WO2015147174A1 - 排卵日予測プログラム及び排卵日予測方法 - Google Patents

排卵日予測プログラム及び排卵日予測方法 Download PDF

Info

Publication number
WO2015147174A1
WO2015147174A1 PCT/JP2015/059398 JP2015059398W WO2015147174A1 WO 2015147174 A1 WO2015147174 A1 WO 2015147174A1 JP 2015059398 W JP2015059398 W JP 2015059398W WO 2015147174 A1 WO2015147174 A1 WO 2015147174A1
Authority
WO
WIPO (PCT)
Prior art keywords
ovulation
data
date
menstrual
days
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.)
Ceased
Application number
PCT/JP2015/059398
Other languages
English (en)
French (fr)
Inventor
健大 鈴木
一郎 猪狩
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.)
MTI Ltd
Original Assignee
MTI Ltd
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
Priority to RU2016139972A priority Critical patent/RU2016139972A/ru
Priority to JP2016510488A priority patent/JP5998307B2/ja
Priority to CA2944136A priority patent/CA2944136A1/en
Priority to EP15767733.7A priority patent/EP3123942A4/en
Priority to US15/129,249 priority patent/US11013497B2/en
Priority to AU2015234868A priority patent/AU2015234868A1/en
Application filed by MTI Ltd filed Critical MTI Ltd
Priority to BR112016021895A priority patent/BR112016021895A2/pt
Priority to CN201580015973.5A priority patent/CN106535776B/zh
Publication of WO2015147174A1 publication Critical patent/WO2015147174A1/ja
Priority to PH12016501926A priority patent/PH12016501926B1/en
Anticipated expiration legal-status Critical
Ceased legal-status Critical Current

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Instruments for taking body samples for diagnostic purposes; Other methods or instruments for diagnosis, e.g. for vaccination diagnosis, sex determination or ovulation-period determination; Throat striking implements
    • A61B10/0012—Ovulation-period determination
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Instruments for taking body samples for diagnostic purposes; Other methods or instruments for diagnosis, e.g. for vaccination diagnosis, sex determination or ovulation-period determination; Throat striking implements
    • A61B10/0012—Ovulation-period determination
    • A61B2010/0019—Ovulation-period determination based on measurement of temperature
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B10/00—Instruments for taking body samples for diagnostic purposes; Other methods or instruments for diagnosis, e.g. for vaccination diagnosis, sex determination or ovulation-period determination; Throat striking implements
    • A61B10/0012—Ovulation-period determination
    • A61B2010/0029—Ovulation-period determination based on time measurement

