JP6372824B2 - Ｃｖｈｒ形状測定装置 - Google Patents

Description

本明細書に開示する技術は、心拍数周期性変動の振幅又はこれに関連した特性を測定する装置に関する。なお、本明細書では、心拍数周期性変動をＣＶＨＲ（ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ ｏｆ ｈｅａｒｔ ｒａｔｅ）と称し、心拍数周期性変動の振幅をＡＣＶ（ａｍｐｌｉｔｕｄｅ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ）と称する。

特許文献１には、睡眠呼吸障害の無呼吸発作又は低呼吸発作に伴うＣＶＨＲを検出する技術が開示されている。特許文献１では、当該技術を用いて被験者の単位時間（特許文献１では１時間）当たりのＣＶＨＲの頻度（ｆｒｅｑｕｅｎｃｙ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ， ＦＣＶ）を計測することにより、被験者が閉塞型睡眠時無呼吸症候群（ｏｂｓｔｒｕｃｔｉｖｅ ｓｌｅｅｐ ａｐｎｅａ ｓｙｎｄｒｏｍｅ， ＯＳＡＳ）に罹患しているか否かを高精度に検出できるとしている。

特開２０１０−５１３８７号公報

特許文献１の技術では、ＣＶＨＲを検出し、そのＦＣＶを計測することで、睡眠時無呼吸症候群に罹患しているか否かを予測し、その重症度を推定する。しかしながら、発明者が鋭意研究した結果、ＦＣＶの多寡は、被験者の所定期間内における死亡率などの健康リスクの程度（以下、健康リスクとも称する）とはあまり関連性がないことが分かってきた。即ち、ＦＣＶは健康リスクを予測する指標としては不十分であることが分かってきた。

本明細書では、所定期間内における死亡率などの健康リスクの程度を従来よりも正確に予測できる技術を開示する。

本明細書が開示するＣＶＨＲ形状測定装置は、ＣＶＨＲ検出手段と、ＣＶＨＲ形状特性指標取得手段と、を備える。ＣＶＨＲ検出手段は、心拍又は脈拍の周期又は周波数を時系列で示したデータから、心拍数周期性変動（ＣＶＨＲ）を検出する。ＣＶＨＲ形状特性指標取得手段は、ＣＶＨＲ検出手段で検出されたＣＶＨＲの波形に対して、次の形状特性指標：振幅（ＡＣＶ）、傾き、持続時間に対する上記振幅の比、及び面積の少なくとも１つを取得する。なお、脈拍は、心拍と連動している。このため、本明細書では、脈拍の周期的な変動も「心拍数周期性変動（ＣＶＨＲ）」と総称する。
また、一般に、ＣＶＨＲは、「睡眠時における無呼吸発作又は低呼吸発作に伴って周期的に出現する心拍変動」と定義されているが、本明細書では、ＣＶＨＲを「無呼吸又は低呼吸に伴う心拍変動」と広義に定義する。即ち、本明細書では、睡眠時だけではなく覚醒時における無呼吸又は低呼吸に伴う心拍変動もＣＶＨＲ様の現象として広義のＣＶＨＲに含むものとする。このため、本明細書におけるＣＶＨＲは、睡眠呼吸障害に起因して生じる無呼吸発作又は低呼吸発作に伴って現れるものに限られない。
また、本明細書における「無呼吸又は低呼吸」とは、発作により自然に生じるものに限定されず、例えば、覚醒時に意識的に呼吸を止めたり呼吸量を減らすなどして人為的に作り出したものも含まれる。これにより生じる心拍変動もＣＶＨＲ様の現象として広義のＣＶＨＲに含むものとする。また、本明細書では、無呼吸又は低呼吸に伴い生じる心拍変動であれば、周期性がなくてもＣＶＨＲ様の現象として広義のＣＶＨＲに含むものとする。別言すれば、本明細書では、生理的な心拍変動（即ち、無呼吸又は低呼吸に伴い生じる心拍変動以外の心拍変動）はＣＶＨＲに含まれない。

ここで、ＣＶＨＲの各形状特性指標について説明する。個々のＣＶＨＲの波形は、それぞれ第１の極大値と、極小値と、第２の極大値を有する。第１の極大値は、極小値に対して時系列の先に出現する、極小値に最も近い点であり、第２の極大値は、極小値に対して時系列の後に出現する、極小値に最も近い点である。振幅（ＡＣＶ）は、第１の極大値と第２の極大値を結ぶ直線と極小値との距離である。傾きは、振幅を、第１の極大値から極小値までの経過時間で除したもの、及び／又は振幅を、極小値から第２の極大値までの経過時間で除したものである。持続時間は、第１極大値から第２極大値までの経過時間である。このため、持続時間に対する振幅の比とは、第１の極大値と第２の極大値を結ぶ直線と極小値との距離を、第１極大値から第２極大値までの経過時間で除したものである。面積は、ＣＶＨＲの波形と、第１の極大値と第２の極大値を結ぶ直線とによって囲まれた範囲の大きさである。なお、上記の「１つのＣＶＨＲ」とは、１回の心拍変動によるＣＶＨＲでもよいし、複数回の心拍変動を平均したＣＶＨＲでもよい。なお、ＣＶＨＲ形状特性指標取得手段は、振幅（ＡＣＶ）だけではなく、ＡＣＶに関連した特性（例えば、対数）も取得し得る。

ＣＶＨＲは、無呼吸又は低呼吸に伴う心拍変動である。このため、ＣＶＨＲの振幅（ＡＣＶ）は、無呼吸負荷又は低呼吸負荷に対する心拍応答の強さを表していると言える。また、その他の形状特性指標（ＣＶＨＲの傾き、持続時間に対する振幅の比、面積）は、無呼吸負荷又は低呼吸負荷に対する心拍応答の強さに関連した値である。発明者が鋭意研究した結果、ＡＣＶの大きさ（即ち、無呼吸・低呼吸負荷に対する心拍応答の強さ）と所定期間内における死亡率などの健康リスクの程度（健康リスク）とは大きく関連しており、ＡＣＶが健康リスクを予測する有用な指標となり得ることが分かってきた。具体的には、ＡＣＶが大きいほど（即ち、無呼吸・低呼吸負荷に対する心拍応答が強いほど）健康リスクが低下し、ＡＣＶが小さいほど（即ち、無呼吸・低呼吸負荷に対する心拍応答が弱いほど）健康リスクが増加することが分かってきた。また、その他の形状特性指標（ＣＶＨＲの傾き、持続時間に対する振幅の比、面積）に関しても、健康リスクを予測する有用な指標となり得ることが分かってきた。具体的には、ＣＶＨＲの傾きの大きさ（絶対値）が大きいほど健康リスクが低下する。また、ＣＶＨＲの持続時間に対する振幅の比が大きいほど健康リスクが低下する。また、ＣＶＨＲの面積が大きいほど健康リスクが低下する。上記のＣＶＨＲ形状測定装置では、ＣＶＨＲ検出手段がＣＶＨＲを検出し、ＣＶＨＲ形状特性指標取得手段がＣＶＨＲの振幅（ＡＣＶ）、傾き、持続時間に対する振幅の比、及び面積の少なくとも１つの形状特性指標を取得する。ＣＶＨＲ形状測定装置は、ＣＶＨＲ形状特性指標取得手段が取得した形状特性指標の少なくとも１つを参照することにより、健康リスクを従来よりも正確に予測することができる。なお、健康リスクとは、上述した所定期間内における死亡率の他に、罹患率、発症率、再発率（再入院率）、疾患の進行度合いなどを含む。

また、本明細書は、上記の課題を解決することができる新規な別のＣＶＨＲ形状測定装置を開示する。このＣＶＨＲ形状測定装置は、ＣＶＨＲ入力手段と、ＣＶＨＲ形状特性指標取得手段と、を備える。ＣＶＨＲ入力手段は、心拍又は脈拍の周期又は周波数を時系列で示したデータから特定される、周期的に出現する心拍数周期性変動（ＣＶＨＲ）を入力する。ＣＶＨＲ形状特性指標取得手段は、ＣＶＨＲ入力手段で入力されたＣＶＨＲの波形に対して、次の形状特性指標：振幅（ＡＣＶ）、傾き、持続時間に対する上記振幅の比、及び面積の少なくとも１つを取得する。このＣＶＨＲ形状測定装置は、ＣＶＨＲの検出を行わない。即ち、このＣＶＨＲ形状測定装置には、装置の外部で検出されたＣＶＨＲが入力される。このため、ＣＶＨＲ形状測定装置を、ＣＶＨＲを検出可能な種々の装置に接続して使用することが可能となる。

