CN116548946A - 体组成分析仪的数据整合系统 - Google Patents

体组成分析仪的数据整合系统 Download PDF

Info

Publication number
CN116548946A
CN116548946A CN202210217790.3A CN202210217790A CN116548946A CN 116548946 A CN116548946 A CN 116548946A CN 202210217790 A CN202210217790 A CN 202210217790A CN 116548946 A CN116548946 A CN 116548946A
Authority
CN
China
Prior art keywords
body composition
data
composition data
analyzer
precision
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
Application number
CN202210217790.3A
Other languages
English (en)
Inventor
谢坤昌
蔡至清
林信达
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Xingyou Technology Co ltd
Original Assignee
Xingyou Technology Co ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Xingyou Technology Co ltd filed Critical Xingyou Technology Co ltd
Publication of CN116548946A publication Critical patent/CN116548946A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7235—Details of waveform analysis
    • A61B5/7264—Classification of physiological signals or data, e.g. using neural networks, statistical classifiers, expert systems or fuzzy systems
    • 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
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/053—Measuring electrical impedance or conductance of a portion of the body
    • A61B5/0537—Measuring body composition by impedance, e.g. tissue hydration or fat content
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • A61B5/742—Details of notification to user or communication with user or patient ; user input means using visual displays
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/02—Arrangements for diagnosis sequentially in different planes; Stereoscopic radiation diagnosis
    • A61B6/03—Computed tomography [CT]
    • A61B6/032—Transmission computed tomography [CT]
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B6/00—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment
    • A61B6/50—Apparatus or devices for radiation diagnosis; Apparatus or devices for radiation diagnosis combined with radiation therapy equipment specially adapted for specific body parts; specially adapted for specific clinical applications
    • 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
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/05—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves 
    • A61B5/055—Detecting, measuring or recording for diagnosis by means of electric currents or magnetic fields; Measuring using microwaves or radio waves  involving electronic [EMR] or nuclear [NMR] magnetic resonance, e.g. magnetic resonance imaging
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Radiology & Medical Imaging (AREA)
  • Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
  • Artificial Intelligence (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Dentistry (AREA)
  • Optics & Photonics (AREA)
  • High Energy & Nuclear Physics (AREA)
  • Primary Health Care (AREA)
  • Epidemiology (AREA)
  • Mathematical Physics (AREA)
  • Fuzzy Systems (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Signal Processing (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Business, Economics & Management (AREA)
  • General Business, Economics & Management (AREA)
  • Pulmonology (AREA)
  • Theoretical Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

本发明提供了一种体组成分析仪的数据整合系统，其包含：高精度体组成分析仪、低精度体组成分析仪及运算装置，由运算装置计算高精度体组成分析仪、低精度体组成分析仪之间的偏差值，并以偏差值对低精度体组成分析仪的数据进行修正，得到较准确的体组成数据。

