信息管理系统和服务器

1.一种信息管理系统，根据可经常测量的第二测量项目预测不经常测量的第一测量项目，
该信息管理系统的特征在于：具有
按第一定时测量上述第一测量项目的第一测量部、
按第二定时测量上述第二测量项目的第二测量部、
存储上述测量出的第一测量项目和第二测量项目的值的数据存储部、
生成用于按第三定时根据已存储在上述数据存储部内的上述第一测量项目和上述第二测量项目来计算第一测量项目的预测值的预测式的预测式生成部、以及
根据上述所生成的预测式和上述第二测量项目来计算第一测量项目的预测值的预测值计算部，
上述预测式生成部，每当到达预定的定时就生成上述预测式。
2.根据权利要求1所述的信息管理系统，其特征在于：
上述预测式生成部，
将向上述数据存储部中存储新的上述第一测量项目时或者向上述数据存储部中存储新的上述第二测量项目时作为上述第三定时来生成上述预测式，
上述预测值计算部，每当生成上述预测式时计算上述第一测量项目的预测值。
3.根据权利要求1所述的信息管理系统，其特征在于：
还具有当上述第一测量项目的预测值满足预定的条件时发出警告的警告发生部。
4.根据权利要求1所述的信息管理系统，其特征在于：
上述预测式生成部通过学习上述第二测量项目的变化来生成上述预测式。
5.根据权利要求1所述的信息管理系统，其特征在于：
上述第二测量部佩带在生物体上，作为上述第二测量项目来测量预定的生物体信息。
6.根据权利要求5所述的信息管理系统，其特征在于：
上述第二测量部包含加速度传感器，作为上述预定的生物体信息来测量加速度。
7.根据权利要求1所述的信息管理系统，其特征在于：
上述预测式生成部，
将按上述第一定时测量的第一测量项目作为目的变量，将按上述第二定时测量的第二测量项目作为说明变量，通过多重回归分析生成预测式。
8.根据权利要求5所述的信息管理系统，其特征在于：
上述预测式生成部，
将按上述第一定时测量的第一测量项目作为目的变量，将作为按上述第二定时测量的第二测量项目的加速度作为说明变量，通过多重回归分析生成预测式。
9.根据权利要求8所述的信息管理系统，其特征在于：
上述预测式生成部具有
计算上述加速度的标量的标量计算部、
将上述标量通过0或0附近的预定值的值作为过零次数来计算的过零次数计算部、以及
计算上述过零次数在预定期间内的出现频度的频度计算部，
上述预测式生成部将上述出现频度设定为说明变量。
10.根据权利要求9所述的信息管理系统，其特征在于：
上述预测式生成部还具有：计算上述过零次数在预定期间内出现频度相同的连续指标的连续指标计算部，
将上述过零次数在预定期间内的出现频度和上述连续指标设定为说明变量。
11.根据权利要求1所述的信息管理系统，其特征在于：
上述第一定时是离散的测量间隔，
上述第二定时被设定为能够连续地监测生物体信息的变化的值。
12.根据权利要求1所述的信息管理系统，其特征在于：
上述第二测量部构成便携式设备。
13.一种信息管理服务器，具有接收不经常测量的第一测量项目和可经常测量的第二测量项目的通信部和存储上述第一测量项目和上述第二测量项目的数据存储部，并根据上述第一测量项目和第二测量项目来计算第一测量项目的预测值，
该信息管理服务器的特征在于：具有
根据已存储在上述数据存储部内的上述第一测量项目和第二测量项目来生成用于计算第一测量项目的预测值的预测式的预测式生成部、以及
根据上述所生成的预测式和上述第二测量项目来计算第一测量项目的预测值的预测值计算部，
上述预测式生成部，每当到达预定的定时就生成上述预测式。
14.根据权利要求13所述的信息管理服务器，其特征在于：
上述预测式生成部，
当向上述数据存储部中存储新的上述第一测量项目时，或者当向上述数据存储部中存储新的上述第二测量项目时，生成上述预测式，
上述预测值计算部，每当生成上述预测式时计算上述第一测量项目的预测值。
15.根据权利要求13所述的信息管理服务器，其特征在于：
还具有当上述第一测量项目的预测值满足预定的条件时发出警告的警告发生部。
16.根据权利要求13所述的信息管理服务器，其特征在于：
上述预测式生成部通过学习上述第二测量项目的变化来生成上述预测式。
17.根据权利要求13所述的信息管理服务器，其特征在于：
上述预测式生成部，
将上述第一测量项目作为目的变量，将上述第二测量项目作为说明变量，通过多重回归分析生成预测式。
18.根据权利要求13所述的信息管理服务器，其特征在于：
上述预测式生成部，
将上述离散地测量的第一测量项目作为目的变量，将作为上述经常测量的第二测量项目的加速度作为说明变量，通过多重回归分析生成预测式。
19.根据权利要求18所述的信息管理服务器，其特征在于：
上述预测式生成部具有
计算上述加速度的标量的标量计算部、
将上述标量通过0或0附近的预定值的值作为过零次数来计算的过零次数计算部、以及
计算上述过零次数在预定期间内出现频度的频度计算部，
上述预测式生成部将上述出现频度设定为说明变量。
20.根据权利要求19所述的信息管理服务器，其特征在于：
上述预测式生成部还具有：计算上述过零次数在预定期间内出现频度相同的连续指标的连续指标计算部，
上述预测式生成部将上述过零次数在预定期间内的出现频度和上述连续指标设定为说明变量。

技术领域\n本发明涉及根据可经常测量的测量项目预测只能离散地测量的测量项目的信息管理系统，特别是涉及根据可经常测量的生物体信息来预测不能经常测量的身体状况、精神状况、生产率和安全性等任意指标并根据需要发出警告的信息管理系统。\n背景技术\n近年来，人们正在研究在传感器中附加具有无线通信功能的小型电子电路并将现实世界的各种信息实时地输入信息处理装置的网络系统(以下称为传感器网)。传感器网有着广泛的应用，例如，还提出了利用集成了无线电线路、处理器、传感器、电池的小型电子电路经常地监测脉搏等生物体信息并将监测结果通过无线通信发送给诊断装置等从而根据监测结果来判断健康状况这样的医疗应用。\n作为监测生物体状态的技术已经提出了各种方案，已知的一种是利用传感器来监测使用者(佩带者)的生活行动并当其脱离了预先设定的生活模式时发出警告的技术(例如，专利文献2)。\n另外，已知一种在互联网等网络上为推测用户当前关心的事情而修改表示当前用户关心的事情的用户简档的技术(例如，专利文献1)。\n或者，还已知一种将不特定的司机的按喇叭信息或制动信息与地图信息重叠，从而能在发生事故之前预测危险位置，同时检测司机的心理压力状态等并显示感觉到心理压力时的地图上的相应位置的技术(例如，专利文献3)。\n进一步，还已知一种输入步数或吸烟等生活行动和血压等的健康信息、通过数据采集自动生成预测生活行动和健康状况的相关关系的规则，并根据输入来发出健康状况预测或警报(例如，专利文献4)。规则，并根据输入来发出健康状况预测或警报(例如，专利文献4)。\n专利文献1：特表2004-514217号公报\n专利文献2：特开2004-133777号公报\n专利文献3：特开2005-038381号公报\n专利文献4：特开2005-045696号公报\n可是，以往表示体重或血压等的生物体的健康状况的健康指标由专用的测量器来测量，由于这些指标不能经常测量，所以只能定期地(或，间断地或离散地)测量并从其变化趋势来推测健康状况。