また、本明細書は、上記の課題を解決することができる新規なコンピュータプログラムを開示する。このコンピュータプログラムは、ＣＶＨＲ検出処理と、ＣＶＨＲ形状特性指標取得処理と、をコンピュータに実行させる。ＣＶＨＲ検出処理は、心拍又は脈拍の周期又は周波数を時系列で示したデータからＣＶＨＲを検出する。ＣＶＨＲ形状特性指標取得処理は、ＣＶＨＲ検出処理で検出されたＣＶＨＲの波形に対して、次の形状特性指標：振幅（ａｍｐｌｉｔｕｄｅ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ，ＡＣＶ）、傾き、持続時間に対する前記振幅の比、及び面積の少なくとも１つを取得する。このコンピュータプログラムを利用すると、所定期間内における死亡率などの健康リスクの程度を従来よりも正確に予測できるＣＶＨＲ形状測定装置を実現できる。

また、本明細書は、上記の課題を解決することができる新規な別のＣＶＨＲ形状測定装置を開示する。このＣＶＨＲ形状測定装置は、ＣＶＨＲ検出手段と、ＣＶＨＲ形状取得手段と、評価手段と、を備える。ＣＶＨＲ検出手段は、心拍又は脈拍の周期又は周波数を時系列で示したデータから、心拍数周期性変動（ＣＶＨＲ）を検出する。ＣＶＨＲ形状取得手段は、ＣＶＨＲ検出手段で検出された前記ＣＶＨＲの波形の形状を取得する。評価手段は、ＣＶＨＲ形状取得手段で取得された前記ＣＶＨＲの形状のみから健康リスクを評価する。このＣＶＨＲ形状測定装置によると、健康リスクの程度を容易に知ることができる。

本明細書が開示する技術の詳細、及び、さらなる改良は、発明を実施するための形態、及び、実施例にて詳しく説明する。

ＣＶＨＲ形状測定装置の構成を示すブロック図。 ホルター心電計により測定された２４時間のＲ−Ｒ間隔時系列データを示す図。 （ａ）は同一のＦＣＶの対数値を有する集団におけるＡＣＶの対数値の分布を、ＦＣＶの対数値毎に表したグラフＡを示し、（ｂ）は（ａ）のグラフにおけるＦＣＶの対数値とＡＣＶの対数値の平均の関係を表したグラフＢを示し、（ｃ）は（ａ）のグラフにおけるＦＣＶの対数値とＡＣＶの対数値の標準偏差の関係を表したグラフＣを示す。 ＡＣＶｓｃｏｒｅ測定処理のフローチャート。 図４の続きのフローチャート。 図５の続きのフローチャート。 ディップ深さ算出処理のフローチャート。 ＣＶＨＲの振幅（ＡＣＶ）の対数算出処理のフローチャート。 ＡＣＶｓｃｏｒｅ算出処理のフローチャート。 Ｒ−Ｒ間隔時系列データを模式的に示す。 Ｒ−Ｒ間隔時系列データを模式的に示す。 （ａ）はＣＶＨＲ検出手段により検出されたｎ個のＣＶＨＲをｎ個のセグメントｓ１〜ｓｎに区画した状態を示し、（ｂ）はｎ個のセグメントｓ１〜ｓｎを加算平均することにより作成された加算平均時系列を示す。 （ａ）は予後が良い被験者の加算平均時系列のグラフＤを示し、（ｂ）は１年後に死亡した被験者の加算平均時系列のグラフＥを示す。 ＡＣＶｓｃｏｒｅと急性心筋梗塞罹患後の集団の死亡率のＫａｐｌａｎ−Ｍｅｉｅｒ曲線を示す。 ＡＣＶｓｃｏｒｅと急性心筋梗塞罹患後の別の集団の死亡率のＫａｐｌａｎ−Ｍｅｉｅｒ曲線を示す。 ＡＣＶｓｃｏｒｅと末期腎不全血液透析患者の集団の死亡率のＫａｐｌａｎ−Ｍｅｉｅｒ曲線を示す。 ＡＣＶｓｃｏｒｅと慢性心不全に罹患した集団の死亡率のＫａｐｌａｎ−Ｍｅｉｅｒ曲線を示す。 ＣＶＨＲの各形状特性指標を説明するための図。

以下に説明する実施例の主要な特徴を列記しておく。なお、以下に記載する技術要素は、それぞれ独立した技術要素であって、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。

（特徴１） 本明細書が開示するＣＶＨＲ形状測定装置では、ＣＶＨＲ形状特性指標取得手段が、上記データの所定の期間中に検出された複数のＣＶＨＲのそれぞれの波形を示す上記データを加算平均することによりＡＣＶ、傾き、持続時間に対する上記振幅の比、及び面積の少なくとも１つを取得してもよい。ＣＶＨＲの形状（波形）は、呼吸の程度（無呼吸もしくは低呼吸）又は無呼吸もしくは低呼吸の持続期間等により変動するため、個々のＣＶＨＲの各形状特性指標にはばらつきがある。このため、複数のＣＶＨＲの波形を加算平均し、加算平均により生成された１つのＣＶＨＲの波形の各形状特性指標を取得することにより、各形状特性指標の信頼性が高くなる。

（特徴２） 本明細書が開示するＣＶＨＲ形状測定装置は、ＦＣＶ取得手段と、ＡＣＶ補正手段と、をさらに備えていてもよい。ＦＣＶ取得手段は、所定の期間中にＣＶＨＲ検出手段で検出されたＣＶＨＲの単位時間当たりの頻度（ＦＣＶ）を取得してもよい。ＡＣＶ補正手段は、ＡＣＶをＦＣＶの値に基づいて補正して、補正済振幅（ＡＣＶｓｃｏｒｅ）を取得してもよい。本発明者の研究によると、ＡＣＶはＦＣＶと相関する。このため、ＡＣＶをＦＣＶの値に基づいて補正することにより、補正後のＡＣＶである補正済振幅（ＡＣＶｓｃｏｒｅ）は、ＦＣＶの値から独立した、汎用的な指標として機能する。従って、健康リスクをさらに正確に予測できる。なお、ＦＣＶ取得手段は、ＦＣＶだけではなく、ＦＣＶに関連した特性も測定し得る。
また、本明細書が開示するＣＶＨＲ形状測定装置は、ＣＶＨＲが１度でも生じれば当該ＣＶＨＲの振幅（ＡＣＶ）を測定できる。即ち、上記データにＣＶＨＲが１つでも出現していればよい。上記データの期間が上記単位時間を超える場合は、ＦＣＶは０より大きければよい（例：データの期間が２時間で、単位時間が１時間の場合、当該データに１つのＣＶＨＲが出現すると、ＦＣＶは０．５となる）。

（特徴３） 本明細書が開示するＣＶＨＲ形状測定装置では、ＡＣＶ補正手段が、所定の期間中のデータから取得されたＡＣＶと、そのＡＣＶを取得した上記の所定の期間中のデータから取得されたＦＣＶとを関連付けて複数組蓄積されたデータベースから導き出された次の２つの関数：ＦＣＶの関数であるＡＣＶの平均値関数、及びＦＣＶの関数であるＡＣＶの標準偏差関数を用いて、ＡＣＶを補正するものであってもよい。ＣＶＨＲ形状特性指標取得手段で取得されたＡＣＶを、そのＡＣＶを取得した所定の期間中のデータから取得されたＦＣＶに対応する、上記の平均値関数から得られる平均値及び上記の標準偏差関数から得られる標準偏差を用いて補正してもよい。なお、本明細書における「ＡＣＶの平均値」とは、同一のＦＣＶを有する複数の被験者のＡＣＶの平均値を意味する。この構成によると、補正済振幅（ＡＣＶｓｃｏｒｅ）を、ＡＣＶの一種の偏差値として算出することができる。データベースから導き出された関数を補正に用いることで、ＡＣＶｓｃｏｒｅの汎用性を向上することができる。なお、上記２つの関数は、それぞれＦＣＶの対数値、ＡＣＶの対数値の平均値、及びＡＣＶの対数値の標準偏差であってもよい。

（特徴４） 本明細書が開示するＣＶＨＲ形状測定装置では、データが、Ｒ−Ｒ間隔、脈拍間隔、心拍動間隔のいずれかを時系列で示したデータであってもよい。これらのデータはいずれも現在普及している装置（例えば、ホルター心電計、ウェアラブルな脈波計、心拍動計等）で容易に取得可能なデータである。このため、データを取得するために入院したりする必要がなく、手軽にデータを取得できる。上記のＣＶＨＲ形状測定装置を用いることで、ＡＣＶの値を、日常生活において無侵襲かつ安全に繰り返し測定することができる。このため、ＣＶＨＲ形状測定装置を自身で健康を管理する手段として利用することができる。

