CN114008452A - 与认知功能有关的食物的评价方法 - Google Patents
与认知功能有关的食物的评价方法 Download PDFInfo
- Publication number
- CN114008452A CN114008452A CN202080044113.5A CN202080044113A CN114008452A CN 114008452 A CN114008452 A CN 114008452A CN 202080044113 A CN202080044113 A CN 202080044113A CN 114008452 A CN114008452 A CN 114008452A
- Authority
- CN
- China
- Prior art keywords
- value
- amount
- evaluation
- formula
- food
- 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.)
- Pending
Links
- 235000013305 food Nutrition 0.000 title claims abstract description 181
- 230000003920 cognitive function Effects 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims description 99
- 150000001413 amino acids Chemical class 0.000 claims abstract description 321
- 238000011156 evaluation Methods 0.000 claims abstract description 287
- 102100030840 AT-rich interactive domain-containing protein 4B Human genes 0.000 claims abstract description 27
- 101000792935 Homo sapiens AT-rich interactive domain-containing protein 4B Proteins 0.000 claims abstract description 27
- 238000004364 calculation method Methods 0.000 claims description 64
- 230000008569 process Effects 0.000 claims description 33
- 230000010365 information processing Effects 0.000 claims description 30
- 241000024188 Andala Species 0.000 claims description 12
- 238000004590 computer program Methods 0.000 claims description 9
- 235000001014 amino acid Nutrition 0.000 description 311
- 229940024606 amino acid Drugs 0.000 description 311
- 235000005911 diet Nutrition 0.000 description 68
- 230000037213 diet Effects 0.000 description 59
- KDXKERNSBIXSRK-UHFFFAOYSA-N Lysine Natural products NCCCCC(N)C(O)=O KDXKERNSBIXSRK-UHFFFAOYSA-N 0.000 description 34
- AYFVYJQAPQTCCC-GBXIJSLDSA-N L-threonine Chemical compound C[C@@H](O)[C@H](N)C(O)=O AYFVYJQAPQTCCC-GBXIJSLDSA-N 0.000 description 32
- 238000004891 communication Methods 0.000 description 30
- COLNVLDHVKWLRT-QMMMGPOBSA-N L-phenylalanine Chemical compound OC(=O)[C@@H](N)CC1=CC=CC=C1 COLNVLDHVKWLRT-QMMMGPOBSA-N 0.000 description 29
- 238000010586 diagram Methods 0.000 description 27
- 235000021152 breakfast Nutrition 0.000 description 26
- KDXKERNSBIXSRK-YFKPBYRVSA-N L-lysine Chemical compound NCCCC[C@H](N)C(O)=O KDXKERNSBIXSRK-YFKPBYRVSA-N 0.000 description 24
- 230000000875 corresponding effect Effects 0.000 description 24
- 238000006243 chemical reaction Methods 0.000 description 23
- OUYCCCASQSFEME-QMMMGPOBSA-N L-tyrosine Chemical compound OC(=O)[C@@H](N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-QMMMGPOBSA-N 0.000 description 20
- KZSNJWFQEVHDMF-UHFFFAOYSA-N Valine Chemical compound CC(C)C(N)C(O)=O KZSNJWFQEVHDMF-UHFFFAOYSA-N 0.000 description 19
- 230000002265 prevention Effects 0.000 description 19
- 125000000510 L-tryptophano group Chemical group [H]C1=C([H])C([H])=C2N([H])C([H])=C(C([H])([H])[C@@]([H])(C(O[H])=O)N([H])[*])C2=C1[H] 0.000 description 18
- 230000003449 preventive effect Effects 0.000 description 17
- 230000006870 function Effects 0.000 description 16
- 235000018102 proteins Nutrition 0.000 description 16
- 108090000623 proteins and genes Proteins 0.000 description 16
- 102000004169 proteins and genes Human genes 0.000 description 16
- 150000002632 lipids Chemical class 0.000 description 15
- 238000012545 processing Methods 0.000 description 15
- 230000003111 delayed effect Effects 0.000 description 14
- 235000021075 protein intake Nutrition 0.000 description 14
- 230000002596 correlated effect Effects 0.000 description 13
- 230000007423 decrease Effects 0.000 description 13
- 230000014509 gene expression Effects 0.000 description 13
- 238000007477 logistic regression Methods 0.000 description 12
- 238000004458 analytical method Methods 0.000 description 11
- 230000005540 biological transmission Effects 0.000 description 11
- 239000000463 material Substances 0.000 description 11
- 206010012289 Dementia Diseases 0.000 description 10
- -1 Leu Chemical class 0.000 description 10
- CKLJMWTZIZZHCS-REOHCLBHSA-N L-aspartic acid Chemical compound OC(=O)[C@@H](N)CC(O)=O CKLJMWTZIZZHCS-REOHCLBHSA-N 0.000 description 9
- ROHFNLRQFUQHCH-YFKPBYRVSA-N L-leucine Chemical compound CC(C)C[C@H](N)C(O)=O ROHFNLRQFUQHCH-YFKPBYRVSA-N 0.000 description 9
- 125000000393 L-methionino group Chemical group [H]OC(=O)[C@@]([H])(N([H])[*])C([H])([H])C(SC([H])([H])[H])([H])[H] 0.000 description 9
- 235000019577 caloric intake Nutrition 0.000 description 9
- 230000000378 dietary effect Effects 0.000 description 9
- 230000000694 effects Effects 0.000 description 9
- 230000009466 transformation Effects 0.000 description 9
- MTCFGRXMJLQNBG-REOHCLBHSA-N (2S)-2-Amino-3-hydroxypropansäure Chemical compound OC[C@H](N)C(O)=O MTCFGRXMJLQNBG-REOHCLBHSA-N 0.000 description 8
- DHMQDGOQFOQNFH-UHFFFAOYSA-N Glycine Chemical compound NCC(O)=O DHMQDGOQFOQNFH-UHFFFAOYSA-N 0.000 description 8
- 206010020772 Hypertension Diseases 0.000 description 8
- XUJNEKJLAYXESH-REOHCLBHSA-N L-Cysteine Chemical compound SC[C@H](N)C(O)=O XUJNEKJLAYXESH-REOHCLBHSA-N 0.000 description 8
- 206010012601 diabetes mellitus Diseases 0.000 description 8
- 238000012795 verification Methods 0.000 description 8
- AGPKZVBTJJNPAG-WHFBIAKZSA-N L-isoleucine Chemical compound CC[C@H](C)[C@H](N)C(O)=O AGPKZVBTJJNPAG-WHFBIAKZSA-N 0.000 description 7
- 230000037396 body weight Effects 0.000 description 7
- 230000006866 deterioration Effects 0.000 description 7
- 235000019621 digestibility Nutrition 0.000 description 7
- 235000006286 nutrient intake Nutrition 0.000 description 7
- 238000000611 regression analysis Methods 0.000 description 7
- 235000012054 meals Nutrition 0.000 description 6
- WHUUTDBJXJRKMK-UHFFFAOYSA-N Glutamic acid Natural products OC(=O)C(N)CCC(O)=O WHUUTDBJXJRKMK-UHFFFAOYSA-N 0.000 description 5
- 125000000998 L-alanino group Chemical group [H]N([*])[C@](C([H])([H])[H])([H])C(=O)O[H] 0.000 description 5
- 208000006011 Stroke Diseases 0.000 description 5
- 239000000306 component Substances 0.000 description 5
- 230000007812 deficiency Effects 0.000 description 5
- 239000003797 essential amino acid Substances 0.000 description 5
- 235000020776 essential amino acid Nutrition 0.000 description 5
- 235000016709 nutrition Nutrition 0.000 description 5
- 230000035764 nutrition Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 208000024827 Alzheimer disease Diseases 0.000 description 4
- PMMYEEVYMWASQN-DMTCNVIQSA-N Hydroxyproline Chemical compound O[C@H]1CN[C@H](C(O)=O)C1 PMMYEEVYMWASQN-DMTCNVIQSA-N 0.000 description 4
- ODKSFYDXXFIFQN-BYPYZUCNSA-N L-arginine Chemical compound OC(=O)[C@@H](N)CCCN=C(N)N ODKSFYDXXFIFQN-BYPYZUCNSA-N 0.000 description 4
- DCXYFEDJOCDNAF-REOHCLBHSA-N L-asparagine Chemical compound OC(=O)[C@@H](N)CC(N)=O DCXYFEDJOCDNAF-REOHCLBHSA-N 0.000 description 4
- WHUUTDBJXJRKMK-VKHMYHEASA-N L-glutamic acid Chemical compound OC(=O)[C@@H](N)CCC(O)=O WHUUTDBJXJRKMK-VKHMYHEASA-N 0.000 description 4
- ROHFNLRQFUQHCH-UHFFFAOYSA-N Leucine Natural products CC(C)CC(N)C(O)=O ROHFNLRQFUQHCH-UHFFFAOYSA-N 0.000 description 4
- NSTPXGARCQOSAU-VIFPVBQESA-N N-formyl-L-phenylalanine Chemical compound O=CN[C@H](C(=O)O)CC1=CC=CC=C1 NSTPXGARCQOSAU-VIFPVBQESA-N 0.000 description 4
- 235000021120 animal protein Nutrition 0.000 description 4
- 235000018823 dietary intake Nutrition 0.000 description 4
- PMMYEEVYMWASQN-UHFFFAOYSA-N dl-hydroxyproline Natural products OC1C[NH2+]C(C([O-])=O)C1 PMMYEEVYMWASQN-UHFFFAOYSA-N 0.000 description 4
- 230000036541 health Effects 0.000 description 4
- 229960002591 hydroxyproline Drugs 0.000 description 4
- 208000031225 myocardial ischemia Diseases 0.000 description 4
- 235000015097 nutrients Nutrition 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 230000000391 smoking effect Effects 0.000 description 4
- FGMPLJWBKKVCDB-UHFFFAOYSA-N trans-L-hydroxy-proline Natural products ON1CCCC1C(O)=O FGMPLJWBKKVCDB-UHFFFAOYSA-N 0.000 description 4
- OUYCCCASQSFEME-UHFFFAOYSA-N tyrosine Natural products OC(=O)C(N)CC1=CC=C(O)C=C1 OUYCCCASQSFEME-UHFFFAOYSA-N 0.000 description 4
- DCXYFEDJOCDNAF-UHFFFAOYSA-N Asparagine Natural products OC(=O)C(N)CC(N)=O DCXYFEDJOCDNAF-UHFFFAOYSA-N 0.000 description 3
- 125000000174 L-prolyl group Chemical group [H]N1C([H])([H])C([H])([H])C([H])([H])[C@@]1([H])C(*)=O 0.000 description 3
- 239000004472 Lysine Substances 0.000 description 3
- 230000005856 abnormality Effects 0.000 description 3
- 235000009582 asparagine Nutrition 0.000 description 3
- 229960001230 asparagine Drugs 0.000 description 3
- 238000004422 calculation algorithm Methods 0.000 description 3
- 235000018417 cysteine Nutrition 0.000 description 3