Definitions

  • the present invention relates to a technique for predicting an ovulation day.
  • the long-term prediction method predicts the future menstruation start date and ovulation date based on the data of several past menstrual cycles. Specifically, there are the Ogino method (calendar method) and the cycle intermediate method.
  • the intermediate cycle method predicts the date of ovulation by adding the number of days half the average menstrual cycle to the latest menstruation start date.
  • the immediate prediction method predicts that the date of ovulation is approaching or that ovulation has been performed based on physical data. Specifically, there are the use of basal body temperature (cover line method) and the use of physical changes (confirmation of cervical mucus).
  • Patent Document 1 As a technique for predicting the date of menstruation and ovulation, there is a technique described in Patent Document 1, for example.
  • any of the above prediction methods is difficult to predict the ovulation day with high reliability.
  • the Ogino formula predicts the ovulation date on the assumption that the period from the ovulation date to the next menstrual start date is constant (14 days).
  • the Ogino formula predicts the ovulation date on the assumption that the period from the ovulation date to the next menstrual start date is constant (14 days).
  • the cover line method can only be used for the subsequent determination of the date of ovulation.
  • the present invention has been made to solve the above-described problems, and an object of the present invention is to provide a technique for performing reliable ovulation day prediction.
  • the ovulation day prediction program is based on the relationship between the interval between the menstrual date and the ovulation date and the average menstrual cycle estimated based on the data of a plurality of persons acquired in advance in the computer.
  • a process of calculating predicted ovulation day data corresponding to the specific menstrual cycle is executed.
  • the ovulation day prediction method in this invention is based on the data of the several persons acquired previously, and with respect to the relationship between the interval of a menstrual day and an ovulation day, and an average menstrual cycle. By applying a specific menstrual cycle, predicted ovulation day data corresponding to the specific menstrual cycle is calculated.
  • a reliable ovulation day prediction can be performed based on the self-menstrual cycle by using an average tendency regarding the ovulation day of a group having the same average menstrual cycle.
  • the user terminal 1 is a mobile terminal (smart phone, tablet terminal) or PC owned by an individual.
  • the user terminal 1 includes an input unit 1a and a display unit 1b.
  • the user terminal 1 is an example of a “computer”.
  • the server 2 includes a database (DB) 2a for recording and managing data obtained from a plurality of users.
  • the server 2 constructs a predetermined program using data stored in the database 2a.
  • the data recorded in the database 2a is the date of menstruation, the date of ovulation, the date of sexual intercourse, etc. These data can be acquired, for example, via a personal menstrual day prediction service or pregnancy support service provided as a mobile application or a web page. Conventionally, these data have been acquired for medical research, but the number is only tens to hundreds. On the other hand, by using such a service, the server 2 can collect large-scale data (at least several thousand to several tens of thousands) compared to the conventional one. The figures (graphs) shown in the following embodiments are the results obtained based on such large-scale data. Such large-scale data is an example of “multiple data acquired in advance” in the present invention.
  • the program constructed by the server 2 is implemented as application software, for example.
  • the user can download the software to the user terminal 1 as a mobile application.
  • the user can execute the program of the present invention by starting the mobile application.
  • this program will be described in each embodiment.
  • the computer on which the program is executed is not limited to the user terminal 1.
  • the user terminal 1 may function only as an input unit and a display unit, and the server 2 may execute a program based on an input from the user terminal 1.
  • some programs may be executed by the user terminal 1 and the remaining programs may be executed by the server 2.
  • the program according to the present embodiment causes the user terminal 1 to execute a process of calculating a specific menstrual cycle based on menstrual day data input a plurality of times via the input unit 1a.
  • Menstrual date data is data relating to the user's menstrual date.
  • the menstrual date data is, for example, a menstrual start date (date). Further, when the menstrual cycle is known, the menstrual date data may be the number of days.
  • the user inputs menstruation date data via the input unit 1a of the user terminal 1.
  • the input operation is executed by a key of the user terminal 1 or a user's voice.
  • the program when the user inputs three menstrual start dates, the program causes the user terminal 1 to count the number of days from the first menstrual start date to the second menstrual start date, and from the second menstrual start date to 3 By calculating the number of days until the first menstrual start date, a process for calculating two menstrual cycles is executed. And a program makes the user terminal 1 perform the process which calculates an average menstrual cycle by taking the average of two menstrual cycles.
  • the program applies the user's past menstrual cycle (which can be obtained by inputting at least two menstrual day data) to the user's terminal 1 to a statistical model based on large-scale data. Specific weighting is performed (for example, “1” is evaluated for the latest menstrual cycle and “0.9” is evaluated for the previous menstrual cycle), and processing for calculating the menstrual cycle is executed. .
  • the “specific menstrual cycle” in the present embodiment is a concept including an average menstrual cycle for a user who inputs menstrual date data and a menstrual cycle calculated using a statistical model.
  • a program applies a specific menstrual cycle with respect to the relationship between the interval between a menstrual day and an ovulation day, and the average menstrual cycle estimated to the user terminal 1 based on the data of a plurality of persons acquired in advance.
  • the process which calculates the prediction ovulation day data corresponding to the said specific menstrual cycle is performed.
  • the “interval between menstrual date and ovulation date” is a concept that includes the number of days from the menstrual start date preceding the ovulation date to the ovulation date in one menstrual cycle, and the number of days from the ovulation date to the immediately following menstrual start date. It is.
  • Predicted ovulation date data is data relating to the prediction of ovulation date.
  • the predicted ovulation date data is, for example, a numerical value based on a menstrual day such as +10 days from the menstrual day preceding the predicted ovulation day in the first menstrual cycle, -10 days from the next predicted menstrual day, or a date such as ⁇ month ⁇ day Calculated.
  • the “predicted menstrual date” is a future menstrual start date predicted by adding a specific menstrual cycle to the past menstrual start date.
  • Fig. 2 is a graph showing the regularity of an individual menstrual cycle.
  • the horizontal axis is the average value (number of days) of the first half of the menstrual cycle among a plurality of menstrual cycles.
  • the vertical axis represents the average value (number of days) of the menstrual cycle in the latter half of the menstrual cycle of a plurality of times.
  • Each point shown in the graph is a distribution of individuals having data of 12 or more menstrual cycles.
  • FIG. 3 is a graph showing the relationship between the date of ovulation and the average menstrual cycle.
  • the horizontal axis is the average menstrual cycle.
  • the vertical axis represents the date of ovulation relative to the next menstrual start date.
  • Each point shown in the graph is an average value of the ovulation date for the next menstrual start date of a plurality of persons having the same average menstrual cycle.
  • the broken line indicates the ovulation date relative to the next menstrual start date by the Ogino formula (fixed to 14 days regardless of the difference in average menstrual cycle).
  • the alternate long and short dash line indicates the date of ovulation relative to the next menstrual start date according to the cycle intermediate method.
  • the server 2 in the present embodiment preliminarily estimates a relational expression (hereinafter also referred to as “relational expression S”) between the interval between the menstrual date and the ovulation day and the average menstrual cycle.
  • a relational expression hereinafter also referred to as “relational expression S”
  • the server 2 estimates the relational expression S based on the distribution of the average value of the ovulation days of a plurality of persons having the same average menstrual cycle shown in FIG.
  • the estimated relational expression S is incorporated into a part of the program.
  • x is a specific menstrual cycle.
  • f (x) is the predicted ovulation date data corresponding to the average menstrual cycle x.
  • a, b, and c are constants.
  • relational expression S is not limited to the example estimated based on the average value distribution.
  • the relational expression S can also be estimated based on a distribution such as a median value.
  • the program causes the user terminal 1 to substitute (apply) a specific menstrual cycle x into the relational expression S and execute a process of calculating the predicted ovulation date data of the user.
  • the calculated predicted ovulation date data is highly reliable because it is based on the average ovulation day trend of people with the same menstrual cycle.
  • the calculation of the predicted ovulation date data is not limited to the example using the relational expression S.
  • the server 2 constructs in advance, as table data, the relationship between the interval between the menstrual date and the ovulation date and the average menstrual cycle obtained from large-scale data.
  • the program causes the user terminal 1 to apply (apply) a specific menstrual cycle to the table data and execute a process of calculating predicted ovulation day data.
  • the program according to the present embodiment can cause the user terminal 1 to execute a process of displaying the predicted ovulation date data on the display unit 1b.
  • Predicted ovulation date data can be displayed by the date of the predicted ovulation date ( ⁇ month ⁇ day) and the number of days until the predicted ovulation date (after ⁇ day).
  • the user can visually confirm the predicted ovulation date.
  • the means for presenting the predicted ovulation date data to the user is not limited to display.
  • the program can also execute a process of notifying the predicted ovulation date data by voice.
  • the program can execute a process of notifying the predicted ovulation date data by e-mail.
  • the process which displays estimated ovulation day data is not essential.
  • the user When menstruation starts, the user activates the mobile application on the user terminal 1 and inputs a menstruation start date (S10). The user repeats the input operation of the menstrual start date a plurality of times (two times or more) (S11).
  • the user terminal 1 determines that the user's menstrual cycle (specification) from the plurality of menstrual start dates (menstrual date data) input in S11. Is calculated (S12).
  • the user terminal 1 calculates the predicted ovulation date data of the user by substituting the menstrual cycle calculated in S12 with respect to the relational expression S between the interval between the menstrual date and the ovulation date and the average menstrual cycle estimated in advance. (S13).
  • the user terminal 1 displays the predicted ovulation date data calculated in S13 on the display unit 1b (S14).
  • the program according to the present embodiment even a user who does not have sufficient data regarding his / her ovulation date or menstrual date, an average tendency regarding the ovulation date of a group having the same menstrual cycle ( By using the estimated relational expression S), it is possible to predict the ovulation day with high reliability.
  • the program according to the present embodiment can make such a highly reliable prediction in advance (before the date of ovulation), and thus contributes to the improvement of the pregnancy probability.
  • Second Embodiment A program according to the second embodiment will be described with reference to FIG. Even in a group having the same menstrual cycle, there may be individual differences in the interval between menstrual days and ovulation days. In the present embodiment, prediction of an ovulation date considering such individual differences will be described. Note that a detailed description of the same parts as in the first embodiment may be omitted.
  • the program according to the present embodiment obtains a plurality of intervals between the menstrual date and the ovulation date based on the menstrual day data and the ovulation date data input a plurality of times via the input unit 1a in the user terminal 1, A process of calculating the difference D between the maximum value and the minimum value is executed.
  • “Ovulation date data” is data relating to the ovulation date of the user.
  • the ovulation date data is, for example, the date of ovulation date determined by a medical technique. Further, when the ovulation date is estimated by a cover line method or the like, the ovulation date data may be the number of days such as ⁇ days after the menstrual date.
  • the “maximum value of the interval” is the number of days when the interval between the date of menstruation and the date of ovulation is the longest.
  • “Minimum value (of the interval)” is the number of days when the interval between the menstrual day and the ovulation day is the shortest.
  • the “difference D between the maximum value and the minimum value of the interval” is, for example, the number of days obtained from the ovulation date to the menstrual start date immediately after that (or from the menstrual start date preceding the ovulation date to the ovulation date) The difference between the longest number of days and the shortest number of days).
  • the program calculates the predicted ovulation date data on the user terminal 1 based on the intervals between the plurality of menstrual days and the ovulation dates. Execute the process. As a specific example, the program causes the user terminal 1 to calculate an average value of the calculated intervals between a plurality of menstrual days and ovulation days, and to perform processing for calculating the average value as predicted ovulation day data.
