状態を判定することが可能となる。
【0075】
次に,前記DS制御部101は,前記ステップ802で受信したSDデータと,前記ステップ803で算出した生活状態を,前記SDデータを受信した日時と,前記SDデータに含まれるWD_IDが前記ユーザ個人情報テーブル210の前記WD_IDフィールド215に一致するレコードのユーザIDとともに,前記データ蓄積データベース112に格納するステップ804を実行する。
【0076】
例えば,2004年4月2日6時32分に,前記SDDATA01を受信した場合,前記ユーザデータ履歴テーブル310に,レコード310Aが格納されることになる。
【0077】
このように,受信したSDデータは全て,受信した日時とともに前記ユーザデータ履歴テーブル310に蓄積される。
【0078】
次に,前記DS制御部101は,前記生活リズム判定部106を起動し,前記ユーザデータ履歴テーブル310に蓄積されたユーザデータをもとに,生活リズムの特徴量を算出し,前記DSメモリ102に記憶するステップ805を実行する。
【0079】
図9に,前記ステップ805で,生活リズムを判定するときの動作を表すフローチャートを示す。まず,前記生活リズム判定部106は,生活リズムの基本となる睡眠状態の継続期間である睡眠期を抽出するために,ステップ901から902を実行する。
ステップ901では,前記生活リズム判定部106は,現在日時から日付を抽出し,前記ユーザデータ履歴テーブル310から,該日付の既定時刻(例えば,0時)以降のユーザデータを検索し,最初に睡眠状態から他の生活状態に変わるとき,すなわち生活状態IDが「S_SL」から「S_SL」以外になったときのレコードを抽出して,該レコードの日時フィールド314の日時を特徴量「睡眠終了時刻」(特徴量ID「SL_E」)として設定する。
【0080】
次に,ステップ902では,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻」から過去のユーザデータを検索し,最初に睡眠状態から睡眠状態以外に変わるとき,すなわち生活状態IDが「S_SL」から「S_SL」以外になったときのレコードを抽出して,該レコードの日時フィールド314の日時を特徴量「睡眠開始時刻」(特徴量ID「SL_S」)として設定する。
【0081】
これにより,睡眠期が当日と前日に分散することなく,睡眠開始時刻から睡眠終了時刻までの睡眠期を抽出することができる。また,睡眠開始時刻が前日ではなく,当日の場合でも,睡眠期を正確に抽出することができる。
【0082】
次に,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻」と,前記ステップ902で設定した特徴量「睡眠開始時刻」と,の差を特徴量「睡眠時間」(特徴量ID「SL_L」)として設定するステップ903を実行する。
【0083】
次に,前記生活リズム判定部106は,前記ステップ902で設定した特徴量「睡眠開始時刻」から前記ステップ901で設定した特徴量「睡眠終了時刻」までのユーザデータを検索し,前記SDデータフィールド312に格納されている脈拍数Psの平均値を算出して,特徴量「睡眠中の平均脈拍数」(特徴量ID「SL_Ps」)として設定するステップ904を実行する。
【0084】
このように,睡眠期を抽出することで,すなわち睡眠終了時刻と睡眠開始時刻を設定することで,日中の睡眠状態を除外することができ,生活リズムの特徴量としての睡眠時間や睡眠中の脈拍数を正確かつ簡易に算出することができる。
【0085】
次に,前記生活リズム判定部106は,睡眠期から次の睡眠期までの期間,すなわち,前記ステップ901で設定した特徴量「睡眠終了時刻」から,次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し,生活状態IDが「S_ST」のレコードを抽出し,合算した時間を特徴量「安静時間」(特徴量ID「ST_L」)として設定するステップ905を実行する。
【0086】
次に,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻」から,次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し,生活状態IDが「S_ST」のレコードを抽出し,前記SDデータフィールド312に格納されている脈拍数Psの平均値を算出して,特徴量「安静中の平均脈拍数」(特徴量ID「ST_Ps」)として設定するステップ906を実行する。