- XUJNEKJLAYXESH-UHFFFAOYSA-N cysteine Natural products SCC(N)C(O)=O XUJNEKJLAYXESH-UHFFFAOYSA-N 0.000 description 3
- 238000003066 decision tree Methods 0.000 description 3
- 201000010099 disease Diseases 0.000 description 3
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 3
- 235000012041 food component Nutrition 0.000 description 3
- 239000005428 food component Substances 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- AGPKZVBTJJNPAG-UHFFFAOYSA-N isoleucine Natural products CCC(C)C(N)C(O)=O AGPKZVBTJJNPAG-UHFFFAOYSA-N 0.000 description 3
- 229960000310 isoleucine Drugs 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000013179 statistical model Methods 0.000 description 3
- 238000012706 support-vector machine Methods 0.000 description 3
- 238000012360 testing method Methods 0.000 description 3
- 238000005303 weighing Methods 0.000 description 3
- 208000032928 Dyslipidaemia Diseases 0.000 description 2
- 239000004471 Glycine Substances 0.000 description 2
- 208000031226 Hyperlipidaemia Diseases 0.000 description 2
- QIVBCDIJIAJPQS-VIFPVBQESA-N L-tryptophane Chemical compound C1=CC=C2C(C[C@H](N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-VIFPVBQESA-N 0.000 description 2
- KZSNJWFQEVHDMF-BYPYZUCNSA-N L-valine Chemical compound CC(C)[C@H](N)C(O)=O KZSNJWFQEVHDMF-BYPYZUCNSA-N 0.000 description 2
- 208000017170 Lipid metabolism disease Diseases 0.000 description 2
- MTCFGRXMJLQNBG-UHFFFAOYSA-N Serine Natural products OCC(N)C(O)=O MTCFGRXMJLQNBG-UHFFFAOYSA-N 0.000 description 2
- AYFVYJQAPQTCCC-UHFFFAOYSA-N Threonine Natural products CC(O)C(N)C(O)=O AYFVYJQAPQTCCC-UHFFFAOYSA-N 0.000 description 2
- 239000004473 Threonine Substances 0.000 description 2
- QIVBCDIJIAJPQS-UHFFFAOYSA-N Tryptophan Natural products C1=CC=C2C(CC(N)C(O)=O)=CNC2=C1 QIVBCDIJIAJPQS-UHFFFAOYSA-N 0.000 description 2
- 238000011497 Univariate linear regression Methods 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 210000000577 adipose tissue Anatomy 0.000 description 2
- 238000000540 analysis of variance Methods 0.000 description 2
- 235000003704 aspartic acid Nutrition 0.000 description 2
- OQFSQFPPLPISGP-UHFFFAOYSA-N beta-carboxyaspartic acid Natural products OC(=O)C(N)C(C(O)=O)C(O)=O OQFSQFPPLPISGP-UHFFFAOYSA-N 0.000 description 2
- 230000015556 catabolic process Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 238000007621 cluster analysis Methods 0.000 description 2
- 238000006731 degradation reaction Methods 0.000 description 2
- 239000003814 drug Substances 0.000 description 2
- 235000006694 eating habits Nutrition 0.000 description 2
- 235000012631 food intake Nutrition 0.000 description 2
- 230000037406 food intake Effects 0.000 description 2
- 230000002068 genetic effect Effects 0.000 description 2
- ZDXPYRJPNDTMRX-UHFFFAOYSA-N glutamine Natural products OC(=O)C(N)CCC(N)=O ZDXPYRJPNDTMRX-UHFFFAOYSA-N 0.000 description 2
- HNDVDQJCIGZPNO-UHFFFAOYSA-N histidine Natural products OC(=O)C(N)CC1=CN=CN1 HNDVDQJCIGZPNO-UHFFFAOYSA-N 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 239000002207 metabolite Substances 0.000 description 2
- 238000010295 mobile communication Methods 0.000 description 2
- 210000003205 muscle Anatomy 0.000 description 2
- 208000010125 myocardial infarction Diseases 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- COLNVLDHVKWLRT-UHFFFAOYSA-N phenylalanine Natural products OC(=O)C(N)CC1=CC=CC=C1 COLNVLDHVKWLRT-UHFFFAOYSA-N 0.000 description 2
- 238000013441 quality evaluation Methods 0.000 description 2
- 238000010187 selection method Methods 0.000 description 2
- 208000024891 symptom Diseases 0.000 description 2
- 239000004474 valine Substances 0.000 description 2
- OIXLLKLZKCBCPS-RZVRUWJTSA-N (2s)-2-azanyl-5-[bis(azanyl)methylideneamino]pentanoic acid Chemical compound OC(=O)[C@@H](N)CCCNC(N)=N.OC(=O)[C@@H](N)CCCNC(N)=N OIXLLKLZKCBCPS-RZVRUWJTSA-N 0.000 description 1
- GOJUJUVQIVIZAV-UHFFFAOYSA-N 2-amino-4,6-dichloropyrimidine-5-carbaldehyde Chemical group NC1=NC(Cl)=C(C=O)C(Cl)=N1 GOJUJUVQIVIZAV-UHFFFAOYSA-N 0.000 description 1
- 206010002869 Anxiety symptoms Diseases 0.000 description 1
- 108010060159 Apolipoprotein E4 Proteins 0.000 description 1
- 241000557639 Araucaria bidwillii Species 0.000 description 1
- 238000012935 Averaging Methods 0.000 description 1
- LEVWYRKDKASIDU-QWWZWVQMSA-N D-cystine Chemical compound OC(=O)[C@H](N)CSSC[C@@H](N)C(O)=O LEVWYRKDKASIDU-QWWZWVQMSA-N 0.000 description 1
- QNAYBMKLOCPYGJ-REOHCLBHSA-N L-alanine Chemical compound C[C@H](N)C(O)=O QNAYBMKLOCPYGJ-REOHCLBHSA-N 0.000 description 1
- 229930064664 L-arginine Natural products 0.000 description 1
- 235000014852 L-arginine Nutrition 0.000 description 1
- ZDXPYRJPNDTMRX-VKHMYHEASA-N L-glutamine Chemical compound OC(=O)[C@@H](N)CCC(N)=O ZDXPYRJPNDTMRX-VKHMYHEASA-N 0.000 description 1
- FFEARJCKVFRZRR-BYPYZUCNSA-N L-methionine Chemical compound CSCC[C@H](N)C(O)=O FFEARJCKVFRZRR-BYPYZUCNSA-N 0.000 description 1
- 238000007476 Maximum Likelihood Methods 0.000 description 1
- YJPIGAIKUZMOQA-UHFFFAOYSA-N Melatonin Natural products COC1=CC=C2N(C(C)=O)C=C(CCN)C2=C1 YJPIGAIKUZMOQA-UHFFFAOYSA-N 0.000 description 1
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- ONIBWKKTOPOVIA-UHFFFAOYSA-N Proline Natural products OC(=O)C1CCCN1 ONIBWKKTOPOVIA-UHFFFAOYSA-N 0.000 description 1
- NINIDFKCEFEMDL-UHFFFAOYSA-N Sulfur Chemical compound [S] NINIDFKCEFEMDL-UHFFFAOYSA-N 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 235000004279 alanine Nutrition 0.000 description 1
- 238000003556 assay Methods 0.000 description 1
- 238000013398 bayesian method Methods 0.000 description 1
- 238000013477 bayesian statistics method Methods 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 239000008280 blood Substances 0.000 description 1
- 210000004369 blood Anatomy 0.000 description 1
- 230000003925 brain function Effects 0.000 description 1
- 230000036995 brain health Effects 0.000 description 1
- 150000005693 branched-chain amino acids Chemical class 0.000 description 1
- 235000014633 carbohydrates Nutrition 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000003930 cognitive ability Effects 0.000 description 1
- 208000010877 cognitive disease Diseases 0.000 description 1
- 238000010411 cooking Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000002790 cross-validation Methods 0.000 description 1
- 229960003067 cystine Drugs 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000018109 developmental process Effects 0.000 description 1
- 235000008242 dietary patterns Nutrition 0.000 description 1
- 235000021245 dietary protein Nutrition 0.000 description 1
- 229940079593 drug Drugs 0.000 description 1
- 235000005686 eating Nutrition 0.000 description 1
- 235000013922 glutamic acid Nutrition 0.000 description 1
- 239000004220 glutamic acid Substances 0.000 description 1
- 208000019622 heart disease Diseases 0.000 description 1
- 238000007417 hierarchical cluster analysis Methods 0.000 description 1
- 210000003405 ileum Anatomy 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000008449 language Effects 0.000 description 1
- 238000012417 linear regression Methods 0.000 description 1
- DRLFMBDRBRZALE-UHFFFAOYSA-N melatonin Chemical compound COC1=CC=C2NC=C(CCNC(C)=O)C2=C1 DRLFMBDRBRZALE-UHFFFAOYSA-N 0.000 description 1
- 229960003987 melatonin Drugs 0.000 description 1
- 230000036997 mental performance Effects 0.000 description 1
- 229930182817 methionine Natural products 0.000 description 1
- 208000027061 mild cognitive impairment Diseases 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000000491 multivariate analysis Methods 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 235000015277 pork Nutrition 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 239000000047 product Substances 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000000551 statistical hypothesis test Methods 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 239000011593 sulfur Substances 0.000 description 1
- 229910052717 sulfur Inorganic materials 0.000 description 1
- 239000013589 supplement Substances 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
- 235000013343 vitamin Nutrition 0.000 description 1
- 239000011782 vitamin Substances 0.000 description 1
- 229940088594 vitamin Drugs 0.000 description 1
- 229930003231 vitamin Natural products 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/02—Food
-
- C—CHEMISTRY; METALLURGY
- C12—BIOCHEMISTRY; BEER; SPIRITS; WINE; VINEGAR; MICROBIOLOGY; ENZYMOLOGY; MUTATION OR GENETIC ENGINEERING
- C12M—APPARATUS FOR ENZYMOLOGY OR MICROBIOLOGY; APPARATUS FOR CULTURING MICROORGANISMS FOR PRODUCING BIOMASS, FOR GROWING CELLS OR FOR OBTAINING FERMENTATION OR METABOLIC PRODUCTS, i.e. BIOREACTORS OR FERMENTERS