図面を参照して実施例を説明する。図１は、本実施例のＣＶＨＲ形状測定装置２の構成を示すブロック図である。ＣＶＨＲ形状測定装置２は、Ｒ−Ｒ間隔時系列データ入力部１６とディップ検出部１８とディップ深さ算出部２０と心拍変動指標算出部２２と個別閾値決定処理部２４とディップ幅算出部２６とディップ間隔算出部２８とディップ群特定部３０とＡＣＶ対数算出部３２とＦＣＶ対数算出部３４とＡＣＶｓｃｏｒｅ算出部３６とその他の演算部３８と記憶部４０と操作部４２と表示部４４とを備えている。なお、ＣＶＨＲ形状測定装置２に搭載されているコンピュータがプログラムに従って処理を実行することによって、上記の各部１６〜３８等が実現される。

Ｒ−Ｒ間隔時系列データ入力部１６は、通信回線１４に接続されている。通信回線１４は、Ｒ−Ｒ間隔測定装置（本実施例ではホルター心電計）に接続されている。Ｒ−Ｒ間隔時系列データ入力部１６は、Ｒ−Ｒ間隔測定装置によって測定されて出力された人間のＲ−Ｒ間隔時系列データを入力する。図２は、Ｒ−Ｒ間隔時系列データの一例を示す。図２では、Ｒ−Ｒ間隔時系列データが２４時間に亘って測定されている。ディップ検出部１８は、Ｒ−Ｒ間隔時系列データから複数の局所的ディップを検出する。本実施例では、ディップ検出部１８は、２４時間のＲ−Ｒ間隔時系列データのうち、就床時のＲ−Ｒ時系列データから複数の局所的ディップを検出する。なお、就床時とは寝床に入っている時間帯を意味するものであり、覚醒状態であってもよいことに注意されたい。また、就床時は、被験者の申告により特定してもよいし、例えば２３時〜翌６時までの７時間を一般的な就床時として定義してもよい。上記の説明から明らかなように、データ入力部１６が入力するデータ範囲は２４時間のデータに限られず、例えば２３時から翌６時までの７時間のデータであってもよい。ディップ検出部１８は、ディップ幅及びディップ深さ等のデータから、所定のディップ形状を満たすディップ群を検出する。ディップの検出方法については、後で詳しく説明する。ディップ深さ算出部２０は、ディップ検出部１８によって検出されたディップ群のそれぞれの深さを算出する。ディップ深さを算出する方法については、後で詳しく説明する。なお、Ｒ−Ｒ間隔測定装置として、ホルター心電計の代わりに睡眠ポリグラフを用いてもよい。また、Ｒ−Ｒ間隔時系列データの代わりに、脈波計により測定された脈拍間隔時系列データを用いてもよいし、心拍動計により測定された心拍動間隔時系列データを用いてもよい。脈波計には、例えばウェアラブルな脈波計を用いてもよい。

心拍変動指標算出部２２は、Ｒ−Ｒ間隔時系列データから高周波数成分（０．１５Ｈｚ〜０．４５Ｈｚ）の振幅を算出する。心拍変動指標算出部２２は、以下に示す演算方法のいずれかによって周波数成分を抽出することができる。例えば心拍変動指標算出部２２は、複素復調分析によって高周波数成分の振幅を算出してもよい。また、心拍変動指標算出部２２は、高速フーリエ変換又は自己回帰分析によって高周波数成分の振幅を算出してもよい。心拍変動指標算出部２２は、ウェイブレッド変換又は短時間フーリエ変換によって周波数成分の振幅を算出してもよい。心拍変動指標算出部２２は、高周波数成分の振幅の推定値として連続するＲ−Ｒ間隔の差分値の自乗平均（ｒｏｏｔ ｍｅａｎ ｓｑｕａｒｅ ｏｆ ｓｕｃｃｅｓｓｉｖｅ ｄｉｆｆｅｒｅｎｃｅ）を算出してもよい。

個別閾値決定処理部２４は、心拍変動指標算出部２２によって抽出された高周波数成分の振幅から、ＣＶＨＲの候補となるディップの深さに関するデータ固有の閾値を、データ固有閾値として決定する。この実施例では、高周波数成分の振幅の２．５倍の値を、データ固有閾値として採用している。ディップ幅算出部２６は、複数の局所的ディップのそれぞれの幅（即ち各ディップが出現している時間の長さ）を算出する。ディップ間隔算出部２８は、連続する各２つのディップの間隔を算出する。ディップ間隔は、ディップ幅の中心値から、隣接するディップのディップ幅の中心値までの時間である。

ディップ群特定部３０は、以下の各処理を実行する。
（１）複数の局所的ディップの中から、データ固有閾値よりも大きいディップ深さを有しているディップ群を、有意ディップ群として特定する。
（２）上記の（１）で特定された有意ディップ群の中から、所定の類似の形状を有しているディップ群を類似ディップ群として特定する。
（３）上記の（２）で特定された類似ディップ群の中から、所定の周期性を持って連続しているディップ群を周期性ディップ群として特定する。
（３）で特定された周期性ディップ群のそれぞれのディップがＣＶＨＲである。

上記の（１）ではデータ毎に算出されるデータ固有閾値をディップの深さの有意性の判定基準としているため、上記の（１）で特定されるディップ群を、有意ディップ群と呼ぶ。上記の（２）で特定されるディップ群を、類似ディップ群と呼ぶ。上記の（３）で特定されるディップ群を、周期性ディップ群と呼ぶ。なお、ディップ検出部１８、ディップ深さ算出部２０、心拍変動指標算出部２２、個別閾値決定処理部２４、ディップ幅算出部２６、ディップ間隔算出部２８、及びディップ群特定部３０が、「ＣＶＨＲ検出手段」の一例に相当する。

ＡＣＶ対数算出部３２は、ディップ群特定部３０によって特定された周期性ディップ群のそれぞれのディップ（ＣＶＨＲの波形）を加算平均し、その振幅を心拍数周期性変動の振幅（ＡＣＶ）として算出し、その対数を算出する。なお、ＡＣＶ対数算出部３２が「ＣＶＨＲ形状特性指標取得手段」の一例に相当する。

ＦＣＶ対数算出部３４は、処理対象となるＲ−Ｒ間隔時系列データに出現するＣＶＨＲの１時間当たりの頻度（即ち、ＦＣＶ）を算出し、その対数を算出する。なお、ＦＣＶ対数算出部３４が、「ＦＣＶ取得手段」の一例に相当する。

ＡＣＶｓｃｏｒｅ算出部３６は、ＡＣＶ対数算出部３２により算出されたＡＣＶの対数値を、ＦＣＶ対数算出部３４で算出されたＦＣＶの対数値に基づいて補正し、補正済振幅（ＡＣＶｓｃｏｒｅ）として算出する。なお、ＡＣＶｓｃｏｒｅ算出部３６が、「ＡＣＶ補正手段」の一例に相当する。
ここで、図３（ａ）〜（ｃ）を参照してＦＣＶとＡＣＶの相関関係について説明する。図３（ａ）のグラフＡは、ＡＣＶの自然対数（以下、単にＡＣＶの対数とも称する）の分布を、ＦＣＶの自然対数（以下、単にＦＣＶの対数とも称する）の値毎に示したグラフである。グラフＡは、２１万例の被験者のホルター心電図のデータが蓄積された大規模なデータベースに基づき作成されている。グラフＡの“ｎ ｏｆ ｓｕｂｊｅｃｔ”は、ＦＣＶの対数値毎の被験者数を示す。グラフＡの高さは、ＡＣＶの各対数値を有する被験者の、母集団（２１万例）における割合を表す。図３（ｂ）のグラフＢは、グラフＡのＡＣＶの対数の平均値（Ｍｅａｎ）を、ＦＣＶの対数値毎に示したグラフである。グラフＢによると、ＡＣＶの対数の平均値は、ＦＣＶの対数の増加に伴い線形に増加しており、その振る舞いは、関数ｆ（ｘ）＝０．１４ｘ＋４．２（ｘ：ＦＣＶの対数、ｆ（ｘ）：ＡＣＶの対数の平均値）に近似できることが分かる。また、図３（ｃ）のグラフＣは、グラフＡのＡＣＶの対数の分布の標準偏差（Ｓｔａｎｄａｒｄ Ｄｅｖｉａｔｉｏｎ， ＳＤ）を、ＦＣＶの対数値毎に示したグラフである。グラフＣによると、ＡＣＶの対数の標準偏差の振る舞いは、ｇ（ｘ）＝０．０６４ｘ^２−０．３６ｘ＋０．９０（ｘ：ＦＣＶの対数、ｇ（ｘ）：ＡＣＶの対数の標準偏差）に近似できることが分かる。
記憶部４０（後述）は、上記２つの関数ｆ（ｘ）、ｇ（ｘ）を記憶している。ＡＣＶｓｃｏｒｅ算出部３６は、関数ｆ（ｘ）、ｇ（ｘ）を利用してＡＣＶｓｃｏｒｅを算出する（後述）。
その他の演算部３８は、上記以外の様々な演算処理を行う。演算部３８が行う演算処理については、後で詳しく説明する。