【0087】
次に,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻」から,次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し,生活状態IDが「S_AC」のレコードを抽出し,合算した時間を特徴量「活動時間」(特徴量ID「AC_L」)として設定するステップ907を実行する。
【0088】
次に,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻」から,次に特徴量「睡眠開始時刻」を検出するまでのユーザデータを検索し,生活状態IDが「S_AC」のレコードを抽出し,前記SDデータフィールド312に格納されている脈拍数Psの平均値を算出して,特徴量「活動中の平均脈拍数」(特徴量ID「AC_Ps」)として設定するステップ908を実行する。
【0089】
このように,睡眠期を抽出することで,睡眠期以外の活動時間や活動時の脈拍数,安静時間や安静時の脈拍数,などを正確かつ簡易に算出することができる。
【0090】
次に,前記生活リズム判定部106は,睡眠期終了後,すなわち,前記ステップ901で設定した特徴量「睡眠終了時刻」から,最初のユーザデータを検索し,前記SDデータフィールド312に格納されている体動Acを抽出して,特徴量「起床時の体動」(特徴量ID「SL_A1」)として設定するステップ909を実行する。
【0091】
次に,前記生活リズム判定部106は,前記ステップ901で設定した特徴量「睡眠終了時刻(起床時刻t0)」から,基準起床時刻の60分後(t60)までのユーザデータを検索し,数式1で示すとおり,前記SDデータフィールド312に格納されている体動Acの平均値を算出して,特徴量「起床後体動量」(特徴量ID「SL_A60」)として設定するステップ910を実行する。
【0092】
tn
SL_A60 = Σ Ac(t) /(tn−t0) ・・・数式1
t=t0
但し,t0<基準起床時刻の場合,tn=t0+60
t0≧基準起床時刻の場合,tn=t60

このように,tnを設定することで,起床後60分以内,遅くとも基準起床時刻から60分以内に異常の有無を判定できるので,異常があった場合にスタッフは迅速な対応を行うことができる。
【0093】
ここでは,60分を基本として時間を設定しているが,任意の時間に設定することもできる。
【0094】
次に,前記生活リズム判定部106は,数式2で,特徴量「活動度」(特徴量ID「ACR」)を算出するステップ911を実行する。
【0095】
ACR=AC_L/(AC_L+ST_L) ・・・数式2

次に,前記生活リズム判定部106は,数式3で,特徴量「脈拍変動率」(特徴量ID「PsR」)を算出するステップ912を実行する。
【0096】
PsR=ST_Ps/SL_Ps ・・・数式3

次に,前記生活リズム判定部106は,現在日時から曜日を算出し,金曜日か否かを判定するステップ913を実行する。前記ステップ913で,否と判定された場合は,ステップ919を実行する。
前記ステップ913で,金曜日と判定された場合,前記生活リズム判定部106は,過去1週間分の特徴量「睡眠時間」(特徴量ID「SL_L」)の平均値を算出し,特徴量「平均睡眠時間」(特徴量ID「SL_L7」)として設定するステップ914を実行する。
【0097】
次に,前記生活リズム判定部106は,過去1週間分の特徴量「安静時間」(特徴量ID「ST_L」)の平均値を算出し,特徴量「平均安静時間」(特徴量ID「ST_L7」)として設定するステップ915を実行する。
【0098】
次に,前記生活リズム判定部106は,過去1週間分の特徴量「活動時間」(特徴量ID「AC_L」)の平均値を算出し,特徴量「平均活動時間」(特徴量ID「AC_L7」)として設定するステップ916を実行する。
次に,前記生活リズム判定部106は,過去1週間分の特徴量「活動度」(特徴量ID「ACR」)の平均値を算出し,特徴量「平均活動度」(特徴量ID「ACR7」)として設定するステップ917を実行する。
【0099】
次に,前記生活リズム判定部106は,過去1週間分の特徴量「脈拍変動率」(特徴量ID「PsR」)の平均値を算出し,特徴量「平均脈拍変動率」(特徴量ID「PsR7」)として設定するステップ918を実行する。