- C12M1/00—Apparatus for enzymology or microbiology
- C12M1/34—Measuring or testing with condition measuring or sensing means, e.g. colony counters
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
- G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
- G01N33/68—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving proteins, peptides or amino acids
-
- 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
- G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
Landscapes
- Health & Medical Sciences (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Pathology (AREA)
- Food Science & Technology (AREA)
- Biomedical Technology (AREA)
- Medicinal Chemistry (AREA)
- Public Health (AREA)
- Biochemistry (AREA)
- Medical Informatics (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- General Physics & Mathematics (AREA)
- Biotechnology (AREA)
- Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Zoology (AREA)
- Epidemiology (AREA)
- Organic Chemistry (AREA)
- Databases & Information Systems (AREA)
- Primary Health Care (AREA)
- Hematology (AREA)
- Microbiology (AREA)
- Molecular Biology (AREA)
- Urology & Nephrology (AREA)
- Data Mining & Analysis (AREA)
- Wood Science & Technology (AREA)
- Sustainable Development (AREA)
- Cell Biology (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Proteomics, Peptides & Aminoacids (AREA)
- Coloring Foods And Improving Nutritive Qualities (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Abstract
课题在于提供例如能够提供关于作为评价对象的食物是否与认知功能相关联等的信息的评价方法。在本实施方式中，使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
Description
技术领域
本发明涉及评价方法、计算方法、预防方法、评价装置、计算装置、预防装置、评价程序、计算程序、预防程序、记录介质、评价系统、预防系统和终端装置。
背景技术
伴随着老龄化社会的加速，痴呆症患者数量预计会增加。计算出，痴呆症患者数量在2050年会超过1000万人。当痴呆症发病时，称为核心症状的认知功能的降低等症状预计是不会恢复的。因此，痴呆症是发病前的预防是非常重要的疾病。此外，在阿尔茨海默型痴呆症（Alzheimer's disease：AD）的研究中，越来越清楚的是，脑内变化开始于AD发病的20年以上之前。从该研究可知，从更年轻层起的预防是重要的。
作为与痴呆症有关的危险因素，可举出ApoE4基因等遗传背景、以及糖尿病或高血压等生活习惯病等。此外，吸烟、社会参与状况、外出频率的减少和饮食内容等生活习惯也被认为与痴呆症发病有关。特别地，关于饮食内容与痴呆症发病或认知功能之间的关系，存在如下的报告等：当蛋白质摄取量较多时，作为痴呆症的前阶段的轻度认知障碍的风险会降低这样的报告（非专利文献1）；以及高龄者的蛋白摄取量与认知功能示出了正相关这样的报告（非专利文献2）。因此，蛋白质摄取量被认为是与痴呆症发病或认知功能有关的重要因素。进而，研究了从饮食中的褪黑激素和色氨酸摄取对于认知功能的改善的效果（非专利文献3）。此外，存在赖氨酸摄取会改善健康人的认知功能这样的报告（专利文献1）、暗示了L-精氨酸或赖氨酸摄取对于AD或焦虑症状的改善的效果的报告（非专利文献4～7）、以及暗示了酪氨酸摄取对于作业记忆降低和认知功能降低的改善的报告（非专利文献8）。
现有技术文献
专利文献
专利文献1：欧洲专利第2367547号（A1）
非专利文献
非专利文献1：J. Alzheimers Dis. 32（2） 329-339（2012）
非专利文献2：Am. J. Clin. Nutr. 65（1） 20-29（1997）
非专利文献3：Angro Food Industry Hi-Tech 22 （4） 23-24 （2011）
非专利文献4：The American Journal of Medicine 108 （5） 439 （2000 Apr 1）
非专利文献5：Neuropsychiatric Disease and Treatment 6 707-710 （2010）
非专利文献6：Biomedical Research 28 （2） 85-90 （2007）
非专利文献7：J. Nutr. 132 （12） 3744-3746 （2002）
非专利文献8：Amino Acids 45 （5） 1035-1045 （2013）。
发明内容
发明要解决的课题
然而，在上述报告中，存在不能说对于认知功能的降低具有充分的预防或改善的效果的报告、以及需要有效性的验证的报告。因此，并不能说已经发现了对于认知功能的降低具有充分的预防或改善的效果、安全性高、且可持续摄取的成分。进而，关于从食物中的氨基酸摄取量与认知功能之间的关联，仍不清楚。
本发明的目的在于，例如提供能够提供关于作为评价对象的食物是否与认知功能相关联等的信息的评价方法、计算方法、评价装置、计算装置、评价程序、计算程序、记录介质、评价系统和终端装置、能够提供用于预防认知功能降低的信息的认知功能降低的预防方法、预防装置、预防程序、记录介质、预防系统和终端装置、以及能够提供在知晓认知功能的状态之上能成为参考的可靠性高的信息的评价方法、计算方法、评价装置、计算装置、评价程序、计算程序、记录介质、评价系统和终端装置。
用于解决课题的方案
本发明人为解决上述课题进行了深入研究，发现了关于认知功能的临床评价指标与关于食物中的氨基酸的信息之间的关联性，从而完成了本发明。
为解决上述课题而达成目的，本发明的评价方法的特征在于，包含评价步骤，在所述评价步骤中，使用21种氨基酸（Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA）中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
在此，在本说明书中，主要用简称来标记各种氨基酸，但是，它们的正式名称如以下那样。
（简称） （正式名称）
AAA 芳香族氨基酸Aromatic amino acids（酪氨酸和苯丙氨酸，Tyrosine andPhenylalanine）
Ala 丙氨酸Alanine
Arg 精氨酸Arginine
Asn 天冬酰胺Asparagine
Asp 天冬氨酸和天冬酰胺Aspartic acid and Asparagine
BCAA 支链氨基酸Branched-chain amino acids（异亮氨酸、亮氨酸和缬氨酸Isoleucine, Leucine and Valine）
Cys 胱氨酸Cystine
Gln 谷氨酰胺Glutamine
Glu 谷氨酸和谷氨酰胺Glutamic acid and Glutamine
Gly 甘氨酸Glycine
His 组氨酸Histidine
Ile 异亮氨酸Isoleucine
Leu 亮氨酸Leucine
Lys 赖氨酸Lysine
Met 蛋氨酸Methionine
Phe 苯丙氨酸Phenylalanine
Pro 脯氨酸Proline
SAA 含硫氨基酸Sulfur-containing amino acids（胱氨酸和蛋氨酸，Methionineand Cystine）
Ser 丝氨酸Serine
Thr 苏氨酸Threonine
Trp 色氨酸Tryptophan
Tyr 酪氨酸Tyrosine
Val 缬氨酸Valine。
此外，本发明的评价方法的特征在于，在所述评价步骤中，使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Ala、Asp、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
此外，本发明的评价方法的特征在于，在所述评价步骤中，使用Ile、Leu、Tyr、Trp、Val、Ser、AAA和BCAA中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
此外，本发明的评价方法的特征在于，在所述评价步骤中，使用Lys、Phe、Thr和Ala中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
此外，本发明的评价方法的特征在于，所述食物相当于早餐、午餐或晚餐。
此外，本发明的评价方法的特征在于，所述评价步骤在具备控制部的信息处理装置的所述控制部中执行。
此外，本发明的计算方法的特征在于，包含计算步骤，在所述计算步骤中，使用所述21种氨基酸中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
此外，本发明的计算方法的特征在于，所述计算步骤在具备控制部的信息处理装置的所述控制部中执行。
此外，本发明的评价装置是具备控制部的评价装置，其特征在于，所述控制部具备评价单元，所述评价单元使用所述21种氨基酸中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
此外，本发明的评价装置的特征在于，经由网络可通信地连接到终端装置，所述控制部还具备：数据接收单元，接收用于计算所述量的所述值的信息、使用所述信息而算出的所述量的所述值或所述公式的所述值；以及结果发送单元，向所述终端装置发送由所述评价单元得到的结果，所述评价单元进行以下（1）或（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理或使用所述接收到的所述信息来算出所述量的所述值并使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物。
此外，本发明的计算装置是具备控制部的计算装置，其特征在于，所述控制部具备计算单元，所述计算单元使用所述21种氨基酸中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
此外，本发明的评价程序是在具备控制部的信息处理装置中执行的评价程序，其特征在于，包含在所述控制部中执行的评价步骤，所述评价步骤使用所述21种氨基酸中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
此外，本发明的计算程序是在具备控制部的信息处理装置中执行的计算程序，其特征在于，包含在所述控制部中执行的计算步骤，所述计算步骤使用所述21种氨基酸中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
此外，本发明的记录介质是记录有所述评价程序或所述计算程序的计算机可读记录介质。具体而言，本发明的记录介质是非暂时性计算机可读记录介质，其特征在于，包含用于使信息处理装置执行所述评价方法或所述计算方法的程序化的命令。
此外，本发明的评价系统是经由网络将具备控制部的评价装置和具备控制部的终端装置可通信地连接来构成的评价系统，其特征在于，所述终端装置的所述控制部具备结果接收单元，所述结果接收单元接收从所述评价装置发送的从认知功能的观点对食物进行评价而得到的评价结果，所述评价装置的所述控制部具备：数据接收单元，接收用于计算所述21种氨基酸中的至少一种氨基酸在所述食物中的量的值的信息、使用所述信息而算出的所述量的所述值、或使用包含所述量的所述值被代入的变量的公式和所述量的所述值而计算的所述公式的所述值；评价单元，所述评价单元进行以下（1）或（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理、或使用所述接收到的所述信息来计算所述量的所述值并使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；以及结果发送单元，向所述终端装置发送由所述评价单元得到的所述结果。
此外，本发明的终端装置是具备控制部的终端装置，其特征在于，所述控制部具备结果取得单元，所述结果取得单元取得从认知功能的观点对食物进行评价而得到的评价结果，所述结果是使用所述21种氨基酸中的至少一种氨基酸在所述食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值而从认知功能的观点对所述食物进行评价而得到的结果。
此外，本发明的终端装置的特征在于，经由网络可通信地连接到进行所述评价的评价装置，所述结果取得单元接收从所述评价装置发送的所述结果。
此外，本发明的认知功能降低的预防方法的特征在于，包含：计算步骤，从与用户相关联的与食物有关的信息中计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值；判定步骤，判定在所述计算步骤中计算出的各值是否达到阈值；检索步骤，检索与食物有关的信息，所述食物包含许多氨基酸，所述氨基酸对应于在所述判定步骤中判定为未达到阈值的值；以及提供步骤，将所述检索步骤中检索到的与食物有关的信息作为用于预防认知功能降低的信息，提供给用户。
此外，本发明的认知功能降低的预防方法的特征在于，所述计算步骤、所述判定步骤、所述检索步骤和所述提供步骤在具备控制部的信息处理装置的所述控制部中执行。
此外，本发明的预防装置是具备控制部的预防装置，其特征在于，所述控制部具备：计算单元，从与用户相关联的与食物有关的信息中计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值；判定单元，判定由所述计算单元计算出的各值是否达到阈值；检索单元，检索与食物有关的信息，所述食物包含许多氨基酸，所述氨基酸对应于由所述判定单元判定为未达到阈值的值；以及提供单元，将由所述检索单元检索到的与食物有关的信息作为用于预防认知功能降低的信息，提供给用户。
此外，本发明的预防装置的特征在于，经由网络可通信地连接到终端装置，所述控制部还具备数据接收单元，所述数据接收单元接收与所述用户相关联的与食物有关的信息，所述提供单元向所述终端装置发送与所述食物有关的信息。
此外，本发明的预防程序是用于在具备控制部的信息处理装置中执行的预防程序，其特征在于，包含用于在所述控制部中执行的计算步骤、判定步骤、检索步骤以及提供步骤，所述计算步骤从与用户相关联的与食物有关的信息中计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值，所述判定步骤判定在所述计算步骤中计算出的各值是否达到阈值，所述检索步骤检索与食物有关的信息，所述食物包含许多氨基酸，所述氨基酸对应于在所述判定步骤中判定为未达到阈值的值，所述提供步骤将所述检索步骤中检索到的与食物有关的信息作为用于预防认知功能降低的信息，提供给用户。
此外，本发明的记录介质是记录有所述预防程序的计算机可读记录介质。具体而言，本发明的记录介质是非暂时性计算机可读记录介质，其特征在于，包含用于使信息处理装置执行所述预防方法的程序化的命令。
此外，本发明的预防系统是经由网络将具备控制部的预防装置和具备控制部的终端装置可通信地连接来构成的预防系统，其特征在于，所述终端装置的所述控制部具备数据接收单元，所述数据接收单元接收从所述预防装置发送的与食物有关的信息，所述预防装置的所述控制部具备：数据接收单元，接收与用户相关联的与食物有关的信息；计算单元，从与用户相关联的与食物有关的信息中计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值；判定单元，判定由所述计算单元计算出的各值是否达到阈值；检索单元，检索与食物有关的信息，所述食物包含许多氨基酸，所述氨基酸对应于由所述判定单元判定为未达到阈值的值；以及提供单元，将由所述检索单元检索到的与食物有关的信息作为用于预防认知功能降低的信息，提供给用户。
此外，本发明的终端装置是具备控制部的终端装置，其特征在于，所述控制部具备取得与食物有关的信息的数据取得单元，与所述食物有关的信息是关于包含许多氨基酸的食物的检索到的信息并且是被提供为用于预防认知功能降低的信息，所述氨基酸对应于值，所述值是从与用户相关联的与食物有关的信息中计算的该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值且被判定为未达到阈值。
此外，本发明的终端装置经由网络可通信地连接到进行所述计算、所述判定、所述检索和所述提供的预防装置，所述数据取得单元接收从所述预防装置发送的与所述食物有关的信息。
此外，本发明的评价方法的特征在于，包含评价步骤，所述评价步骤使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，评价所述评价对象的认知功能的状态。
此外，本发明的评价方法的特征在于，所述评价步骤在具备控制部的信息处理装置的所述控制部中执行。
此外，本发明的计算方法的特征在于，包含计算步骤，所述计算步骤使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值以及包含所述量的所述值被代入的变量的用于对认知功能的状态进行评价的公式，计算所述公式的值。
此外，本发明的计算方法的特征在于，在具备控制部的信息处理装置的所述控制部中执行。
此外，本发明的评价装置是具备控制部的评价装置，其特征在于，所述控制部具备评价单元，所述评价单元使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，评价所述评价对象的认知功能的状态。
此外，本发明的评价装置经由网络可通信地连接到终端装置，所述控制部还具备数据接收单元和结果发送单元，所述数据接收单元接收与所述评价对象所摄取的所述食物有关的信息（相当于用于计算所述量的所述值的信息的一个例子）、使用所述信息而计算的所述量的所述值或所述公式的所述值，所述结果发送单元向所述终端装置发送由所述评价单元得到的结果，所述评价单元进行以下（1）或（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理或使用所述接收到的所述信息来算出所述量的所述值并使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，评价所述评价对象的认知功能的状态；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，评价所述评价对象的认知功能的状态。