  • the program causes the user terminal 1 to calculate the same calculation process (relational expression S and a specific menstrual cycle as in the first embodiment).
  • the processing for calculating the predicted ovulation date data is executed by the processing used).
  • the threshold value is a value that serves as a reference for whether or not data input by the user is used to calculate predicted ovulation date data.
  • An arbitrary value can be set as the threshold based on the analysis result of the large-scale data.
  • the user When the menstruation starts, the user activates the mobile application on the user terminal 1 and inputs the menstruation start date.
  • the ovulation date When the ovulation date is determined, the user activates the mobile application on the user terminal 1 and inputs the ovulation date (S20).
  • the user repeatedly performs the input operation of the menstrual start date and the ovulation date a plurality of times (for example, three times of the menstrual start date and twice of the ovulation date) (S21).
  • the user terminal 1 When a plurality of input operations are completed (in the case of Y in S21), the user terminal 1 obtains the user's menstrual cycle (specific menstrual cycle) from the plurality of menstrual start dates (menstrual date data) input in S21. Calculate (S22).
  • the user terminal 1 calculates a plurality of intervals between the menstrual date and the ovulation date based on the menstrual start date and the ovulation date input a plurality of times in S21, and calculates a difference D between the maximum value and the minimum value of the interval. (S23).
  • the user terminal 1 predicts the predicted ovulation date of the user based on the intervals between the plurality of menstrual days and the ovulation date obtained in S23. Data is calculated (S25).
  • the user terminal 1 uses the relational expression S between the menstrual date and the date of ovulation and the average menstrual cycle estimated in advance.
  • the menstrual cycle calculated in S22 is substituted to calculate the predicted ovulation day data of the user (S26).
  • the user terminal 1 displays the predicted ovulation date data calculated in S25 or S26 on the display unit 1b (S27).
  • the specific menstrual cycle may be calculated only when it is determined that the difference D calculated in S23 is larger than the threshold value.
  • the program according to the present embodiment can perform ovulation day prediction with higher reliability in consideration of individual differences by using the ovulation day data. Therefore, there is a great merit for the user who inputs the ovulation day data obtained by using medical means or the like.
  • a program according to the third embodiment will be described with reference to FIGS. 6 and 7. Based on the calculated predicted ovulation date data, the user can grasp a period during which there is a high possibility of pregnancy.
  • a more reliable period with a high possibility of pregnancy (a period with a first possibility of pregnancy) is calculated will be described. Note that a detailed description of the same parts as those in the first embodiment and the second embodiment may be omitted.
  • the program according to the present embodiment allows the user terminal 1 to predict the first pregnancy possibility based on the data related to the pregnancy rate before and after the ovulation date based on the data of a plurality of persons acquired in advance and the calculated predicted ovulation date data.
  • a process for calculating a high period is executed.
  • the pregnancy rate is the ratio of the number of people who have actually become pregnant to the number of people who have intercourse on a certain day (for example, the date of ovulation).
  • the “pregnancy rate before and after the ovulation date” is obtained from this pregnancy rate within a few days before and after the ovulation date.
  • FIG. 6 is a graph showing the pregnancy rate before and after the date of ovulation.
  • the vertical axis represents the pregnancy rate, and the horizontal axis represents the number of days based on the date of ovulation (0). According to this graph, it can be seen that the pregnancy rate increases several days before the date of ovulation.
  • the data shown in this graph is an example of “data related to the pregnancy rate before and after the date of ovulation”.
  • the program causes the user terminal 1 to execute the process of calculating the first period of high pregnancy possibility by applying the calculated predicted ovulation date data to the data indicated by this graph.
  • the period when the first possibility of pregnancy is high is defined as a predicted ovulation day when the ovulation day is 0 in the above graph, and a period of a predetermined pregnancy rate or higher is specified based on this day. It can be calculated.
  • the program according to the present embodiment causes the user terminal 1 to execute a process for displaying the first period of high pregnancy possibility calculated on the display unit 1b.
  • the display mode of the period with the first high possibility of pregnancy is not particularly limited.
  • the first period with a high possibility of pregnancy may be displayed together with the predicted ovulation day data calculated in the first and second embodiments, or only one of them may be displayed.
  • the means for presenting the first period with the highest possibility of pregnancy to the user is not limited to display.
  • the user terminal 1 calculates predicted ovulation date data by the same processing as in the first embodiment (see S10 to S13) (S30).
  • the user terminal 1 calculates the first period with a high possibility of pregnancy by applying the predicted ovulation date data calculated in S30 to the data related to the pregnancy rate before and after the ovulation date based on the data of a plurality of persons acquired in advance ( S31).
  • the user terminal 1 causes the display unit 1b to display the predicted ovulation date data calculated in S30 and the first period of high pregnancy possibility calculated in S31 (S32).
  • the first period with a high possibility of pregnancy can be calculated based on the calculated predicted ovulation date data.
  • the user can improve the pregnancy probability by obtaining the data related to the period with the first possibility of pregnancy.
  • ⁇ Fourth embodiment> A program according to the fourth embodiment will be described with reference to FIGS. 8 and 9. Depending on the physical condition of the user, etc., there may be temporary variations in the menstrual cycle or ovulation day.
  • this embodiment an example of calculating a period with a high possibility of pregnancy different from the third embodiment (second period with a high possibility of pregnancy) by using the basal body temperature, or an example of calculating the end of ovulation Is described. Note that detailed description of the same parts as those in the first to third embodiments may be omitted.
  • the program according to the present embodiment is based on the basal body temperature input to the user terminal 1 a plurality of times via the input unit 1a, and a subsequent signal indicating a prior sign of ovulation and / or a subsequent sign of ovulation. Causes detection of the presence or absence of a signal.
  • Pre- and post-signals can be detected based on basal body temperature.
  • Various techniques can be used to detect the prior signal and the subsequent signal.
  • the detection of the prior signal can be performed, for example, by executing the following three steps by a program. (1) About the basal body temperature recorded every day, smoothing by the moving average every 3 days, (2) detection that the smoothed basal body temperature rose continuously for 3 days or more, (3) the rise in (2) (User's menstrual cycle + 1 day)-Judgment that it did not happen before 17 days.
  • the prior signal can be detected by automatically generating a statistical model of basal body temperature fluctuation in the hypothermic period by a program and detecting a characteristic pattern before ovulation based on the statistical model.
  • the program causes the user terminal 1 to execute a process of generating a probability model that predicts the average value and the variance value for each day of the fluctuation in the hypothermic period of the user.
  • This model provides a basic pattern of hypothermic fluctuations.
  • the program causes the user terminal 1 to execute a process of determining that there is a prior sign of ovulation when there is a variation that deviates from such a pattern. Parameters such as what kind of variation is detected with high accuracy can be determined in advance, for example, by analyzing large-scale data.
  • the posterior signal can be detected by, for example, the cover line method. That is, if the program detects an increase in body temperature of +0.3 degrees or more from the average body temperature after the 11th day from the previous menstrual start date and the previous day, based on the basal body temperature recorded on the user terminal 1 every day, A process for determining that a signal has been detected is executed.
  • the program according to the present embodiment causes the user terminal 1 to execute a process of calculating a second period with a high possibility of pregnancy based on the prior signal.
  • the program according to the present embodiment causes the user terminal 1 to execute a process of determining that ovulation has ended based on the posterior signal when the posterior signal is detected.
  • FIG. 8 is a histogram showing the frequency of occurrence of a prior signal (right-down hatching) and a post-signal (left-down hatching) for the day of ovulation.
  • the vertical axis represents frequency
  • the horizontal axis represents the number of days with the ovulation day as a reference (0).
  • the portion where the hatching crosses corresponds to the overlapping portion of the histogram.
  • the prior signal is remarkably detected from the ovulation day-6 days and decreases after 4 days after the ovulation day.
  • the posterior signal is remarkably detected after the day of ovulation. That is, it can be seen that there is a high possibility that ovulation occurs about 10 days after the day when the prior signal is detected. On the other hand, it can be seen that there is a high possibility that ovulation has ended on the day when the posterior signal is detected.
  • the program according to the present embodiment is constructed based on the data indicated by the histogram, for example.
  • the program causes the user terminal 1 to execute a process of calculating a period of +10 days on the day when the prior signal is detected as a period with a high possibility of pregnancy (second period with a high possibility of pregnancy).
  • the program causes the user terminal 1 to execute a process of determining that ovulation has ended on the day when the posterior signal is detected.
  • the program When a prior signal is detected, the program causes the user terminal 1 to execute a process of displaying a second period of high possibility of pregnancy on the display unit 1b.
  • the display mode of the period with the second high possibility of pregnancy is not particularly limited.
  • the second period with high possibility of pregnancy is displayed together with the predicted ovulation day data calculated in the first and second embodiments and the period with high first possibility of pregnancy calculated in the third embodiment. Alternatively, only one of them may be displayed.
  • the means for presenting the second period with high possibility of pregnancy to the user is not limited to display.
  • the program When a post signal is detected, the program causes the user terminal 1 to execute a process of displaying an ovulation end message on the display unit 1b.
  • the display mode of the end message is not particularly limited.
  • the means for presenting the end message to the user is not limited to display.
  • the program may be configured to detect either a pre-signal or a post-signal. In that case, the program causes the user terminal 1 to execute only one process of the calculation of the second highly likely pregnancy period and the determination of the end of ovulation.
  • the program may cause the user terminal 1 to execute a process of correcting the first period of high pregnancy possibility instead of indicating the second period of high pregnancy possibility based on the prior signal.
  • the program prompts the user terminal 1 for the first period of high pregnancy possibility and the second period of high pregnancy possibility.
  • a process for calculating a period after the correction as a period after the correction (a period during which the third possibility of pregnancy is high).
  • the user activates the mobile application on the user terminal 1 and inputs daily basal body temperature (S40).
  • the user terminal 1 detects the presence / absence of a prior signal and a subsequent signal based on the basal body temperature input in S40 (S41).
  • the user terminal 1 determines that ovulation has already ended before the date when the post signal is detected (S43).
  • the user terminal 1 displays an ovulation end message on the display unit 1b based on the determination result of S43 (S44).
  • the user terminal 1 calculates 10 days from the date when the prior signal is detected as the second possibility of pregnancy. (S46).
  • the user terminal 1 causes the display unit 1b to display the period during which the second possibility of pregnancy calculated in S46 is high (S47).
  • the present invention is not limited to this.
  • the calculation of the second period with a high possibility of pregnancy may be performed based only on the presence or absence of a prior signal (not considering the presence or absence of a post-signal).
  • the program according to the present embodiment based on the basal body temperature, it is possible to calculate data that takes into account the current physical condition and the like (second highly likely pregnancy period or ovulation end). Therefore, it is possible to present a more reliable ovulation date prediction and a period with a high possibility of pregnancy, so that the pregnancy probability can be improved.
  • the user terminal 1 may transmit the menstrual date data and the ovulation date data input in the above-described embodiment to the server 2.
  • the server 2 can construct a more accurate program by accumulating the transmitted data in the database 2a and reflecting the data in the conventional program.
  • the constructed program is distributed to the user terminal 1, for example, in the form of version upgrade of the mobile application.
  • the above-described embodiment can be realized by causing a computer or a microprocessor to execute various processes described above by a program.
  • all the processes may be executed by the program, or a part of the processes may be processed by hardware and the remaining processes may be executed by the program.
  • non-transitory computer-readable media include magnetic recording media (for example, flexible disks, magnetic tapes, hard disk drives), CD-ROMs (Read Only Memory), and the like.