至于血液检查等临床检查，则通常只能在每年几次的健康诊断时测量，作为表示日常健康状况的健康指标，其时间间隔太大了。\n另外，表示注意力或心理压力等主观的状态的健康指标还不能说已充分地确立，但例如如果是事务作业则可以找出处理件数、如果是机械操作则可以找出操作失误的次数等从生产率或安全性的观点反映操作者的精神健康状况的指标。这些指标也可以在一天的作业结束后通过采集而得知状态，但在作业中很难随时进行计量。\n虽然有想要随时掌握这种关于健康或安全的指标的要求，但在上述专利文献1～3的现有技术中尽管可以对能够用传感器测量的状态提供有关健康的指标，但对不能经常测量的体重或血压、血糖值、心理压力则不能提供经常性的指标。\n另外，上述专利文献4是在一旦生成进行预测的规则后对是否符合该规则进行检查的方法，所以存在着关于健康或安全的指标为离散的分析，因而不能进行实时监测这样的问题。\n发明内容\n因此，本发明的目的是根据可用传感器测量的信息来监测不能经常测量的指标，另一目的是根据预测出的指标进行警告或通知。\n本发明，在从可经常测量的第二测量项目预测不能经常测量的第一测量项目的信息管理系统中，具有离散地测量上述第一测量项目的第一测量部、经常测量上述第二测量项目的第二测量部、存储上述测量出的第一测量项目和第二测量项目的值的数据存储部、生成用于从已存储在上述数据存储部内的上述第一测量项目和第二测量项目计算第一测量项目的预测值的预测式的预测式生成部、根据上述所生成的预测式和上述第二测量项目计算第一测量项目的预测值的预测值计算部，上述预测式生成部，每当到达预定的定时时生成上述预测式。\n另外，上述预测式生成部，将上述离散地测量的第一测量项目作为目的变量、将作为上述经常测量的第二测量项目的加速度作为说明变量并通过多重回归分析生成预测式，进一步，还具有计算作为第二测量项目的加速度的标量的标量计算部、将上述标量通过0或0附近的预定值的值作为过零次数计算的过零次数计算部、计算上述过零次数的预定期间内的出现频度的频率计算部，将上述出现频度设定为说明变量。\n因此，本发明，即使是不能经常测量的第一测量项目，也可以经常记录从第二测量部得到的第二测量项目，并根据该记录的数据对第一测量项目建立相关性高的预测式，从而可以对不能经常测量的第一测量项目(体重或心理压力)的指标实时地推测状况，并根据需要进行预测或警告。\n特别是，只用将第二测量部佩带在人的身体上的加速度传感器经常地记录身体信息、行动信息，即可对用户想要知道的第一测量项目进行动向的预测。\n附图说明\n图1示出第一实施方式，是信息管理系统的框图。\n图2是第一实施方式的手镯型的传感器节点的表面的立体图。\n图3是第一实施方式的手镯型的传感器节点的背面的立体图。\n图4是表示第一实施方式的传感器节点的结构的框图。\n图5是表示第一实施方式的由传感器节点执行的脉搏的测量处理的一例的流程图。\n图6是表示第一实施方式的由传感器节点执行的加速度的测量处理的一例的流程图。\n图7是表示第一实施方式的传感器节点测量的加速度的标量和过零次数的关系的曲线图。\n图8是表示第一实施方式的由传感器节点执行的体重测量时的处理的一例的流程图。\n图9是表示第一实施方式的传感器节点的显示部上所显示的体重测量时的消息的一例的图。\n图10是表示第一实施方式的由传感器节点执行的检测数据的发送处理的一例的流程图。\n图11是表示第一实施方式的从传感器节点发送的帧的图。\n图12是表示第一实施方式的数据服务器的体重表的一例的图。\n图13是表示第一实施方式的数据服务器的数据表的一例的图。\n图14是表示第一实施方式的体重计的结构的框图。\n图15是表示第一实施方式的信息管理系统的数据处理的流程的框图。\n图16是表示第一实施方式的过零频率和时间的关系的曲线图。\n图17是表示第一实施方式的过零频率的出现频度和时间的关系、和每个频率分段的出现率的关系的曲线图。\n图18是表示第一实施方式的过零频率的出现频度和时间的关系、和每个频率分段的连续指标的关系的曲线图。\n图19是表示第一实施方式的分析装置的多重回归分析表的一例的图。\n图20是表示第一实施方式的体重的预测值及实测值和日期时间的关系的曲线图。\n图21是表示第一实施方式的当体重预测值的变化率超过了预定值时传感器节点的显示部上所输出的消息的一例的图。\n图22是表示第一实施方式的由分析装置的说明变量生成部和重回归分析处理部执行的说明变量的生成和预测式的生成处理的一例的流程图。\n图23是表示第一实施方式的由分析装置的预测数据生成部执行的预测处理的一例的流程图。\n图24示出第二实施方式，是表示第二实施方式的信息管理系统的框图。\n图25是表示第二实施方式的从传感器节点发送的帧的图。\n图26是表示第二实施方式的数据服务器的波形表的一例的图。\n图27示出第三实施方式，是表示由分析装置的说明变量生成部执行的说明变量的生成处理的一例的流程图。\n图28是表示第三实施方式的分析装置的多重回归分析表的一例的图。\n图29示出第四实施方式，是表示传感器节点的加速度处理的另一例的框图。\n图30示出第五实施方式，是表示分析装置的显示部上所输出的心理压力指标的输入画面的一例的图。\n图31是表示第五实施方式的分析装置的显示部上所输出的心理压力指标的输入画面的另一例的图。\n具体实施方式\n以下，根据附图说明本发明的一个实施方式。\n图1示出本发明的第一实施方式，是利用传感器网络系统(以下，称传感器网)管理健康的信息管理系统的框图。在本实施方式中，示出根据由佩带在用户身体上的传感器经常测量的生物体信息预测作为不能经常测量的用户的健康指标的体重并按预定的条件进行警告的信息管理系统。\n佩带型传感器(以下，假定为传感器节点)1，佩带在人的身体(例如，手腕等)上，经常测量生物体信息(脉搏、加速度)并发送到基站3，同时将从基站3接收到的信息传送给佩带者。传感器节点1和基站3，由IEEE802.15.4(ZigBee)等的无线网络4连接。此外，在以下的说明中，传感器节点1的佩带者，是本发明的健康信息管理系统的使用者。而且，传感器节点1，起着对可测量的测量项目进行测量的测量部(第二测量部)的作用。\n在无线网络4上，还连接体重计2，该体重计2将离散地测量的体重发送到传感器节点1。传感器节点1，对从体重计2接收到的信息(体重)附加该传感器节点1的标识符(ID)并从基站3发送到数据服务器6。此外，传感器节点1和体重计2也可以存在多个，而基站3也可以配置多个。另外，体重计2，起着离散地测量不能经常测量的测量项目的测量部(第一测量部)的作用。\n基站3将从传感器节点1接收到的生物体信息(以下，称检测数据)通过网络5发送到数据服务器6，数据服务器6将由传感器节点1经常地测量出的检测数据和由体重计2测量出的离散的体重数据存储在数据库61内。