Description

体组成分析仪的数据整合系统
技术领域
本发明与体组成分析技术有关，特别是指一种体组成分析仪的数据整合系统。
背景技术
随着生活水平的提高，人们对于维持身体健康的需求也日渐提升。健康与否与个人的身体组成成份习习相关，正常且均衡的身体组成成份是维持健康的基本条件之一。体组成测量的方式有许多种，较常用的方法有影像法与生物阻抗分析(Bioelectricalimpedance analysis；BIA)。影像法常用的有计算机断层扫描(Computed Tomography；CT)、核磁共振摄影(Magnetic Resonance Imaging；MRI)与双能量X光吸光式吸收仪(Dual-energy X-ray absorptiometry，DXA)。因为DXA稳定性与准确性高，又比CT与MRI成本更低，已成为体组成量测的黄金标准。BIA技术因为使用上的方便、快速、成本低、安全非侵入性与可接受的准确性等特点，已成为目前最广泛使用的方法之一，且BIA身体组成分析产品已普及化，市场持续快速发展中。BIA身体组成分析除了体重之外，一般还提供去脂肪体重、体脂肪重、体脂肪率、肌肉量、身体总水量等重要的参数。
市面上的体组成分析产品可大略分为高阶专业型与家用型两种。高阶专业机通常使用多频率的交流电，目前产品最常见为三到六频，并使用八个极板与多频多肢段的量测技术，可得到全身或不同肢段的阻抗值与相位角。最后将测得的各肢段阻抗值，加上用户人个信息例如身高、年龄、体重、性别、人种与运动习惯等参数，代入估测方程式，可以得到多达数十种以上的人体组成参数。上述估测方程式的正确性会使用DXA或CT的检验结果加以验证。许多研究显示，相较于DXA所得的结果，各式厂牌的专业机型产品对于一般用户在体脂率与肌肉量的估测值上，尽管有所偏差，仍然具有非常高的相关性，有些产品甚至高达0.97至0.98，只有极瘦、极度肥胖者或有疾病等较特殊的族群才会有较大的误差。因此专业机型得到的结果极为接近医疗等级的水平，参考价值相对高。然而专业机型为求测量的高精准度，不但造价昂贵，且体积大，重量较重搬运不易，通常只在医疗院所与健身产业中使用。
反之家用型的体组成分析仪主要目的是利于日常生活中的使用，因此在设计上偏向轻薄。早期的产品以四极板的设计为多数，应用单频50kHz的交流电，进行脚对脚的阻抗值量测，也就是只以双腿为主的阻抗值推估全身的体组成。然而腿部肌内占比相当高，而且所占体重比例最大的躯干并不在测量的范围内，如此的测量估测结果的精准度与高阶专业机必然有一定的落差。在大部分的报告中，家用机型低估脂肪量，高估肌肉量，只有少部分测试报告指出家用机型高估脂肪量，这可能是对于不同测试族群所造成。一般而言，家用机与专业机的主要差别在于估测值偏误较大，且因为使用设计上，阻抗量测值的标准偏差较大。即使家用机型的结果有一定的偏差，准确度也不如专业机型，但多年的研究结果显示，不管在体脂肪或肌肉量估测的结果，家用机型在整体趋势的呈现上仍然与专业机的结果有高度相关，因此使用家用机进行追踪体组成参数还是有一定的参考价值。目前也有部份家用机型使用八极板，双频的量测技术，使得结果更贴进高阶专业机的结果，但这些机型价格较高，介于家用机型与专业机型之间，普及率不如较低阶的家用机型。
身体组成的定期监测对于维持健康相当重要，通常建议每天或每周测量一次，并加以记录，但对一般用户来说，除非有特殊的医疗行为的需求，否则仅会每隔数个月甚至一年才会做一次较精密的量测，其他时间只使用家用机进行监测。然而因为家用机型的准确度不如专业机型，使用者实际上并没有办法能够准确地掌握个人体组成变化。
发明内容
本发明的主要目的乃在于提供一种体组成分析仪的数据整合系统，相较于先前技术，能整合高阶专业型体组成分析仪与家用型体组成测分析仪所测量到的体组成数据，令受测者在接受一次高阶专业型体组成分析仪的测量后，就能以家用型体组成测分析仪测量到趋近于以高阶专业型体组成分析仪测量到的体组成数据，借此达到能准确且容易地掌握个人体组成变化的效果。
为了达成上述的目的，本发明提供的一种体组成分析仪的数据整合系统，其包含：一高精度体组成分析仪，测得一受测者的第一体组成数据；一低精度体组成分析仪，测得该受测者的第二体组成数据；以及一运算装置，电性连接该高精度体组成分析仪及该低精度体组成分析仪，并接收该第一、第二体组成数据，该运算装置包含一数据库及一运算单元，该运算装置将该第一、第二体组成数据储存于该数据库，并由该运算单元以该第一体组成数据做为一标准值，再计算该第一体组成数据与该第二体组成数据之间的一偏差值，并以该偏差值对该第一或第二体组成数据进行修正，得到一修正后的第二体组成数据。
借此，本发明提供的一种体组成分析仪的数据整合系统，借由整合第一体组成数据与第二体组成数据之间的偏差值，并以偏差值对第二体组成数据进行修正的技术特征，能令受测者在接受一次高精度体组成分析仪的测量后，就能以低精度体组成分析仪测量到趋近于以高精度体组成分析仪测量到的体组成数据，达到能准确且容易地掌握个人骨骼肌肉量变化的效果。
附图说明
图1是本发明一较佳实施例的示意图。
图2是本发明一较佳实施例的方块图。
图3是本发明一较佳实施例的使用状态示意图。
图4是本发明一较佳实施例的示意图，显示其他高精度体组成分析仪、低精度体组成分析仪及运算装置。
【附图标记说明】
10：体组成分析仪的数据整合系统
20：高精度体组成分析仪
30：低精度体组成分析仪
40：运算装置
41：数据库
43：运算单元
431：趋势线计算逻辑
45：数据整合单元
451：分析数据
453：数据判断逻辑
47：显示单元
具体实施方式
为了详细说明本发明的技术特点所在，兹针对以下一较佳实施例，并配合图式1-4说明如后，其中：本发明的体组成分析仪的数据整合系统10，主要包含一高精度体组成分析仪20、一低精度体组成分析仪30及一运算装置40，其中：