記憶部４０は、ＲＯＭ、ＥＥＰＲＯＭ、ＲＡＭ等によって構成されている。記憶部４０は、様々な情報を記憶することができる。本実施例では、記憶部４０は、上述した２つの関数ｆ（ｘ）、ｇ（ｘ）を記憶している。また、記憶部４０は、Ｒ−Ｒ間隔時系列データ入力部１６に入力されたＲ−Ｒ間隔時系列データを記憶している。また、記憶部４０は、各ディップの出現時刻、幅及び深さを記憶している。また、記憶部４０は、ディップ群特定部３０によって特定されたディップ群（即ち、ＣＶＨＲの波形）に関する様々な情報を記憶している。具体的には、記憶部４０は、ＣＶＨＲの振幅（ＡＣＶ）、ＣＶＨＲの１時間当たりの頻度（ＦＣＶ）、及び補正済振幅（ＡＣＶｓｃｏｒｅ）を記憶している。操作部４２は、複数のキーを有する。ユーザは操作部４２を操作することによって、様々な情報をＣＶＨＲ形状測定装置２の各部に入力することができる。表示部４４は、様々な情報を画面に表示することができる。

ＣＶＨＲ形状測定装置２に搭載されたコンピュータプログラムが実行するＡＣＶｓｃｏｒｅ算出処理の内容について説明する。図４〜９は、ＡＣＶｓｃｏｒｅ算出処理のフローチャートを示す。Ｒ−Ｒ間隔時系列データ入力部１６は、通信回線１４を介してＲ−Ｒ間隔時系列データを入力する（Ｓ１０）。

Ｓ１０で入力されたＲ−Ｒ間隔時系列データには、期外収縮や心ブロック等の非生理的不整脈、及びアーチファクトに起因するデータの変動が含まれている。そこで、演算部３８は、非生理的不整脈及びアーチファクトに起因するデータの変動を除去する演算処理を行う（Ｓ１２）。これによって、生理的心拍変動及び無呼吸及び低呼吸による心拍変動以外の原因によるデータの変動を除去することができる。

Ｓ１４では、演算部３８は、Ｒ−Ｒ間隔時系列データの補間を行う。例えばステップ補間を行う場合、個々のＲ−Ｒ間隔の間は、関数値がそのＲ−Ｒ間隔の値に等しい一定値をとるような補間関数を用いる。続いて、演算部３８は、２Ｈｚの周波数で補間関数の値を再サンプリングする。これによって、等間隔でサンプリングされたＲ−Ｒ間隔時系列データＸ（ｔ）を作成する。続いて、ディップ検出部１８は、時系列データＸ（ｔ）の上で、次の（式１）を−５から５秒の範囲の全てのＴに対して満たす時点ｔをディップ候補の存在時刻として検出する（Ｓ１６）。
（式１）｛Ｘ（ｔ）＋Ｔ^２/４９≧Ｘ（ｔ＋Ｔ），Ｔ＝−５，５｝
（式１）は、時系列データＸ（ｔ）を時間ｔに対するグラフとして描いたときに下方に頂点を有する放物線（Ｈ＝Ｔ^２/４９，ここでＴは放物線の中心からの時間［ｓ］，Ｈは放物線の頂点からの高さ［ｍｓ］）が内接し得る変動部位をディップ候補の存在時刻として検出する。

ディップ検出部１８は、ディップ候補に内接する放物線の頂点が、前後１０秒間に存在するどのディップ候補に内接する放物線の頂点の値よりも小さい場合に、当該ディップ候補をディップとして特定する（Ｓ１８）。ディップ検出部１８によって特定されたディップに放物線が内接する位置が、当該ディップの最小値である。以下では、ディップの最小値を、ディップの底とも称する。また、ディップの底が存在する時刻を、ディップの底時刻とも称する。

ディップ深さ算出部２０は、Ｓ１８で検出された複数の局所的ディップにおいて、それぞれのディップ深さＤｉを算出する。ｉは検出されたディップの序数である。図７は、ディップ深さＤｉの算出処理のフローチャートを示す。ディップ深さ算出部２０は、Ｓ１８で検出されたそれぞれのディップについて、図７の処理（Ｓ５０〜Ｓ５６）を実行する。

ディップ深さ算出部２０は、ディップの中心時刻の前後２５秒間の時系列データについて窓幅５秒の移動平均を算出する。得られた移動平均値の位相のずれを補正した時系列をＸＭＶ５（ｔ）とする（Ｓ５０）。ディップの時間軸方向の中央点（中心時刻ｄｉにおいてＸ（ｄｉ）を算出する（Ｓ５４）。Ｘ（ｄｉ）は、ディップの底付近の値である。ディップ深さ算出部２０は、以下の（式２）によってディップ深さＤｉを算出する（Ｓ５６）。
（式２）Ｄｉ＝｛ｍａｘ[ＸＭＶ５（ｔ），ｔ＝ｄｉ−２５，ｄｉ]＋ｍａｘ[ＸＭＶ５（ｔ），ｔ＝ｄｉ，ｄｉ＋２５]｝／２−Ｘ（ｄｉ）
即ち、ディップ深さ算出部２０は、ディップの中央点ｄｉの前の２５秒間における移動平均ＸＭＶ５（ｔ）の最大値と、中央点ｄｉの後の２５秒間における移動平均ＸＭＶ５（ｔ）の最大値を算出し、両者の平均値をベースラインの値として算出している。ディップ深さ算出部２０は、ベースラインと底付近の値の差を算出することにより、ディップ深さＤｉを算出する。

図４のＳ２２では、心拍変動指標算出部２２は、Ｒ−Ｒ間隔時系列データから高速フーリエ変換によって高周波数成分（０．１５〜０．４５Ｈｚ）の振幅ＨＦＡＭＰを算出する。心拍変動指標算出部２２は、データに固有のディップの深さに関する閾値ＤＤＴＨを、ＨＦＡＭＰの２．５倍の値とする（Ｓ２４）。高周波数成分の振幅ＨＦＡＭＰはそれぞれのデータについて算出される。したがって、ＤＤＴＨはデータに適応したデータ固有の閾値となる。

ディップ群特定部３０は、ディップ深さＤｉがデータ固有閾値ＤＤＴＨよりも大きいか否かによってディップｉが有意なディップか否かを判断する（Ｓ２５）。ここでＹＥＳの場合は、ディップ群特定部３０はディップｉを有意なディップとして残す（Ｓ２６）。Ｓ２６で残されたディップ群が、有意ディップ群である。続いてディップ群特定部３０はディップｉがＲ−Ｒ間隔時系列データの最後のディップであるか否かを判断する（Ｓ２８）。ここでＹＥＳの場合は、図５のＳ３０に進む。一方において、Ｓ２８でＮＯの場合、ディップ群特定部３０は、次のディップを特定し（Ｓ２９）、Ｓ２５に戻る。これにより、次のディップについて、ディップ深さＤｉとデータ固有閾値ＤＤＴＨが比較される。

一方において、Ｓ２５でＮＯの場合は、ディップ群特定部３０はディップｉを除去する（Ｓ２７）。続いてディップ群特定部３０はディップｉがＲ−Ｒ間隔時系列データの最後のディップであるか否かを判断する（Ｓ２８）。ここでＹＥＳの場合は、図５のＳ３０に進む。一方において、Ｓ２８でＮＯの場合、ディップ群特定部３０は、次のディップを特定し（Ｓ２９）、Ｓ２５に戻る。