\n数据服务器6中所存储的传感器节点1的包含加速度的检测数据和由体重计2测量的间断的或离散的体重数据，如后文所述，由与网络5连接的分析装置7进行分析，从经常测量的传感器节点1的检测数据，实时地推测不能经常测量的体重等健康指标，并根据需要进行预测或警告。\n即，在本发明的传感器网中，传感器节点1的佩带者，每天或按任意的间隔用体重计2离散地进行体重的测量，并从测量出的体重的离散的历史、和由传感器节点1的加速度传感器11经常测量的实时的行动信息，如后文所述实时地推测体重。\n传感器节点1具有经常测量佩带者的运动的加速度传感器11、经常测量佩带者的脉搏的脉搏传感器12和经常测量佩带者的体温或环境温度的温度传感器13，从测量出的加速度求出后述的过零次数。传感器节点1还具有控制部15，该控制部15包含用于控制加速度传感器11、脉搏传感器12和温度传感器13的微计算机等，控制部15根据检测出的加速度计算过零次数，并将包含过零次数、脉搏和温度的检测数据从无线通信部16发送到基站3。此外，作为经常测量人体(生物体)的运动的传感器，示出采用了分别测量X(前后)-Y(左右)-Z(上下)的3轴的加速度的加速度传感器11的例。\n控制部15控制显示测量出的脉搏等信息的显示部14、存储数据的存储器17、用于设定各传感器的测量周期等的实时时钟(RTC)18。控制部15，具有将检测出的加速度标量化并将加速度的标量变为0G或预定的阈值(例如，0.05G)的次数作为过零次数计算的过零次数计数部154，并将过零次数作为指示佩带者的行动的生物体信息发送。此外，控制部15，将从测量出的加速度求得的过零次数暂时存储在存储器17内，并按预定的发送周期(例如，1分钟)集中发送。因此，要发送的过零次数，为每个预定的发送周期的过零次数。此外，控制部15，当佩带者为步行状态时，也可以根据加速度的标量计算步数。\n另外，控制部15，还具有从脉搏传感器12测量出的脉搏计算脉搏数的脉搏数计算部155，并将脉搏数作为表示佩带者身体信息的生物体信息发送。此外，在传感器节点1间断地进行与基站3的通信以抑制功耗的情况下，由传感器节点1求得的过零次数或脉搏数等生物体信息，只需在与基站3通信时集中发送即可。\n传感器节点1经常测量的生物体信息包括脉搏或体温等表示有关佩带者健康的信息的身体信息、和基于加速度的过零次数之类的表示佩带者的行动或运动的行动信息。此外，在本实施方式中作为身体信息示出测量脉搏和温度的例，但只要是传感器节点1可测量的信息即可，并不限定于上述的信息。\n其次，体重计2由离散地测量人体的体重的重量传感器21、用于显示测量出的体重的显示部22、发送测量出的体重的无线通信部24、控制这些重量传感器21、显示部22、无线通信部24的控制部23构成。\n基站3具有与传感器节点1进行信息收发的无线通信部31、与网络5进行信息收发的通信部32、控制这些通信部的控制部33。控制部33包含CPU、存储器、存储装置等。\n数据服务器6是计算机具有存储来自传感器节点1的检测数据和由体重计2测量出的离散的体重数据的数据库61、与网络5进行信息收发的通信部65、控制数据库61和通信部65的控制部66。控制部66，具有CPU和存储器并执行管理数据库61的软件(DBMS)。另外，数据库61存放在存储装置(图中省略)内。\n数据库61包含按每个传感器节点1的ID以时间序列存储了由体重计2离散地测量出的体重的体重表62、按每个传感器节点1的ID以时间序列存储了经常测量的行动信息(过零次数)和脉搏或体温的数据表64。\n分析装置7是分析数据服务器6的检测数据和体重数据的计算机，具有包含CPU、存储器及存储装置的控制部71和与网络5进行通信的通信部72。控制部71，根据数据服务器6的数据表64中所存储的加速度的过零次数和体重表62中所存储的体重，通过多重回归分析生成预测式并推测体重的预测数据。\n因此，控制部71包含将从数据服务器6的数据表64取得的过零次数生成为说明变量并存储在多重回归分析表73内的说明变量生成部75、将数据服务器6的离散的体重作为目的变量存储并将加速度的过零次数作为说明变量存储的多重回归分析表73、生成预测式并执行多重回归分析的多重回归分析处理部74、根据所生成的预测式求出体重的预测值的预测数据生成部76。另外，分析装置7，还具有用于显示体重的预测值或过零次数、体重的测量值或实测值等的显示部77、包括键盘或鼠标等的输入部78。<传感器节点的详细说明>\n图2、图3示出人的身体上佩带的传感器节点1的一例，是表示佩带在手腕上的手镯型的传感器节点1的外观的立体图，图2示出表面，图3示出背面。\n在图2中，传感器节点1，具有安放各传感器和控制装置的壳体100、将壳体100佩带在人的手腕上的带101。\n在壳体100的内部，安放上述的控制部15和各传感器11～13。在壳体100的表面，配置显示消息等的显示部14。作为该显示部14可以采用液晶显示装置等。\n在壳体100的侧面配置可以由佩带者操作的按钮A102和按钮B103。此外，按钮A102，例如，通过佩带者在紧急时操作，向外部通知紧急情况，按钮B103，在测量生物体信息(脉搏或体重等)时、或由佩带者回答来自显示部14的询问(消息)时等操作。\n在图3中，在传感器节点1的壳体100的背面，配置由发光元件122和受光元件121构成的脉搏传感器12。该脉搏传感器12将红外线发光二极管用作发光元件122，作为受光元件121采用了光电晶体管。此外，作为受光元件，除光电晶体管以外，也可以使用光电二极管。在壳体100的背面，可以使发光元件122和受光元件121露出，与手腕的皮肤相对。\n该脉搏传感器12使由发光元件122产生的红外光照射皮下的血管，由受光元件121检测因血流变动而从血管发出的散射光的强度变化，并根据该强度变化的周期推测脉搏和脉波。\n图4示出传感器节点1的框图。在图4中，在传感器节点1中，配置具有与基站3进行通信的天线的无线通信部16；控制加速度传感器11、脉搏传感器12、温度传感器13和显示部14的控制部15；起着用于间断地起动包含微计算机的控制部15的定时器作用的实时时钟18；以及存储数据的存储器17。\n加速度传感器11由检测X轴(人体的前后方向)的加速度的X轴传感器、检测Y轴(人体的左右方向)的加速度的Y轴传感器、检测Z轴(人体的上下方向)的加速度的Z轴传感器构成。X～Z轴传感器的输出，由各放大器161放大后，由低通滤波器162除去噪声，然后输入到控制部15的A/D转换器156。\n脉搏传感器12，由放大器163将受光元件121的输出放大后，由低通滤波器164除去噪声，然后输入到控制部15的A/D转换器157。另外，温度传感器13、实时时钟18、存储器17、显示部14，分别与控制部15的串行I/F158连接，进行数据和命令的收发。\n控制部15包括：决定执行各传感器11～13的测量的周期的测量定时器151、从测量出的检测数据(加速度、脉搏、温度)中除去噪声分量的数字滤波器153、从脉搏传感器12的输出计算脉搏数的脉搏数计算部155、从加速度传感器11的输出计算过零次数的过零次数计数部154、根据测量结果决定发送检测数据(过零次数、脉搏、温度)的周期的发送定时器152。