该高精度体组成分析仪20测得一受测者的第一体组成数据。
该低精度体组成分析仪30测得该受测者的第二体组成数据。
如图1-2所示，该运算装置40电性连接该高精度体组成分析仪20及该低精度体组成分析仪30，并接受该第一、二体组成数据，该运算装置40包含一数据库41及一运算单元43，该运算装置40将该第一、第二体组成数据储存于该数据库41，并由该运算单元43以该第一体组成数据做为一标准值，再计算该第一体组成数据与该第二体组成数据之间的一偏差值，并以该偏差值对该第二体组成数据进行修正，得到一修正后的第二体组成数据。
在本较佳实施例中，如图1所示，以DXA做为该高精度体组成分析仪20，并以BIA一般家用机型做为该低精度体组成分析仪30，该运算装置40是以个人计算机为例。在其他较佳实施例中，如图4所示，该高精度体组成分析仪20也可为CT、高阶专业体组成分析仪或MRI(图中未示出)，而该低精度体组成分析仪30则能以其他BIA一般家用机型(手持式、穿戴式家用型机)为例，该运算装置40则能以智能型手机、平板计算机(图中未示出)为例，故该高精度体组成分析仪20以及该运算装置40的选择，并不仅以本较佳实施例为限。此外，在其他较佳实施例中，该高精度体组成分析仪20及该低精度体组成分析仪30的数量也可为多个，且由不同的该受测者进行测量，并将该多个受测者所测得的第一、二体组成数据储存于该数据库41，并经由该运算单元43进行运算，故该高精度体组成分析仪20、该低精度体组成分析仪30及该受测者的数量不仅以本较佳实施例为限。
在本较佳实施例中，该运算装置40电性连接该高精度体组成分析仪20与及该低精度体组成分析仪30的方式为无线连接(如蓝芽、wifi)。在其他较佳实施例中，该运算装置40可为有线连接该高精度体组成分析仪20与及该低精度体组成分析仪30，故该运算装置40连接该高精度体组成分析仪20与及该低精度体组成分析仪30的方式，不仅以本较佳实施例为限。
在本较佳实施例中，该运算装置40还包含一数据整合单元45及一显示单元47，该数据整合单元45向该数据库41索取该第一、第二体组成数据，并整合成一分析数据451显示于该显示单元47，该分析数据451可依需求选择呈现方式，如图表、文字报告...等。
在本较佳实施例中，该第一体组成数据及该第二体组成数据是以骨骼肌肉量(Skeletal Muscle Mass；SMM)为例，当该第一、第二体组成数据为多个时，该修正后的第二体组成数据借由下列一公式计算得到：组成数据量测的一标准偏差，σA远小于σB，BiasRA为该第一、第二体组成数据的一平均量测偏差，该平均量测偏差初始的预设为0，若σA为0且σR不为0时，则/>(xB xA)，近似于xB BiasBA表示。
在其他较佳实施例中，该第一体组成数据及该第二体组成数据也能以测量身体质量指数(BMI)、脂肪肌肉评估、肥胖度分析、内脏脂肪、身体年龄或基础代谢率...等为例，而公式也会依照本较佳实施例的公式所应用的逻辑及原理略做改变，故该第一体组成数据及该第二体组成数据不仅以本较佳实施例为限。
在本较佳实施例中，该数据整合单元45还包含一数据判断逻辑453，该数据判断逻辑453是索取该多个第一、第二体组成数据的测量时间点，并以两两一组分类，并依测量时间点先后顺序统计得到多组数据；当该多组数据为0，且没有该平均量测偏差时，将该平均量测偏差默认为0；当该多组数据为1，且没有该平均量测偏差时，该平均量测偏差为该第一、第二体组成数据的相差；当该多组数据小于等于3时，该平均量测偏差以使用数据数量较多者为主；当该多组数据大于3时，则以一统计方法计算得到该平均量测偏差，其中该统计方法可为多元回归分析或机器学习...等。
在本较佳实施例中，该数据判断逻辑453具有一可供设定的预定区间，用以索取该预定区间内的该多第一、第二体组成数据，借此提升该第一、二体组成数据的平均测量偏差的真实性，但不以此为限。
在本较佳实施例中，该运算单元43具有一趋势线计算逻辑431，当该第一、第二体组成数据数量分别为1时，使用线性近似的方式取得趋势线(如图3虚线所示)，当该第一、第二体组成数据数量分别为2时，可使用非线性或分段线性回归分析取近似。在其他较佳实施例中，取得趋势线的方式也可采如希尔伯特-黄转换(Hilbert-Huang Transform)计算。短期内体组成参数变化不大，可视为稳态时间序列，例如短期内密集的测量，可用傅立叶变换求得，故该趋势线计算逻辑431不仅以本较佳实施例为限。
以上说明本发明一较佳实施例的技术特点，以下说明本发明一较佳实施例的测量结果，其中为了便于说明，以一该受测者测量一该第一体组成数据以及该多个第二体组成数据进行说明。
如图3所示，本发明所提供的体组成分析仪的数据整合系统，该受测者于2020年12月20日以该高精度体组成分析仪20测得该受测者的第一体组成数据(如正方形所示)，而后续分别于2020年12月23日、2020年12月26日、2020年12月27日...等日期测量得到每个第二体组成数据(如圆形所示)，借由该公式计算得到该修正后的第二体组成数据(如星形所示)，以2021年1月14日所测的该第二体组成数据与该修正后的第二体组成数据可看出，该受测者以该低精度体组成分析仪30实际测量到的骨骼肌肉量约莫为31.7，但是在借由本发明的修正下，该受测者却可得到趋近于以DXA测量到的骨骼肌肉量约莫为29.7数值。
借此，本发明提供的一种体组成分析仪的数据整合系统10，借由整合第一体组成数据与第二体组成数据之间的偏差值，并以偏差值对第二体组成数据进行修正的技术特征，能令受测者在接受一次高精度体组成分析仪的测量后，就能以低精度体组成分析仪测量到趋近于以高精度体组成分析仪测量到的骨骼肌肉量数据，达到能准确且容易地掌握个人骨骼肌肉量变化的效果。
上述较佳实施例是为了帮助理解本发明的原理和方法，本发明并不限于上述的较佳实施例。凡在本发明的精神和原则之内的任何组合和更动修改，都应在本发明的保护范围内。