此外，本发明的计算装置是具备控制部的计算装置，其特征在于，所述控制部具备计算单元，所述计算单元使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值以及包含所述量的所述值被代入的变量的用于对认知功能的状态进行评价的公式，计算所述公式的值。
此外，本发明的评价程序是在具备控制部的信息处理装置中执行的评价程序，其特征在于，包含在所述控制部中执行的评价步骤，所述评价步骤使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，评价所述评价对象的认知功能的状态。
此外，本发明的计算程序是在具备控制部的信息处理装置中执行的计算程序，其特征在于，包含在所述控制部中执行的计算步骤，所述计算步骤使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值以及包含所述量的所述值被代入的变量的用于对认知功能的状态进行评价的公式，计算所述公式的值。
此外，本发明的记录介质是记录有所述评价程序或所述计算程序的计算机可读记录介质。具体而言，本发明的记录介质是非暂时性计算机可读记录介质，其特征在于，包含用于使信息处理装置执行所述评价方法或所述计算方法的程序化的命令。
此外，本发明的评价系统是经由网络将具备控制部的评价装置和具备控制部的终端装置可通信地连接来构成的评价系统，其特征在于，所述终端装置的所述控制部具备结果接收单元，所述结果接收单元接收从所述评价装置发送的对认知功能的状态进行评价的结果，所述评价装置的所述控制部具备数据接收单元、评价单元和结果发送单元，所述数据接收单元接收与评价对象所摄取的食物有关的信息、使用所述信息而计算的所述食物中的所述21种氨基酸中的至少一种氨基酸的量的值、或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而计算的所述公式的所述值，所述评价单元进行以下（1）和（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理、或使用所述接收到的所述信息来算出所述量的所述值并且使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，评价所述评价对象的认知功能的状态；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，评价所述评价对象的认知功能的状态，所述结果发送单元向所述终端装置发送由所述评价单元得到的所述结果。
此外，本发明的终端装置是具备控制部的终端装置，其特征在于，所述控制部具备结果取得单元，所述结果取得单元取得对认知功能的状态进行评价的结果，所述结果是使用评价对象所摄取的食物中的所述21种氨基酸中的至少一种氨基酸的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值来评价所述评价对象的认知功能的状态的结果。
此外，本发明的终端装置的特征在于，经由网络可通信地连接到进行所述评价的评价装置，所述结果取得单元接收从所述评价装置发送的所述结果。
发明效果
根据本发明，例如，实现了如下的效果：能够提供关于作为评价对象的食物是否与认知功能相关联等的信息。此外，根据本发明，实现了如下的效果：能够提供用于预防认知功能降低的信息。此外，根据本发明，实现了如下的效果：能够提供在知晓认知功能的状态之上能成为参考的可靠性高的信息。
附图说明
图1是示出第一实施方式的基本原理的原理结构图。
图2是示出第二实施方式的基本原理的原理结构图。
图3是示出本系统的整体结构的一例的图。
图4是示出本系统的整体结构的另一例的图。
图5是示出本系统的评价装置100的结构的一例的框图。
图6是示出氨基酸关联数据文件106a中储存的信息的一例的图。
图7是示出指标状态信息文件106b中储存的信息的一例的图。
图8是示出指定指标状态信息文件106c中储存的信息的一例的图。
图9是示出公式文件106d1中储存的信息的一例的图。
图10是示出评价结果文件106e中储存的信息的一例的图。
图11是示出评价部102d的结构的框图。
图12是示出本系统的客户端装置200的结构的一例的框图。
图13是示出本系统的数据库装置500的结构的一例的框图。
图14是示出多个参数（氨基酸摄取量等）各自的、各三分位的分位点的图。
图15是示出多个参数（氨基酸摄取量等）各自的各组的值与多个参数（氨基酸摄取量等）各自的逻辑记忆I（即时再现）的分数之间的关系的图。
图16是示出多个参数（氨基酸摄取量等）各自的各组的值与多个参数（氨基酸摄取量等）各自的逻辑记忆II（延迟再现）的分数之间的关系的图。
图17是示出将8年后的WAIS-R（知识）作为结果的多元回归分析的结果的图。
图18是示出将8年后的WAIS-R（知识）作为结果的多元回归分析的结果的图。
图19是示出针对使用多种氨基酸的氨基酸多变量回归式和使用一种氨基酸的氨基酸单变量回归式的、利用AIC的评价结果的图，所述多种氨基酸是通过逐步法提取的。
图20是示出针对使用多种氨基酸的氨基酸多变量回归式和使用一种氨基酸的氨基酸单变量回归式的利用AIC的评价结果的图，所述多种氨基酸是通过逐步法提取的。
图21是示出针对使用两种氨基酸的氨基酸双变量回归式和使用一种氨基酸的氨基酸单变量回归式的利用AIC的评价结果的图，所述两种氨基酸由AIC最低的氨基酸单变量回归式中使用的氨基酸以及与该氨基酸的相关性最低的氨基酸构成。
图22示出针对氨基酸的每日摄取量符合T1组的组和不符合的组这两组的、对8年后的MMSE为27分以下的优势比（odds ratio）进行评价的逻辑回归的结果的图。
图23是按男女示出T1组中的、图21中优势比是显著的氨基酸的每日摄取量的范围的图。
图24是示出被认为是各氨基酸的第一分位的最大摄取量的范围的图。
图25是示出被认为是各氨基酸的第一分位的最大摄取量的范围的图。
图26是示出从饮食摄取基准来考虑的氨基酸的需要量的范围的图。
图27是示出被认为是各氨基酸的第一分位的最大摄取量的范围的图。
图28是示出被认为是各氨基酸的第一分位的最大摄取量的范围的图。
图29是示出早餐、午餐和晚餐的氨基酸得分（score）的四分位组和逻辑记忆II（延迟再现）的协方差分析的结果的图。
图30是示出按午餐的氨基酸得分的四分位组的、各模型的逻辑记忆II（延迟再现）的分数的估计值的图。
图31是示出将午餐的氨基酸得分的四分位组分为两组进行比较的检定结果的图。
图32是示出午餐的氨基酸得分的各四分位中的分位点的图。
图33是示出被认为是各午餐的氨基酸得分的分位的最大氨基酸得分的范围的图。
图34是示出被认为是各午餐的氨基酸得分的分位的最大氨基酸得分的范围的图。
图35是示出针对早餐的氨基酸得分符合T1组的组和不符合的组这两组的、对4件后的MMSE为27分以下的优势比进行评价的逻辑回归的结果的图。
图36是按男女示出T1组中的、图35中优势比是显著的早餐的氨基酸得分的范围的图。
图37是示出被认为是早餐的氨基酸得分的第一分位的最大值的范围的图。
图38是示出被认为是早餐的氨基酸得分的第一分位的最大值的范围的图。
具体实施方式
以下，基于附图来详细地说明本发明的评价方法、计算方法和预防方法的实施方式（第一实施方式）、以及本发明的评价装置、计算装置、预防装置、评价方法、计算方法、预防方法、评价程序、计算程序、预防程序、记录介质、评价系统、预防系统和终端装置的实施方式（第二实施方式）。再有，本发明不由这些实施方式所限定。
[第一实施方式]
[1-1. 第一实施方式的概要]
在此，参照图1来说明第一实施方式的概要。图1是示出第一实施方式的基本原理的原理结构图。
首先，取得氨基酸关联数据，所述氨基酸关联数据与前述21种氨基酸中的至少一种氨基酸在食物中的量的值有关（步骤S11）。在本说明书中的食物中，包含了饮食（菜单）、食材、含有氨基酸的组成物等。在此，饮食不限于相当于一次量的饮食（例如，早餐、午餐或晚餐），而是既可以相当于一定期间（例如，三天、一周或一个月等）量的饮食，也可以相当于用户（例如家庭等集团（家庭单位）或家庭成员等个人等）的饮食倾向、饮食习惯或饮食（饮食生活）模式等。此外，用户是否实际摄取了饮食并不重要。此外，量还可以包含例如含有量、摄取量、氨基酸得分或氨基酸得分（充足率）等。在此，氨基酸得分是用于对食物中的必需氨基酸的含有量比率进行评价的指标，例如，该值越接近100，则意味着越是包含高质量的蛋白质的食物。在氨基酸得分的概念中，具体而言，包含：1）将作为基准的必需氨基酸模式（例如，在1985年由FAO/WHO/UNU提出的氨基酸基准值）与各食物蛋白质中的必需氨基酸的比率进行比较时的数值最低的氨基酸（第一限制氨基酸）的数值；2）通过蛋白质的消化性进行了校正的蛋白质消化性校正氨基酸得分（PDCAAS：Protein Digestibility CorrectedAmino Acid Score）（参照““Protein quality evaluation ：report of the Joint FAO/WHO Expert Consultation, Bethesda, Md., USA 4-8 December 1989”, FAO food andnutrition paper ; 51, Food and Agriculture Organization of the UnitedNations, 1991”）；3）通过每种必需氨基酸的消化吸收率（到回肠的消化吸收率）进行了校正的消化性不可缺氨基酸得分（DIAAS, Digestible Indispensable Amino Acid Score）（参照““Dietary protein quality evaluation in human nutrition ：report of anFAO expert consultation, 31 March-2 April, 2011, Auckland, New Zealand”, FAOfood and nutrition paper, 92, Food and Agriculture Organization of the UnitedNations, 2013”）等。在此，氨基酸得分（充足率）意味着各氨基酸相对于基准氨基酸（例如，在1985年由FAO/WHO/UNU提出的氨基酸基准值）的比例。
此外，量的值例如可以根据关于食物的信息来计算。关于食物的信息可以是例如1）饮食或食材等的照片，2）关于饮食或构成饮食的食材等的购买数据（例如，POS（Point OfSales，销售点）数据等）或电子结算数据，3）关于饮食内容的说明的文字信息（例如，使用智能电话或平板终端等电子设备来输入的信息等），或4）在智能电话或平板终端等电子设备所具有的监视器中显示了画面的状态下由用户选择的菜肴相关的信息（例如，菜肴中使用的食材及其分量（例如，重量等）等，所述画面包含在关于菜系的多个选项（例如，“日本菜”、“西餐”、“中国菜”等）的画面中由用户选择的选项中分类的菜肴相关的多个选项（例如，被分类为“日本菜”的“炸猪排”和“涮涮锅”等）。例如，在关于食物的信息是饮食的照片（具体而言，多日量的饮食的照片）的情况下，量的值可以是例如基于3天期间饮食称重法（“今井具子等人，3天期间饮食记录调查中的照片拍摄的有效性，日本饮食生活学会杂志，2009，20（3）：203-210.”）等方法从饮食的照片中求取的。此外，例如，在关于食物的信息是购买数据（例如，从零售店侧的POS系统提供的数据等）的情况下，可以计算假设摄取了所购买的食物作为饮食而估计的食材中的氨基酸等的量的值、或者对该值施加校正而计算的值，并使用该计算的值来进行前述评价。
接着，使用在步骤S11中取得的氨基酸关联数据中包含的量的值，从认知功能的观点出发，评价食物（步骤S12）。在此，认知功能可以是例如摄取食物的用户在摄取该食物的时间点的认知功能、或者摄取食物的用户从摄取该食物的时间点起将来的认知功能。从认知功能的观点出发来评价食物是指例如对成为评价对象的食物是否与人的认知功能相关联（具体而言，成为评价对象的食物是否可能会降低人的认知功能等）进行评价等。此外，在评价时，例如，可以使用Lys、Phe、Thr和Ala的各摄取量与实施例6中示出的Lys、Phe、Thr和Ala各自的摄取量的阈值之比或差分等的信息，此外，也可以使用这四种值的最小值或汇总统计量（平均值等）的信息。
以上，根据第一实施方式，例如，能够提供关于作为评价对象的食物是否与认知功能相关联等的信息。
再有，可以使用量的值和包含代入该值的变量的公式来计算公式的值，由此，进行前述评价。
此外，可以将量的值作为前述评价的结果来处理（针对公式的值，也是同样的）。此外，例如可以通过以下方法等，对量的值进行变换，将变换后的值作为前述评价的结果来处理（针对公式的值，也是同样的）。此外，本说明书中的量的值既可以是量的值本身，也可以是对量的值进行变换后的值（针对公式的值，也是同样的）。在此，以下说明了变换的方法。再有，在以下的说明中，将量的值作为变换对象，但针对公式的值，也是同样的。
为了使量的值的可取范围收敛于规定范围（例如，0.0到1.0的范围、0.0到10.0的范围、0.0到100.0的范围、或-10.0到10.0的范围等）等，例如，可以针对量的值，加减乘除任意的值，或通过规定的变换方法（例如指数变换、对数变换、角变换、平方根变换、概率变换、倒数变换、Box-Cox变换、或幂乘变换等），对量的值进行变换，或此外，对量的值组合地进行这些计算，由此，对量的值进行变换。例如，既可以进一步计算以量的值为指数并且以自然底数为底的指数函数的值（具体而言，对认知功能评价指标的值是规定值的概率p进行定义时的自然对数ln（p/（1-p））等于量的值的情况下的p/（1-p）的值），此外，也可以进一步计算将所计算的指数函数的值除以1与该值之和的值（具体而言，概率p的值）。
此外，也可以对量的值进行变换，以使得特定条件时的变换后的值变为特定的值。例如，可以对量的值进行变换，以使得特异度（Specificity）为80%时的变换后的值为5.0且特异度为95%时的变换后的值为8.0。
此外，也可以在对量的值的分布进行正态分布化之后，对量的值进行偏差值化，以使得平均变为50且标准偏差变为10。
再有，这些变换可以按男女或按年龄进行。
此外，可以使用量的值、或在对该值进行变换的情况下使用该变换后的值来生成位置信息，所述位置信息关于可视觉辨认地示出在监视器等显示装置或纸等物理介质中的规定尺度上的规定记号的位置，将所生成的位置信息决定为所述评价的结果（针对公式的值，也是同样的）。再有，规定尺度是指用于进行所述评价的尺度，例如，示出刻度并且至少示出“量的值或变换后的值的可取的范围、或该范围的一部分”中的上限值和下限值所对应的刻度的尺度等（针对公式的值，也是同样的）。此外，规定记号是指量的值或变换后的值所对应的记号，例如是圆形记号或星形记号等（针对公式的值，也是同样的）。
此外，可以在量的值低于规定值（平均值±1SD、2SD、3SD、N分位点、N百分比或被认为具有临床意义的临界值等）或为规定值以下的情况下、或为规定值以上或高于规定值的情况下，进行所述评价（针对公式的值，也是同样的）。此时，也可以使用偏差值而不是量的值本身（针对公式的值，也是同样的）。例如，可以在偏差值为平均值-2SD不足的情况下（偏差值＜30的情况下）、或偏差值高于平均值+2SD的情况下（偏差值＞70的情况下），进行所述评价（针对公式的值，也是同样的）。
此外，可以对评价对象的食物是否与人的认知功能相关联进行定性评价。例如，可以使用“量的值和预先设定的一个或多个阈值”或“量的值、包含代入该值的变量的公式、和预先设定的一个或多个阈值”，将评价对象的食物分类为至少考虑与认知功能的关联性的程度而定义的多个区间中的任一个。再有，在多个区间中，可以包含用于归属关联性高的对象的区间、用于归属关联性低的对象的区间、和用于归属关联性为中等程度的对象的区间。此外，在多个区间中，可以包含用于归属关联性高的对象的区间、和用于归属关联性低的对象的区间。此外，可以通过规定方法对量的值或公式的值进行变换，使用变换后的值，将评价对象的食物分类为多个区间中的任一个。
此外，关于在所述评价时使用的公式，其形式并不特别重要，但是，例如，可以是如以下所示的形式的公式。
/基于最小二乘法的多元回归式、线性判别式、主成分分析、正准判别分析等线性模型
/基于最大似然法的逻辑回归、Cox回归等一般化线性模型
/除了一般化线性模型之外还考虑了个体间差、设施间差等变量效应的一般化线性混合模型
/通过K-means法、层次聚类解析等聚类解析而制作的公式
/基于MCMC（马尔可夫链蒙特卡罗方法）、贝叶斯网络和分层贝叶斯方法等贝叶斯统计而制作的公式
/通过支持向量机或决策树等聚类分类而制作的公式
/通过分数式等不属于上述类别的方法而制作的公式
/通过不同形式的公式之和而示出的公式。
此外，例如，可以通过本申请人的国际申请的国际公开第2004/052191号中记载的方法、或本申请人的国际申请的国际公开第2006/098192号中记载的方法来制作在所述评价时使用的公式。再有，如果是通过这些方法而得到的公式，则能够优选地用于进行所述评价。
在此，在多元回归式、复用逻辑回归式、正准判别函数等中，对各变量附加系数和常数项，关于该系数和常数项，优选的是，只要是实数就可以，更优选的是，只要是为了进行前述的各种分类而从数据中得到的系数和常数项的99%可靠区间的范围所属的值就可以，进一步优选的是，只要是为了进行前述的各种分类而从数据中得到的系数和常数项的95%可靠区间的范围所属的值就可以。此外，各系数的值及其可靠区间可以是使其变为实数倍后的各系数的值及其可靠区间，常数项的值及其可靠区间可以是向其加减乘除了任意的实常数后的常数项的值及其可靠区间。在评价时使用逻辑回归式、线性判别式、多元回归式等的情况下，线性变换（常数的加法、常数倍）和单调增加（减少）的变换（例如logit变换等）不会改变评价性能，而与变换前是同等的，因此，也可以使用进行了这些变换之后的值及其可靠区间。
此外，分数式是指该分数式的分子由变量A、B、C、…之和来表示，和/或该分数式的分母由变量a、b、c、…之和来表示。此外，在分数式中，还包含这样的结构的分数式α、β、γ、…之和（例如，如α+β那样的）。此外，在分数式中，还包含经分割的分数式。再有，也可以向用于分子或分母的变量分别附加适当的系数。此外，用于分子或分母的变量也可以重复。此外，也可以向各分数式附加适当的系数。此外，关于各变量的系数的值或常数项的值，只要是实数就可以。在某一分数式、和该分数式中分子变量与分母变量交换的分数式中，一般将与目标变量相关的正负符号颠倒，但它们之间的相关性被保持，因此，评价性能也可看作是同等的，因此，在分数式中，还包含分子变量和分母变量交换的分数式。
然后，在进行所述评价时，在量的值以外，例如可以进一步使用与以下的项目有关的信息等。此外，在进行所述评价时使用的公式中，在量的值被代入的变量以外，例如可以进一步包含与以下列举的项目有关的值等被代入的一个或多个变量。
/五种主要营养素（碳水化合物、蛋白质、脂质、矿物质和维生素）
/对五种主要营养素进行细分化的多种营养素
/通过称为三色食物组的食物分类法来定义的三个食物组（分类为“红色”的食物组、分类为“黄色”的食物组、和分类为“绿色”的食物组）
/通过称为基本食物组的食物分类法来定义的六个食物组（1组至6组）
/属性信息（例如年龄、性别或家庭结构等）、身体信息（例如身高、体重、肌肉量、体脂肪量、临床检查值、生命体征、代谢物浓度等）、健康信息（例如与健康相关联的信息等）、与饮食或生活有关的调查信息（例如，包含关于针对饮食或生活的烦恼的调查结果等）、行动信息（例如，与步数、步行速度、声音、视线或表情等有关的数字数据）。