在此，在本实施方式中，测量定时器151和发送定时器152，分别按各自的预定的周期对控制部15的CPU(微计算机)设置中断，从而分别进行基于传感器11～13的测量和发送。\n例如，测量定时器151，每隔50msec(毫秒)对CPU设置中断，使控制部15的CPU执行基于加速度传感器11、脉搏传感器12、温度传感器13的测量。另外，发送定时器152，每隔1分钟对CPU设置中断，将过零次数计数部154、和脉搏数计算部155的输出及温度发送到基站3。\n此外，控制部15通过数字I/O159与无线通信部16、按钮A102、按钮B103连接。\n按照以上的方式，传感器节点1，每隔50msec取得各传感器的输出，从这些传感器的输出求出过零次数、或脉搏、温度，并每隔1分钟从基站3发送到数据服务器6。因此，将作为佩带者的行动信息的过零次数作为每分钟的过零次数存储在数据服务器6的数据库64内。\n接着，图5是表示由测量定时器151对控制部15的微计算机设置了中断时执行的脉搏的测量处理的一例的流程图。\n首先，在S1中，控制部15，当接收到来自测量定时器151的中断时，起动脉搏传感器12和加速度传感器11。然后，在S2中，控制部15取得加速度传感器11的输出，并判断佩带者是否处在安静状态。\n脉搏传感器12佩带在手腕上，在佩带者活动着的状态、例如行走着的状态下，会使受光元件121与皮肤时而接触、时而分离，因此只能取得紊乱的波形而不能检测正常的脉搏。这是由于脉搏传感器12不能密贴在手腕上因而以比脉搏周期短得多的时间间隔暴露在干扰光下。这样，为了检测到可以信赖的脉搏，就必须在用户处在安静状态的期间进行检测。\n控制部15计算检测到的加速度的大小、即加速度的绝对值，将该绝对值与预先设定的阈值进行比较，如绝对值小于阈值则判断为静止状态(＝安静状态)。更准确地说，当佩带了传感器节点1的用户的手腕处于静止状态时，判断为可以开始脉搏的测量，并进入S3。另一方面，当佩带者不处在静止状态时，结束处理并在下一次的测量时刻之前等待变为安静状态。\n在S3中，控制部15取得来自脉搏传感器12的输出，作为脉搏波形数据取入。在S4中，由数字滤波器153只将预定的频带(例如，0.6Hz～4Hz)抽出。接着，在S5中从施加了滤波处理的脉搏波形数据抽出峰值(S5)。然后，在S6中从每分钟的脉搏波形数据的峰值数求出脉搏数并输出。此外，控制部15，能够将计算出的脉搏数从无线通信部16发送到基站3，或输出到显示部14以向佩带者通知测量结果。\n接着，图6是表示由测量定时器151对控制部15的微计算机设置了中断时执行的加速度的测量处理的一例的流程图。\n首先，在S11中，控制部15，当接收到来自测量定时器151的中断时，起动加速度传感器11。接着，在S12中，控制部15取得加速度传感器11的各轴的输出(X、Y、Z)，并取得加速度的波形。然后，在S13中根据各轴的加速度计算标量。该标量化，是分别将X轴、Y轴、Z轴的各加速度平方后的值求和，并将该合计值的平方根作为标量。在S14中，由数字滤波器153对标量化后的标量进行处理，只抽出预定的频带(例如，0.1Hz～5Hz)，并将噪声分量除去。\n接着，在S15中，根据施加了滤波处理的加速度的标量对过零次数进行计数。过零次数的计数，如图7所示，是对标量化后的加速度通过了接近0G的阈值的每单位时间的次数进行计数。在本实施方式中，每隔发送定时器152的周期(1分钟)将标量化后的加速度通过了阈值的次数作为过零次数进行计数并发送。\n在此，过零次数的计数，可将阈值设定为比0G稍微大一些的0.05G等，因而可以防止误检测。即，由于人体即使在睡眠中等的休止状态下也会有的微小的体动或振动等的外部的影响，在将阈值设定为0G的情况下，尽管是处在睡眠中等的休止状态，但有可能导致产生过零次数而错误地判断为运动着的状态。因此，通过将阈值设定为比0G稍微大一些的0.05G等，可以防止将人体处在休止状态时的微小的体动误判断为运动状态，从而能够提高行动信息的检测精度。\n接着，图8是表示当佩带者按下传感器节点1的按钮B103时由控制部15执行的体重的测量处理的一例的流程图。\n在S21中，检测佩带者按下了传感器节点1的按钮B103的情况，并开始从体重计2取得检测数据的处理。在S22中，传感器节点1判断是否可以与体重计2进行通信。该处理，例如，由通信部16测量体重计2的电波强度，如电波强度超过预定值则判断为可以通信。或者，由传感器节点1的通信部16向体重计2发送预定的信号，当从体重计2得到预定的响应时，即可判断为可以通信。这时，判断为传感器节点1的佩带者可以站到体重计2上进行体重测量的状态，并进入S23。另一方面，当不能通信时，判断为传感器节点1的佩带者没有进入到体重计2的附近的状态等，因而不能进行体重的测量，并进入S27的处理，控制部15在显示部14上显示不能与体重计2进行通信并结束处理。\n在S23中，从体重计2接收佩带者的体重的检测数据。控制部15，在S24中根据取得的检测数据在显示部14上显示体重的测量值。另外，控制部15，为向佩带者确认体重测量的结束，向显示部14输出按下按钮B103的指示。该显示，例如，如图9所示，在显示部14上显示从体重计2接收到的体重，当将检测数据记录在存储器17内时(是)，使其操作按钮B103，当不记录检测数据时(否)，也可以使其操作按钮A102。\n在S25中，当判断为佩带者按下按钮B103时，进入S26，对体重计2的检测数据附加传感器节点1的标识符(即用于确定佩带者的标识符)和从体重计2接收到检测数据的日期时刻(时间标记)后存储在存储器17内。\n通过以上的处理，在传感器节点1的佩带者站到体重计2上后，通过操作按钮B103，可以将体重的检测数据从体重计2传送到传感器节点1，并存储在传感器节点1的存储器17内。已存储在存储器17内的体重的检测数据，当到达预定的发送时刻时，与其他检测数据一起从传感器节点1通过基站3发送到数据服务器6。\n接着，图10是表示由发送定时器152对控制部15的微计算机设置了中断时执行的发送处理的一例的流程图。\n首先，在S31中，控制部15，当接收到来自发送定时器152的中断时，起动通信部16。然后，在S32中，控制部15判断通信部16是否是可以与基站3通信的状态。该处理，例如，由通信部16测量基站3的电波强度，如电波强度超过预定值则判断为可以通信。或者，由通信部16向基站3发送预定的信号，当从基站3接收到预定的响应时，控制部15可判断为可以通信。\n在判断为可以通信的S33中，将已记录在存储器17内的检测数据发送到基站3。在S34中，控制部15判断存储器17中是否存在未发送的检测数据，如有未发送的检测数据，则在S35中将从存储器17读入的未发送的检测数据发送到基站3，并在S36中将已发送的检测数据从存储器17删除。在S37中进一步判断存储器17中有无未发送的检测数据，如有未发送的检测数据，则返回S35再次进行处理。