Claims (7)

1.一种体组成分析仪的数据整合系统，其特征在于，包含：
一高精度体组成分析仪，测得一受测者的第一体组成数据；
一低精度体组成分析仪，测得该受测者的第二体组成数据；以及
一运算装置，电性连接该高精度体组成分析仪及该低精度体组成分析仪，并接收该第一体组成数据、第二体组成数据，该运算装置包含一数据库及一运算单元，该运算装置将该第一体组成数据、第二体组成数据储存于该数据库，并由该运算单元以该第一体组成数据做为一标准值，再计算该第一体组成数据与该第二体组成数据之间的一偏差值，并以该偏差值对该第一体组成数据或第二体组成数据进行修正，得到一修正后的第二体组成数据。
2.根据权利要求1所述的体组成分析仪的数据整合系统，其特征在于，该运算装置电性连接该高精度体组成分析仪及该低精度体组成分析仪的方式可为无线或有线连接。
3.根据权利要求1所述的体组成分析仪的数据整合系统，其特征在于，该运算装置还包含一数据整合单元及一显示单元，该数据整合单元向该数据库索取该第一体组成数据、第二体组成数据，并整合成一分析数据显示于该显示单元。
4.根据权利要求1所述的体组成分析仪的数据整合系统，其特征在于，该第一体组成数据及该第二体组成数据是骨骼肌肉量，当该第一体组成数据、第二体组成数据为多个时，该修正后的第二体组成数据借由下列公式计算所得到：其中，/>为该修正后的第二体组成数据，/>及/>为权重，σA与σB分别为该第一体组成数据及该第二体组成数据量测的一标准偏差，σA远小于σB，BiasBA为该第一体组成数据、第二体组成数据的一平均量测偏差，该平均量测偏差初始的预设为0，若σA为0且σD不为0时，则/>近似于xD-BiasDA表示。
5.根据权利要求4所述的体组成分析仪的数据整合系统，其特征在于，该数据整合单元还包含一数据判断逻辑，该数据判断逻辑是索取该多个第一体组成数据、第二体组成数据的测量时间点，并以两两一组分类，依测量时间点先后顺序统计得到多组数据；当该多组数据为0，且没有该平均量测偏差时，将该平均量测偏差默认为0；当该多组数据为1，且没有该平均量测偏差时，该平均量测偏差为该第一体组成数据、第二体组成数据的相差；当该多组数据小于等于3时，该平均量测偏差以使用数据数量较多者为主；当该多组数据大于3时，则以一统计方法计算得到该平均量测偏差。
6.根据权利要求5所述的体组成分析仪的数据整合系统，其特征在于，该数据判断逻辑具有一可供设定的预定区间，用以索取该预定区间内的该多个第一体组成数据、第二体组成数据的测量时间点。
7.根据权利要求4所述的体组成分析仪的数据整合系统，其特征在于，该运算单元具有一趋势线计算逻辑。
CN202210217790.3A 2022-01-28 2022-03-07 体组成分析仪的数据整合系统 Pending CN116548946A (zh)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
TW111104029A TWI790910B (zh) 2022-01-28 2022-01-28 體組成分析儀之資料整合系統
TW111104029 2022-01-28