図５のＳ３０では、演算部３８は、ディップの底からＤｉの２／３の高さにおけるディップ幅Ｗｉを算出する。続いて、ディップ群特定部３０は、各ディップについて以下の（式３）、（式４）、（式５）を全て満たすか否かを判断する（Ｓ３１）。
（式３）ａｂｓ（ｌｏｇ（Ｄｉ／Ｄｉ＋１）＜ｌｏｇ（２．５）
（式４）ａｂｓ（ｌｏｇ（Ｗｉ／Ｗｉ＋１）＜ｌｏｇ（２．５）
（式５）ａｂｓ（ｌｏｇ（Ｗｉ・Ｄｉ＋１／Ｗｉ＋１・Ｄｉ）＜ｌｏｇ（２．５）
ここでは、ディップ群特定部３０はディップの幅及び深さから、連続するディップｉ，ディップｉ＋１の形状が類似しているか否かを判断する。Ｓ３１でＹＥＳの場合は、ディップ群特定部３０はディップｉ，ディップｉ＋１を残す（Ｓ３２）。Ｓ３２で残ったディップ群が、類似ディップ群である。続いてディップ群特定部３０はディップｉがＲ−Ｒ間隔時系列データの最後のディップであるか否かを判断する（Ｓ３４）。ここでＹＥＳの場合は、Ｓ３６に進む。一方において、Ｓ３４でＮＯの場合、ディップ群特定部３０は、次のディップを特定し（Ｓ３５）、Ｓ３１に戻る。Ｓ３１では、ディップ群特定部３０は、次のディップについて、類似性の有無を判断する。

一方において、Ｓ３１でＮＯの場合は、ディップ群特定部３０はディップｉを除去する（Ｓ３３）。続いてディップ群特定部３０はディップｉがＲ−Ｒ間隔時系列データの最後のディップであるか否かを判断する（Ｓ３４）。ここでＹＥＳの場合は、Ｓ３６に進む。一方において、Ｓ３４でＮＯの場合、ディップ群特定部３０は、次のディップを特定し（Ｓ３５）、Ｓ３１に戻る。

図１０は、Ｒ−Ｒ間隔時系列データの模式図である。図１０を用いて、ディップ群特定部３０がＳ３１の処理を終えた後に、どのディップを残すのかを判断する判断方法について詳しく説明する。ディップｉ〜ディップｉ＋３は時系列に連続して出現している。Ｗｉはディップｉのディップ幅である。Ｄｉはディップｉのディップ深さである。まず、ディップ群特定部３０は、ディップｉとディップｉ＋１の組合せＡの類似性を判断する。続いて、ディップｉ＋１とディップｉ＋２の組合せＢの類似性を判断する。続いて、ディップｉ＋２とディップｉ＋３の組合せＣの類似性を判断する。

組合せＡが類似性を満たす場合は、ディップ群特定部３０はディップｉとディップｉ＋１の両方を残す。続いて組合せＢも類似性を満たす場合には、ディップ群特定部３０はディップｉ＋１とディップｉ＋２を残す。このとき、ディップｉ＋１は組合せＡ，Ｂの両方の処理において残されることになる。一方において、組合せＢが類似性を満たさない場合には、ディップｉ＋２のみが除去される。組合せＡで一度残ったディップｉ＋１は、組合せＢの結果に関わらず、除去されることはない。

組合せＢが類似性を満たさない場合に、組合せＣが類似性を満たす場合には、ディップ群特定部３０はディップｉ＋２とディップｉ＋３を残す。即ち、ディップｉ＋２は組合せＢでは除去されたが、組合せＣにおいて残ることができる。

Ｓ３６では、演算部３８は、Ｓ３４で残ったディップ群のうち、４つの連続するディップの中の隣接する２つのディップの時刻差Ｉｉ、Ｉｉ＋１、Ｉｉ＋２をそれぞれ算出する。時刻差Ｉｉは、ディップｉの中心時刻ｄｉと連続するディップｉ＋１の中心時刻ｄｉ＋１との時刻差である。ディップ群特定部３０は、以下の（式６）、（式７）、（式８）を全て満たす４つの連続するディップ群を残す（Ｓ３８）。
（式６）２５＜Ｉｉ，Ｉｉ＋１，Ｉｉ＋２＜１２０
（式７）（３−２Ｉｉ／Ｓ）（３−２Ｉｉ＋１／Ｓ）（３−２Ｉｉ＋２／Ｓ）＞０．６
（式８）Ｓ＝（Ｉｉ＋Ｉｉ＋１＋Ｉｉ＋２）／３
ここでは、ディップ群特定部３０は、時刻差の大きさと、連続する時刻差の大きさのばらつきから、時刻差Ｉｉ、Ｉｉ＋１、Ｉｉ＋２を形成する４つのディップ群に周期性があるか否かを判断する。Ｓ３８で残ったディップ群が、周期性ディップ群である。ＣＶＨＲ形状測定装置２は、Ｓ３８で残った周期性ディップ群をＣＶＨＲとして検出する。

図１１は、Ｒ−Ｒ間隔時系列データの模式図である。図１１を用いて、ディップ群特定部３０がＳ３８の処理において、どのディップ群を残すのかを判断する判断方法について詳しく説明する。ディップｉ〜ディップｉ＋７は、時系列に連続して出現している。まず、ディップ群特定部３０は、Ｉｉ〜Ｉｉ＋２で構成される組合せＡの周期性を判断する。続いて、ディップ群特定部３０は、Ｉｉ＋１〜Ｉｉ＋３で構成される組合せＢの周期性を判断する。ディップ群特定部３０は、同様にディップを１つずつ時系列順にずらして判断し、Ｉｉ＋４〜Ｉｉ＋６で構成される組合せＥの周期性を判断する。

組合せＡが周期性を満たす場合には、ディップ群特定部３０はディップｉ〜ディップｉ＋３を残す。続いて組合せＢが周期性を満たす場合には、ディップ群特定部３０はディップｉ＋１〜ディップｉ＋４を残す。このとき、ディップｉ＋１〜ディップｉ＋３は組合せＡ，Ｂの両方の処理において残されることになる。一方において、組合せＢが周期性を満たさない場合には、組合せＢを構成するディップｉ＋１〜ディップｉ＋４のうちディップｉ＋４のみが除去される。組合せＡで一度残ったディップｉ＋１〜ディップｉ＋３は、組合せＢの結果に関わらず、除去されることはない。

組合せＢが周期性を満たさない場合に、組合せＥが周期性を満たす場合には、ディップ群特定部３０はディップｉ＋４〜ディップｉ＋７を全て残す。即ち、ディップｉ＋４は組合せＢでは除去されたが、組合せＥにおいて残ることができる。また、組合せＢと組合せＥの間には図示しない組合せが存在しているが、これらの判断結果に関わらず、組合せＥが周期性を満たす場合には、ディップｉ＋４〜ディップｉ＋７が残される。

図６のＳ４０では、ＡＣＶ対数算出部３２が、Ｓ３８で検出された全てのＣＶＨＲを加算平均し、加算平均後のＣＶＨＲの振幅（ＡＣＶ）の対数を算出する。図８は、ＡＣＶの対数算出処理のフローチャートを示す。ＡＣＶ対数算出部３２は、図８の処理（Ｓ６０〜Ｓ６４）を実行する。

図１２（ａ）は、Ｓ３８で検出されたｎ個のＣＶＨＲを示す。ＡＣＶ対数算出部３２は、Ｓ３８で検出されたｎ個のＣＶＨＲのそれぞれの底時刻ｔ１、ｔ２、ｔ３・・・、ｔｎの前後６０秒間におけるセグメントｓ１、ｓ２、ｓ３・・・、ｓｎを加算平均する。具体的には、各セグメントｓ１〜ｓｎを、各ＣＶＨＲの底時刻ｔ１〜ｔｎをアンカーポイントとして揃え、全セグメントｓ１〜ｓｎを時刻毎に平均する。これにより、図１２（ｂ）に実線で示すような加算平均時系列が作成される（Ｓ６０）。図１２（ｂ）では、ｎ個のセグメントｓ１〜ｓｎのアンカーポイント（即ち、加算平均時系列の底時刻）がＴｉｍｅ＝０［ｓ］の位置にセットされている。
次に、ＡＣＶ対数算出部３２は、底時刻の前の６０秒間における加算平均時系列の最大値Ｍ１と、底時刻の後の６０秒間における加算平均時系列の最大値Ｍ２を結ぶ直線Ｌを作成する（Ｓ６２）（図１２（ｂ）の破線参照）。続いて、ＡＣＶ対数算出部３２は、底時刻における加算平均時系列の値と直線Ｌの差（距離）を算出することによりＡＣＶを算出し、その対数を算出する（Ｓ６４）。