此外，评价对象不限于食物，例如可以是用户。例如，在评价对象是用户的情况下，可以使用所述21种氨基酸中的至少一种氨基酸在用户所摄取的食物（例如一次的量或一定期间的量的食物）中的量的值（例如可以是使用与该食物有关的信息而计算的值）、或使用包含该值被代入的变量的公式和该值而计算的该公式的值，来评价用户的认知功能的状态（例如，摄取食物的时间点的认知功能的状态、或从摄取食物的时间点起将来的认知功能的状态等）。
此外，关于本实施方式的认知功能降低的预防方法，可以从与用户相关联的与食物有关的信息中，计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值，判定所计算的各值是否达到阈值（例如按各氨基酸所设定的阈值等），检索包含许多与判定为未达到阈值的值对应的氨基酸的食物（例如包含该阈值与该值的差分以上的、与该值对应的氨基酸的食物等）有关的信息，将与检索到的食物有关的信息作为用于预防认知功能降低的信息，提供给用户。即，本实施方式的认知功能降低的预防方法可以被掌握为相当于认知功能降低的预防用的信息提供方法。在此，在“预防认知功能降低”中，不限于进行认知功能的降低预防，例如，还包含进行认知功能的维持、痴呆症的预防、脑功能的维持或脑的健康维持等。此外，在本实施方式的认知功能降低的预防方法中的计算中，例如，可以计算食物中的Lys、Phe、Thr、Ala、Leu、Tyr、Trp、Val、Ser、SAA、BCAA、Ile和AAA中的至少一种氨基酸的量的值和食物（例如相当于早餐等）的氨基酸得分的值中的至少一个值。在此，在Lys、Phe、Thr、Ala、Leu、Tyr、Trp、Val、Ser、SAA、BCAA、Ile和AAA中的至少一种氨基酸的量的值中，例如，包含实施例3中示出的Leu、Tyr、Trp、Val、Ser、SAA和BCAA的各摄取量的值和实施例3中示出的Ile、Leu、Trp、Val和AAA的各氨基酸得分（充足率）的值中的至少一个值等。
［第二实施方式］
［2-1.第二实施方式的概要］
在此，参照图2来说明第二实施方式的概要。图2是示出第二实施方式的基本原理的原理结构图。再有，在本第二实施方式的说明中，存在省略了与上述第一实施方式重复的说明的情况。特别地，在此，将在进行所述评价时使用公式的值或其变换后的值的情况记载为一个例子，但是，例如，也可以使用量的值或其变换后的值。
控制部使用量的值和包含该值被代入的变量的预先存储在存储部中的公式来计算公式的值，由此，进行所述评价（步骤S21）。由此，例如，能够提供关于作为评价对象的食物是否与认知功能相关联等的信息。
再有，控制部使用在步骤S21中得到的评价结果（例如与认知功能的关联性这样的观点中的饮食内容的评价结果等），生成导致改善与该评价结果对应的饮食生活的信息（例如，与饮食的平衡有关的信息或与食谱/食材的提议有关的信息等）、或与该评价结果对应的解决方案有关的信息（例如，与饮食指导、家庭烹饪服务餐包或补充剂等有关的信息），将该生成的信息提供（发送）给例如委托人所有的信息处理装置。
此外，控制部可以使用在步骤S21中得到的评价结果，生成导致保险公司中的保险费计算或保险商品开发的、或与保险公司中的保险费计算或保险商品开发相关联的信息，将该生成的信息提供（发送）给例如委托人所有的信息处理装置。
此外，控制部可以使用在步骤S21中得到的评价结果，生成与人的属性信息（例如年龄、性别或家庭结构等）、人的行动信息（例如与步数、步行速度、声音、视线或表情等有关的数字数据等）或身体信息（例如身高、体重、肌肉量、体脂肪量、临床检查值、生命体征、代谢物浓度信息或健康关联信息等）联动的健康程序有关的信息、或健身中的程序有关的信息，将该生成的信息提供（发送）给例如委托人所有的信息处理装置。
此外，控制部可以将在步骤S21中得到的评价结果与例如个人的属性信息（例如年龄、性别或家庭结构等）、个人的饮食倾向、个人的饮食习惯、个人的饮食生活模式或个人的嗜好性等有关的信息进行组合，生成针对个人而个性化的信息，将该生成的信息提供（发送）给例如委托人所有的信息处理装置。
此外，控制部可以使用在步骤S21中得到的评价结果，来评价将来的认知功能、与认知功能相关联的疾患风险、卧床不起等身体状态变化风险、行动变化风险或剩余寿命等。
此外，控制部从与用户相关联的与食物有关的信息中，计算该食物中的Lys、Phe、Thr和Ala中的至少一种氨基酸的量的值，判定所计算的各值是否达到阈值（例如按各氨基酸所设定的阈值等），检索包含许多与判定为未达到阈值的值对应的氨基酸的食物（例如包含该阈值与该值的差分以上的、与该值对应的氨基酸的食物等）有关的信息，将与检索到的食物有关的信息作为用于预防认知功能降低的信息，提供给用户。例如，控制部可以将与食物有关的信息提供（发送）用户所有的信息处理装置。
此外，可以基于以下说明的公式制作处理（工序1～工序4）来制作在步骤S21中使用的公式。在此，对公式制作处理的概要进行说明。再有，在此说明的处理到底只是一个例子，公式的制作方法并不限定于此。
首先，控制部从包含氨基酸关联数据和与认知功能评价指标的值有关的指标数据的预先存储在存储部中的指标状态信息（可以事前除去具有缺失值或异常值等的数据）中，基于规定的公式制作方法，制作候补式（例如，y=a1x1+a2x2+…+anxn，y：指标数据，xi：氨基酸关联数据，ai：常数，i=1，2，…，n）（工序1）。
再有，在工序1中，可以从指标状态信息中，一起使用多个不同的公式制作方法（包含主成分分析或判别分析、支持向量机、多元回归分析、Cox回归分析、逻辑回归分析、k-means法、聚类解析、决策树等多变量解析有关的方法。）来制作多个候补式。具体而言，可以针对指标状态信息，利用多个不同的算法，同时并行地制作多组候补式。例如，可以利用不同的算法，同时进行判别分析和逻辑回归分析，制作2个不同的候补式。此外，可以利用进行主成分分析而制作的候补式来变换指标状态信息，针对经变换的指标状态信息来进行判别分析，由此，制作候补式。由此，最终，能够制作对于所述评价最佳的公式。
在此，使用主成分分析来制作的候补式是包含使得全部的氨基酸关联数据的方差变为最大的各变量的线性式。此外，使用判别分析来制作的候补式是包含使得各组内的方差之和相对于全部的氨基酸关联数据的方差之比变为最小的各变量的高阶式（包含指数或对数）。此外，使用支持向量机来制作的候补式是包含使得组间的边界变为最大的各变量的高阶式（包含核函数）。此外，使用多元回归分析来制作的候补式是包含使得离全部的氨基酸关联数据的距离之和变为最小的各变量的高阶式。此外，使用Cox回归分析来制作的候补式是包含对数风险比的线性模型，并且是包含使得该模型的似然度变为最大的各变量及其系数的线性式。此外，使用逻辑回归分析来制作的候补式是表示概率的对数几率的线性模型，并且是包含使得该概率的似然度变为最大的各变量的线性式。此外，k-means法是指如下的方法：对各氨基酸关联数据的k个附近处进行搜索，将附近点所属的组中最多的组定义为该数据的所属组，选择使得所输入的氨基酸关联数据所属的组和被定义的组最吻合的变量。此外，聚类解析是指将全部的氨基酸关联数据中处于最近的距离的点彼此进行聚类（组化）的方法。此外，决策树是指对变量附加序列并从序列为上位的变量能取的模式中预测氨基酸关联数据的组的方法。
回到公式制作处理的说明，控制部基于规定的验证方法来验证（彼此验证）在工序1中制作的候补式（工序2）。候补式的验证针对在工序1中制作的各候补式进行。再有，在工序2中，基于Bootstrap 法、holdout法、N折法、留一法等中的至少一个，关于候补式的判别率或灵敏度、特异度、信息量基准、ROC_AUC（接受者特性曲线的曲线下面积）等中的至少一个进行验证。由此，能够制作考虑了指标状态信息或评价条件的、预测性或健壮性高的候补式。
在此，判别率是指通过本实施方式的评价方法来将真的状态为阴性的评价对象（例如，与认知功能的关联性较低的食物等）正确地评价为阴性并将真的状态为阳性的评价对象（例如，与认知功能的关联性较高的食物等）正确地评价为阳性的比例。此外，灵敏度是指通过本实施方式的评价方法来将真的状态为阳性的评价对象正确地评价为阳性的比例。此外，特异度是指通过本实施方式的评价方法来将真的状态为阴性的评价对象正确地评价为阴性的比例。此外，赤池信息量准则（Akaike's Information Criterion）是指在回归分析等情况下表示观测数据与统计模型一致的程度的基准，将通过“-2×（统计模型的最大对数似然度）+2×（统计模型的自由参数数）”而定义的值变为最小的模型判断为最好。此外，ROC_AUC被定义为在二维坐标上对（x，y）=（1-特异度，灵敏度）进行绘制而制作的曲线即接受者特性曲线（ROC）的曲线下面积，关于ROC_AUC的值，在完全的判别的情况下，为1，该值越接近1，则示出了判别性越高。此外，预测性是指将通过重复候补式的验证而得到的判别率或灵敏度、特异性进行平均后的内容。此外，健壮性是指通过重复候补式的验证而得到的判别率或灵敏度、特异性的方差。
回到公式制作处理的说明，控制部基于规定的变量选择方法来选择候补式的变量，由此，选择在制作候补式时使用的指标状态信息中包含的氨基酸关联数据的组合（工序3）。再有，在工序3中，变量的选择可以针对在工序1中制作的各候补式而进行。由此，能够适当地选择候补式的变量。然后，使用包含在工序3中选择的氨基酸关联数据的指标状态信息，来再次执行工序1。此外，在工序3中，可以从工序2中的验证结果中，基于逐步法、最佳路径法、附近搜索法、遗传算法中的至少一个，选择候补式的变量。再有，最佳路径法是指如下的方法：一个一个地依次减去候补式中包含的变量，使候补式提供的评价指标最佳化，由此选择变量。
回到公式制作处理的说明，控制部重复执行上述的工序1、工序2和工序3，基于由此积累的验证结果，从多个候补式中选出在评价时使用的候补式，由此制作在评价时使用的公式（工序4）。再有，在候补式的选出中，例如，存在从通过相同的公式制作方法而制作的候补式中选出最佳候补式的情况、以及从全部的候补式中选出最佳候补式的情况。
以上，如说明的那样，在公式制作处理中，基于指标状态信息，通过一连串的流程来体系化（系统化）地执行候补式的制作、候补式的验证和候补式的变量的选择有关的处理，由此，能够制作对于所述评价最佳的公式。换言之，在公式制作处理中，将氨基酸关联数据用于多变量的统计解析，为了选择最佳且健壮的变量的组，将变量选择法和交叉验证进行组合，提取评价性能高的公式。
［2-2.第二实施方式的结构］
在此，参照图3至图14来说明第二实施方式的评价系统（以下，存在记载为本系统的情况。）的结构。再有，本系统到底只是一个例子，本发明并不限定于此。特别地，在此，将进行所述评价时使用公式的值或其变换后的值的情况记载为一个例子，但是，例如，也可以使用量的值或其变换后的值。
首先，参照图3和图4来说明本系统的整体结构。图3是示出本系统的整体结构的一个例子的图。此外，图4是示出本系统的整体结构的另一个例子的图。如图3所示，本系统是经由网络300来可通信地连接进行所述评价的评价装置100、以及用户的客户端装置200（相当于本发明的终端装置）而构成的，所述用户的客户端装置200提供作为与食物有关的信息的一个例子的饮食/食材等的照片或饮食内容的说明有关的文字信息等并且接受所述评价的结果等。在此，在图3所示的系统结构中，客户端装置200可以使用饮食/食材等的照片或饮食内容的说明有关的文字信息来计算量的值，提供该计算的值。此外，在图3所示的系统结构中，客户端装置200可以使用饮食/食材等的照片或饮食内容的说明有关的文字信息来计算量的值，使用该计算的量的值和包含代入该值的变量的预先设定的公式，来计算该公式的值，提供该计算的公式的值。
再有，在本系统中，成为用于评价的数据的提供源的客户端装置200和成为评价结果的提供目的地的客户端装置200可以是不同的装置。如图4所示，本系统可以是经由网络300来可通信地连接评价装置100、接受所述评价的结果等的用户的客户端装置200、以及提供作为与食物有关的信息的一个例子的购买数据的小卖店侧的POS系统400而构成的。在此，POS系统400是在小卖部等中使用的一般的POS系统。再有，在图4所示的系统结构中，POS系统400可以还具有使用购买数据来计算量的值并且提供该计算的值的功能。
此外，在图3或图4所示的系统结构中，可以还具备数据库装置500（图3、4中未图示），所述数据库装置500储存了由评价装置100制作公式时使用的指标状态信息或评价时使用的公式等。
接着，参照图5至图11来说明本系统的评价装置100的结构。图5是示出本系统的评价装置100的结构的一个例子的框图，仅概念上示出了该结构中的与本发明有关系的部分。
评价装置100由如下各部构成：总括地控制该评价装置的CPU（CentralProcessing Unit）等控制部102、经由路由器等通信装置和专用线等有线或无线的通信线路将该评价装置可通信地连接到网络300的通信接口部104、储存各种数据库或表或文件等的存储部106、以及连接到输入装置112或输出装置114的输入输出接口部108，这些各部经由任意的通信路可通信地连接。
通信接口部104对评价装置100和网络300（或路由器等通信装置）之间的通信，发挥中介作用。即，通信接口部104具有经由通信线路与其他终端通信数据的功能。
输入输出接口部108连接到输入装置112或输出装置114。在此，在输出装置114中，除了监视器（包含家庭用电视）之外，还能够使用扬声器或打印机（再有，以下，存在将输出装置114记载为监视器114的情况。）。在输入装置112中，除了键盘或鼠标或麦克风之外，还能够使用与鼠标协作地实现定点设备功能的监视器。
存储部106是存储单元，例如，能够使用RAM（Random Access Memory，随机存取存储器）/ROM（Read Only Memory，只读存储器）等存储器装置、或硬盘那样的固定盘装置、软盘、光盘等。在存储部106中记录计算机程序，所述计算机程序用于与OS（OperatingSystem，操作系统）协作地向CPU提供命令以进行各种处理。如图所示，存储部106储存了氨基酸关联数据文件106a、指标状态信息文件106b、指定指标状态信息文件106c、公式关联信息数据库106d、以及评价结果文件106e。
氨基酸关联数据文件106a储存与量的值有关的氨基酸关联数据。图6是示出氨基酸关联数据文件106a中储存的信息的一个例子的图。如图6所示，氨基酸关联数据文件106a中储存的信息是通过将用于单意地识别评价对象的识别数据与氨基酸关联数据彼此相关联而构成的。在此，在图6中，将氨基酸关联数据处理为数值即连续尺度，但是，氨基酸关联数据也可以是名义尺度或顺序尺度。再有，在名义尺度或顺序尺度的情况下，可以通过对每一个状态提供任意的数值来解析。此外，可以将与所述项目有关的信息与氨基酸关联数据进行组合。
指标状态信息文件106b储存制作公式时使用的指标状态信息。图7是示出指标状态信息文件106b中储存的信息的一个例子的图。如图7所示，指标状态信息文件106b中储存的信息是通过将识别数据、与认知功能评价指标（指标T1、指标T2、指标T3…）有关的指标数据（T）、与氨基酸关联数据彼此相关联而构成的。在此，在图7中，将指标数据和氨基酸关联数据处理为数值（即连续尺度），但是，指标数据和氨基酸关联数据也可以是名义尺度或顺序尺度。再有，在名义尺度或顺序尺度的情况下，可以通过针对每一个状态提供任意的数值来解析。
指定指标状态信息文件106c储存由后述的指定部102b指定的指标状态信息。图8是示出指定指标状态信息文件106c中储存的信息的一个例子的图。如图8所示，指定指标状态信息文件106c中储存的信息是通过将个体号码、所指定的指标数据、与所指定的氨基酸关联数据彼此相关联而构成的。
公式关联信息数据库106d由公式文件106d1构成，所述公式文件106d1储存由后述的公式制作部102c制作的公式。公式文件106d1储存在评价时使用的公式。图9是示出公式文件106d1中储存的信息的一个例子的图。如图9所示，公式文件106d1中储存的信息是通过将排名、公式、与各公式制作方法对应的阈值、与各公式的验证结果（例如各公式的值）彼此相关联而构成的。
评价结果文件106e储存由后述的评价部102d得到的评价结果。图10是示出评价结果文件106e中储存的信息的一个例子的图。评价结果文件106e中储存的信息是通过将识别数据、氨基酸关联数据、评价结果（例如，由后述的计算部102d1计算的公式的值、由后述的变换部102d2得到的变换后的值、由后述的生成部102d3生成的位置信息、或由后述的分类部102d4得到的分类结果，等）彼此相关联而构成的。
控制部102具有内部存储器，所述内部存储器用于储存对OS等控制程序/各种处理顺序等进行规定的程序/所需数据等，基于这些程序来执行各种信息处理。如图所示，控制部102大体具备：取得部102a、指定部102b、公式制作部102c、评价部102d、结果输出部102e和发送部102f。控制部102可以针对指标状态信息或氨基酸关联数据，进行具有缺失值的数据的除去/异常值较多的数据的除去/具有缺失值的数据的多变量的除去等数据处理。
取得部102a取得信息（具体而言，与食物有关的信息、氨基酸关联数据、指标状态信息、公式等）。例如，取得部102a可以经由网络300接收从客户端装置200或POS系统400、数据库装置500发送的信息（具体而言，与食物有关的信息、氨基酸关联数据、指标状态信息、公式等），由此进行信息的取得。取得部102a可以接收从与评价结果的发送目的地的客户端装置200不同的客户端装置200发送的、用于评价的数据。例如，在评价装置100具备用于进行记录介质中记录的信息的读出的机构（包含硬件和软件）的情况下，取得部102a可以经由该机构来读出在记录介质中记录的信息（具体而言，与食物有关的信息、氨基酸关联数据、指标状态信息、公式等），由此进行信息的取得。
指定部102b指定在制作公式时成为对象的指标数据和氨基酸关联数据。
公式制作部102c基于由取得部102a取得的指标状态信息、或由指定部102b指定的指标状态信息来制作公式。在公式预先储存在存储部106的规定的存储区域中的情况下，公式制作部102c可以通过从存储部106选择期望的公式来制作公式。公式制作部102c可以通过从预先储存了公式的其他计算机装置（例如数据库装置500）选择并下载期望的公式来制作公式。
评价部102d使用事前得到的公式（例如，由公式制作部102c制作的公式、或由取得部102a取得的公式等）和事前得到的量的值（例如，由取得部102a取得的氨基酸关联数据中包含的量的值、或由评价部102d计算的量的值等）来计算公式的值，由此进行所述评价。评价部102d可以使用量的值或该值的变换后的值来进行所述评价。
在此，参照图11来说明评价部102d的结构。图11是示出评价部102d的结构的框图，仅概念性地示出了该结构中的与本发明有关系的部分。评价部102d还具备计算部102d1、变换部102d2、生成部102d3和分类部102d4。
计算部102d1使用量的值和包含代入该值的变量的公式来计算公式的值。计算部102d1可以使用与食物有关的信息（例如，从POS系统400发送的购买数据、从客户端装置200发送的饮食/食材等的照片、或从客户端装置200发送的饮食的内容的说明有关的文字信息等）来计算量的值。评价部102d可以将由计算部102d1计算的值作为评价结果，储存在评价结果文件106e的规定的存储区域中。
变换部102d2通过例如上述的变换方法等来变换由计算部102d1计算的公式的值。评价部102d可以将由变换部102d2变换后的值作为评价结果，储存在评价结果文件106e的规定的存储区域中。变换部102d2可以通过例如上述的变换方法等来变换量的值。
生成部102d3使用由计算部102d1计算的公式的值、或由变换部102d2变换后的值（也可以是量的值、或该值的变换后的值）来生成位置信息，所述位置信息关于在监视器等显示装置或纸等物理介质中可视觉辨认地示出的规定尺度上的规定记号的位置。评价部102d可以将由生成部102d3生成的位置信息作为评价结果，储存在评价结果文件106e的规定的存储区域中。
分类部102d4使用由计算部102d1计算的公式的值或由变换部102d2变换后的值（也可以是量的值、或该值的变换后的值），将评价对象分类为所述多个区间中的任一个。
结果输出部102e向输出装置114输出控制部102的各处理部中的处理结果（包含由评价部102d得到的评价结果）等。