【0100】
次に,前記生活リズム判定部106は,前記ステップ901から918で設定された特徴量を前記DSメモリ102に記憶するステップ919を実行し,本動作を終了する。
【0101】
本実施例では,前記ステップ911で金曜日か否かを判定したが,他の曜日で設定することもできる。
【0102】
ここでは,スタッフが今週1週間のリハビリメニューを金曜日に検討するため,前記ステップ911で金曜日か否かを判定したが,リハビリメニューを月曜日に検討する場合,前記ステップ911で月曜日か否かを判定することもできる。
これにより,過去1週間の生活リズムの異常の有無を参考にしながら,リハビリメニューを検討することができる。
【0103】
図10に,前記ステップ805実行後の前記DSメモリ102の例1000を示す。前記ステップ901から918で設定された特徴量が記憶されていることが判る。
【0104】
次に,前記DS制御部101は,前記アラート判定部107を起動し,前記生活リズム異常判定知識テーブル440を用いて,生活リズムの異常の有無を判定するステップ806を実行する。
【0105】
例えば,特徴量ID「SL_S」の生活リズム異常判定知識レコード440Aのように,前記条件フィールド444に,「>23:00」という条件が格納されている場合,特徴量ID「SL_S」の値が,上限値(ここでは23時)より大きいとき,異常と判定する。
【0106】
また,例えば,特徴量ID「AC_L」の生活リズム異常判定知識レコード440Eのように,前記条件フィールド444に,「<1」という条件が格納されている場合,特徴量ID「AC_L」の値が,下限値(ここでは1)より小さいとき,異常と判定する。
【0107】
また,例えば,特徴量ID「SL_L」の生活リズム異常判定知識レコード440Cのように,前記条件フィールド444に,「<4 or >10」という条件が格納されている場合,特徴量ID「SL_L」の値が,下限値(ここでは4)より小さいとき,または上限値(ここでは10)より大きいとき,異常と判定する。
【0108】
また,例えば,特徴量ID「SL_A60(起床後体動量)」の場合,起床後体動量を,基準起床時刻と起床時刻との差に応じた基準体動量と比較し,異常の有無を判定する。
【0109】
図16に,起床後体動量の異常の有無を判定するときの動作を表わすフローチャートを示す。
【0110】
まず,前記アラート判定部107は,睡眠終了時刻SL_Eを起床時刻(WT)に設定するステップ1601を実行する。
【0111】
次に,前記アラート判定部107は,前記知識ベース400を検索し,前記生活リズム異常判定知識テーブル446から,特徴量「睡眠終了時刻(起床時刻)」(特徴量ID「SL_E」)の前記フィールド443から平均値を抽出し,基準起床時刻BWTに設定するステップ1602を実行する。
【0112】
次に,前記アラート判定部107は,前記知識ベース400を検索し,前記基準起床時刻BWTと起床時刻WTとの差ΔTを算出し,その差ΔTに応じた基準体動量BACを抽出するステップ1603を実行する。
【0113】
次に,前記アラート判定部107は,起床後体動量SL_A60と,基準体動量BACを比較し,異常の有無を判定する。もし,起床後体動量SL_A60が基準体動量BACより小さい場合,異常ありと判定し(ステップ1605),本動作を終了する。もし,起床後体動量SL_A60が基準体動量BAC以上の場合,異常なしと判定し(ステップ1606),本動作を終了する。
【0114】
例えば,いつも6時に起床しているユーザ(基準起床時刻BWTが「06:00」)が,いつもどおり6時に起床したとき(起床時刻WTが「06:00」のとき)は,基準体動量BACは「60」(T0=60)となるが,6時10分に起床したときは,差ΔTが10分のため,基準体動量BACは「70」(T10=70)となる。
【0115】
図15に,起床後体動量を用いた起床後の行動パターンの異常判定の概念図を示す。
【0116】