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Pathology (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Primary Health Care (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

信頼性の高い排卵日予測を行うためのプログラムを提供することを目的とする。排卵日予測プログラムは、コンピュータに、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。

Description

排卵日予測プログラム及び排卵日予測方法
　本発明は、排卵日を予測するための技術に関する。
　従来、排卵日を予測するために様々な方法が検討されている。これらの方法には、長期的な予測方法や即時的な予測方法がある。
　長期的な予測方法は、過去数回の月経周期のデータに基づいて、将来的な月経開始日及び排卵日を予測する。具体的には、オギノ式（カレンダー法）やサイクル中間法がある。サイクル中間法は、平均月経周期の半分の日数を最新の月経開始日に加えた日付を排卵日として予測する。
　即時的な予測方法は、身体的なデータに基づいて、排卵日が近づいたこと、或いは排卵が行われたことを予測する。具体的には、基礎体温の利用（カバーライン法）や身体的な変化の利用（頸管粘液の確認）がある。
　更に、月経日や排卵日を予測する技術としては、たとえば特許文献１に記載の技術がある。
特許第５１７９７９９号
　しかし、上述の予測方法は、いずれも信頼性の高い排卵日予測が困難である。たとえば、オギノ式は、排卵日から次回の月経開始日までの期間が一定（１４日）であるという前提で排卵日を予測している。ところが、月経周期に個人差があるのと同様、排卵日から次回の月経開始日までの期間にも個人差があるため、オギノ式では信頼性の高い排卵日予測が困難である。また、一般的に低体温期から高体温期への移行は、排卵に引き続いて起こる。よって、カバーライン法は、排卵日の事後的な把握のためにしか用いることができない。
　更には、月経周期や排卵日に関するデータを十分に持っていない個人であっても、信頼性の高い排卵日予測を行うことが望まれている。
　本発明は、前述の問題点を解決するためになされたものであり、信頼性の高い排卵日予測を行うための技術を提供することを目的とする。
　上記課題を解決するために、本発明における排卵日予測プログラムは、コンピュータに、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。
　また、上記課題を解決するために、本発明における排卵日予測方法は、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する。
　本発明によれば、同じ平均月経周期を持った集団の排卵日に関する平均的な傾向を利用することで、自己の月経周期に基づいて信頼性の高い排卵日予測を行うことができる。
実施形態に共通の構成を示す概略図である。 第１実施形態の説明を補足する図である。 第１実施形態の説明を補足する図である。 第１実施形態に係るプログラムの処理を示すフローチャートである。 第２実施形態に係るプログラムの処理を示すフローチャートである。 第３実施形態の説明を補足する図である。 第３実施形態に係るプログラムの処理を示すフローチャートである。 第４実施形態の説明を補足する図である。 第４実施形態に係るプログラムの処理を示すフローチャートである。
＜実施形態に共通の構成＞
　図１を参照して各実施形態に共通の構成について説明する。
　ユーザ端末１は、個人が所有する携帯端末（スマートフォン、タブレット端末）やＰＣである。ユーザ端末１は、入力部１ａ及び表示部１ｂを含む。ユーザ端末１は「コンピュータ」の一例である。
　サーバ２は、複数人のユーザから得られたデータを記録・管理するデータベース（ＤＢ）２ａを含む。また、サーバ２は、データベース２ａに蓄積されたデータを利用して、所定のプログラムを構築する。
　データベース２ａに記録されるデータは、月経開始日、排卵日、性交を行った日等である。これらのデータは、たとえば、携帯アプリやＷｅｂページとして提供される個人向けの月経日予測サービス、妊娠支援サービスを介して取得できる。従来、医学研究のためにこれらのデータが取得されることがあったが、その数は数十～数百に過ぎない。一方、このようなサービスを用いることにより、サーバ２は従来と比較して大規模なデータ（少なくとも数千～数万）を収集できる。以下の実施形態に示す図（グラフ）等は、このような大規模データを元に得られた結果である。このような大規模データは、本発明における「予め取得した複数人のデータ」の一例である。
　サーバ２により構築されたプログラムは、たとえば、アプリケーションソフトウェアとして実装される。ユーザは、当該ソフトウェアを携帯アプリとしてユーザ端末１にダウンロードできる。ユーザは、携帯アプリを起動することにより、本発明のプログラムを実行できる。以下、各実施形態においてこのプログラムの詳細について説明を行う。
　なお、実施形態ではプログラムがユーザ端末１で実行される例を述べるが、プログラムが実行されるコンピュータは、ユーザ端末１に限られない。たとえば、ユーザ端末１は入力手段及び表示手段としてのみ機能し、サーバ２はユーザ端末１からの入力に基づいてプログラムを実行することでもよい。或いは、一部のプログラムがユーザ端末１で実行され、残りのプログラムはサーバ２で実行されることでもよい。
＜第１実施形態＞
　図２～図４を参照して第１実施形態に係るプログラムについて説明を行う。本実施形態では、ユーザの平均月経周期に基づいて、当該ユーザの排卵日の予測を行う例について述べる。
　本実施形態に係るプログラムは、ユーザ端末１に、入力部１ａを介して複数回入力された月経日データに基づいて、特定の月経周期を算出する処理を実行させる。
　「月経日データ」は、ユーザの月経日に関するデータである。月経日データは、たとえば月経開始日（日付）である。また、月経周期がわかっている場合、月経日データは、その日数であってもよい。
　ユーザは、ユーザ端末１の入力部１ａを介して月経日データを入力する。入力操作は、ユーザ端末１のキーや、ユーザの音声により実行される。
　ここで、たとえばユーザが３回の月経開始日を入力した場合、プログラムは、ユーザ端末１に、１回目の月経開始日から２回目の月経開始日までの日数、２回目の月経開始日から３回目の月経開始日までの日数を求めることにより２回の月経周期を算出する処理を実行させる。そして、プログラムは、ユーザ端末１に、２回の月経周期の平均を取ることにより平均月経周期を算出する処理を実行させる。
　或いは、プログラムは、ユーザ端末１に、ユーザの過去の月経周期（最低２回の月経日データの入力で求めることができる）を、大規模データに基づく統計モデルに適用することで、月経周期に対して特定の重みづけ（たとえば、直近の月経周期については「１」と評価し、その前の月経周期については「０．９」と評価する）を行い、月経周期を算出する処理を実行させる。
　本実施形態における「特定の月経周期」は、月経日データを入力したユーザにおける平均月経周期、及び統計モデルを用いて算出される月経周期を含む概念である。
　なお、予め特定の月経周期がわかっているユーザは、その値を１回入力するだけでよい。
　そして、プログラムは、ユーザ端末１に、予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、当該特定の月経周期に対応した予測排卵日データを算出する処理を実行させる。なお、「月経日と排卵日との間隔」は、一の月経周期において排卵日に先行する月経開始日から排卵日までの日数、及び排卵日からその直後の月経開始日までの日数を含む概念である。
　「予測排卵日データ」は、排卵日の予測に関するデータである。予測排卵日データは、たとえば一の月経周期において予測排卵日に先行する月経日から＋１０日、次回の予測月経日から－１０日といった月経日を基準とした数値、或いは○月○日といった日付として算出される。なお、「予測月経日」は、過去の月経開始日に特定の月経周期を加えることで予測される将来の月経開始日のことである。
　ここで、図２及び図３を参照して、ユーザの予測排卵日データの算出において、当該ユーザの月経周期（特定の月経周期）、及び月経日と排卵日との間隔と平均月経周期との関係式を用いる点について説明する。
　図２は、個人の月経周期の規則性を示したグラフである。横軸は、複数回の月経周期のうち、前半１／２の月経周期の平均値（日数）である。縦軸は、複数回の月経周期のうち、後半１／２の月経周期の平均値（日数）である。グラフに示した各点は、１２回以上の月経周期のデータを有する個人の分布である。
　このグラフから明らかなように、過去の月経周期と将来の月経周期には強い相関がある。すなわち、個人の月経周期（平均月経周期）は概ね一定であると考えることができる。
　図３は、排卵日と平均月経周期の関係を示したグラフである。横軸は、平均月経周期である。縦軸は、次回月経開始日に対する排卵日である。グラフに示した各点は、同じ平均月経周期を持つ複数人の次回月経開始日に対する排卵日の平均値である。なお、破線は、オギノ式による次回月経開始日に対する排卵日を示したものである（平均月経周期の違いに関わらず１４日固定）。一点鎖線は、サイクル中間法による次回月経開始日に対する排卵日を示したものである。
　このグラフから明らかなように、従来の手法（オギノ式、サイクル中間法）で推定される排卵日は、実際に得られた排卵日に対して大きく乖離している。
　本発明者らは、図３に示されるような大規模な複数人のデータから推定される月経日と排卵日との間隔と平均月経周期の関係についての知見に基づいて、このような関係に個人の月経周期（概ね一定）を当てはめることにより、信頼性の高い排卵日予測が可能となることを着想した。
　すなわち、本実施形態におけるサーバ２は、月経日と排卵日との間隔と平均月経周期との関係式（以下、「関係式Ｓ」という場合がある）を予め推定する。具体例として、サーバ２は、図３に示された同じ平均月経周期を持つ複数人の排卵日の平均値の分布を元に関係式Ｓを推定する。推定された関係式Ｓは、プログラムの一部に組み込まれる。