发送部102f针对客户端装置200发送评价结果或与食物有关的信息、量的值、公式的值等信息，或者针对数据库装置500发送由评价装置100制作的公式或评价结果等的信息。再有，发送部102f可以针对与用于评价的数据的发送源的客户端装置200不同的客户端装置200发送评价结果。
接着，参照图12来说明客户端装置200的结构。图12是示出客户端装置200的结构的一个例子的框图，仅概念性地示出了该结构中的与本发明有关系的部分。
客户端装置200由控制部210、ROM220、HD（Hard Disk，硬盘）230、RAM240、输入装置250、输出装置260、输入输出IF270和通信IF280构成，这些各部经由任意的通信路可通信地连接。客户端装置200例如可以是基于已知的个人计算机/工作站/家庭用游戏装置/互联网TV/PHS（Personal Handyphone System，个人手持电话系统）终端/便携式终端/移动体通信终端/PDA（Personal Digital Assistant，个人数字助理）/智能电话/平板电脑终端等信息处理终端等的装置。
输入装置250是键盘或鼠标或麦克风等。再有，后述的监视器261也实现定点设备功能。输出装置260是输出经由通信IF280接收到的信息的输出单元，包含监视器（家庭用电视）261。此外，可以在输出装置260中设置扬声器等。输入输出IF270连接到输入装置250或输出装置260。再有，客户端装置200可以还具备相机等摄像装置。
通信IF280将客户端装置200和网络300（或路由器等通信装置）可通信地连接。
控制部210具备发送部211和接收部212。发送部211经由通信IF280，向评价装置100发送作为与食物有关的信息的一个例子的饮食/食材等的照片或饮食内容的说明有关的文字信息等信息。接收部212经由通信IF280，接收从评价装置100发送的评价结果或与食物有关的信息、量的值、公式的值等信息。
控制部210可以通过CPU和由该CPU解释并执行的程序，来实现由该控制部进行的处理的全部或任意一部分。在ROM220或HD230中记录了计算机程序，所述计算机程序用于与OS协作地向CPU提供命令以进行各种处理。该计算机程序通过加载到RAM240而执行，与CPU协作地构成控制部210。此外，该计算机程序也可以记录在经由任意网络与客户端装置200连接的应用程序服务器中，客户端装置200也可以根据需要来下载其全部或一部分。此外，可以通过利用有线逻辑等的硬件来实现由控制部210进行的处理的全部或任意一部分。
在此，控制部210可以具备评价部210a（包含计算部210a1、变换部210a2、生成部210a3和分类部210a4），所述评价部210a具有与评价装置100中具备的评价部102d所具有的功能相同的功能。例如，评价部210a可以在从评价装置100接收到量的值或公式的值的情况下，通过变换部210a2来变换该接收的值，或者通过生成部210a3来生成与该接收的值或变换后的值对应的位置信息，或者通过分类部210a4使用该接收的值或变换后的值来将评价对象分类为所述多个区间中的任一个。此外，例如，评价部210a可以在从评价装置100接收到量的值或公式的值的变换后的值的情况下，通过生成部210a3来生成与该接收的值对应的位置信息，通过分类部210a4使用该接收的值将评价对象分类为多个区间中的任一个。此外，例如，评价部210a可以在从评价装置100接收到量的值或公式的值或变换后的值和位置信息的情况下，通过分类部210a4使用该接收的值将评价对象分类为多个区间中的任一个。
接着，参照图3、图4来说明本系统的网络300。网络300具有将评价装置100、客户端装置200、POS系统400和数据库装置500（在图3、4中未图示）彼此可通信地连接的功能，例如是互联网或内联网或LAN（Local Area Network，局域网）（包含有线/无线双方）等。再有，网络300可以是VAN（Value-Added Network，增值网络）或个人计算机通信网或公共电话网（包含模拟/数字双方）或专用线路网（包含模拟/数字双方）或CATV（Community AntennaTeleVision，共用天线电视）网或便携式线路交换网或便携式分组交换网（包含IMT（International Mobile Telecommunication，国际移动通信）2000方式、GSM（注册商标）（Global System for Mobile Communications，全球移动通信系统）方式或PDC（PersonalDigital Cellular，个人数字卫星）/PDC-P方式等）或无线呼出网或Bluetooth（注册商标）等局部无线网或PHS网或卫星通信网（包含CS（Communication Satellite，通信卫星）、BS（Broadcasting Satellite，广播卫星）或ISDB（Integrated Services DigitalBroadcasting，集成服务数字广播）等）等。
接着，参照图13来说明本系统的数据库装置500的结构。图13是示出本系统的数据库装置500的结构的一个例子的框图，仅概念性地示出了该结构中的与本发明有关系的部分。
数据库装置500具有储存由评价装置100或该数据库装置制作公式时使用的指标状态信息、由评价装置100制作的公式、评价装置100中的评价结果等的功能。如图13所示，数据库装置500由如下各部构成：总括地控制该数据库装置的CPU等控制部502、经由路由器等通信装置和专用线等有线或无线的通信电路将该数据库装置可通信地连接到网络300的通信接口部504、储存各种数据库或表或文件（例如Web页面用文件）等的存储部506、以及连接到输入装置512或输出装置514的输入输出接口部508，这些各部经由任意的通信路可通信地连接。
存储部506是存储单元，例如，能够使用RAM/ROM等存储器装置或硬盘那样的固定盘装置或软盘或光盘等。在存储部506中储存用于各种处理的各种程序等。通信接口部504对数据库装置500和网络300（或路由器等通信装置）之间的通信，发挥中介作用。即，通信接口部504具有经由通信线路与其他终端通信数据的功能。输入输出接口部508连接到输入装置512或输出装置514。在此，在输出装置514中，除了监视器（包含家庭用电视）之外，还能够使用扬声器或打印机。此外，在输入装置512中，除了键盘或鼠标或麦克风之外，还能够使用与鼠标协作地实现定点设备功能的监视器。
控制部502具有内部存储器，所述内部存储器用于储存OS等控制程序/对各种处理顺序等进行规定的程序/所需数据等，基于这些程序来执行各种信息处理。如图所示，控制部502大体具备发送部502a和接收部502b。发送部502a向评价装置100发送指标状态信息或公式等各种信息。接收部502b接收从评价装置100发送的、公式或评价结果等的各种信息。
再有，在本说明中，以如下情况为例进行了说明：评价装置100执行从氨基酸关联数据等的取得起到公式的值的计算、向评价对象的区间的分类、以及评价结果的发送为止，而客户端装置200执行评价结果的接收，但是，在客户端装置200中具备评价部210a的情况下，也可以由评价装置100和客户端装置200适当分担地执行例如量的值或公式的值的计算、量的值或公式的值的变换、位置信息的生成和向评价对象的区间的分类等。
此外，第二实施方式的预防系统例如可以基于本系统而构筑。具体而言，评价装置100具备判定部和检索部，所述判定部判定由计算部102d1计算的量的值是否达到阈值，所述检索部检索与包含许多氨基酸的食物有关的信息，所述氨基酸对应于由判定部判定为未达到阈值的量的值，由此，能够实现由以下的处理A1至处理A6构成的信息处理。
处理A1：取得部102a取得与用户相关联的与食物有关的信息。
处理A2：计算部102d1从该取得的与食物有关的信息中计算量的值。
处理A3：判定部判定该计算的量的值是否达到阈值。
处理A4：检索部检索与包含许多氨基酸的食物有关的信息，所述氨基酸对应于由判定部判定为未达到阈值的量的值。
处理A5：发送部102f将由检索部检索的与食物有关的信息作为用于预防认知功能降低的信息，发送到客户端装置200。
处理A6：客户端装置200接收从评价装置100发送的与食物有关的信息。
［2-3.其他实施方式］
除了上述的第二实施方式以外，还可以在权利要求书中记载的技术思想范围内，通过各种不同的实施方式，来实施本发明的评价装置、计算装置、预防装置、评价方法、计算方法、预防方法、评价程序、计算程序、预防程序、记录介质、评价系统、预防系统和终端装置。
此外，能够手动地进行第二实施方式中说明的各处理中的、说明为自动进行的处理的全部或一部分，或者也能够通过公知的方法来自动地进行说明为手动进行的处理的全部或一部分。
此外，关于包含上述文献中或附图中示出的处理顺序、控制顺序、具体名称、各处理的注册数据或检索条件等参数的信息、画面例、数据库结构，除了特别记载的情况之外，能够任意变更。
此外，关于评价装置100，图示的各构成要素是功能概念性的，未必需要物理地如图所示那样构成。
例如，关于评价装置100具备的处理功能，特别是由控制部102进行的各处理功能，既可以通过CPU和由该CPU解释并执行的程序来实现其全部或任意一部分，此外，也可以实现为利用有线逻辑的硬件。再有，程序记录在非暂时性计算机可读记录介质中，根据需要被机器读取到评价装置100，所述介质包含用于使信息处理装置执行本发明的评价方法或计算方法的程序化的命令。即，在ROM或HDD（Hard Disk Drive，硬盘驱动）等存储部106等中记录计算机程序，所述计算机程序用于与OS协作地向CPU提供命令以进行各种处理。该计算机程序被加载到RAM来执行，与CPU协作地构成控制部。
此外，该计算机程序既可以存储在经由任意的网络连接到评价装置100的应用程序服务器中，也可以根据需要来下载其全部或一部分。
此外，既可以将本发明的评价程序或计算程序储存在非暂时性计算机可读记录介质中，此外，也能够构成为程序产品。在此，该“记录介质”包含存储器卡、USB（UniversalSerial Bus，通用串行总线）存储器、SD（Secure Digital，安全数字）卡、软盘、光磁性盘、ROM、EPROM（Erasable Programmable Read Only Memory，可擦可编程只读存储器）、EEPROM（Electrically Erasable and Programmable Read Only Memory，电可擦可编程只读存储器）（注册商标）、CD-ROM（Compact Disc Read Only Memory，压缩盘只读存储器）、MO（Magneto-Optical disk，磁光盘）、DVD（Digital Versatile Disk，数字通用盘）和Blu-ray（注册商标）Disc等任意的“可移动用的物理介质”。
此外，“程序”是用任意的语言或记述方法来记述的数据处理方法，而不管源代码或二进制代码等的形式如何。“程序”不一定限于单个构成的程序，还包含分布构成为多个模块或库、或者与以OS为代表的其他程序进行协作以达成其功能的程序。再有，关于用于对实施方式中所示的各装置中的记录介质进行读取的具体结构和读取顺序以及读取后的安装顺序等，可以使用众所周知的结构或顺序。
存储部106中储存的各种数据库等是RAM、ROM等存储器装置、硬盘等固定盘装置、软盘和光盘等存储单元，储存在各种处理或网站提供中使用的各种程序、表、数据库和网页用文件等。
此外，评价装置100既可以构成为已知的个人计算机或工作站等信息处理装置，此外，还可以构成为任意的周边装置所连接的该信息处理装置。此外，评价装置100也可以通过安装软件（包含程序或数据等）来实现，所述软件使该信息处理装置实现本发明的评价方法或计算方法。
进而，装置的分布/统合的具体方式不限于图示的方式，其全部或一部分可以根据各种附加或根据功能负载，以任意单位在功能上或物理上分布/统合。即，可以任意组合地实施上述的实施方式，也可以对实施方式进行选择实施。
实施例1
将2004年6月至2006年6月的期间内40岁至86岁年龄的男女2162人（男性1069人，女性1093人）作为对象，从该对象，取得该期间中的连续3天期间（工作日2天期间和休息日1天）实际摄取的每天的饮食的照片。然后，营养师根据该取得的照片，基于3天期间饮食称重法（“今井具子等人，3天期间饮食记录调查中的照片拍摄的有效性，日本饮食生活学会杂志，2009，20（3）：203-210.”），求取每人的营养摄取量（具体而言，22种氨基酸（Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp，Glu，Gly、Pro、Ser、Hydroxyproline、SAA、AAA和BCAA）各自的每日摄取量）。然后，按性别，通过三分位来对所求取的22种氨基酸各自的每日摄取量进行分类，按摄取量从少到多的顺序，生成了T1、T2和T3这3个组。再有，关于各氨基酸的每日摄取量等，在图14中示出了作为三分位的T1、T2和T3的分位点。例如，关于Ile，T1组的男性的摄取量为1154.9mg/天以上、2881.2mg/天不足，T1组的女性的摄取量为1146.7mg/天以上、2436.3mg/天不足。
按每组来计算在所述期间中对所述对象实施的、作为认知功能指标之一的WMS-R韦氏记忆检查的逻辑记忆I（即时再现）的分数的平均值和标准误差。
此外，执行预先制作的模型1、模型2、模型3和模型4的方差分析，以显著水准两侧5%来评价了所述3个组的显著差的有无（在所述3个组中的至少一个组中，是否存在统计上显著的差）。此外，实施了通过与方差分析的模型1～4相同的变量进行调整的倾向性检定，以显著水准两侧5%来评价了所述3个组的显著差的有无（按所述三组的摄取量顺序讨论回归时是否存在显著倾向。）。在图15中示出评价结果。
在此，模型1是基于年龄、性别、BMI、受教育年限、作为抑郁指标的CES-D（TheCenter for Epidemiologic Studies Depression Scale，流行病学研究中心抑郁量表）、吸烟史、就业状况、是否独居、有无心肌梗塞、有无高血压、有无高脂血症、有无缺血性心脏病和有无糖尿病对前述22种氨基酸进行了调整的模型。具体来说，模型1是由14个说明变量构成的模型，这14个说明变量是前述22种氨基酸之一的氨基酸的摄取量组（T1、T2或T3）、年龄、性别、BMI、受教育年限、CES-D、吸烟史、就业状况、有无独居、有无心肌梗塞、有无高血压、有无高脂血症、有无缺血性心脏病和有无糖尿病。模型2是由15个说明变量构成的模型，其中将脂质摄取量作为说明变量追加到模型1中。模型3是由15个说明变量构成的模型，其中将能量摄取量作为说明变量追加到模型1中。模型4是由15个说明变量构成的模型，其中将蛋白质摄取量作为说明变量追加到模型1中。
在图15中示出的模型1的结果中，在除了Hydroxyproline之外的全部的氨基酸中，发现了显著的关联，因此，表明了从前述22种氨基酸中除去Hydroxyproline之外的21种氨基酸的每日摄取量与认知功能（即时再现力）相关联。
在图15所示的模型2的结果中，在Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Pro、Ser、Asp、SAA、AAA和BCAA中发现了显著的关联，因此，表明了即使在所述对象中脂质摄取量相同的状况下，这17种氨基酸的每日摄取量也与认知功能（即时再现力）相关联。此外，考虑到脂质摄取量和动物性蛋白质是相关的，因此，暗示了即使在所述对象中动物性蛋白质摄取量相同的状况下，这17种氨基酸的每日摄取量也与认知功能（即时再现力）相关联。
在图15所示的模型3的结果中，在Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Ala、Asp、Pro、Ser、SAA、AAA和BCAA中发现了显著的关联，因此，表明了即使在所述对象中能量摄取量相同的状况下，这18种氨基酸的每日摄取量也与认知功能（即时再现力）相关联。
在图15所示的模型4的结果中，在Ile、Leu、Lys、Met、Tyr、Thr、Trp、Val、SAA、AAA和BCAA中发现了显著的关联，因此，表明了即使在所述对象中蛋白摄取量相同的状况下，这11种氨基酸的每日摄取量也与认知功能（即时再现力）相关联。
从模型1的结果，表明了饮食中的氨基酸的含有量与认知功能（即时再现力）相关联，并且从模型2～4的结果，表明了饮食中的氨基酸的质量与认知功能（即时再现力）相关联（模型2发现了在脂质摄取量相同的状况下、模型3发现了在能量摄取量相同的状况下、模型4发现了在蛋白质摄取量相同的状况下，饮食中的氨基酸摄取量与认知功能显著相关联，即，作为一个例子而考虑模型4时，即使在蛋白质摄取量相同的状况下，氨基酸与认知功能显著相关联，因此，在饮食与认知功能的关联性中，构成蛋白质的氨基酸的比例是重要的）。此外，在发现了与认知功能的关联性的氨基酸中，当氨基酸的摄取量增加时，认知功能（即时再现力）的分数也变高，因此，暗示了摄取量越多越好。此外，如图14所示的分位点那样，也暗示了在最小值以上、最大值以下的范围内设定阈值并将摄取量表示为组来进行归类的有用性。
实施例2
将在实施例1中用作认知功能指标的WMS-R韦氏记忆检查的逻辑记忆I（即时再现）替换为作为认知功能指标之一的WMS-R韦氏记忆检查的逻辑记忆II（延迟再现），进行了与实施例1相同的评价。在图16中示出了评价结果。
在图16所示的模型1的结果中，在除了Hydroxyproline之外的全部的氨基酸中发现了显著的关联，因此，表明了从前述22种氨基酸除去Hydroxyproline之外的21种氨基酸的每日摄取量与认知功能（延迟再现力）相关联。
在图16所示的模型2的结果中，在Ile、Leu、Lys、Met、Phe、Tyr、Thr、Trp、Val、His、Pro、SAA、AAA和BCAA中发现了显著的关联，因此，表明了即使在所述对象中脂质摄取量相同的状况下，这14种氨基酸的每日摄取量与认知功能（延迟再现力）相关联。此外，考虑到脂质摄取量和动物性蛋白质是相关的，因此，暗示了即使在所述对象中动物性蛋白质摄取量相同的状况下，这14种氨基酸的每日摄取量也与认知功能（即时再现力）相关联。
在图16所示的模型3的结果中，在Ile、Leu、Lys、Met、Phe、Tyr、Thr、Trp、Val、His、Asp、Pro、Ser、SAA、AAA和BCAA中发现了显著的关联，因此，表明了即使在所述对象中能量摄取量相同的状况下，这16种氨基酸的每日摄取量也与认知功能（延迟再现力）相关联。
在图16所示的模型4的结果中，在Ile、Leu、Lys、Phe、Tyr、Thr、Trp、Val、His、Pro、SAA、AAA和BCAA中发现了显著的关联，因此，表明了在所述对象中蛋白摄取量相同的状况下，这13种氨基酸的每日摄取量与认知功能（延迟再现力）相关联。
从模型1的结果，表明了饮食中的氨基酸的含有量与认知功能（延迟再现力）相关联，并且从模型2～4的结果，表明了饮食中的氨基酸的质量与认知功能（延迟再现力）相关联（模型2发现了在脂质摄取量相同的状况下、模型3发现了在能量摄取量相同的状况下、模型4发现了在蛋白质摄取量相同的状况下，饮食中的氨基酸摄取量与认知功能显著相关联，即，作为一个例子而考虑模型4时，即使在蛋白质摄取量相同的状况下，氨基酸与认知功能显著相关联，因此，在饮食与认知功能的关联性中，构成蛋白质的氨基酸的比例是重要的）。此外，在发现了与认知功能的关联性的氨基酸中，当氨基酸的摄取量增加时，认知功能（延迟再现力）的分数也变高，因此，暗示了摄取量越多越好。此外，如图14所示的分位点那样，也暗示了在最小值以上、最大值以下的范围内设定阈值并将摄取量表示为组来进行归类的有用性。
实施例3
将2002年5月至2004年5月的期间内40岁～82岁年龄的男女1330人（男性663人，女性667人）作为对象，从该对象，取得该期间中的连续3天期间（工作日2天期间和休息日1天）实际摄取的每天的饮食的照片。然后，营养师根据该取得的照片，基于所述3天期间饮食秤量法，求取了每人的营养摄取量（具体而言，前述22种氨基酸各自的每日摄取量、和相对于在1985年由FAO/WHO/UNU提议的氨基酸基准值的、9种氨基酸（Ile、Leu、Lys、Thr、Trp、Val、His、SAA和AAA）各自的一天的氨基酸得分（充足率））。