ユーザAは,通常6時に起床し,起床後の日常行動であるトイレ,洗面,着替え,食事,くつろぎなどを行うが,いつもより早く起きたときは,読書を行うなど,起床後体動量は少ない傾向にある。また,いつもより遅く起きたときは,日常行動を短時間で行うため,起床後体動量は多い傾向にある。そのため,いつもの起床時刻(基準起床時刻)と,当日の起床時刻との差に応じた体動量は,図15(A)に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで,例えば,体動量の閾値のみでは異常と誤判定してしまう場合でも,正常と判定することができる(図15の棒グラフ15A1)。また,例えば,体動量の閾値のみでは,正常と誤判定してしまう場合でも,正確に異常と判定することができる(図15の棒グラフ15A2)。
【0117】
また,ユーザBは,通常6時に起床し,起床後の日常行動であるトイレ,洗面,着替え,食事,くつろぎなどを行うが,いつもより早く起きたときも,同じ行動のため,起床後体動量は変わらない。しかし,いつもより遅く起きたときは,着替えなど一部の行動を省略するため,起床後体動量は少ない傾向にある。そのため,いつもの起床時刻(基準起床時刻)と,当日の起床時刻との差に応じた体動量は,図15(B)に実線で示した推移グラフのようになる。この推移グラフを基準体動量の推移とすることで,例えば,体動量の閾値のみでは異常と誤判定してしまう場合でも,正常と判定することができる(図15の棒グラフ15B1)。
【0118】
このように,起床後体動量を,基準起床時刻と起床時刻との差に応じた基準体動量と比較し,異常の有無を判定することにより,ユーザの日常生活の行動パターンに応じた判定ができるので,生活リズムの異常をより正確に判定することが可能となる。
【0119】
また,このように,起床後の行動パターンの特徴量として,既定時間内の体動量の統計量(例えば60分以内の体動量の平均値)を用いることで,日常行動の順序に関係なく,行動パターンの特徴を特徴量として表すことができる。
【0120】
前記ステップ806で異常が「無し」と判定された場合,前記DS制御部101は,前記ステップ801を実行し,以降の処理を繰り返して実行する。
【0121】
前記ステップ806で異常が「有り」と判定された場合,前記DS制御部101は,前記DS通信部108を起動し,前記スタッフ用端末120に,アラートを出力するステップ807を実行する。前記スタッフ用端末120は,前記ステップ807で出力されたアラートを受信し,前記スタッフ用端末120の出力部の画面に表示する。
【0122】
次に,前記DS制御部101は,前記ステップ807で出力したアラートを前記実施履歴データベース114に格納するステップ808を実行する。
【0123】
図11に,前記スタッフ用端末120の画面例1100を示す。前記画面例1100は,ユーザを表示するカラム1101,アラートが出力された日時を表示するカラム1102,アラートが出力された異常状態を表示するカラム1103,アラートに対して,実施記録を入力するためのチェックボックス1104と選択入力ボックス1105と,スタッフが知識ベースを更新するとき選択する更新ボタン1106と,で構成される。
【0124】
前記チェックボックス1104では,スタッフは,入居者の様子を確認しに行く等,アラートへの対応を実施済みであることを実施記録として入力する。前記選択入力ボックス1105は,スタッフがアラートに対応した結果,入居者の異常が確認されたか否かを入力する。
【0125】
前記画面例1100の例では,ユーザ「M.Ban」に対して,4月2日6時1分に,生活リズムの特徴量ID「SL_A1」で識別される特徴量「起床時の体動」が異常状態であるというアラート例1110Aが出力されていることが判る。これにより,スタッフは,ユーザ「M.Ban」に,ベッドからの転倒などの体調異常の兆候として,睡眠終了後(起床後)の体動に異常があったことが判る。
【0126】
また,前記画面例1100の例では,ユーザ「M.Ban」に対して,4月3日7時1分に,生活リズムの特徴量ID「SL_A60」で識別される特徴量「起床後体動量」が異常状態であるというアラート例1110Bが出力されていることが判る。これにより,スタッフは,ユーザ「M.Ban」に,風邪や倦怠感等の体調不良,鬱症状などの体調異常の兆候として,起床後体動異常というアラートが出力されていることが判る。
【0127】
また,前記画面例1100の例では,ユーザ「F.Kuri」に対して,4月3日7時1分に,生活リズムの特徴量ID「SL_E」で識別される特徴量「睡眠時間」が異常状態であるというアラート例1110Cが出力されていることが判る。これにより,スタッフは,ユーザ「F.kuri」に,体調異常の兆候として,睡眠時間異常というアラートが出力されていることが判る。