另一方面，如没有未发送的检测数据，则控制部15结束发送处理。\n此外，在上述S32的判断中，当传感器节点1为不能与基站3进行通信的状态时，进入S38，保持已记录在存储器17内的检测数据并结束处理。\n通过以上的处理，每隔由发送定时器152设定的预定的周期(例如，1分钟)，与基站3进行通信并集中发送已存储在存储器17内的检测数据。在该发送处理中，除了由传感器节点1的传感器测量出的加速度的过零次数、脉搏数、温度以外还将从体重计2取得的体重也作为传感器节点1的检测数据发送到基站3。\n图11示出传感器节点1每隔发送定时器152设定的预定周期(例如，1分钟)发送的检测数据的发送帧的格式的一例。\n传感器节点1，对已存储在存储器17内的检测数据(脉搏数、过零次数、温度、体重)附加预先设定的标识符(个体标识符)和发送日期时刻后发送。图中，08(16进制数)字节的脉搏数，可以发送每50msec的检测数据中的最新的数据。另外，09字节的脉搏数可靠度，是测量出脉搏数时检测的加速度或基于加速度的值，加速度越大所测量的脉搏数的可靠度越低。另外，0C、0D字节的步行数，是由控制部15根据加速度的标量求得的佩带者的步数。该步数的计算，与上述脉搏数的计数同样地，可以抽出加速度的标量的峰值并将峰值的次数作为步数而求得。另外，10、11字节的体重，仅当从体重计2接收到体重时存储检测数据。而14字节的电源电压，表示驱动传感器节点1的未图示的电池的电压。\n<数据库>\n以下，参照图2、图13说明存储在数据服务器6的数据库61内的检测数据。图12示出存储体重计2测量的体重的体重表62的内容的一例，图13示出存储传感器节点1测量的脉搏数、过零次数、温度、步数的数据表64的内容的一例。\n在图12中，在体重表62内，存储附加了接收到体重计2测量的体重数据的传感器节点1的标识符(图中，为个体标识ID)和测量的日期时刻的检测数据。在体重表62的各记录内，存储传感器节点1的标识符(个体标识ID)、测量日期时刻和体重值。分析装置7，如后文所述，根据各个体标识ID按时间序列参照该体重表62。\n在图13中，在数据表64内，以个体标识ID为开头，存储传感器节点1测量的检测数据的测量日期时刻和脉搏数、过零次数、步数、温度、电源电压、电波强度。分析装置7，如后文所述，根据各个体标识ID按时间序列参照该数据表64。\n<体重计>\n图14是表示体重计2的详细结构的框图。体重计2，由具有CPU和存储器的控制部23控制测量人体等的重量的重量传感器21、进行重量等的显示的显示部22、与传感器节点1或基站3进行通信的无线通信部24、预先分配给使用体重计2的每个用户的用户选择按钮A25～A28。\n重量传感器21，通过放大器29向控制部23的A/D转换器231输入信号，由放大器29放大后的信号，由控制部23的A/D转换器231转换为数字值，并由控制部23根据转换后的数字值计算体重数据。无线通信部24和用户选择按钮A25～D28分别与控制部23的数字I/O232连接。\n控制部23，为了驱动重量传感器21以测量用户的体重并将检测数据从无线通信部24发送到传感器节点1，执行预定的测量处理。控制部的测量处理，通过用户(传感器节点1的佩带者)操作用户选择按钮A25～D28的任何一个开始。\n当按下用户选择按钮A25～D28时，控制部23在进行了重量传感器21的校准后，使显示部22进行促使用户站到体重计2上的显示。\n当用户站到体重计2上时，作为重量传感器21的输出的模拟信号，通过放大器29并由控制部的A/D转换器231数值化。\n当体重的测量结束时，控制部23将测量出的体重值显示在显示部22上，并通过无线通信部24将体重数据(检测数据)和测量日期时刻发送到传感器节点1，控制部23在检测数据的发送结束后，转入等待状态直到再次按下用户选择按钮。此外，在体重的测量结束后，控制部23可以将本次的测量值存储在由用户选择按钮A25～D28设定的用户的信息内。\n<系统整体的处理>\n接着，在图15中示出从传感器节点1实时地测量出的生物体信息(检测数据)、和由体重计2离散地测量出的健康指标(体重)实时地预测当前的健康指标的传感器网上的数据处理的概要。\n将由佩带在人身体上的传感器节点1实时(每隔50msec等)测量的检测数据(过零次数、脉搏数)每隔1分钟发送到基站3，并通过基站3存储在数据服务器6的数据表64内。在数据表64内，每分钟存储着新的生物体信息。\n另一方面，由体重计2离散地测量出的体重数据，当进行了测量时发送到传感器节点1，与传感器节点1的检测数据一起发送到数据服务器6并存储在体重表62内。在体重表62内，离散地存储着体重数据。\n在分析装置7中，监测已存储在数据库61内的实时的生物体信息和离散的健康指标(体重)，计算体重的预测值，当体重的预测值骤增等满足了预定条件时由分析装置7的控制部71执行向传感器节点1发送警告的分析软件。\n该控制部71执行的处理的一例，在图15中，首先，从数据服务器6的体重表62取得过去的预定期间(例如，一星期)内的体重数据(S41)。然后，控制部71将从体重表62取得的预定期间(第一预定期间)内的体重数据作为目的变量存储在多重回归分析表73内(S42)。\n另外，控制部71还从数据服务器6的数据表64取得过去的第二预定期间(例如，2星期)内的过零次数(S43)。然后，控制部71，将取得的过零次数变换为过零频率。已存储在数据表64内的过零次数，表示传感器节点1的发送定时器152的周期(1分钟)的过零次数，因此\n过零频率＝过零次数/60(sec，秒)\n接着，控制部71，在S44中计算每天中每个小时的过零频率的出现率(出现频度)和连续指标。\n过零频率的出现率，如图16所示，求出1天中每个时间段的过零频率的平均值(或最大值、或标志偏差)。例如，在图16中，时间段＝1，示出0点1分～1点的过零频率的平均值为1Hz的情况。在按每个时间段求出过零频率的平均值后，如图1 7所示，按每个频带计算1天的出现率。在该例中，将1～5Hz的频带划分为5个分段，并按每个频带计算1天中的出现次数和出现率。在该例中，将1Hz以下作为频带(分段)＝1Hz，使超过1Hz、在2Hz以下的频带为2Hz，其他的频带也同样地划分。\n频带的出现率，可以作为使各频带的出现次数除以1天的全部时间段后的值而求得。例如，在频带＝5Hz的情况下，在时间段＝15点、17点出现2次，所以出现次数＝2，出现率为8.3％。该出现率的频带(分段)越高，可以判断为佩带者的行动越强(活跃)，相反频带越低可以判断为佩带者的行动越弱(安静)。\n接着，控制部71，对同一频带在相邻的时间段上连续的次数进行计数，求出计数后的连续次数，并将该连续次数除以出现次数后的值作为连续指标求出。即，\n连续指标＝连续次数/出现次数\n此外，连续次数，表示过零频率的分段为同值的时间段的数。连续次数的计数，如图18所示，检查相邻时间段的频带，如果是同一个频带，则使连续次数为1。按每个频带对时间段＝1～24依次进行这个步骤，求出1天的连续次数，并按每个频带求出1天的连续指标。