図６のＳ４２では、ＦＣＶ対数算出部３４が、Ｓ３８で検出されたＣＶＨＲの１時間当たりの頻度（ＦＣＶ）を算出し、その対数を算出する。ＦＣＶ対数算出部３４は、Ｒ−Ｒ間隔時系列データにおける最初のＣＶＨＲの底時刻から最後のＣＶＨＲの底時刻までの間においてＦＣＶを算出することが望ましい。ＦＣＶは、最初のＣＶＨＲの底時刻から最後のＣＶＨＲの底時刻までの時間に出現するＣＶＨＲの個数の１時間当たりの平均値として算出してもよいし、あるいは、一定の時間間隔内のＣＶＨＲの１時間当たりの頻度として算出してもよい。

Ｓ４４では、ＡＣＶｓｃｏｒｅ算出部３６が、補正済振幅（ＡＣＶｓｃｏｒｅ）を算出する。図９は、ＡＣＶｓｃｏｒｅ算出処理のフローチャートを示す。ＡＣＶｓｃｏｒｅ算出部３６は、図９の処理（Ｓ７０〜Ｓ７２）を実行する。

ＡＣＶｓｃｏｒｅ算出部３６は、記憶部４０に記憶されている２つの関数：ｆ（ｘ）＝０．１４ｘ＋４．２及びｇ（ｘ）＝０．０６４ｘ^２−０．３６ｘ＋０．９０のｘに、Ｓ４２で算出されたＦＣＶの対数値をそれぞれ代入し、ＡＣＶの対数の平均値、及びＡＣＶの対数の標準偏差を算出する（Ｓ７０）。次に、ＡＣＶｓｃｏｒｅ算出部３６は、以下の（式９）にＳ４０で算出されたＡＣＶの対数値（ｌｎ（ＡＣＶ））と、Ｓ７０で算出されたＡＣＶの対数の平均値（Ｍｅａｎ（ｌｎ（ＡＣＶ）））及びＡＣＶの対数の標準偏差（ＳＤ（ｌｎ（ＡＣＶ）））を代入して、補正済振幅（ＡＣＶｓｃｏｒｅ）を算出する（Ｓ７２）。
（式９）ＡＣＶｓｃｏｒｅ＝［ｌｎ（ＡＣＶ）−Ｍｅａｎ（ｌｎ（ＡＣＶ））］／ＳＤ（ｌｎ（ＡＣＶ））×１．０＋５．０

Ｓ４６（図６参照）では、表示部４４は、Ｓ４４で算出されたＡＣＶｓｃｏｒｅを画面に表示する。なお、表示部４４は、ＡＣＶｓｃｏｒｅの履歴、ＦＣＶ（の対数値）、Ｓ６４で算出されるＡＣＶの対数値、及び／又はＳ６０で作成されるＣＶＨＲの加算平均時系列のグラフ等を表示してもよい。また、表示部４４は、ＣＶＨＲの出現時刻を、Ｒ−Ｒ間隔時系列データと合わせて表示してもよいし、経皮的動脈血酸素飽和度（ＳｐＯ_２）や他の解析結果と併せて表示してもよい。また、表示部４４は、ＣＶＨＲの出現頻度が最大となる短い時刻帯（例えば３０分間）及びその間のＣＶＨＲの出現頻度等を表示してもよい。また、ＣＶＨＲ形状測定装置２では、表示部４４の代わりに、音声出力部がＡＣＶｓｃｏｒｅをアナウンスする構成であってもよい。

図１３（ａ）、（ｂ）は、それぞれＳ６０で作成されるＣＶＨＲの加算平均時系列のグラフＤ、Ｅを示す。図１３（ａ）のグラフＤは予後が良い被験者の例であり、図１３（ｂ）のグラフＥは、１年後に死亡した被験者の例である。グラフＤとグラフＥを比較すると、グラフＤは大きく振動する一方で、グラフＥはほとんど振動していない。このため、グラフＤのＡＣＶのほうが、グラフＥのＡＣＶよりも格段に大きい。ＡＣＶは補正前の指標であるため、両者の比較は完全に公平とは言えないものの、両者のＡＣＶの差は歴然としており、予後が良い被験者のほうが、所定期間経過後に死亡した被験者よりも、ＡＣＶ（即ち、無呼吸・低呼吸負荷における心拍応答の強さ）が大きいことがわかる。

図１４（ａ）〜（ｄ）は、それぞれ同一の病状又は病態を有する集団のＡＣＶｓｃｏｒｅと死亡率（Ｍｏｒｔａｌｉｔｙ）の関係を示すＫａｐｌａｎ−Ｍｅｉｅｒ曲線である。図１４（ａ）は急性心筋梗塞に罹患した集団（ｎ＝７１５人、追跡期間中央値＝７４８日）の死亡率を示し、図１４（ｂ）は急性心筋梗塞に罹患した別の集団（ｎ＝２１７、追跡期間中央値＝１３３８日）の死亡率を示し、図１４（ｃ）は末期腎不全血液透析患者の集団（ｎ＝２９７、追跡期間中央値＝２５４９日）の死亡率を示し、図１４（ｄ）は慢性心不全に罹患した集団（ｎ＝７７、追跡期間中央値＝１１７２日）の死亡率を示す。図１４（ａ）〜（ｄ）のいずれも、少なくとも１８０日経過後は、ＡＣＶｓｃｏｒｅが大きいほど同一期間内における死亡率が低くなっている。また、ＡＣＶｓｃｏｒｅが小さいほど、死亡率の増加割合が急になっており、期間が経過するにつれてＡＣＶｓｃｏｒｅ別の死亡率の差が顕著になっている。このことから、ＡＣＶｓｃｏｒｅと死亡率には強い関連性があることが分かる。ＡＣＶｓｃｏｒｅは、病気の種類に関わらず、人間の所定期間内における死亡率を予測する強力な指標となることが分かる。また、図１４（ａ）〜（ｄ）のいずれの場合も、ＡＣＶｓｃｏｒｅ≦３．０と４．０≦ＡＣＶｓｃｏｒｅの間には、死亡率の増加の推移に顕著な差がある。このため、例えばＡＣＶｓｃｏｒｅが３．０以下の心不全の患者に対しては、心臓移植を優先して行うことを決定することができる。また、ＡＣＶｓｃｏｒｅが３．０以下の心筋梗塞後の患者や重症の不整脈に罹患している患者に対しては、埋込型除細動器を適用することを決定することができる。このように、様々な疾患において、ＡＣＶｓｃｏｒｅの値を治療方針の決定に役立てることができる。なお、本実施例ではＡＣＶｓｃｏｒｅと死亡率の関連性を調べたが、本発明者の研究の結果、ＡＣＶｓｃｏｒｅは、死亡率以外の様々な健康リスクとも強い関連性を示すことが確認されている。

本実施例のＣＶＨＲ形状測定装置２では、ディップ検出部１８〜ディップ群特定部３０からなるＣＶＨＲ検出手段が、人間の就床時の心拍を時系列で示したデータから、心拍数周期性変動（ＣＶＨＲ）を検出する。ＡＣＶ対数算出部３２は、ＣＶＨＲの振幅（ＡＣＶ）を測定し、その対数を算出する。ＡＣＶの大きさと所定期間内における死亡率などの健康リスクの程度（健康リスク）は密接に関連している。このため、ＣＶＨＲ形状測定装置２が測定したＡＣＶを参照することにより、人間の健康リスクを従来よりも正確に予測できる。

また、本実施例のＣＶＨＲ形状測定装置２は、複数のＣＶＨＲのそれぞれを加算平均することによりＡＣＶを測定する。これにより、複数のＣＶＨＲのそれぞれの形状が異なる場合であっても、ＡＣＶの信頼性が高くなり、就床時の無呼吸負荷又は低呼吸負荷に対する人間の心拍応答の強さをより正確に反映したＡＣＶを求めることができる。

また、図３（ｂ）で示すように、ＡＣＶの対数の平均値は、ＦＣＶの対数に比例する。このため、２人の被験者のＡＣＶが同一であったとしても、一方の被験者のＦＣＶが小さく、他方の被験者のＦＣＶが大きい場合は、そのＡＣＶ値が意味する健康リスクが異なる。本実施例のＣＶＨＲ形状測定装置２では、ＡＣＶｓｃｏｒｅ算出部３６が、ＦＣＶ対数算出部３４で算出したＦＣＶの対数値に基づいて、ＡＣＶ対数算出部３２で算出したＡＣＶの対数値を補正し、補正済振幅（ＡＣＶｓｃｏｒｅ）を算出する。ＡＣＶｓｃｏｒｅは、ＦＣＶの値から独立した汎用的な指標となる。このため、ＡＣＶｓｃｏｒｅを用いることで、被験者の健康リスクを、ＦＣＶの値によらずに正確に予測することができる。また、ＦＣＶが大きく異なる被験者同士の健康リスクを正確に比較することができる。