【0128】
また,前記画面例1100の例では,ユーザ「H.Shin」に対して,4月9日7時1分に,生活リズムの特徴量ID「ACR7」で識別される特徴量「活動度」が異常状態であるというアラート例1110Dが出力されていることが判る。これにより,スタッフは,ユーザ「F.kuri」に,認知症や廃用症候群などの体調異常の兆候として,活動度異常というアラートが出力されていることが判る。
【0129】
また,前記画面例1100の例では,ユーザ「H.Shin」に対して,4月16日7時1分に,生活リズムの特徴量ID「PsR7」で識別される特徴量「脈拍変動率」が異常状態であるというアラート例1110Eが出力されていることが判る。これにより,スタッフは,ユーザ「H.shin」に,自律神経異常などの体調異常の兆候として,脈拍変動率異常というアラートが出力されていることが判る。
【0130】
このように,スタッフは,アラートを確認することで,ユーザに体調異常があったことを即時把握できるので,様子を確認しに行く等,迅速な対応が可能となる。
【0131】
ここで,スタッフは,様子を確認しに行ったこと,及び様子を確認した結果異常があったか否かを,前記スタッフ用端末120を操作し,実施記録として入力する。例えば,様子を確認しに行った結果,異常があった場合,アラート例1110Aで示すように,確認しに行ったことを示す「済み」を入力し,異常があったことを示す異常「有り」を入力する。また,異常がなかった場合は,異常「無し」を入力する。
【0132】
このように,アラートの対応状況をアラートとともに一覧で表示するので,対応したスタッフのみでなく,他のスタッフでもアラートに対して対応済みかどうかを簡単に把握でき,アラートへの未対応を未然に防止できる。
【0133】
スタッフが前記スタッフ用端末120を用いて,実施記録を入力すると,前記DS制御部101は,入力結果をもとに,前記実施記録データベース114を更新する。例えば,アラート例1110Cの場合,レコード510Cが格納されることになる。
【0134】
前記画面例1100で,スタッフが前記更新ボタン1106を選択すると,
前記データサーバ100は,知識ベース更新時の動作を開始する。
【0135】
本実施例では,アラートの例1110Cの更新ボタンが選択された場合,すなわちユーザID「user0001」のユーザ「H.Kuri」の知識ベースを更新する場合を例に説明する。
【0136】
図12に,前記データサーバ100の知識ベース更新時の動作を表すフローチャートを示す。まず,前記データサーバ100が知識ベース更新時の動作を開始すると,前記DS制御部101は,前記データ蓄積データベース112からユーザID「user0001」のユーザデータを読み出し,前記DSメモリ102に記憶するステップ1202を実行する。
【0137】
次に,前記DS制御部101は,前記実施記録履歴テーブル510からユーザID「user0001」の実施記録履歴を読み出し,前記DSメモリ102に記憶するステップ1203を実行する。
【0138】
次に,前記DS制御部101は,前記DSメモリ102に記憶されたユーザデータと,実施記録履歴と,をもとに更新用ユーザデータを抽出し,前記DSメモリ102に記憶するステップ1204を実行する。
【0139】
例えば,アラート例1110Cの場合,4月3日から過去(例えば4週間前)のユーザデータのうち,実施記録履歴テーブル510の前記異常フラグフィールド515に異常フラグが「0」(異常なし)の日付と同じ日付のユーザデータを抽出する。
【0140】
次に,前記DS制御部101は,前記知識ベース生成部109を起動し,前記DSメモリ102に記憶された更新用ユーザデータから生活リズム異常判定知識を算出するステップ1205を実行する。
【0141】
例えば,特徴量「起床時刻」(特徴量ID「SL_E」)の場合,平均値mと標準偏差σを算出し,前記フィールド443〜444に格納する。例えば,平均値mが「07:00」,標準偏差σが「60分」の場合,前記フィールド443に「07:00」,前記フィールド444に上限値m+σとして「<08:00」を格納する。
【0142】
次に,前記DS制御部101は,前記ステップ1205で算出した知識を,前記知識ベースに格納し,知識ベースを更新するステップ1206を実行する。