　図３に示された平均値の分布に基づく関係式Ｓは、プロットされたデータを直線あるいは曲線で最小自乗近似することにより求められる。たとえば、二次曲線で近似した場合、関係式Ｓは、ｆ（ｘ）＝ａｘ2＋ｂｘ＋ｃで与えられる。ここで、ｘは特定の月経周期である。ｆ（ｘ）は、平均月経周期ｘに対応する予測排卵日データである。ａ，ｂ，ｃは定数である。
　なお、関係式Ｓは、平均値の分布に基づいて推定される例に限られない。関係式Ｓは、たとえば中央値等の分布に基づいて推定することも可能である。
　プログラムは、ユーザ端末１に、特定の月経周期ｘを関係式Ｓに代入し（適用し）、当該ユーザの予測排卵日データを算出する処理を実行させる。算出された予測排卵日データは、同じ月経周期をもつ人の平均的な排卵日の傾向に基づいたデータであるため信頼性が高い。
　なお、予測排卵日データの算出は、関係式Ｓを用いる例に限られない。たとえば、サーバ２は、予め、大規模データにより得られた月経日と排卵日との間隔と平均月経周期との関係をテーブルデータとして構築する。プログラムは、ユーザ端末１に、特定の月経周期を当該テーブルデータに当てはめ（適用し）、予測排卵日データを算出する処理を実行させる。
　更に、本実施形態に係るプログラムは、ユーザ端末１に、表示部１ｂに予測排卵日データを表示する処理を実行させることもできる。予測排卵日データは、予測された排卵日の日付（○月○日）や、予測された排卵日までの日数（後○日）で表示することができる。算出された予測排卵日データを表示部１ｂに表示させることにより、ユーザは予測された排卵日を視覚的に確認することができる。
　なお、予測排卵日データをユーザへ提示する手段は、表示に限られない。たとえば、ユーザ端末１が音声機能を有する場合、プログラムは、予測排卵日データを音声で通知する処理を実行させることも可能である。或いは、ユーザ端末１がｅメール等の通信機能を有する場合、プログラムは、予測排卵日データをｅメールで通知する処理を実行させることも可能である。なお、本実施形態におけるプログラムにおいて、予測排卵日データを表示する処理は必須ではない。
　次に、図４を参照して、ユーザ端末１において本実施形態に係るプログラムを実行する例を述べる。ここでは、ユーザが本実施形態に係るプログラムを含むソフトウェアをはじめて使用する場合について述べる。このユーザは、自己の月経周期等の記録を有していないものする。また、ユーザ端末１には、本実施形態に係るプログラムを実装した携帯アプリをダウンロードしてあるものとする。
　月経が開始した場合、ユーザは、ユーザ端末１で携帯アプリを起動し、月経開始日を入力する（Ｓ１０）。ユーザは、月経開始日の入力操作を複数回（２回以上）繰り返して行う（Ｓ１１）。
　複数回の月経開始日の入力操作が完了した場合（Ｓ１１でＹの場合）、ユーザ端末１は、Ｓ１１で入力された複数回の月経開始日（月経日データ）から当該ユーザの月経周期（特定の月経周期）を算出する（Ｓ１２）。
　ユーザ端末１は、予め推定された、月経日と排卵日との間隔と平均月経周期との関係式Ｓに対し、Ｓ１２で算出された月経周期を代入し、当該ユーザの予測排卵日データを算出する（Ｓ１３）。
　ユーザ端末１は、Ｓ１３で算出された予測排卵日データを表示部１ｂに表示させる（Ｓ１４）。
　このように、本実施形態に係るプログラムによれば、自己の排卵日や月経日に関して十分なデータを持たないユーザであっても、同じ月経周期を持った集団の排卵日に関する平均的な傾向（推定した関係式Ｓ）を利用することにより、信頼性の高い排卵日予測を行うことができる。また、本実施形態に係るプログラムは、このような信頼性の高い予測を事前（排卵日の前）に行うことができるため、妊娠確率の向上にも寄与する。
＜第２実施形態＞
　図５を参照して第２実施形態に係るプログラムについて説明を行う。同じ月経周期を持った集団の中でも、月経日と排卵日との間隔には個人差が存在している場合がある。本実施形態は、このような個人差を考慮した排卵日の予測について述べる。なお、第１実施形態と同様の部分については、詳細な説明を省略する場合がある。
　本実施形態に係るプログラムは、ユーザ端末１に、月経日データ及び入力部１ａを介して複数回入力された排卵日データに基づいて、月経日と排卵日との間隔を複数求め、当該間隔の最大値と最小値との差Ｄを算出する処理を実行させる。
　「排卵日データ」は、ユーザの排卵日に関するデータである。排卵日データは、たとえば、医学的な手法により確定した排卵日の日付である。また、排卵日をカバーライン法等によって推定した場合には、排卵日データは、月経日から○日後といった日数であってもよい。「当該間隔の最大値」は、月経日と排卵日との間隔が最も長い場合の日数である。「（当該間隔の）最小値」は、月経日と排卵日との間隔が最も短い場合の日数である。「当該間隔の最大値と最小値との差Ｄ」は、たとえば、複数求められた、排卵日からその直後の月経開始日までの日数（或いは、排卵日に先行する月経開始日から排卵日までの日数）における最長の日数と最短の日数との差である。
　ここで、大規模データの解析によれば、ある個人に着目した場合、月経日と排卵日との間隔が大きくずれることは少ない。この知見によれば、上記差Ｄが大きい場合には、データの誤入力、或いは、上記間隔は排卵日予測の元となる大規模データの平均的な傾向から外れたものであり、信頼性が乏しいといえる。この場合には、入力された月経日データや排卵日データを用いても正確な排卵日の予測は困難である可能性が高い。逆に、上記差Ｄが小さい場合には、入力された排卵日データの信頼性が高いといえる。この場合には、入力された排卵日データを用いるほうが、個人の傾向に則した、より正確な排卵日の予測ができる。
　そこで、予測排卵日データを算出する際、差Ｄが閾値以下の場合には、プログラムは、ユーザ端末１に、複数の月経日と排卵日との間隔に基づいて、予測排卵日データを算出する処理を実行させる。具体例としては、プログラムは、ユーザ端末１に、算出した複数の月経日と排卵日との間隔の平均値を求め、当該平均値を予測排卵日データとして算出する処理を実行させる。
　逆に、差Ｄが閾値よりも大きい場合（或いは排卵日データが１回しかない場合）、プログラムは、ユーザ端末１に、第１実施形態と同様の算出処理（関係式Ｓと特定の月経周期を用いた処理）によって予測排卵日データを算出する処理を実行させる。
　閾値は、予測排卵日データを算出するためにユーザが入力したデータを用いるかどうかの基準となる値である。閾値は、大規模データの解析結果に基づいて、任意の値を設定することができる。
　次に、図５を参照して、ユーザ端末１において本実施形態に係るプログラムを実行する例を述べる。
　月経が開始した場合、ユーザは、ユーザ端末１で携帯アプリを起動し、月経開始日を入力する。また、排卵日が確定した場合、ユーザは、ユーザ端末１で携帯アプリを起動し、その排卵日を入力する（Ｓ２０）。ユーザは、月経開始日及び排卵日の入力操作を複数回（たとえば、月経開始日３回、排卵日２回）、繰り返して行う（Ｓ２１）。
　複数回の入力操作が完了した場合（Ｓ２１でＹの場合）、ユーザ端末１は、Ｓ２１で入力された複数の月経開始日（月経日データ）から当該ユーザの月経周期（特定の月経周期）を算出する（Ｓ２２）。
　また、ユーザ端末１は、Ｓ２１で複数回入力された月経開始日及び排卵日に基づいて、月経日と排卵日との間隔を複数算出し、当該間隔の最大値と最小値の差Ｄを算出する（Ｓ２３）。
　Ｓ２３で算出された差Ｄが閾値以下の場合（Ｓ２４でＹの場合）、ユーザ端末１は、Ｓ２３で得られた複数の月経日と排卵日との間隔に基づいて、当該ユーザの予測排卵日データを算出する（Ｓ２５）。
　一方、Ｓ２３で算出された差Ｄが閾値より大きい場合（Ｓ２４でＮの場合）、ユーザ端末１は、予め推定された、月経日と排卵日との間隔と平均月経周期との関係式Ｓに対し、Ｓ２２で算出された月経周期を代入し、当該ユーザの予測排卵日データを算出する（Ｓ２６）。
　ユーザ端末１は、Ｓ２５またはＳ２６で算出された予測排卵日データを表示部１ｂに表示させる（Ｓ２７）。
　なお、図５では、予め特定の月経周期を算出する例について述べたが、これに限られない。特定の月経周期は、Ｓ２３で算出された差Ｄが閾値よりも大きいと判断された場合にのみ算出されることとしてもよい。
　このように、本実施形態に係るプログラムは、排卵日データを利用することにより、個人差を考慮した、より信頼性の高い排卵日予測を行うことができる。よって、医学的な手段等を用いて得られた排卵日データを入力するユーザにとってはメリットが大きい。
＜第３実施形態＞
　図６及び図７を参照して第３実施形態に係るプログラムについて説明を行う。算出された予測排卵日データにより、ユーザは大凡の妊娠可能性の高い期間を把握することができる。本実施形態では、より信頼性の高い妊娠可能性の高い期間（第１の妊娠可能性の高い期間）を算出する例について述べる。なお、第１実施形態及び第２実施形態と同様の部分については、詳細な説明を省略する場合がある。
　本実施形態に係るプログラムは、ユーザ端末１に、予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータ、及び算出された予測排卵日データに基づいて、第１の妊娠可能性の高い期間を算出する処理を実行させる。
　「妊娠率」は、ある日（たとえば、排卵日）に性交した人数に対する実際に妊娠した人数の割合である。この妊娠率を排卵日前後の数日で求めたものが「排卵日前後の妊娠率」である。
　図６は、排卵日前後の妊娠率を示したグラフである。縦軸は妊娠率、横軸は排卵日を基準（０）とした日数である。このグラフによれば、排卵日前の数日に妊娠率が高くなることがわかる。このグラフが示すデータは、「排卵日前後の妊娠率に関するデータ」の一例である。
　プログラムは、ユーザ端末１に、このグラフが示すデータに対して、算出された予測排卵日データを当てはめることにより、第１の妊娠可能性の高い期間を算出する処理を実行させる。具体例として、第１の妊娠可能性の高い期間は、上記グラフにおける排卵日が０の日を算出された予測排卵日とし、この日を基準に所定の妊娠率以上の期間を特定することにより算出できる。