例如，在图18中，在时间段＝1点和2点出现的频带全都是1Hz，因此连续次数为1。同样，频带＝1Hz连续的时间段为5点和6点以及12点和13点，所以1天的连续次数为3。而且，1天的频带＝1Hz的出现次数为8次，因此，该1天的频带＝1Hz的连续指标，如上所述为0.38。连续指标表示佩带者的行动的变化程度，如果在低的频带上连续指标高，则可以推断为安静的状态长。如果在高的频带上连续指标高，则可以推断为持续着活跃的行动。\n此外，在上述中假定频带为1Hz，但并不限定于此，如以0.1Hz为单位精细地划分频带，则可以提高连续次数和连续指标的计算精度。另外，对于时间段，在上述中示出划分为24个时间段的例，但并不限定于此，如按每1分钟的时间段将1天的时间段划分为1～1440，则可以提高连续次数和连续指标的计算精度。\n接着，在图15的S45中，将在上述S44中求得的出现率和连续指标作为说明变量存储在多重回归分析表73内(S45)。于是，当S42、S45的处理结束时，多重回归分析表73完成分析的准备(S46)。这时，分析装置7的多重回归分析表73，例如，如图19所示存储佩带者的身体信息和行动信息。即，在各记录中，将日期作为关键字，将体重数据设定为目的变量，作为说明变量存储每个频带的出现率和连续指标。\n在此，设定为目的变量的体重数据是测量出过零次数的当天就寝前、或次日早晨的体重数据，是作为反映了由基于加速度的过零频率捕捉到的行动的结果的体重值(实际的测量最好在次日的早晨进行)。\n接着，在图15的S47中，控制部71的多重回归分析处理部74根据在多重回归分析表73内设定的目的变量和说明变量，通过多重回归分析生成预测式。\n<式1>\ny＝a1x1+a2x2+...+anxn+a0\n式中，y：目的变量\nx1～xn：说明变量\nn：说明变量的个数\na1-an：系数\na0：常数项\n此外，上述S47中的预测式的生成，不是用所有的说明变量来生成预测式，而是用步进法(step wise)等众所周知的方法来进行只抽出有意义的说明变量、或将各说明变量中具有多重共线性的变量去掉等的处理。在此，对多重回归分析处理使用人所共知乃至众所周知的方法，因此其说明从略。此外，这些说明变量的抽出，假定由图1的说明变量生成部75进行。通过在目的变量(体重数据)的更新时、或在说明变量(加速度)的更新时执行上述说明变量的生成，可以将预测式更新为反映了生物体信息的变化的新的预测式，并生成学习了过去(第二预定期间)的生物体信息的变化的预测式。就是说，由于从过去的第二预定期间求取过零次数，也可以根据生物体信息的变化改变预测式。\n接着，在图15的S48中，多重回归分析处理部74从当前时刻起将过去的预定期间(例如，24小时)内的说明变量代入上述的已生成的预测式，并通过多重回归分析计算作为目的变量y的当前的体重预测值。\n然后，在图15的S48中，将由多重回归分析处理部74求得的目的变量y的解、即当前时刻的体重的预测值和过去的多重回归分析结果及体重数据的实测值显示在分析装置7的显示部77上。该显示，例如，如图20所示可以按日期时刻和体重用曲线记录预测值的计算结果和实测值。在图20中，体重的实测值不能经常测量因而离散地分布，但基于预测式的体重的预测值可以连续地生成，与传感器节点1的佩带者的日常行动对应的健康指标的变化，无需实测就可以明确地显示。\n此外，目的变量y的计算结果，既可以存储在分析装置7的未图示的存储装置等内，也可以存储在数据库61内。目的变量y的预测值，不仅是当前时刻，而且也可以求出下一次的目的变量测量时的预测值。\n这样，每当将检测数据存储在数据库61内时、或将作为目的变量的体重数据存储在数据库61内时、或按预定的周期，执行图15的S41～S49，就可以根据佩带者的行动信息实时地预测不能经常测量的身体信息(体重)。\n进一步，每当进行预测值的计算时，由控制部71的多重回归分析处理部74求取体重的预测值的变化率，当体重的预测值的变化率超过了预定值时，如图21所示，可以对传感器节点1发送警告。或当体重的预测值的变化率降低到第二预定值以下时，为了不使体重过分地减轻也可以发出警告。\n图22是表示由说明变量生成部75和多重回归分析处理部74执行的说明变量的生成和预测式的生成处理的一例的流程图。在以下的例中，示出用过去1星期的体重数据和说明变量(过零次数)进行多重回归分析的情况。此外，S471～S475相当于说明变量生成部75，S476～S47相当于多重回归分析处理部74。\n首先，说明变量生成部75，在S471中对变量N(以下，为N天)设定进行多重回归分析的日期。在此，设定当天的日期，然后，在S472中，将N天的体重数据作为目的变量代入多重回归分析表73。\n接着，在S473中，从数据库61的数据表64取得N天的过零次数，与上述S44同样地变换为过零频率，并求出出现率和连续指标，将这些出现率和连续指标作为说明变量代入多重回归分析表73。\n然后，在S474中，将N天减到其前1天的值，在S475中判断N天是否达到6天前，如未达到则返回S472反复进行目的变量和说明变量的代入，在将7天的值(过零频率的出现率和连续指标)代入多重回归分析表73时进入S476。\n在S476中，多重回归分析处理部74，根据已在多重回归分析表73中设定了的各变量执行多重回归分析。然后，根据多重回归分析的结果生成预测式(S47)。\n此外，在上述的例中，示出假定体重1天称重1次、且每当将新的目的变量(体重数据)登录在数据服务器6内时执行预测式的生成的例，但也可以在每次将新的检测数据(过零次数、脉搏数)登录在数据库61内时执行预测式的生成。另外，在上述的例中，示出根据7天的检测数据生成预测式的例，但特别是当作为目的变量的体重数据是1星期的量时，最好是准备2星期量的基于作为说明变量的检测数据的值(过零次数)。\n图23是表示由图1的分析装置7的预测数据生成部76执行的处理的一例的流程图，相当于上述图15的S48的处理。预测数据生成部76，首先，在S481中从已存储在数据服务器6的数据表64中的检测数据取得过去的预定期间(例如，24小时)以内的过零次数，并按如上所述的方式求出过零频率，并计算出现率和连续指标。\n然后，将出现率和连续指标代入在图22的处理中求得的预测式，计算体重的预测值。\n如上所述，本申请的发明者发现，即使是不能经常测量的健康指标，只要经常记录着从加速度传感器得到的身体信息、行动信息，就可以根据这些数据对体重等任意的健康指标建立相关性高的预测式。\n这是因为，经常记录的身体信息、行动信息是几乎无遗漏地反映了用户(佩带者)的身体状态和行动状况的记录，因而具有体重就是其结果的关系。例如，作为行动信息的过零频率，如果过零频率高的频度多，就表示佩带者活跃地活动着，如果过零频率低的频度多，就表示佩带者处于安静状态。即，如果人的行动活跃则能量的消耗就大，因此可以预测体重的减轻，相反如果行动不活跃则能量的消耗就少，因此可以预测体重的保持或增加。