【0143】
図13に,前記ステップ1106で更新された知識ベースの例1300を示す。レコードの例1340Bで示すように,生活リズムの特徴量ID「SL_E」のパラメータが更新されていることが判る。
【0144】
これにより,次回以降,同じ生活状態,例えば,レコード310Cのような生活状態の場合でも,アラートが出力されなくなる。
【0145】
このように,スタッフが入力した実施記録を利用して,生活リズムの特徴量を更新することにより,アラート判定の正確性が向上し,不要なアラートを減少することができるので,業務効率の向上が可能となる。
【0146】
以上説明した生活見守りシステムにより,スタッフは,入居者の体調異常を即時把握でき,迅速な対応を行うことが可能となる。
【0147】
また,スタッフが入力した実施記録を利用して,生活リズムの特徴量を更新することにより,アラート判定の正確性が向上し,不要なアラートを減少することができるので,業務効率の向上が可能となる。
【0148】
さらに,ユーザはスタッフから見守られているという意識を得られるので,施設内での生活を安心して生活することが可能となる。
【図面の簡単な説明】
【0149】
【図1】本発明の実施例である生活状態通知システムの構成図。
【図2】ユーザ情報データベースの例。
【図3】データ蓄積データベースの例。
【図4】知識ベースの例。
【図5】アラート履歴データベースの例。
【図6】装着型デバイスの動作を表すフローチャート。
【図7】無線中継器の動作を表すフローチャート。
【図8】データ受信時のデータサーバの動作を表すフローチャート。
【図9】生活リズム判定時のデータサーバの動作を表すフローチャート。
【図10】DSメモリの例。
【図11】スタッフ用端末の画面の例。
【図12】知識ベース更新時のデータサーバの動作を表すフローチャート。
【図13】更新された知識ベースの例。
【図14】装着型デバイスがリストバンドに組み込まれているときの構成図。
【図15】起床後体動量を用いた起床後の行動パターンの異常判定の概念図。
【図16】起床後体動量の異常判定時のデータサーバの動作を表すフローチャート。
【符号の説明】
【0150】
100 データサーバ,
101 DS制御部,102 DSメモリ,105 生活状態判定部,106 生活リズム判定部,107 アラート判定部,108 DS通信部,109 知識ベース生成部,111 ユーザ情報データベース,112 データ蓄積データベース,113 知識ベース,114 実施記録履歴データベース,
120 スタッフ用端末,
140 ネットワーク,
150 装着型デバイス,
151 WD制御部,152 WDメモリ,153 WD_ID記憶部,
154 WD演算部,155 WD無線通信部,156 脈波センサ,
158 温度センサ,159 体動センサ,
170 無線中継器,
200 ユーザ情報データベース111の例,
210 ユーザ個人情報テーブル,
300 データ蓄積データベース112の例,
310 ユーザデータ履歴テーブル,
400 知識ベース113の例,
420 生活状態判定知識テーブル,
440 生活リズム異常判定知識テーブル,
500 実施記録履歴データベース114の例,
510 実施記録履歴テーブル,
601〜605 装着型デバイス150の動作を表わすフローチャートの各ステップ,
701〜703 無線中継器170の動作を表わすフローチャートの各ステップ,
801〜808 データサーバ100のデータ受信時の動作を表わすフローチャートの各ステップ,
901〜919 データサーバ100の生活リズムを判定するときの動作を表わすフローチャートの各ステップ,
1601〜1606 データサーバ100の起床後体動量の異常を判定するときの動作を表わすフローチャートの各ステップ,
1000 DSメモリ102の例,
1100 スタッフ用端末の画面例,
1201〜1205 データサーバ100の知識ベース更新時の動作を表わすフローチャートの各ステップ,
1300 更新された知識ベースの例。




 

 


     NEWS
会社検索順位 特許の出願数の順位が発表

URL変更
平成6年
平成7年
平成8年
平成9年
平成10年
平成11年
平成12年
平成13年


 
   お問い合わせ info@patentjp.com patentjp.com   Copyright 2007-2013