Publications (1)

Publication Number Publication Date
CN116548946A true CN116548946A (zh) 2023-08-08

Family

ID=85150883

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202210217790.3A Pending CN116548946A (zh) 2022-01-28 2022-03-07 体组成分析仪的数据整合系统

Country Status (5)

Country Link
US (1) US20230240620A1 (zh)
EP (1) EP4220665A1 (zh)
JP (1) JP2023110874A (zh)
CN (1) CN116548946A (zh)
TW (1) TWI790910B (zh)

Family Cites Families (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2006167073A (ja) * 2004-12-15 2006-06-29 Omron Healthcare Co Ltd 体組成計
TWI374726B (en) * 2008-11-19 2012-10-21 Univ Nat Yang Ming Method and apparatus for sensing a physiological signal
US20200221958A1 (en) * 2019-01-14 2020-07-16 Sports Data Labs, Inc. System for measuring heart rate
EP3693976A1 (en) * 2019-02-08 2020-08-12 AMRA Medical AB Method of evaluating a muscle related condition
JP7214207B2 (ja) * 2019-03-06 2023-01-30 株式会社タニタ 体内測定システム及びプログラム
TWM630144U (zh) * 2022-01-28 2022-08-01 興友科技股份有限公司 體組成分析儀之資料整合系統

Also Published As

Publication number Publication date
EP4220665A1 (en) 2023-08-02
JP2023110874A (ja) 2023-08-09
US20230240620A1 (en) 2023-08-03
TWI790910B (zh) 2023-01-21
TW202331741A (zh) 2023-08-01

Similar Documents

Publication Publication Date Title
Frankenfield Bias and accuracy of resting metabolic rate equations in non-obese and obese adults
Swartz et al. Effects of body mass index on the accuracy of an electronic pedometer
Cole et al. Measurement and definition
Intolo et al. The effect of age on lumbar range of motion: a systematic review
Zeng et al. Differences in body composition and physical functions associated with sarcopenia in Chinese elderly: reference values and prevalence
Baharudin et al. Reliability, Technical Error of Measurement and Validity of Height Measurement Using Portable Stadiometer.
Valente-dos-Santos et al. Allometric modelling of peak oxygen uptake in male soccer players of 8–18 years of age
Schoenfeld et al. Comparison of amplitude‐mode ultrasound versus air displacement plethysmography for assessing body composition changes following participation in a structured weight‐loss programme in women
DeLegge et al. Nutritional assessment
Anderson et al. Comparison of energy assessment methods in overweight individuals
Liff et al. An estimation model for cardiorespiratory fitness in adults with rheumatoid arthritis
TW542708B (en) Visceral adipose meter with body weighing function
TWM630144U (zh) 體組成分析儀之資料整合系統
US20080183421A1 (en) Apparatus and method for determining obesity-related disease risk indicators of a human subject
Reinert et al. Correlation of air displacement plethysmography with alternative body fat measurement techniques in men and women
Andersen et al. Precision and within-and between-day variation of bioimpedance parameters in children aged 2–14 years
CN116548946A (zh) 体组成分析仪的数据整合系统
US20160324444A1 (en) Muac z-score tape and methods of use thereof
Ezeukwu et al. Comparison of body fat percentages in Nigerian obese females using field methods
Elder Measuring physical fitness of adults in the primary care setting
JP2014012083A (ja) 健康管理装置および健康管理プログラム
US20210145303A1 (en) Indicator determination
KR100627240B1 (ko) 피시(ｐｃ) 연결형 체중계를 이용한 체지방율 산출 방법및 그 장치
Beestone Bioelectrical Impedance Analysis (BIA)
RU2214789C1 (ru) Способ определения функционального состояния организма

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