\n即，将不能经常测量的体重作为目标变量，并离散地设定为基准值，将对用户的身体状态(脉搏)或行动进行经常测量的结果(加速度)作为说明变量记录，并通过以多重回归分析为主体的统计分析根据目的变量和说明变量的相关性自动生成预测式，可以根据用户的日常的行动预测未来达到目标的程度、或可以实时地检测对达到目标有显著贡献的、或有阻碍的行动并发出报警。而且，通过连续地保存不能经常测量的体重，还可以观察健康指标的变化趋势。\n由此，用户只要利用传感器节点1经常记录身体状况、行动状况，就可以对想要知道的任意的项目的动向进行预测，而且还可以实时地得知发生对达到目标有很大影响的状况变化的情况。\n因此，可以将预测出的健康指标反馈给经常使用者(佩带者)，使使用者在日常的生活中认识到日常的无意的行动对作为目的的变量(体重)产生了怎样的影响，可以唤起注意让使用者可以进行适当的生活行动。\n即，可以利用可经常测量的变量(加速度、脉搏数)通过多重回归分析进行插补(预测)而求出不能经常测量的测量项目(健康指标)、或测量频度低的测量项目(或只能离散地测量的测量项目)，将通过插补(预测)求得的值作为测量项目的值反馈到传感器节点1的显示部17或分析装置7的显示部77。而且，通过基于多重回归分析的预测，可以预测不能经常测量的测量项目(健康指标)的值。\n另外，每当更新健康指标时、或更新经常观测的生物体信息时，可以更新预测式，并学习作为说明变量的生物体信息的变化。\n另外，在上述第一实施方式中，可以由体重计2向测量体重的传感器节点1进行发送，因此，即使体重计2和基站3不能直接通信，也可以由传感器节点1与基站3进行通信。就是说，可以减少体重计2的发送输出，因而可以延长体重计2的电源的使用寿命。\n此外，在上述第一实施方式中，示出由传感器节点1每隔50msec测量加速度等的生物体信息因而几乎是连续地监测传感器节点1的佩带者的生物体信息的变化的例，但传感器节点1用加速度传感器11和脉搏传感器12测量生物体信息的定时只要是能够几乎连续地监测佩带者的生物体信息的变化的间隔即可，例如，也可以是100msec或1sec等测量间隔。\n另外，传感器节点1的佩带者测量体重的间隔，最好是每天测量1次，但佩带者测量体重的周期(定时)是离散的或随机的，对于不能测量体重数据的日子，只需由分析装置7从前后的体重数据求出推测值即可。\n另外，由传感器节点1测量生物体信息的第一定时(测量间隔)和由体重计2测量体重的第二定时(测量间隔)的关系，最好是将测量体重的第二定时设定为第一定时的100倍以上。\n另外，在上述第一实施方式中，示出在传感器节点1中将由各传感器进行测量的间隔设定为50msec的例，但没有必要使所有的传感器以相同的周期进行测量，可以根据传感器的种类适当地变更。例如，也可以使加速度传感器11每隔50msec测量，使脉搏传感器12每隔5分钟测量，使温度传感器13每隔10分钟测量等，可以根据从传感器得到的信息的种类使各传感器的测量周期不同。\n另外，在上述第一实施方式中，示出由佩带在人的身体上的传感器节点1测量加速度作为行动信息的例，但并不限定于上述的例，也可以是包含加速度传感器或温度传感器的便携式设备，例如，可以是便携式电话或便携式音乐播放器等便携式设备。\n另外，在上述第一实施方式中，实时时钟18，最好是设置在构成传感器节点1的控制部15的微计算机的外部。通过将实时时钟18设置在微计算机的外部，在不进行测量的期间可以将微计算机转移到睡眠状态，从而可以功耗的降低。\n另外，在上述第一实施方式中，预测式可以在更新作为目的变量的体重数据、或更新作为说明变量的检测数据时等预定时刻反复执行。此外，也可以每隔预定的周期执行预测式的生成。\n<第二实施方式>\n图24是表示第二实施方式的信息管理系统的框图。将上述第一实施方式的传感器节点1中具有的脉搏数计算部155和过零次数计数部154移到数据服务器6中，以便减小传感器节点1的计算负荷。\n另外，体重计2将测量出的体重数据直接发送到基站3，抑制传感器节点1传送体重数据时的功耗。\n传感器节点1，将上述第一实施方式的图4中示出的脉搏数计算部155和过零次数计数部154去掉，由A/D转换器156、157将各传感器的测量值转换为数字值后发送到基站3，并存储在数据服务器6的数据库61中设有的波形表63内。\n数据服务器6，与上述第一实施方式的不同点在于，在数据库61中设有波形表63、在控制部66中设有过零次数计数部67和脉搏数计算部68。其他结构与上述第一实施方式相同。\n在图4中，传感器节点1，将按测量定时器151的测量周期(例如，50msec)测量出的加速度传感器11的X轴传感器、Y轴传感器、Z轴传感器的输出和脉搏传感器12的输出存储在存储器17内，并按发送定时器152的周期(例如，1sec)集中发送存储在存储器17内的加速度传感器11的输出和脉搏传感器12的输出。此外，温度传感器13的输出，将该发送时刻的输出值发送到基站3即可。\n当由体重计2向基站3发送测量出的体重时，由数据服务器6的控制部66使测量出体重的传感器节点1的佩带者和体重计2的体重数据相互关联。该相互关联，可以将从体重计2进行通信的基站3接收到的传感器节点1的检测数据中的测量出体重数据的时刻的加速度指示安静的传感器节点1作为测量出体重的传感器节点1而相互关联。或者，当存在多个基站3时，可以由多个基站3测量传感器节点1的位置，确定出存在于体重计2的位置的传感器节点1，并将该传感器节点1的标识符与测量出的体重数据相互关联。另外，体重数据的测量时刻，使用基站3或数据服务器6的时间标记即可。\n当如上所述将传感器节点1的测量周期设定为50msec、将发送周期设定为1sec时，在1次发送中，集中发送20个加速度传感器11的X轴、Y轴、Z轴和脉搏传感器12的输出。在图25中示出传感器节点1向基站3发送检测数据的帧的格式的一例。\n在图25中，传感器节点1，与上述第一实施方式同样地，除预先设定的标识符(个体标识码)和发送日期时刻以外还按测量时刻的顺序发送加速度传感器11的X轴、Y轴、Z轴和脉搏传感器12的输出。就是说，图中加速度传感器11的输出X1表示1sec前的最早的数据，图中X20表示最新的数据。而且，当从体重计2接收到体重的体重数据时，在图中61字节的电波强度以后的62字节存储体重。\n从基站3接收到上述图25中示出的检测数据的数据服务器6的控制部66，对加速度传感器11的输出(X1、Y1、Z1～X20、Y20、Z20)和脉搏传感器12的输出(脉1～脉20)，从发送帧中所包含的发送时刻和已知的测量周期(50msec)倒过来推算20个各检测数据的测量时刻。\n然后，数据服务器6的控制部66，如图26所示，在每个倒过来算出的测量时刻，将传感器节点1的标识符、加速度传感器11的X轴、Y轴、Z轴的测量值和脉搏传感器12的测量值作为1个记录，存储在数据库61的波形表63内。而且，当来自传感器节点1的检测数据中包含体重时，与上述第一实施方式同样地，将体重存储在体重表62内。