また、本実施例のＣＶＨＲ形状測定装置２では、ＡＣＶｓｃｏｒｅ算出部３６が、被験者毎のＡＣＶ及びＦＣＶが蓄積されたデータベースから導き出された２つの関数：ｆ（ｘ）＝０．１４ｘ＋４．２（ｘ：ＦＣＶの対数、ｆ（ｘ）：ＡＣＶの平均値）とｇ（ｘ）＝０．０６４ｘ^２−０．３６ｘ＋０．９０（ｘ：ＦＣＶの対数、ｇ（ｘ）：ＡＣＶの対数の標準偏差）を利用してＡＣＶの対数値を補正する。データベースから導き出された関数を補正に用いることで、ＡＣＶｓｃｏｒｅの汎用性を向上することができる。特に、本実施例のデータベースは、急性心筋梗塞や末期腎不全といった様々な病気に罹患した被験者の２１万例のＡＣＶとＦＣＶを蓄積しているため、このようなデータベースを用いることで、信頼性の高い近似関数を構築することができる。

また、本実施例のＣＶＨＲ形状測定装置２では、Ｒ−Ｒ間隔時系列データとして、ホルター心電計で測定したデータを使用する。このため、従来のようにデータ取得のために入院したりする必要がなくなり、手軽にデータを入手できる。ＡＣＶｓｃｏｒｅを、日常生活において無侵襲かつ安全に繰り返し取得することができる。このため、継続してＡＣＶｓｃｏｒｅを測定し、その値の推移を観察することにより、ＣＶＨＲ形状測定装置を、治療の効果や、生活習慣（飲酒、喫煙等）又は生活環境（ＰＭ２．５等）の改善効果を検証する目的で使用することができる。ＡＣＶｓｃｏｒｅを、健康状態を図る指標として、医療分野で利用したり、自身の健康管理のために利用したりすることができる。また、人間の活動とその活動が心拍に及ぼす影響との相関を把握できるようになるため、研究目的にも利用できる（生活水準、ストレス等）。また、これらのデータは様々な装置で取得可能であるため、データを集積し易く、膨大なデータが蓄積されたデータベースを構築することが可能となる。データベース内のデータが増えることで、例えば病気の種類毎の傾向を分析する等、より詳細な分析が可能となる。結果として、ＡＣＶｓｃｏｒｅの信頼性や応用性を向上させ易くなる。

また、発明者が鋭意研究した結果、ＡＣＶｓｃｏｒｅの健康リスクの予測力は、ホルター心電計等で２４時間Ｒ−Ｒ間隔を測定した場合の健康リスクの予測力と同等かそれ以上に高いものであることがわかった。このため、測定データにＣＶＨＲが１回でも出現していれば、２４時間のデータ測定が不要となった。特に、本実施例のＣＶＨＲ形状測定装置２は、就床時のＲ−Ｒ間隔時系列データを使用するため、従来のようにホルター心電計を２４時間装着する必要がない。このため、活動時にホルター心電計を装着する煩わしさがなくなり、従来よりも手軽に且つ快適にデータ測定が可能になると共に、従来と同等又はそれ以上の精度で健康リスクを予測できる。また、発明者が上記のデータベースを分析した結果、ＣＶＨＲは男性の９６．９％、女性の９６．０％と非常に高い確率で発生することが分かった。ＡＣＶｓｃｏｒｅはＣＶＨＲが１回でも発生する場合に算出可能である。このため、ＡＣＶｓｃｏｒｅは、ほぼ全ての被験者が測定可能な指標となり、指標としての利便性が高い。

（変形例） 実施例１ではＡＣＶｓｃｏｒｅを用いて健康リスクを予測したが、健康リスクを予測する指標はこれに限られない。例えば、ＣＶＨＲの波形の傾き、ＣＶＨＲの波形の持続時間に対する振幅の比、又はＣＶＨＲの波形の面積を指標として用いてもよい。図１５はＲ−Ｒ間隔時系列データから抜粋した平滑後のＣＶＨＲの波形を示す。ＣＶＨＲの波形は、点Ａ、Ｂ、Ｃを有する。点Ｂは極小点である。点Ａは点Ｂに最も近い極大点であり、点Ｂよりも前に出現する。点Ｃは点Ｂに最も近い極大点であり、点Ｂよりも後に出現する。ＡＣＶは直線ＡＣと点Ｂとの距離であり、賦活化時間ＡＴ（Ａｃｔｉｖａｔｉｏｎ Ｔｉｍｅ）は点Ａから点Ｂまでの経過時間であり、回復時間ＲＴ（Ｒｅｃｏｖｅｒｙ Ｔｉｍｅ）は点Ｂから点Ｃまでの経過時間であり、持続時間ＤＣＶ（Ｄｕｒａｔｉｏｎ ｏｆ Ｃｙｃｌｉｃ Ｖａｒｉａｔｉｏｎ）は点Ａから点Ｃまでの経過時間である。ＣＶＨＲの波形の傾きには、賦活化スロープＡＳ（Ａｃｔｉｖａｔｉｏｎ Ｓｌｏｐｅ）と、回復スロープＲＳ（Ｒｅｃｏｖｅｒｙ Ｓｌｏｐｅ）の２種類ある。賦活化スロープ及び回復スロープは、それぞれＡＳ＝ＡＣＶ／ＡＴ、ＲＳ＝ＡＣＶ／ＲＴで定義される。また、ＣＶＨＲの波形の持続時間に対する振幅の比は、ＡＣＶ／ＤＣＶと定義され、ＣＶＨＲの波形の面積は、ＣＶＨＲの波形と直線ＡＣによって囲まれた範囲の大きさとして定義される。

次の表１、表２は、ＣＶＨＲの波形の各形状特性指標（指標）と病気別の死亡リスクを表す。データは、コックス・ハザード回帰分析によるハザード比（ＨＲ）、その９５％信頼限界（ＣＩ）、χ^２値、及び有意確率（Ｐ）を示す。ＨＲは、各指標が１低下したときに死亡率が何倍になるかを示す。χ^２値は死亡リスクの予測力の高さを示し、値が大きいほど予測力が高いことを意味する。

表１、２によると、ＦＣＶの有意確率Ｐはいずれの病気においても５％以上であるため、死亡リスクとの間には有意な関連がないことが分かる。他方、ＦＣＶ以外の指標（即ち、ＡＣＶの自然対数、ＡＣＶｓｃｏｒｅ、賦活化スロープＡＳ、回復スロープＲＳ、持続時間に対する振幅の比ＡＣＶ／ＤＣＶ、及び面積（Ａｒｅａ））の有意確率Ｐはいずれの病気においても５％未満であるため、死亡リスクとの間には有意な関連があり、死亡リスクを予測する指標として有用であることが分かる。特に、各指標のχ^２値を病気別に比較すると、いずれの病気においてもＡＣＶｓｃｏｒｅのχ^２値が最大となっている。このため、ＡＣＶｓｃｏｒｅが最も精度良く死亡リスクを予測できる指標であることが分かる。

以上、本明細書が開示する技術の実施例について詳細に説明したが、これらは例示に過ぎず、本明細書が開示するＣＶＨＲ形状測定装置は、上記の実施例を様々に変形、変更したものが含まれる。例えば、実施例１ではホルター心電計を用いてデータを測定したが、データ測定に用いる装置はこれに限られない。例えば、ベッドサイドモニタ、睡眠呼吸障害の検査装置（ＣＰＡＰ装置等）、寝室と寝具とを組み合わせたセンサ、腕時計型センサ、眼鏡型センサ、衣類電極、皮膚に貼付するテープ型センサ、又は埋込型センサ等を用いてデータを測定してもよい。また、心拍数又は脈拍数は、種々の方法によって測定され得る。例えば、心拍数又は脈拍数は、心音、血管音、皮膚温、身体の振動、身体の重心の位置の振動、脈波（圧、容積、血流速度、組織血液（ヘモグロビン吸光）量、生体インピーダンス）などに基づいて測定されてもよい。

また、実施例１では就床時のＲ−Ｒ間隔時系列データが用いられたが、用いられるデータは就床時のものに限られない。ＣＶＨＲが検出できれば、覚醒時のデータが用いられてもよい。例えば、高齢者や心不全の患者では、覚醒時であっても無呼吸又は低呼吸になる場合があり、覚醒時にＣＶＨＲが検出されることがある。また、実施例１では人間のデータが用いられたが、人間に限られず、動物（厳密には、肺呼吸する動物）のデータを用いてもよい。即ち、本明細書が開示するＣＶＨＲ形状測定装置は、人間を含む、肺呼吸する動物全般を対象としてもよい。

また、実施例１ではＣＶＨＲ形状測定装置２を通信回線１４を介してＲ−Ｒ間隔測定装置に接続したが、この構成に限られない。例えば、ＡＣＶ（ＡＣＶｓｃｏｒｅ）を測定するアルゴリズムを、ホルター心電図解析装置に組み込んでもよいし、ウェアラブルな脈波計に組み込んでもよい。

また、ＣＶＨＲの検出手段は実施例１の手法に限られない。例えば、本願発明者らが開発した公知のアルゴリズムを利用してもよい。また、上記のＣＶＨＲの検出手法では、少なくとも４つのＣＶＨＲが群となって検出される。しかしながら、１つのＣＶＨＲを検出できるアルゴリズムを用いてもよい。また、ＣＶＨＲ形状測定装置２は、表示部４４を備えていなくてもよい。例えば、ＣＶＨＲ形状測定装置２を別の装置に接続し、当該別の装置からＡＣＶの測定結果を出力してもよい。

また、ＡＣＶの算出手段は実施例１の手法に限られない。例えば、ＡＣＶ対数算出部３２は、ディップ深さ算出部２０で算出したディップ深さＤｉのうち、Ｓ３８で検出された全てのＣＶＨＲのそれぞれのディップ深さＤｉの平均をとることによりＡＣＶを算出してもよい。あるいは、ＡＣＶ対数算出部３２は、各ＣＶＨＲに対してＳ６２と同様の処理を実行してもよい。即ち、ＡＣＶ対数算出部３２は、ＣＶＨＲの底時刻の前の６０秒間における最大値と、当該ＣＶＨＲの底時刻の後の６０秒間における最大値を結ぶ直線を作成してもよい。そして、当該直線と、底時刻における当該ＣＶＨＲの値の差を算出することにより、当該ＣＶＨＲの振幅を求めてもよい。この処理をＳ３８で検出された全てのＣＶＨＲに実施し、それぞれの振幅の平均を取ることによりＡＣＶを算出してもよい。

また、実施例１ではＡＣＶをＦＣＶに基づいて補正したが、ＡＣＶ以外の指標（例えば、ＡＳ、ＲＳ、ＡＣＶ／ＤＣＶ、又は面積）をＦＣＶに基づいて補正してもよい。また、これらの指標を、ＦＣＶ以外の要素（例えば、ＣＶＨＲの幅）に基づいて補正してもよい。また、ディップの回復時間ＲＴを健康リスクを予測する指標として用いてもよい。

以上、本発明の具体例を詳細に説明したが、これらは例示にすぎず、特許請求の範囲を限定するものではない。特許請求の範囲に記載の技術には、以上に例示した具体例を様々に変形、変更したものが含まれる。また、本明細書又は図面に説明した技術要素は、単独であるいは各種の組合せによって技術的有用性を発揮するものであり、出願時請求項記載の組合せに限定されるものではない。また、本明細書又は図面に例示した技術は複数目的を同時に達成するものであり、そのうちの一つの目的を達成すること自体で技術的有用性を持つものである。

２：ＣＶＨＲ形状測定装置
１６：Ｒ−Ｒ間隔時系列データ入力部
１８：ディップ検出部
２０：ディップ深さ算出部
２２：心拍変動指標演算部
２４：個別閾値決定処理部
２６：ディップ幅算出部
２８：ディップ間隔算出部
３０：ディップ群特定部
３２：ＡＣＶ対数算出部
３４：ＦＣＶ対数算出部
３６：ＡＣＶｓｃｏｒｅ算出部
３８：その他の演算部
４０：記憶部
４２：操作部
４４：表示部

Claims (7)

1. 心拍又は脈拍の周期又は周波数を時系列で示したデータから、心拍数周期性変動（ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ ｏｆ ｈｅａｒｔ ｒａｔｅ, ＣＶＨＲ）を検出するＣＶＨＲ検出手段と、
   前記ＣＶＨＲ検出手段で検出された前記ＣＶＨＲの波形に対して、次の形状特性指標：振幅（ａｍｐｌｉｔｕｄｅ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ，ＡＣＶ）、傾き、持続時間に対する前記振幅の比、及び面積の少なくとも１つを取得するＣＶＨＲ形状特性指標取得手段と、
   前記ＣＶＨＲ形状特性指標取得手段で取得された形状特性指標に基づいて、健康リスクを評価する評価手段と、を備えており、
   前記評価手段は、前記形状特性指標から決まる心拍応答の強さが大きいほど健康リスクが低く、前記形状特性指標から決まる心拍応答の強さが小さいほど健康リスクが高いと評価する、ＣＶＨＲ形状測定装置。
2. 前記ＣＶＨＲ形状特性指標取得手段は、前記データの所定の期間中に検出された複数の前記ＣＶＨＲのそれぞれの波形を示す前記データを加算平均することにより前記ＡＣＶ、前記傾き、前記持続時間に対する前記振幅の比、及び前記面積の少なくとも１つを取得する、請求項１に記載のＣＶＨＲ形状測定装置。
3. 前記所定の期間中にＣＶＨＲ検出手段で検出された前記ＣＶＨＲの単位時間当たりの頻度（ｆｒｅｑｕｅｎｃｙ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ， ＦＣＶ）を取得するＦＣＶ取得手段と、
   前記ＡＣＶを前記ＦＣＶの値に基づいて補正して、補正済振幅（ＡＣＶｓｃｏｒｅ）を取得するＡＣＶ補正手段と、をさらに備える、請求項２に記載のＣＶＨＲ形状測定装置。
4. 前記ＡＣＶ補正手段は、
   前記所定の期間中のデータから取得されたＡＣＶと、そのＡＣＶを取得した前記所定の期間中のデータから取得されたＦＣＶとを関連付けて複数組蓄積されたデータベースから導き出された次の２つの関数：前記ＦＣＶの関数である前記ＡＣＶの平均値関数、及び前記ＦＣＶの関数である前記ＡＣＶの標準偏差関数を用いて、前記ＡＣＶを補正するものであって、
   前記ＣＶＨＲ形状特性指標取得手段で取得されたＡＣＶを、そのＡＣＶを取得した前記所定の期間中のデータから取得されたＦＣＶに対応する、前記平均値関数から得られる平均値及び前記標準偏差関数から得られる標準偏差を用いて補正する、
   請求項３に記載のＣＶＨＲ形状測定装置。
5. 前記データは、Ｒ−Ｒ間隔、脈拍間隔、心拍動間隔のいずれかを時系列で示したデータである、請求項１〜４のいずれか一項に記載のＣＶＨＲ形状測定装置。
6. 心拍又は脈拍の周期又は周波数を時系列で示したデータから特定される、周期的に出現する心拍数周期性変動（ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ ｏｆ ｈｅａｒｔ ｒａｔｅ, ＣＶＨＲ）を入力するＣＶＨＲ入力手段と、
   前記ＣＶＨＲ入力手段で入力された前記ＣＶＨＲの波形に対して、次の形状特性指標：振幅（ａｍｐｌｉｔｕｄｅ ｏｆ ｃｙｃｌｉｃ ｖａｒｉａｔｉｏｎ，ＡＣＶ）、傾き、持続時間に対する前記振幅の比、及び面積の少なくとも１つを取得するＣＶＨＲ形状特性指標取得手段と、
   前記ＣＶＨＲ形状特性指標取得手段で取得された形状特性指標に基づいて、健康リスクを評価する評価手段と、を備えており、
   前記評価手段は、前記形状特性指標から決まる心拍応答の強さが大きいほど健康リスクが低く、前記形状特性指標から決まる心拍応答の強さが小さいほど健康リスクが高いと評価する、ＣＶＨＲ形状測定装置。
7. 心拍又は脈拍の周期又は周波数を時系列で示したデータからＣＶＨＲを検出するＣＶＨＲ検出処理と、
   前記ＣＶＨＲ検出処理で検出された前記ＣＶＨＲの波形に対して、次の形状特性指標：振幅（ＡＣＶ）、傾き、持続時間に対する前記振幅の比、及び面積の少なくとも１つを取得するＣＶＨＲ形状特性指標取得処理と、
   前記ＣＶＨＲ形状特性指標取得処理で取得された形状特性指標に基づいて、健康リスクを評価する評価処理をコンピュータに実行させるコンピュータプログラムであって、
   前記評価処理では、前記形状特性指標から決まる心拍応答の強さが大きいほど健康リスクが低く、前記形状特性指標から決まる心拍応答の強さが小さいほど健康リスクが高いと評価する。