　更に、本実施形態に係るプログラムは、ユーザ端末１に、表示部１ｂに算出された第１の妊娠可能性の高い期間を表示する処理を実行させる。第１の妊娠可能性の高い期間の表示態様は特に限定されない。また、第１の妊娠可能性の高い期間は、第１及び第２実施形態で算出した予測排卵日データと併せて表示させてもよいし、いずれか一方のみを表示させてもよい。なお、予測排卵日データと同様、第１の妊娠可能性の高い期間をユーザへ提示する手段は、表示に限られない。
　次に、図７を参照して、ユーザ端末１において本実施形態に係るプログラムを実行する例を述べる。ここでは、第３実施形態の処理が第１実施形態の処理に付加的に追加された例を述べる。
　ユーザ端末１は、第１実施形態と同様の処理（Ｓ１０～Ｓ１３参照）により、予測排卵日データを算出する（Ｓ３０）。
　ユーザ端末１は、予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータに、Ｓ３０で算出した予測排卵日データを当てはめることにより、第１の妊娠可能性の高い期間を算出する（Ｓ３１）。
　ユーザ端末１は、Ｓ３０で算出された予測排卵日データ及びＳ３１で算出された第１の妊娠可能性の高い期間を表示部１ｂに表示させる（Ｓ３２）。
　本実施形態に係るプログラムによれば、算出された予測排卵日データに基づいて、第１の妊娠可能性の高い期間を算出することができる。予測排卵日データに加え、第１の妊娠可能性の高い期間に関するデータが得られることにより、ユーザは、妊娠確率の向上を図ることができる。
＜第４実施形態＞
　図８及び図９を参照して第４実施形態に係るプログラムについて説明を行う。ユーザの体調等により、一時的に月経周期や排卵日にばらつきが生じる可能性がある。本実施形態では、基礎体温を利用することにより、第３実施形態とは異なる妊娠可能性の高い期間（第２の妊娠可能性の高い期間）を算出する例、或いは排卵の終了を算出する例について述べる。なお、第１実施形態～第３実施形態と同様の部分については、詳細な説明を省略する場合がある。
　本実施形態に係るプログラムは、ユーザ端末１に、入力部１ａを介して複数回入力された基礎体温に基づいて、排卵の事前の兆候を示す事前シグナル及び／または排卵の事後の兆候を示す事後シグナルの有無の検出を実行させる。
　事前シグナル及び事後シグナルは、基礎体温に基づいて検出することができる。事前シグナル及び事後シグナルの検出は、様々な手法を用いることができる。
　事前シグナルの検出は、たとえば、プログラムにより以下の３つのステップを実行することで行うことができる。（１）日々記録される基礎体温について、３日毎の移動平均による平滑化、（２）平滑化した基礎体温が３日以上連続して上昇したことの検出、（３）（２）における上昇が（ユーザの月経周期＋１日）－１７日以前に起こったものでないことの判断。或いは、事前シグナルの検出は、プログラムにより低体温期における基礎体温変動の統計モデルを自動生成し、それに基づいて排卵前に特徴的なパターンを検出することでも可能である。具体的には、プログラムは、ユーザ端末１に、ユーザの低体温期の変動について、その平均値と分散値を日数ごとに予測する確率モデルを生成する処理を実行させる。このモデルからは、低体温期の基本的な変動のパターンが得られる。プログラムは、ユーザ端末１に、このようなパターンから外れる変動があった場合、排卵の事前の前兆があったと判断する処理を実行させる。どのような変動をどの程度の精度で検出するか、といったパラメータは、たとえば大規模データを分析することにより、事前に決定することができる。
　一方、事後シグナルは、たとえばカバーライン法により検出できる。すなわち、プログラムは、ユーザ端末１に、日々記録される基礎体温に基づいて、前回月経開始日から１１日以降、且つ前日までの平均体温から＋０．３度以上の体温上昇を検出した場合、事後シグナルを検出したと判断する処理を実行させる。
　また、本実施形態に係るプログラムは、ユーザ端末１に、事前シグナルが検出された場合、当該事前シグナルに基づいて第２の妊娠可能性の高い期間を算出する処理を実行させる。一方、本実施形態に係るプログラムは、ユーザ端末１に対し、事後シグナルが検出された場合、当該事後シグナルに基づいて排卵が終了していると判断する処理を実行させる。
　図８は、排卵日に対する事前シグナル（右下りのハッチング）及び事後シグナル（左下りのハッチング）の発生の頻度を示したヒストグラムである。縦軸は頻度であり、横軸は排卵日を基準（０）とした日数である。ハッチングがクロスしている部分は、ヒストグラムの重なり部分に対応する。
　このグラフから明らかなように、事前シグナルは、排卵日－６日から顕著に検出され、排卵日後４日以降に少なくなる。一方、事後シグナルは排卵日後に顕著に検出されている。すなわち、事前シグナルが検出された日から約１０日の間に排卵が起こる可能性が高いことがわかる。一方、事後シグナルが検出された日には排卵が終了している可能性が高いことがわかる。
　本実施形態に係るプログラムは、たとえば、上記ヒストグラムが示すデータに基づいて構築されている。具体例として、プログラムは、ユーザ端末１に、事前シグナルが検出された日に＋１０日した期間を妊娠可能性の高い期間（第２の妊娠可能性の高い期間）として算出する処理を実行させる。一方、プログラムは、ユーザ端末１に、事後シグナルが検出された日には排卵が終了していると判断する処理を実行させる。
　事前シグナルが検出された場合、プログラムは、ユーザ端末１に、表示部１ｂに第２の妊娠可能性の高い期間を表示する処理を実行させる。第２の妊娠可能性の高い期間の表示態様は特に限定されない。また、第２の妊娠可能性の高い期間は、第１及び第２実施形態で算出した予測排卵日データや、第３実施形態で算出した第１の妊娠可能性が高い期間と併せて表示させてもよいし、いずれか一つのみを表示させてもよい。なお、第２の妊娠可能性の高い期間をユーザへ提示する手段は、表示に限られない。
　事後シグナルが検出された場合、プログラムは、ユーザ端末１に、表示部１ｂに排卵の終了メッセージを表示させる処理を実行させる。終了メッセージの表示態様は特に限定されない。また、終了メッセージをユーザへ提示する手段は、表示に限られない。
　なお、プログラムは、事前シグナル及び事後シグナルのいずれか一方を検出する構成であってもよい。その場合、プログラムは、第２の妊娠可能性の高い期間の算出及び排卵終了の判断のいずれか一方の処理のみをユーザ端末１に実行させる。
　更に、プログラムは、ユーザ端末１に、事前シグナルに基づいて、第２の妊娠可能性の高い期間を示す代わりに第１の妊娠可能性の高い期間を修正する処理を実行させることとしてもよい。具体例として、第１の妊娠可能性の高い期間の以前に事前シグナルを検出した場合、プログラムは、ユーザ端末１に、第１の妊娠可能性の高い期間と第２の妊娠可能性の高い期間とを併せた期間を、修正後の期間（第３の妊娠可能性が高い期間）として算出する処理を実行させる。
　次に、図９を参照して、ユーザ端末１において本実施形態に係るプログラムを実行する例を述べる。ここでは、基礎体温の処理のみを記載するが、上述の通り、第１～第３実施形態と適宜組み合わせて実行することが可能である。
　ユーザは、ユーザ端末１で携帯アプリを起動し、日々の基礎体温を入力する（Ｓ４０）。
　ユーザ端末１は、Ｓ４０で入力された基礎体温に基づいて、事前シグナル及び事後シグナルの有無を検出する（Ｓ４１）。
　事後シグナルが検出された場合（Ｓ４２でＹ）、ユーザ端末１は、事後シグナルが検出された日以前に既に排卵が終了したと判断する（Ｓ４３）。
　ユーザ端末１は、Ｓ４３の判断結果に基づいて、排卵の終了メッセージを表示部１ｂに表示させる（Ｓ４４）。
　一方、事後シグナルが検出されず、且つ事前シグナルが検出された場合（Ｓ４５でＹ）、ユーザ端末１は、事前シグナルが検出された日から１０日間を第２の妊娠可能性が高い期間として算出する（Ｓ４６）。
　ユーザ端末１は、Ｓ４６で算出された第２の妊娠可能性が高い期間を表示部１ｂに表示させる（Ｓ４７）。
　なお、図９では、事後シグナルが無い場合のみ事前シグナルの有無を判断する例について述べたが、これに限られない。たとえば、第２の妊娠可能性の高い期間の算出は、事前シグナルの有無のみに基づいて実行されることでもよい（事後シグナルの有無は考慮しない）。
　本実施形態に係るプログラムによれば、基礎体温に基づいて、現在の体調等を考慮したデータ（第２の妊娠可能性の高い期間または排卵の終了）を算出できる。よって、より信頼性の高い排卵日の予測や妊娠可能性の高い期間を提示することができるため、妊娠確率の向上を図ることができる。
＜その他＞
　ユーザ端末１は、上述の実施形態において入力された月経日データや排卵日データをサーバ２に送信してもよい。サーバ２は、送信されたデータをデータベース２ａに蓄積し、そのデータを従来のプログラムに反映させることで、より精度の高いプログラムを構築することができる。構築されたプログラムは、たとえば、携帯アプリのバージョンアップという形でユーザ端末１に配信される。
　上記の実施形態は、プログラムが前述した各種の処理をコンピュータ又はマイクロプロセッサに実行させることにより実現可能である。この場合、全ての処理をプログラムに実行させてもよいし、一部の処理をハードウェアに処理させ残りの処理をプログラムに実行させてもよい。また、実行可能なプログラムが記憶された非一時的なコンピュータ可読媒体（non-transitory computer readable medium with an executable program thereon）を用いて、コンピュータにプログラムを供給することも可能である。なお、非一時的なコンピュータの可読媒体の例は、磁気記録媒体（例えばフレキシブルディスク、磁気テープ、ハードディスクドライブ）、ＣＤ－ＲＯＭ（Read Only Memory）等がある。
　本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定するものではない。これら実施形態は、適宜組み合わせて実施することが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。それらの実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれる。
　１　ユーザ端末
　２　サーバ