\n控制部66，在将从基站3接收到的检测数据存储在波形表63内时，与上述第一实施方式同样地，由过零次数计数部67和脉搏数计算部68计算过零次数、脉搏数和步数等，并与上述第一实施方式同样地存储在数据表64内。\n分析装置7，与上述第一实施方式一样，根据从数据服务器6的数据库61读入的过零次数和体重生成预测式，并求出体重的预测值。\n如上所述，在本第二实施方式中，传感器节点1不对测量出的波形(检测数据)进行加工(计算过零次数、脉搏数)而直接发送，由数据服务器6在将检测数据存储到数据库61时计算过零次数或脉搏数，因此，可以减轻传感器节点1加工检测数据的计算负荷，因而可以降低功耗。\n另外，由于在数据服务器6侧进行检测数据的加工，很容易变更过零次数的计算逻辑或脉搏数的计算逻辑，因此可以有助于健康指标的预测。\n<第三实施方式>\n图27、图28示出第三实施方式，是作为上述第一实施方式的说明变量包括过零次数和脉搏数的例。\n图27是表示在上述第一实施方式的图22所示的流程图中将由说明变量生成部75进行的说明变量的生成处理的一部分变更后的例的流程图。在以下的例中，示出为了学习过去的体重数据而用过去7天的体重数据和说明变量(过零次数和脉搏数)生成用于进行多重回归分析的多重回归分析表73的例。在这种情况下，示出用1星期的目的变量和1星期的说明变量进行预测的例，与上述第一实施方式相比可以缩短作为说明变量的过零次数的采样周期。\n在图27中，首先，说明变量生成部75，在S471中对变量N(以下，为N天)设定进行多重回归分析的日期。在此，设定当天的日期，然后，在S472中，将N天的体重数据作为目的变量代入多重回归分析表73。在此，当体重数据中有缺损时，可以根据缺损数据代入法等生成虚拟数据并存储在目的变量内。\n接着，在S4731中，从数据库61的数据表64取得N天～(N-6)天的过零次数，与上述第一实施方式的图15中示出的S44同样地将过零次数变换为过零频率并求出出现率和连续指标，将这些出现率和连续指标作为说明变量代入多重回归分析表73。\n然后，在S4732中，从数据库61的数据表64取得N天～(N-6)天的脉搏数，与上述第一实施方式的图15中示出的S44同样地求出脉搏数的出现率和连续指标，将这些出现率和连续指标作为说明变量代入多重回归分析表73。在此，脉搏数的出现率和连续指标，将作为检测数据存储在数据表64内的脉搏数划分为脉搏数＝50以下、50～69、70～89、90～109、110～129、130以上的6个区段，与过零频率同样地计算出现率和连续指标，并代入多重回归分析表73。\n接着，在S474、S475中，与上述第一实施方式的图22同样地，将N天减到其前1天的值，判断N天是否达到6天前，如未达到则返回S472反复进行目的变量和说明变量的代入，并将7天的值(过零频率及脉搏数的出现率和连续指标)代入多重回归分析表73。\n通过以上的处理，多重回归分析表73，如图28所示，对一个目的变量(体重数据)设定7天的说明变量(过零频率及脉搏数的出现率和连续指标)。\n之后，由多重回归分析处理部74，执行上述第一实施方式的图22中示出的S476和S47，从而可以生成将过零频率和脉搏数用作说明变量的预测式。\n在该例中，为预测健康指标(体重)，作为行动信息将1星期的过零频率作为说明变量，进一步，作为身体信息将1星期的脉搏数作为说明变量，因此，除日常的行动外，还可以将基于脉搏数的变化的紧张状态或心理压力等所反映的健康指标的变化反馈给佩带者。\n另外，在本第三实施方式中，本申请的发明者们确认了，基于作为目的变量的体重数据和作为说明变量的检测数据的值(过零频率、脉搏数)即使是2天也具有足够的预测精度。\n<第四实施方式>\n图29示出第四实施方式，作为上述第二实施方式的传感器节点1，不是将加速度传感器11的输出直接发送到基站3，而是将标量化了的加速度发送到基站3，其他结构与上述第二实施方式相同。\n在图29中，传感器节点1，具有将加速度传感器11的X轴、Y轴、Z轴的各轴的加速度标量化的标量化部1510。\n通过由标量化部1510将向基站3发送的加速度的检测数据从3轴的测量值变为一个标量，可以减小所发送的帧的容量，并能减小传感器节点1的发送负荷。而且，在存储传感器节点1的检测数据的数据服务器6中，可以省略加速度的标量化的步骤，因而可以减小计算负荷。这在数据服务器6存储多个传感器节点1的检测数据并进行加工的情况下是特别有效的。\n<第五实施方式>\n图30示出第五实施方式，示出代替上述第一～第四实施方式的体重而将传感器节点1的佩带者的心理压力作为目的变量的例。\n图30、图31示出分析装置7的显示部77上所输出的心理压力调查的画面。信息管理系统的使用者(传感器节点1的佩带者)，每天等定期地就自身的身体状态或行动状态回答分析装置7的显示部77上所显示的设问。图30是关于使用者的健康状况的设问，使用者通过输入部78对相应的项目进行检查。分析装置7从已输入的设问数和全部设问数，根据下式求出心理压力指标。\n心理压力指标＝已输入的设问数/设问数\n将该心理压力指标设定为上述第一～第四实施方式的目标变量，并将行动信息(加速度)或身体信息(脉搏)等可由传感器节点1测量的值作为说明变量，生成预测式并计算心理压力指标的预测值。\n或者，如图31所示，将各项目按5级评价，由使用者选择相应的数值，并取得使用者选定的项目的值。在这种情况下，将各项目的值设定为目的变量，并与上述同样地将行动信息(加速度)或身体信息(脉搏)等可由传感器节点1测量的值作为说明变量，生成预测式并计算心理压力指标的预测值。\n在该例中，将不能经常测量的心理压力作为目标变量，将对用户的身体状态或行动状态的测量结果作为说明变量记录，并通过以多重回归分析为主体的统计分析根据目的变量和说明变量的相关性自动生成预测式，可以根据用户的日常的行动预测未来达到目标的程度、或可以实时地检测对达到目标有显著贡献的、或有阻碍的行动并发出报警。\n此外，作为目的变量，还可以设定身体脂肪、血压值(最高血压、最低血压)、血糖值、疲劳度、健康诊断结果(每年只进行1次的健康诊断结果的每天的变化趋势预测)等表示健康状况的值。身体脂肪、血压值(最高血压、最低血压)、血糖值，与上述体重数据同样地将定期测量出的结果输入到数据服务器6，疲劳度、健康诊断结果等，像上述心理压力指标那样通过设问输入即可。特别是，如果将只能离散地测量的健康指标(例如，血糖值等)设定为目的变量，就可以根据可经常测量的日常的身体信息和行动信息实时地连续生成测量项目的预测值。\n此外，作为可以设定为目的变量的指标，还可以设定用于提高生产率或安全管理的值，例如，在软件的生产现场，通过将故障发生频度设定为目的变量，可以预测因从业人员的心理压力或疲劳等引起的生产率降低。\n在此，重要的是由本发明的信息管理系统预测出的目的变量的值可以说是精确的，因此，可以将预测值反馈给经常使用者，使使用者在日常的生活中认识到日常无意的行动对作为目的的变量产生了怎样的影响。\n如上所述，本发明可以应用于监测体重或血压等健康指标的生命管理(健康信息管理)系统，特别是通过利用传感器网可以实时地进行健康指标的预测。