取得了在2010年7月至2012年7月的期间内对所述对象实施的、一般用作cognitive ability（认知能力）的评价法的WAIS-R成人智能检查（知识）的分数。
执行利用线性回归模型（具体而言以下的模型1至模型4）的解析，所述线性回归模型将WAIS-R成人智能检查（知识）的分数作为目的变量、将前述22种氨基酸各自的每日摄取量和前述9种氨基酸各自的一天的氨基酸得分（充足率）作为说明变量，讨论了氨基酸摄取量和氨基酸得分（充足率）与将来的认知功能指标的关联性。在图17和图18中示出了评价结果。
在此，模型1是通过年龄、性别、BMI、受教育年限、CES-D、既往有无高血压、既往有无脂质异常症、既往有无糖尿病和既往有无脑卒中对前述22种氨基酸的每日摄取量和前述9种氨基酸的每一天的氨基酸得分（充足率）各自进行调整的模型。具体而言，模型1由10个说明变量构成的模型，该10个说明变量是前述22种氨基酸的每日摄取量和前述9种的一天的氨基酸得分（充足率）中的一个、年龄、性别、BMI、受教育年限、CES-D、既往有无高血压、既往有无脂质异常症、既往有无糖尿病和既往有无脑卒中。模型2是由11个说明变量构成的模型，其中将脂质摄取量作为说明变量追加到模型1中。模型3是将能量摄取量作为说明变量追加到模型1中的模型。模型4是将蛋白质摄取量作为说明变量追加到模型1中的模型。
在图17所示的模型4的结果中，在Leu、Tyr、Trp、Val、Ser、SAA和BCAA中得到了显著的结果，因此，表明了在所述对象中蛋白摄取量相同的状况下，这7种氨基酸的每日摄取量与将来的认知功能（WAIS-R成人智能检查（知识））相关联。
在图18所示的模型1、2、3、4的结果中，表明了Ile、Leu、Trp、Val和AAA的每一天的氨基酸得分（充足率）与将来的认知功能（WAIS-R成人智能检查（知识））相关联。
从以上的结果，表明了：饮食中的氨基酸的含有量和饮食中的氨基酸的质量与将来的认知功能（WAIS-R成人智能检查（知识））相关联（模型2发现了在脂质摄取量相同的状况下、模型3发现了在能量摄取量相同的状况下、模型4发现了在蛋白质摄取量相同的状况下，饮食中的氨基酸摄取量与认知功能显著相关联，即，作为一个例子而考虑模型4时，即使在蛋白质摄取量相同的状况下，氨基酸也与认知功能显著相关联，因此，在饮食与认知功能的关联性中，构成蛋白质的氨基酸的比例是重要的）。
实施例4
讨论了，通过使用饮食中的2种以上的氨基酸的信息，与逻辑记忆I（即时再现）的关联性是否大于使用饮食中的1种氨基酸的信息时的关联性。使用与实施例1相同的数据（具体而言，前述22种氨基酸的每日摄取量和逻辑记忆I（即时再现）的分数），针对实施例1中记载的模型1～4每一个，通过使变量选择基准的p值为0.2的逐步法来选择氨基酸，由此，制作了与该模型1～4每一个对应的、使用2种以上的氨基酸的模型。针对使用了通过逐步法选择的2种以上的氨基酸的模型和使用了1种氨基酸的模型，通过赤池信息量准则（AIC），来评价与逻辑记忆I的关联性。再有，关于使用1种氨基酸的模型，采用AIC的值最小的模型。在图19中示出了评价结果。在模型1～4任一个中，与使用1种氨基酸的AIC最小的模型的AIC相比较，使用2种以上的氨基酸的模型的AIC更小，因此，示出了，通过使用饮食中的2种以上的氨基酸的信息，与逻辑记忆I的关联性大于使用饮食中的1种氨基酸的信息时的关联性。
实施例5
讨论了，通过使用饮食中的2种以上的氨基酸的信息，与逻辑记忆II（延迟再现）的关联性是否大于使用饮食中的1种氨基酸的信息时的关联性。使用与实施例2相同的数据（具体而言，前述22种氨基酸的每日摄取量和逻辑记忆II（延迟再现）的分数），针对实施例2中记载的模型1～4每一个，通过使变量选择基准的p值为0.2的逐步法来选择氨基酸，由此，制作了与该模型1～4每一个对应的、使用2种以上的氨基酸的模型。针对使用了通过逐步法选择的2种以上的氨基酸的模型和使用了1种氨基酸的模型，通过AIC来评价与逻辑记忆II的关联性。在图20中示出了评价结果。关于模型1～3，未通过逐步法来选择氨基酸，因此，不能比较。在模型4中，与使用1种氨基酸的AIC最小的模型的AIC相比较，使用2种以上的氨基酸的模型的AIC更小，因此，示出了，通过使用饮食中的2种以上的氨基酸的信息，与逻辑记忆II的关联性大于使用饮食中的1种氨基酸的信息时的关联性。
此外，关于模型1～3，未通过逐步法来选择氨基酸，因此，针对对使用1种氨基酸的AIC最小的模型追加与该使用的氨基酸的相关系数最低的氨基酸而得到的模型，也通过AIC来评价与逻辑记忆II的关联性。在图21中示出了评价结果。在模型1～4中的任一个中，与使用1种氨基酸的AIC最小的模型的AIC相比较，使用2种氨基酸的模型的AIC更小，因此，暗示了，与使用饮食中的1种氨基酸的信息相比，通过使用饮食中的2种以上的氨基酸的信息，与逻辑记忆II的关联性可能更高。
实施例6
将2002年5月至2004年5月的期间内60岁至82岁年龄且该期间内实施的作为认知功能指标之一的Mini-Mental State Examination（MMSE，简易精神状态检查）高于27分的男女427人（男性205人，女性222人）作为对象，从该对象，取得针对该期间中的连续3天期间（工作日2天期间和休息日1天）实际摄取的各日的饮食对食物进行称量并记录的记录票和摄取前后的照片。然后，管理营养师根据该取得的3天期间的饮食记录票和照片，针对各食物进行基于食物分量表的编码化，计算各人的3天期间的营养摄取量，求取了每一天的平均营养摄取量（具体而言，22种氨基酸（Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、Hydroxyproline、SAA、AAA和BCAA）各自的每日摄取量）。然后，按性别，通过四分位对所求取的22种氨基酸各自的每日摄取量进行分类，按摄取量从少到多的顺序，生成T1、T2、T3和T4这4个组。
分别将前述22种氨基酸作为对象来实施逻辑回归，讨论了前述22种氨基酸各自的每日摄取量与再次实施的MMSE的关联性，所述逻辑回归将从在所述期间的约8年后的2010年7月至2012年7月的期间内对所述对象再次实施的MMSE的分数中得到的、具有意味着“27分以下”的值或意味着“高于27分”的值的二值数据作为目的变量、并且将作为对象的1种氨基酸的每日摄取量是否符合T1组的二值数据、年龄、性别、BMI、受教育年限、CES-D、既往有无高血压、既往有无脂质异常症、既往有无虚血性心疾患、既往有无糖尿病、既往有无脑卒中、和一天的蛋白质摄取量作为说明变量。在图22中示出了评价结果。在Lys、Phe、Thr和Ala中，得到了优势比显著的结果，因此，示出了这4种氨基酸的每日摄取量与将来的认知功能降低相关联。此外，在图23中示出了T1组中的这4种氨基酸的每日摄取量的范围（最小摄取值和最大摄取值）。这4种氨基酸的每日摄取量符合T1组（在Lys的情况下，男性为4099mg/天以下，女性为3353mg/天以下，在Phe的情况下，男性为3053mg/天以下，女性为2596mg/天以下，在Thr的情况下，男性为2601mg/天以下，女性为2183mg/天以下，在Ala的情况下，男性为3294mg/天以下，女性为2688mg/天以下）显著地提高了将来的认知功能降低风险，因此，表明了摄取量多于图23所示的T1组的最大摄取量是重要的。
意味着T1组中的数据的偏差的标准偏差在Lys的情况下为546mg/天，在Phe的情况下为349mg/天，在Thr的情况下为313mg/天，在Ala的情况下为414mg/天，因此，当考虑到数据以这次观察到的T1组的最大摄取量为中心进行正态分布的情况时，考虑在这次观察到的T1组的最大摄取量±1.96×标准偏差的范围内包含95%的数据，因此，考虑在被视为图24所示的T1组的最大摄取量的范围内，设定阈值是妥当的。考虑，在范围内设定阈值，以多于该阈值的方式摄取是优选的，所述范围关于Lys，在男性的情况下，为3029mg/天以上5170mg/天不足，在女性的情况下，为2282mg/天以上4423mg/天不足，关于Phe，在男性的情况下，为2369mg/天以上3737mg/天不足，在女性的情况下，为1912mg/天以上3280mg/天不足，关于Thr，在男性的情况下，为1988mg/天以上3215mg/天不足，在女性的情况下，为1570mg/天以上2797mg/天不足，关于Ala，在男性的情况下，为2482mg/天以上4105mg/天不足，在女性的情况下，为1877mg/天以上3500mg/天不足。此外，当考虑数据以这次观察到的T1组的最大摄取量为中心进行正态分布的情况时，考虑在这次观察的T1组的最大摄取量±标准偏差的范围内，包含68%的数据，因此，考虑在被视为图25所示的T1组的最大摄取量的范围内，设定阈值是妥当的。考虑，在范围内设定阈值，以多于该阈值的方式摄取是优选的，所述范围关于Lys，在男性的情况下，为3553mg/天以上4645mg/天不足，在女性的情况下，为2807mg/天以上3899mg/天不足，关于Phe，在男性的情况下，为2704mg/天以上3402mg/天不足，在女性的情况下，为2247mg/天以上2945mg/天不足，关于Thr，在男性的情况下，为2288mg/天以上2914mg/天不足，在女性的情况下，为1870mg/天以上2496mg/天不足，关于Ala，在男性的情况下，为2880mg/天以上3708mg/天不足，在女性的情况下，为2274mg/天以上3102mg/天不足。
再有，在“日本人的饮食摄取基准（2015年版）”（厚生劳动省主页https://www.mhlw.go.jp/stf/seisakunitsuite/bunya/kenkou_iryou/kenkou/eiyou/syokuji_kijyun.html）中，示出了“相对于蛋白质需要量（g/kg体重/日）的氨基酸需要量（mg/kg体重/日）”来作为不可缺氨基酸的估计平均需要量。在计算实施例6的解析对象集团的体重时，平均值为57.3kg，标准偏差为9.1kg，因此，考虑平均值±1.96×标准偏差的范围，来计算体重39kg以上75kg以下的范围的氨基酸需要量。在图26中示出了计算结果。在营养指导的现场，可能还包含氨基酸以外的营养素来综合地进行营养指导，因此，考虑，关于Lys和Thr，也能够将图24所示的下限值变更为图26所示的值。例如，关于Lys，考虑，根据图24，优选的是，在男性的情况下，在3029mg/天以上5170mg/天不足的范围内，设定阈值，但是，鉴于营养指导的状况，考虑还能加进图26的信息，通过1170、1719或2250mg/天以上、4099或5170mg/天不足的范围等图24、25和图26中的值的组合来设定阈值。再有，关于Phe，在“日本人的饮食摄取基准（2015年版）”中没有单独作为氨基酸的记载，而记载了包含Phe的AAA（芳香族氨基酸）的需要量。因此，关于Phe，如果摄取图26所示的AAA的值975、1433或1875mg/天，则至少满足Phe的需要量，因此，考虑也能通过将该AAA的值代用为Phe的下限值等图24、25和图26中的值的组合来设定阈值。此外，考虑平均值±标准偏差的范围（在正态分布的情况下，包含68%的数据的范围），来计算体重48kg以上66kg以下的范围的氨基酸需要量。在图26中示出计算结果。以平均值±标准偏差的范围为基准来进行考虑，与上述的平均值±1.96×标准偏差的情况相同，也考虑将图26所示的值代用为氨基酸需要量的下限值。此外，针对图24和25的结果，在图27和图28中示出了通过平均体重57.3kg校正的结果。也能将通过体重校正的这些值用作阈值。
实施例7
将2004年6月至2006年6月的期间内40岁至85岁年龄的男女2122人（男性1054人，女性1068人）作为对象，从该对象，取得了针对该期间中的连续3天期间（工作日2天期间和休息日1天）实际摄取的各日的饮食对食物进行称量并记录的记录票和摄取前后的照片。然后，管理营养师从该取得的3天期间的饮食记录票和照片，进行基于食物分量表的编码化，计算各人的3天期间的营养摄取量，求取了每一天的平均营养摄取量（具体而言，早餐、午餐和晚餐各自的氨基酸得分）。然后，按性别，通过四分位来对所求取的早餐、午餐和晚餐各自的氨基酸得分进行分类，按摄取量从少到多的顺序，生成了T1、T2、T3和T4这4个组。再有，本实施例中的氨基酸得分意味着蛋白质消化性校正氨基酸得分（PDCAAS）。
针对模型（模型1）实施协方差分析，所述模型（模型1）将所述期间中对所述对象实施的、作为认知功能指标之一的WMS-R韦氏记忆检查的逻辑记忆II（延迟再现）的分数作为目的变量、并且将早餐的氨基酸得分的四分位组、午餐的氨基酸得分的四分位组、晚餐的氨基酸得分的四分位组、年龄、性别、BMI、受教育年限、CES-D、吸烟史、就业状况、有无独居、脑卒中、有无高血压、有无脂质异常症、有无虚血性心疾患和有无糖尿病作为说明变量。再有，在四分位组这样的3个说明变量中设定了意味着得分符合T1组的值、意味着得分符合T2组的值、意味着得分符合T3组的值、或意味着得分符合T4组的值。针对对模型1添加一天的脂质摄取量作为说明变量的模型2、对模型1添加一天的能量摄取量作为说明变量的模型3、对模型1添加一天的蛋白质摄取量作为说明变量的模型4，也实施了协方差分析。在图29、图30中示出评价结果。从图29，在午餐的氨基酸得分中，得到了显著的结果，因此，从图30表明了，当午餐的氨基酸得分变高时，逻辑记忆II的分数也上升。
此外，关于午餐的氨基酸得分的4分位组，实施了（1）“T1组”和“T2组～T4组”的比较，（2）“T1组和T2组”和“T3组和T4组”的比较、和（3）“T1组～T3组”和“T4组”的比较，讨论了各比较的统计假说检定的显著性。在图31中示出了所讨论的结果，在图32中示出了T1组～T4组的各午餐的氨基酸得分的范围。在（2）的比较中，在模型1～3中发现了显著差，在（3）的比较中，在模型1～4中发现了显著差，因此，考虑，T2组的最大氨基酸得分以上（男性85.7（86）以上，女性86.9（87）以上）或T3组的最大氨基酸得分以上（男性96.3（96）以上，女性96.4（96）以上）的午餐的氨基酸得分的摄取是优选的。
意味着数据的偏差的标准偏差在（2）的比较中的“T1组和T2组”的情况下为13.8，在（3）的比较中的“T1组～T3组”的情况下为15.4，因此，当考虑数据以这次观察到的分位点为中心进行正态分布的情况时，考虑在这次观察到的分位点±1.96×标准偏差的范围内，包含95%的数据，因此，考虑在图33所示的氨基酸得分的范围内，设定阈值是妥当的。考虑在范围内设定阈值，以多于该阈值的方式进行摄取，关于所述阈值，在基于（2）的比较的结果的情况下，男性的午餐的氨基酸得分的阈值设定在58.7（59）以上100以下的范围内，女性的午餐的氨基酸得分的阈值设定在59.9（60）以上100以下的范围内，在基于（3）的比较的结果的情况下，男性的午餐的氨基酸得分的阈值设定在66.1（66）以上100以下的范围内，女性的午餐的氨基酸得分的阈值设定在66.2（66）以上100以下的范围内。此外，当考虑数据以这次观察到的分位点为中心进行正态分布的情况时，考虑在这次观察到的分位点±标准偏差的范围内，包含68%的数据，因此，考虑在图34所示的氨基酸得分的范围内，设定阈值是妥当的。考虑在范围内设定阈值，以多于该阈值的方式进行摄取，关于所述阈值，在基于（2）的比较的结果的情况下，男性的午餐的氨基酸得分的阈值设定在71.9（72）以上99.5（100）以下的范围内，女性的午餐的氨基酸得分的阈值设定在73.1（73）以上100以下的范围内，在基于（3）的比较的结果的情况下，男性的午餐的氨基酸得分的阈值设定在80.9以上100以下的范围内，女性的午餐的氨基酸得分的阈值设定在81.0（81）以上100以下的范围内。
实施例8
将2002年5月至2004年5月的期间内60岁至82岁年龄且该期间内实施的作为认知功能指标的MMSE高于27分的男女418人（男性202人，女性216人）作为对象，从该对象，取得了针对该期间中的连续3天期间（工作日2天期间和休息日1天）实际摄取的各日的饮食对食物称量并记录的记录票和摄取前后的照片。然后，管理营养师从该取得的3天期间的饮食记录票和照片，进行基于食物分量表的编码化，计算各人的3天期间的营养摄取量，求取了每一天的平均营养摄取量（具体而言，早餐、午餐和晚餐各自的氨基酸得分）。然后，按性别，通过三分位来对早餐、午餐和晚餐各自的氨基酸得分进行分类，按摄取量从少到多的顺序，生成了T1、T2和T3这3个组。再有，本实施例中的氨基酸得分意味着蛋白质消化性校正氨基酸得分（PDCAAS）。
针对模型（模型1）实施逻辑回归，讨论了早餐、午餐和晚餐各自的氨基酸得分与再次实施的MMSE的关联性，所述模型（模型1）将从所述期间的约4年后的2006年7月至2008年7月的期间内对所述对象再次实施的MMSE的分数中得到的、具有意味着“27分以下”的值或意味着“高于27分”的值的二值数据作为目的变量、并且将早餐的氨基酸得分是否符合T1组的二值数据、午餐的氨基酸得分是否符合T1组的二值数据、晚餐的氨基酸得分是否符合T1组的二值数据、年龄、性别、BMI、受教育年限、CES-D、既往有无高血压、既往有无虚血性心疾患、既往有无脂质异常症、既往有无糖尿病、既往有无脑卒中和一天的蛋白质摄取量作为说明变量。针对对模型1添加一天的脂质摄取量作为说明变量的模型2、对模型1添加一天的能量摄取量作为说明变量的模型3、对模型1添加一天的蛋白质摄取量作为说明变量的模型4，也实施逻辑回归，讨论了早餐、午餐和晚餐各自的氨基酸得分与再次实施的MMSE的关联性。在图35中示出评价结果。在早餐的氨基酸得分是否符合T1组的二值数据中，得到了优势比显著的结果，因此，示出了早餐的氨基酸得分与将来的认知功能降低相关联。此外，在图36中示出了T1组中的早餐的氨基酸得分的范围（最小得分和最大得分）。早餐的氨基酸得分符合T1组显著地提高了将来的认知功能降低风险，因此，表明了早餐的氨基酸得分高于图36所示的T1组的最大氨基酸得分（男性的情况下90.3（90），女性的情况下88.9（90））是重要的。
意味着数据的偏差的标准偏差在早餐氨基酸得分的情况下是12.0，因此，当考虑数据以这次观察到的分位点为中心进行正态分布的情况时，考虑在这次观察到的分位点±1.96×标准偏差的范围内，包含95%的数据，因此，考虑在图37所示的氨基酸得分的范围内，设定阈值是妥当的。考虑，优选的是，在男性的早餐的氨基酸得分的情况下，在66.8（67）以上100以下的范围内，在女性的早餐的氨基酸得分的情况下，在65.4（66）以上100以下的范围内，设定阈值，以多于该阈值的方式进行摄取。此外，当考虑数据以这次观察到的分位点为中心进行正态分布的情况时，考虑在这次观察到的分位点±标准偏差的范围内，包含68%的数据，因此，考虑在图38所示的氨基酸得分的范围内，设定阈值是妥当的。考虑，优选的是，在男性的早餐的氨基酸得分的情况下，在78.3（78）以上100以下的范围内，在女性的早餐的氨基酸得分的情况下，在76.9（77）以上100以下的范围内，设定阈值，以多于该阈值的方式进行摄取。
产业上的可利用性
如以上那样，本发明能够在产业上的许多领域特别是医药品或食物、医疗等领域中广泛地实施，并且是非常有用的。
附图标记的说明
100评价装置（包含计算装置）
102控制部
102a取得部
102b指定部
102c公式制作部
102d评价部
102d1计算部
102d2变换部
102d3生成部
102d4分类部
102e结果输出部
102f发送部
104通信接口部
106存储部
106a氨基酸关联数据文件
106b指标状态信息文件
106c指定指标状态信息文件
106d公式关联信息数据库
106d1公式文件
106e评价结果文件
108输入输出接口部
112输入装置
114输出装置
200客户端装置（终端装置（信息通信终端装置））
300网络
400POS系统
500数据库装置。
Claims (16)