Claims (9)

  1. 　コンピュータに、
    　予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、前記特定の月経周期に対応した予測排卵日データを算出する処理を実行させることを特徴とする排卵日予測プログラム。
  2. 　コンピュータに、
    　入力部を介して複数回入力された月経日データに基づいて、前記特定の月経周期を算出する処理を実行させることを特徴とする請求項１記載の排卵日予測プログラム。
  3. 　コンピュータに、
    　前記月経日データ及び入力部を介して複数回入力された排卵日データに基づいて、月経日と排卵日との間隔を複数求め、当該間隔の最大値と最小値との差を算出する処理を実行させ、
    　前記予測排卵日データを算出する際、前記差が閾値以下の場合には、複数の前記月経日と排卵日との間隔に基づいて、当該予測排卵日データを算出する処理を実行させることを特徴とする請求項２記載の排卵日予測プログラム。
  4. 　コンピュータに、
    　表示部に前記予測排卵日データを表示する処理を実行させることを特徴とする請求項１～３のいずれか一つに記載の排卵日予測プログラム。
  5. 　コンピュータに、
    　前記予め取得した複数人のデータに基づく排卵日前後の妊娠率に関するデータ、及び算出された前記予測排卵日データに基づいて、第１の妊娠可能性の高い期間を算出する処理を実行させることを特徴とする請求項１～４のいずれか一つに記載の排卵日予測プログラム。
  6. 　コンピュータに、
    　表示部に前記第１の妊娠可能性の高い期間を表示する処理を実行させることを特徴とする請求項５記載の排卵日予測プログラム。
  7. 　コンピュータに、
    　入力部を介して複数回入力された基礎体温に基づいて、排卵の事前の兆候を示す事前シグナル及び／または排卵の事後の兆候を示す事後シグナルの有無の検出を実行させ、
    　前記事前シグナルが検出された場合、当該事前シグナルに基づいて第２の妊娠可能性の高い期間を算出する処理を実行させ、前記事後シグナルが検出された場合、当該事後シグナルに基づいて前記排卵が終了していると判断する処理を実行させることを特徴とする請求項５または６記載の排卵日予測プログラム。
  8. 　コンピュータに、
    　表示部に前記第２の妊娠可能性の高い期間または排卵の終了メッセージを表示する処理を実行させることを特徴とする請求項７記載の排卵日予測プログラム。
  9. 　予め取得した複数人のデータに基づいて推定された、月経日と排卵日との間隔と平均月経周期との関係に対し、特定の月経周期を適用することにより、前記特定の月経周期に対応した予測排卵日データを算出することを特徴とする排卵日予測方法。
PCT/JP2015/059398 2014-03-28 2015-03-26 排卵日予測プログラム及び排卵日予測方法 Ceased WO2015147174A1 (ja)

Priority Applications (9)

Application Number Priority Date Filing Date Title
JP2016510488A JP5998307B2 (ja) 2014-03-28 2015-03-26 排卵日予測プログラム及び排卵日予測方法
CA2944136A CA2944136A1 (en) 2014-03-28 2015-03-26 Program for predicting day of ovulation and method of predicting the same
EP15767733.7A EP3123942A4 (en) 2014-03-28 2015-03-26 Ovulation day prediction program and ovulation day prediction method
US15/129,249 US11013497B2 (en) 2014-03-28 2015-03-26 Program for predicting day of ovulation and method of predicting the same
AU2015234868A AU2015234868A1 (en) 2014-03-28 2015-03-26 Ovulation day prediction program and ovulation day prediction method
RU2016139972A RU2016139972A (ru) 2014-03-28 2015-03-26 Программа для прогнозирования дня овуляции и способ его расчета
BR112016021895A BR112016021895A2 (pt) 2014-03-28 2015-03-26 Programa para previsão do dia da ovulação e método de previsão do dia da ovulação
CN201580015973.5A CN106535776B (zh) 2014-03-28 2015-03-26 排卵日预测程序及排卵日预测方法
PH12016501926A PH12016501926B1 (en) 2014-03-28 2016-09-28 Program for predicting day of ovulation and method of predicting the same

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2014069044 2014-03-28
JP2014-069044 2014-03-28

Publications (1)

Publication Number Publication Date
WO2015147174A1 true WO2015147174A1 (ja) 2015-10-01

Family

ID=54195680

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/059398 Ceased WO2015147174A1 (ja) 2014-03-28 2015-03-26 排卵日予測プログラム及び排卵日予測方法

Country Status (10)

Country Link
US (1) US11013497B2 (ja)
EP (1) EP3123942A4 (ja)
JP (1) JP5998307B2 (ja)
CN (1) CN106535776B (ja)
AU (1) AU2015234868A1 (ja)
BR (1) BR112016021895A2 (ja)
CA (1) CA2944136A1 (ja)
PH (1) PH12016501926B1 (ja)
RU (1) RU2016139972A (ja)
WO (1) WO2015147174A1 (ja)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018023477A (ja) * 2016-08-09 2018-02-15 株式会社エムティーアイ 基礎体温予測プログラム、基礎体温予測方法
JP2022542801A (ja) * 2019-08-07 2022-10-07 ソシエテ・デ・プロデュイ・ネスレ・エス・アー 妊孕性を向上させる食事及び生活習慣の推奨案を提供するシステム及び方法

Families Citing this family (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2016132528A1 (ja) * 2015-02-20 2016-08-25 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム
WO2016132529A1 (ja) * 2015-02-20 2016-08-25 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム
EP3531923B1 (en) * 2016-10-27 2021-07-28 Ava AG System and a method for non-invasive monitoring of estrogen
US10938950B2 (en) * 2017-11-14 2021-03-02 General Electric Company Hierarchical data exchange management system
CN112689471A (zh) 2018-07-12 2021-04-20 普瑞玛太普公司 阴道温度传感设备和方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004290335A (ja) * 2003-03-26 2004-10-21 Tanita Corp 婦人用体調管理装置
JP2010012091A (ja) * 2008-07-04 2010-01-21 Nishitomo Co Ltd 婦人用体温計
JP2011062322A (ja) * 2009-09-17 2011-03-31 Terumo Corp 女性用体温計

Family Cites Families (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US4465077A (en) * 1981-11-12 1984-08-14 Howard Schneider Apparatus and method of determining fertility status
EP0606343A1 (en) * 1991-10-01 1994-07-20 BIGGEL, Emil Josef Menstrual cycle meter
US5606535A (en) * 1995-11-29 1997-02-25 Lynn; Lynn Digital menstrual wristwatch
EP1077046A4 (en) * 1998-05-06 2002-05-29 Matsushita Electric Industrial Co Ltd EAR THERMOMETER FOR FEMALE USE
US6278999B1 (en) * 1998-06-12 2001-08-21 Terry R. Knapp Information management system for personal health digitizers
GB9921453D0 (en) * 1999-09-11 1999-11-10 Blue Claire Time measuring device
JP2002215192A (ja) * 2001-01-17 2002-07-31 Nec Corp オーディオ情報処理装置及び処理方法
GB0617451D0 (ja) 2006-09-05 2006-10-18 Medical Prediction Ltd
JP5179799B2 (ja) 2007-08-16 2013-04-10 テルモ株式会社 婦人体温計及び生理周期予測プログラム
KR101043261B1 (ko) * 2009-01-23 2011-06-21 서강대학교산학협력단 개인 맞춤형 월경기 또는 가임기 예측 시스템 및 그 계산방법
AP2012006267A0 (en) * 2009-10-26 2012-06-30 Univ Georgetown Systems and methods for tracking fertility cycles.
JP2012032337A (ja) * 2010-08-02 2012-02-16 Terumo Corp 女性体温計及びその制御方法
US8834389B2 (en) * 2011-11-25 2014-09-16 Tepsync Temperature based fertility monitoring system and related method
US20150112706A1 (en) * 2013-10-17 2015-04-23 Ovuline, Inc. System and Methods for Personal health Analytics Technical Field
WO2015079526A1 (ja) * 2013-11-28 2015-06-04 楽天株式会社 情報処理装置、情報処理方法及び情報処理プログラム

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004290335A (ja) * 2003-03-26 2004-10-21 Tanita Corp 婦人用体調管理装置
JP2010012091A (ja) * 2008-07-04 2010-01-21 Nishitomo Co Ltd 婦人用体温計
JP2011062322A (ja) * 2009-09-17 2011-03-31 Terumo Corp 女性用体温計

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
See also references of EP3123942A4 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2018023477A (ja) * 2016-08-09 2018-02-15 株式会社エムティーアイ 基礎体温予測プログラム、基礎体温予測方法
JP2022542801A (ja) * 2019-08-07 2022-10-07 ソシエテ・デ・プロデュイ・ネスレ・エス・アー 妊孕性を向上させる食事及び生活習慣の推奨案を提供するシステム及び方法
JP7699575B2 (ja) 2019-08-07 2025-06-27 ソシエテ・デ・プロデュイ・ネスレ・エス・アー 妊孕性を向上させる食事及び生活習慣の推奨案を提供するシステム及び方法
US12512206B2 (en) 2019-08-07 2025-12-30 Societe Des Produits Nestle S.A. System and method for providing fertility enhancing dietary and lifestyle recommendations

Also Published As

Publication number Publication date
JP5998307B2 (ja) 2016-09-28
RU2016139972A (ru) 2018-04-28
EP3123942A4 (en) 2018-01-03
RU2016139972A3 (ja) 2018-12-14
CA2944136A1 (en) 2015-10-01
EP3123942A1 (en) 2017-02-01
AU2015234868A1 (en) 2016-10-20
CN106535776A (zh) 2017-03-22
JPWO2015147174A1 (ja) 2017-04-13
US11013497B2 (en) 2021-05-25
CN106535776B (zh) 2020-06-23
BR112016021895A2 (pt) 2017-08-15
PH12016501926A1 (en) 2017-01-09
PH12016501926B1 (en) 2022-03-09
US20180228474A1 (en) 2018-08-16

Similar Documents

Publication Publication Date Title
JP5998307B2 (ja) 排卵日予測プログラム及び排卵日予測方法
Rudisill How do we handle new health risks? Risk perception, optimism, and behaviors regarding the H1N1 virus
US10185807B2 (en) System and method for conducting real time active surveillance of disease outbreak
JP2019036350A (ja) ヘルスケアシステムを運営するシステム及び方法
US20200090812A1 (en) Machine learning for measuring and analyzing therapeutics
US11244764B2 (en) Monitoring predictive models
US20240105334A1 (en) Predication of a headache
US20230274821A1 (en) Systems and methods to provide real-time feedback for patient wait time
KR102166124B1 (ko) 기계학습 기반 여성생체신호 분석과 월경통증 예측 통한 여성 질환 예방 방안
US20170103177A1 (en) Physician communication systems and methods
CN113782163A (zh) 信息推送方法、装置和计算机可读存储介质
KR20190082124A (ko) 예상 진료대기시간 제공 방법 및 그 장치
JP6303630B2 (ja) 排卵日推定装置、排卵日推定方法及び排卵日推定プログラム
JP6259147B1 (ja) 体調予測システム
JP2018022479A (ja) 治験における電子的インフォームド・コンセント・プロセスを管理するための方法およびシステム
JP7683439B2 (ja) 生理周期予測装置、生理周期予測方法、生理周期予測プログラムおよび生理周期予測システム
US20220319662A1 (en) Rehabilitation work support apparatus, rehabilitation work support system, rehabilitation work support method, and computer readable medium
US20200321128A1 (en) Data processing device, data processing method and non-transitory storage medium storing data processing program
JP2018023477A (ja) 基礎体温予測プログラム、基礎体温予測方法
JP2021519963A (ja) 患者の生活の質、関与度及び持続性を改善するための疾患因子の早期フィードバック
JP6119072B1 (ja) 遠隔診療支援システム、遠隔診療支援サーバ及び遠隔診療支援方法
Singh et al. Breast cancer center: improving access to patient care
US20260011451A1 (en) Sensor-based machine learning in a health prediction environment
EP4393398A1 (en) Information processing method, information processing device, and information processing program
Łukaszuk Application of machine learning in menstrual cycle assessment based on data from iYoni mobile app

Legal Events

Date Code Title Description
ENP Entry into the national phase

Ref document number: 2016510488

Country of ref document: JP

Kind code of ref document: A

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15767733

Country of ref document: EP

Kind code of ref document: A1

WWE Wipo information: entry into national phase

Ref document number: 15129249

Country of ref document: US

ENP Entry into the national phase

Ref document number: 2944136

Country of ref document: CA

NENP Non-entry into the national phase

Ref country code: DE

REEP Request for entry into the european phase

Ref document number: 2015767733

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: 12016501926

Country of ref document: PH

Ref document number: 2015767733

Country of ref document: EP

WWE Wipo information: entry into national phase

Ref document number: IDP00201606943

Country of ref document: ID

ENP Entry into the national phase

Ref document number: 2015234868

Country of ref document: AU

Date of ref document: 20150326

Kind code of ref document: A

ENP Entry into the national phase

Ref document number: 2016139972

Country of ref document: RU

Kind code of ref document: A

REG Reference to national code

Ref country code: BR

Ref legal event code: B01A

Ref document number: 112016021895

Country of ref document: BR

ENP Entry into the national phase

Ref document number: 112016021895

Country of ref document: BR

Kind code of ref document: A2

Effective date: 20160923