Insight Agent

負の感情: Anger, Sadness, Fear, Disgust, Anxiety

実行手順

Step 1: 感情トレンドの取得 (Emotion Drift)

過去30日のデータを元に、直近7日間の変化を算出する。

// 感情トレンド分析 - タグ × 期間 × 感情の集計
MATCH (c:Client {name: $clientName})<-[:ABOUT]-(log:SupportLog)
WHERE log.date >= date() - duration({days: 30})
  AND log.emotion IS NOT NULL
WITH log,
     CASE WHEN log.date >= date() - duration({days: 7})
          THEN 'Recent' ELSE 'Baseline' END AS period
RETURN log.triggerTag AS triggerTag,
       log.emotion AS emotion,
       period,
       count(*) AS count
ORDER BY triggerTag, period

パラメータ: $clientName — クライアント名

分析方法:

1. タグごとに Baseline vs Recent の負の感情比率を計算
2. (Recent比率 - Baseline比率) / Baseline比率 が 0.3 以上なら警告
3. 0.5 以上なら重大な悪化として報告

Step 2: 複合リスクの確認 (Cascading Risk)

特定のクライアントについて、直近3日間の「負の感情の連鎖」を確認する。

// 複合リスク検出 - 直近3日の負の感情イベント
MATCH (c:Client {name: $clientName})<-[:ABOUT]-(log:SupportLog)
WHERE log.date >= date() - duration({days: 3})
  AND log.emotion IN ['Anger', 'Sadness', 'Fear', 'Disgust', 'Anxiety']
RETURN log.date AS date,
       log.triggerTag AS triggerTag,
       log.emotion AS emotion,
       log.context AS context,
       log.situation AS situation
ORDER BY log.date DESC

判定: 2種類以上の異なる triggerTag に負の感情がまたがっている場合「連鎖」と判定。

Step 3: 現場スタッフ負荷の確認 (Staff SOS)

// スタッフ負荷分析 - 記録に占める負の感情比率
MATCH (s:Supporter)-[:LOGGED]->(log:SupportLog)
WHERE log.date >= date() - duration({days: 7})
WITH s.name AS staffName,
     count(log) AS totalLogs,
     count(CASE WHEN log.emotion IN ['Anger', 'Sadness', 'Fear', 'Disgust', 'Anxiety'] THEN 1 END) AS negativeLogs
RETURN staffName, totalLogs, negativeLogs,
       CASE WHEN totalLogs > 0
            THEN round(toFloat(negativeLogs) / totalLogs * 100, 1)
            ELSE 0 END AS negativePercent
ORDER BY negativePercent DESC

判定: negativePercent が 50% 以上かつ totalLogs が 3 件以上のスタッフに警告。

Step 4: ケアの成功パターン発見

// 効果的なケアパターンの自動発見
MATCH (c:Client {name: $clientName})<-[:ABOUT]-(log:SupportLog)
WHERE log.effectiveness IN ['Effective', 'High']
  AND log.action IS NOT NULL
  AND log.action <> ''
WITH log.triggerTag AS triggerTag,
     log.situation AS situation,
     log.action AS action,
     log.emotion AS emotion,
     count(*) AS frequency
WHERE frequency >= 2
RETURN triggerTag, situation, action, emotion, frequency
ORDER BY frequency DESC
LIMIT 10

昇格判定: frequency >= 3 かつ既存 CarePreference に同一 instruction が未登録の場合、 CarePreference への昇格を提案する。

// 既存の CarePreference を確認
MATCH (c:Client {name: $clientName})-[:REQUIRES|PREFERS]->(cp:CarePreference)
RETURN cp.category AS category, cp.instruction AS instruction

Step 5: 総合リスク評価 (Risk Assessment)

Step 1〜4 の結果を統合し、以下の基準でリスクレベルを判定する:

emergency-protocol との連動

自動連動フロー

Risk Assessment = "High"
  ↓
emergency-protocol スキルを起動
  ↓
1. 🚫 NgAction（禁忌事項）を確認
2. ✅ CarePreference（推奨ケア）を確認
3. 📞 KeyPerson（緊急連絡先）を提示
  ↓
管理者への具体的な初動指示:
- 「本日中に〇〇さんの状態を直接確認してください」
- 「〇〇場面でのケアを重点的に見直してください」
- 「△△スタッフとの面談を今週中に設定してください」

重要: Risk = High の場合、レポート冒頭に以下を表示:

🚨 リスクレベル: 高
emergency-protocol の情報を以下に表示します。
管理者は本日中に対応を開始してください。

報告テンプレート (Insight Report)

### 📢 インサイト・アラート：[クライアント名]
**分析期間:** [日付] 〜 [日付] | **リスクレベル:** [高/中/低]

#### 🚩 検知された変化 (Emotion Drift)
- **[重要度: 高]** 「[triggerTag]」のネガティブ感情が先月平均の[X]倍に増加
  - ベースライン: [X]% → 直近: [Y]% (変化率: +[Z]%)
- **[重要度: 中]** 「[triggerTag]」で[emotion]が[N]件記録

#### ⚡ 負の連鎖 (Cascading Risk)
[is_cascading = true の場合]
直近3日間で[N]種類の場面（[タグ一覧]）で負の感情が記録されています。
生活全般での意欲低下、または隠れた体調不良の予兆の可能性があります。

#### 💡 AIの考察と提案
[context フィールドの頻出キーワードを分析し、背景要因を推測]
1. [具体的なアクション提案]
2. [具体的なアクション提案]

#### 🔄 成功パターンの発見
以下の対応が繰り返し効果的と記録されています:
- 「[triggerTag]」時 → [action] (Effective [N]回)
  → **CarePreference への登録を推奨**

#### 👥 現場スタッフの状況
[negativePercent > 50% のスタッフがいる場合]
[staffName]さんの記録に占めるネガティブ感情の割合が[X]%です。面談を推奨します。

全クライアント一括スキャン

特定のクライアント名を指定せず、全クライアントを一括でスキャンする場合:

// 全クライアントの直近7日間の感情サマリー
MATCH (c:Client)<-[:ABOUT]-(log:SupportLog)
WHERE log.date >= date() - duration({days: 7})
  AND log.emotion IS NOT NULL
WITH c.name AS clientName,
     count(log) AS totalLogs,
     count(CASE WHEN log.emotion IN ['Anger', 'Sadness', 'Fear', 'Disgust', 'Anxiety'] THEN 1 END) AS negativeLogs
WHERE totalLogs >= 3
RETURN clientName, totalLogs, negativeLogs,
       round(toFloat(negativeLogs) / totalLogs * 100, 1) AS negativePercent
ORDER BY negativePercent DESC

negativePercent が高いクライアントから順に詳細分析を実施する。

関連スキル

• emergency-protocol: リスクが「高」と判定された場合に自動連動
• resilience-checker: 家族の支援体制（第5の柱）との照合
• neo4j-support-db: 支援記録の登録・参照
• visit-prep: 訪問前ブリーフィングでインサイト情報を活用

バージョン

• v2.0.0 (2026-03-30) - 5段階分析、emergency-protocol連動、CarePattern自動発見、lib/insight_engine.py 統合
• v1.0.0 (2026-03-20) - 初版