1.一种评价方法，其特征在于，包含评价步骤，在所述评价步骤中，使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
2.根据权利要求1所述的评价方法，其特征在于，在所述评价步骤中，使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Ala、Asp、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
3.根据权利要求2所述的评价方法，其特征在于，在所述评价步骤中，使用Ile、Leu、Tyr、Trp、Val、Ser、AAA和BCAA中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
4.根据权利要求2所述的评价方法，其特征在于，在所述评价步骤中，使用Lys、Phe、Thr和Ala中的至少一种氨基酸在所述食物中的所述量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值。
5.根据权利要求1至4中任一项所述的评价方法，其特征在于，所述评价步骤在具备控制部的信息处理装置的所述控制部中执行。
6.一种计算方法，其特征在于，包含计算步骤，在所述计算步骤中，使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
7.根据权利要求6所述的计算方法，其特征在于，所述计算步骤在具备控制部的信息处理装置的所述控制部中执行。
8.一种评价装置，具备控制部，其特征在于，
所述控制部具备评价单元，所述评价单元使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
9.根据权利要求8所述的评价装置，其特征在于，
经由网络可通信地连接到终端装置，
所述控制部还具备：
数据接收单元，接收用于计算所述量的所述值的信息、使用所述信息而算出的所述量的所述值或所述公式的所述值；以及
结果发送单元，向所述终端装置发送由所述评价单元得到的结果，
所述评价单元进行以下（1）或（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理或使用所述接收到的所述信息来算出所述量的所述值并使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物。
10.一种计算装置，具备控制部，其特征在于，
所述控制部具备计算单元，所述计算单元使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
11.一种评价程序，在具备控制部的信息处理装置中执行，其特征在于，
包含在所述控制部中执行的评价步骤，所述评价步骤使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值，从认知功能的观点来评价所述食物。
12.一种计算程序，在具备控制部的信息处理装置中执行，其特征在于，
包含在所述控制部中执行的计算步骤，所述计算步骤使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在食物中的量的值以及包含所述量的所述值被代入的变量的用于从认知功能的观点来评价所述食物的公式，计算所述公式的值。
13.一种计算机可读取的记录介质，其中，记录有权利要求11或12所述的程序。
14.一种评价系统，经由网络将具备控制部的评价装置和具备控制部的终端装置可通信地连接来构成，其特征在于，
所述终端装置的所述控制部具备结果接收单元，所述结果接收单元接收从所述评价装置发送的从认知功能的观点对食物进行评价而得到的评价结果，
所述评价装置的所述控制部具备：
数据接收单元，接收用于计算Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在所述食物中的量的值的信息、使用所述信息而算出的所述量的所述值、或使用包含所述量的所述值被代入的变量的公式和所述量的所述值而计算的所述公式的所述值；
评价单元，所述评价单元进行以下（1）或（2）的评价：（1）在由所述数据接收单元接收到所述信息的情况下，执行使用所述接收到的所述信息来计算所述量的所述值的处理、或使用所述接收到的所述信息来计算所述量的所述值并使用所述算出的所述量的所述值和所述公式来计算所述公式的所述值的处理，使用由所述处理得到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；（2）在由所述数据接收单元接收到所述量的所述值或所述公式的所述值的情况下，使用所述接收到的所述量的所述值或所述公式的所述值，从认知功能的观点来评价所述食物；以及
结果发送单元，向所述终端装置发送由所述评价单元得到的所述结果。
15.一种终端装置，具备控制部，其特征在于，
所述控制部具备结果取得单元，所述结果取得单元取得从认知功能的观点对食物进行评价而得到的评价结果，
所述结果是使用Ile、Leu、Lys、Met、Cys、Phe、Tyr、Thr、Trp、Val、His、Arg、Ala、Asp、Glu、Gly、Pro、Ser、SAA、AAA和BCAA中的至少一种氨基酸在所述食物中的量的值或通过使用包含所述量的所述值被代入的变量的公式和所述量的所述值而算出的所述公式的值而从认知功能的观点对所述食物进行评价而得到的结果。
16.根据权利要求15所述的终端装置，其特征在于，
经由网络可通信地连接到进行所述评价的评价装置，
所述结果取得单元接收从所述评价装置发送的所述结果。
Applications Claiming Priority (7)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2019-113231 | 2019-06-18 | ||
| JP2019113231 | 2019-06-18 | ||
| JP2019-191495 | 2019-10-18 | ||
| JP2019191495 | 2019-10-18 | ||
| JP2020055144 | 2020-03-25 | ||
| JP2020-055144 | 2020-03-25 | ||
| PCT/JP2020/022210 WO2020255743A1 (ja) | 2019-06-18 | 2020-06-04 | 認知機能に関する食物の評価方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114008452A true CN114008452A (zh) | 2022-02-01 |
Family
ID=74037290
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202080044113.5A Pending CN114008452A (zh) | 2019-06-18 | 2020-06-04 | 与认知功能有关的食物的评价方法 |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JPWO2020255743A1 (zh) |
| CN (1) | CN114008452A (zh) |
| WO (1) | WO2020255743A1 (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2024095917A1 (ja) * | 2022-10-31 | 2024-05-10 | 株式会社ヤクルト本社 | プレハビリテーションを支援する支援方法、支援プログラム、支援装置および支援システム |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561651A (zh) * | 2010-11-24 | 2014-02-05 | 数字制品有限责任公司 | 评估认知功能的系统和方法 |
| KR101466626B1 (ko) * | 2013-06-24 | 2014-11-28 | 주식회사 비디스낵 | 식품 평가 방법 및 그 방법이 기록된 기록매체 |
| CN105054076A (zh) * | 2015-08-25 | 2015-11-18 | 广州施健生物科技有限公司 | 一种有助于改善阿尔兹海默症的营养组合物及其应用 |
| KR101653124B1 (ko) * | 2016-04-11 | 2016-09-01 | 유상희 | 인지기능 개선용 기능성 식품 및 그 제조방법 |
| TW201842316A (zh) * | 2017-04-06 | 2018-12-01 | 日商明治股份有限公司 | 生酮飲食之有效狀態之監測裝置 |
| CN109689039A (zh) * | 2016-09-09 | 2019-04-26 | 味之素株式会社 | 用于预防或改善痴呆症或抑郁状态的组合物 |
Family Cites Families (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20060252775A1 (en) * | 2005-05-03 | 2006-11-09 | Henderson Samuel T | Methods for reducing levels of disease associated proteins |
| JP4940424B2 (ja) * | 2005-10-07 | 2012-05-30 | 国立大学法人名古屋大学 | 神経細胞の酸化的損傷のマーカー及びその利用 |
| US8670941B2 (en) * | 2006-08-18 | 2014-03-11 | Huntington Medical Research Institutes | Methods of determining levels of free amino acids and dipeptides and diagnosing Alzheimer's disease |
| EP2959895A1 (en) * | 2014-06-27 | 2015-12-30 | Rheinisch-Westfälische Technische Hochschule Aachen (RWTH) | Compositions comprising Phenylalanine and Leucine for use in the diagnosis and treatment of neurological disorders and symptoms thereof |
-
2020
- 2020-06-04 WO PCT/JP2020/022210 patent/WO2020255743A1/ja active Application Filing
- 2020-06-04 CN CN202080044113.5A patent/CN114008452A/zh active Pending
- 2020-06-04 JP JP2021527585A patent/JPWO2020255743A1/ja active Pending
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103561651A (zh) * | 2010-11-24 | 2014-02-05 | 数字制品有限责任公司 | 评估认知功能的系统和方法 |
| KR101466626B1 (ko) * | 2013-06-24 | 2014-11-28 | 주식회사 비디스낵 | 식품 평가 방법 및 그 방법이 기록된 기록매체 |
| CN105054076A (zh) * | 2015-08-25 | 2015-11-18 | 广州施健生物科技有限公司 | 一种有助于改善阿尔兹海默症的营养组合物及其应用 |
| KR101653124B1 (ko) * | 2016-04-11 | 2016-09-01 | 유상희 | 인지기능 개선용 기능성 식품 및 그 제조방법 |
| CN109689039A (zh) * | 2016-09-09 | 2019-04-26 | 味之素株式会社 | 用于预防或改善痴呆症或抑郁状态的组合物 |
| TW201842316A (zh) * | 2017-04-06 | 2018-12-01 | 日商明治股份有限公司 | 生酮飲食之有效狀態之監測裝置 |
Also Published As
| Publication number | Publication date |
|---|---|
| JPWO2020255743A1 (zh) | 2020-12-24 |
| WO2020255743A1 (ja) | 2020-12-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sharp et al. | Dietary intake, nutrient status, and growth parameters in children with autism spectrum disorder and severe food selectivity: An electronic medical record review | |
| EP3488369B1 (en) | Determining an optimal wellness regime | |
| Schwingshackl et al. | Impact of different training modalities on glycaemic control and blood lipids in patients with type 2 diabetes: a systematic review and network meta-analysis | |
| Ralston et al. | Colorectal cancer and nonfermented milk, solid cheese, and fermented milk consumption: a systematic review and meta-analysis of prospective studies | |
| Alexandre et al. | Gender differences in the incidence and determinants of components of the frailty phenotype among older adults: findings from the SABE study | |
| US20150279235A1 (en) | Nutrition management system and nutrition management program | |
| Berz et al. | Use of a DASH food group score to predict excess weight gain in adolescent girls in the National Growth and Health Study | |
| Sivanantham et al. | Profile of risk factors for Non-Communicable Diseases (NCDs) in a highly urbanized district of India: Findings from Puducherry district-wide STEPS Survey, 2019–20 | |
| Dominguez et al. | Association of a dietary score with incident type 2 diabetes: the dietary-based diabetes-risk score (DDS) | |
| US20210005317A1 (en) | Methods and systems for achieving vibrant constitution based on user inputs | |
| CN112148969A (zh) | 膳食推荐方法、装置、计算机设备和存储介质 | |
| US20240087721A1 (en) | Methods and systems for nourishment refinement using psychiatric markers | |
| Pearsall et al. | Dietary advice for people with schizophrenia | |
| Rock et al. | Antioxidant supplement use in cancer survivors and the general population | |
| JP6614215B2 (ja) | 取得方法、算出方法、脳卒中評価装置、算出装置、脳卒中評価プログラム、算出プログラムおよび脳卒中評価システム | |
| CN115516488A (zh) | 用于使用基于排名的评分完善膳食治疗方案的系统和方法 | |
| Tison et al. | Differences in the association of select dietary measures with risk of incident type 2 diabetes | |
| CN114008452A (zh) | 与认知功能有关的食物的评价方法 | |
| Saberi Hosnijeh et al. | Association between anthropometry and lifestyle factors and risk of B‐cell lymphoma: An exposome‐wide analysis | |
| Morgenstern et al. | Development of machine learning prediction models to explore nutrients predictive of cardiovascular disease using Canadian linked population-based data | |
| US20230203589A1 (en) | Personalised recommended daily intake for nutrients based on individual genetic risk scores | |
| Edefonti et al. | Clustering dietary habits and the risk of breast and ovarian cancers | |
| Gacek et al. | Satisfaction with life and nutritional behaviour, body composition, and functional fitness of women from the Kraków population participating in the “healthy active senior” programme | |
| CN114388102A (zh) | 饮食推荐方法及装置和电子设备 | |
| Freedman et al. | Methods of epidemiology: evaluating the fat–breast cancer hypothesis–comparing dietary instruments and other developments |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination |