JP2008073339A - 運動効果予測システム、運動効果予測プログラムおよび運動効果予測方法 - Google Patents

Abstract

【課題】決められた運動を一定期間継続して行なった場合に体重、筋力、血糖値などの測定値がどれだけ改善されるかを精度よく予測する運動効果予測システムを提案すること。
【解決手段】運動効果予測システム１の初期条件入力用画面２０に、運動が処方される前、もしくは、直近に測定した初期測定値と週平均速歩時間とを入力する。入力された初期測定値は、初期属性グループ判定手段１５によって、統計データに基づいて区分された初期属性グループのうちのいずれに属するか判定される。初期属性グループが判定されると、効果予測手段が、各初期属性グループに予め用意されている効果予測式に週平均速歩時間を代入して、約５ヶ月経過後の初期測定値の変化量（効果）を算出する。効果の算出に用いられる効果予測式は初期属性グループ毎に統計データを解析して、得られたものである。
【選択図】図５

Description

本発明は、決められた運動を一定期間継続して行なった場合に、その期間経過後における体重、筋力、血糖値などの値の変化量を予測する運動効果予測システム、運動効果予測プログラムおよび運動効果予測方法に関する。また、運動する際に、体重、筋力、血糖値などの改善の目標値から、被験者に必要となる運動時間を定量的に予測する運動効果予測システム、運動効果予測プログラムおよび運動効果予測方法に関する。

生活習慣病の改善や予防のために運動療法が用いられている。運動療法とは、被験者に個別に処方された運動を一定期間継続して行なうことによって、肥満の改善や筋力の向上、血圧や血糖値を下げる効果、善玉コレステロールを増やす効果、などを得ることを目的とするものである。

運動療法で処方される運動としては、例えば、普通歩行と速歩を繰り返して行なう歩行であるインターバル速歩がある。インターバル速歩では、普通歩行を行なったのち、最大歩行速度の７０％以上の歩行速度の速歩を行い、これを交互に繰り返す。一般的には、普通歩行を含まない速歩時間だけで、週平均速歩時間６０分以上の運動量が推奨される。

しかし、処方された運動を継続的に行なうことは、容易なことではない。そこで、運動を継続した場合にどのくらいの効果が見込めるかを、運動開始前に被験者に提示して、被験者に目標意識を持たせて運動意欲の向上と維持を図ることが行なわれている。ここで、スポーツジムなどで行なわれるトレーニングについて、トレーニングメニュー終了後のダイエット効果をシミュレーションするものは、例えば、特許文献１に記載されている。
特開２００５−１１１１７８号公報

しかしながら、処方された運動を一定期間継続して行った場合の効果として、体重、筋力、血糖値などの測定値がどれくらい改善されるかを定量的に予測する運動効果予測システムは提案されていないのが現状である。

また、それらの値の変化量を精度良く予測する方法も提案されていない。このため、被験者は明確な数値目標を持って運動療法に取り組むことはできない、という問題があった。

さらに、運動を処方する際に、体重、筋力、血糖値などの改善の目標値から、被験者に必要となる運動時間を定量的に予測する運動効果予測システムも提案されていない。このため、運動療法において運動量をきめ細かく処方をすることが困難であった。

本発明の課題は、このような点に鑑みて、処方された運動を一定期間継続して行なった場合に、体重、筋力、血糖値などの測定値がどれだけ改善されるかを精度よく予測する運動効果予測システム、運動効果予測プログラムおよび運動効果予測方法を提案することにある。

また、体重、筋力、血糖値などの改善の目標値から、被験者に必要となる運動時間を定量的に予測する運動効果予測システム、運動効果予測プログラムおよび運動効果予測方法を提案することにある。

上記の課題を解決するために、本発明の運動効果予測システムは、ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値を入力させる初期測定値入力手段と、所定の運動について、前記被験者が行なう予定運動時間を入力させる予定運動時間入力手段と、前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定手段と、判定された初期属性グループ毎に用意されている効果予測式と、入力された前記予定運動時間に基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後に予測される前記初期測定値の変化量を算出する効果算出手段と、算出された前記変化量を、前記ディスプレイまたは記録媒体に出力する効果出力手段と、を含むことを特徴とする。

発明者らは、被験者の各測定項目における初期測定値と、所定の運動を一定期間継続して行なった場合に現れる効果に規則性があることを見出した。そこで、本発明では、被験者の初期測定値を複数の初期属性グループに分類し、各初期属性グループ毎に予め用意しておいた効果予測式を用いて効果を予測するようにした。従って、運動の効果を精度良く予測できる。

次に、本発明の運動効果予測システムは、ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値を入力させる初期測定値入力手段と、前記被験者が目標とする前記初期測定値の変化量を入力する目標変化量入力手段と、前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定手段と、判定された初期属性グループ毎に用意されている効果予測式と、入力された前記初期測定値の変化量に基づいて、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出する運動時間算出手段と、算出された前記予定運動時間を前記ディスプレイまたは記録媒体に出力する運動時間出力手段とを含むことを特徴とする。

本発明では、初期測定値と運動の効果の相関関係から導いた効果予測式を利用して、被験者が目標の効果を達成するのに必要な運動時間である予定運動時間を算出するようにした。目的とする効果から必要な運動時間を精度よく予測できるので、運動療法を行なう際に、きめ細かい運動量の処方が可能になる。

前記初期測定値を利用して運動の効果を予測する場合には、前記効果予測式を前記初期属性グループと関連づけて記憶保持している効果予測式記憶手段を含んでおり、前記効果算出手段は、前記効果予測式記憶手段に記憶保持されている複数の前記効果予測式の中から、前記初期属性グループ判定手段が判定した前記初期属性グループに対応する効果予測式を用いて前記変化量を算出することが好ましい。蓄積されている統計データから効果予測式を動的に導いて用いることもできるが、あらかじめ効果予測式を用意しておけば、効果の予測が瞬時に行なえる。

前記初期測定値を利用して必要な予定運動時間を予測する場合には、前記効果予測式を前記初期属性グループと関連づけて記憶保持している効果予測式記憶手段を含んでおり、前記運動時間算出手段は、前記効果予測式記憶手段に記憶保持されている複数の前記効果予測式の中から、前記初期属性グループ判定手段が判定した前記初期属性グループに対応する効果予測式を用いて前記予定運動時間を算出することが好ましい。

本発明において、前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることが好ましい。初期属性グループ毎に統計データを解析して得られた効果予測式を用いて効果を予測しているので、効果予測値式による変化量の予測精度が高い。また、運動を行なう前にその運動の効果を初期測定値の変化量として定量的に知ることができるので、被験者が数値目標をもって運動を継続することができる。

次に本発明は、被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と所定の運動について前記被験者が行なう予定運動時間とに基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後の前記初期測定値の変化量を予測するためにコンピュータにより実行される運動効果予測プログラムであって、ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値の入力を促す初期測定値入力ステップと、前記所定の運動について、前記被験者が行なう予定運動時間の入力を促す予定運動時間入力ステップと、前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定ステップと、前記複数の初期属性グループのそれぞれに対応づけられて予め記憶装置に記憶されている複数の効果予測式の中から、判定された初期属性グループに対応する効果予測式を選択するとともに、当該効果予測式と入力された前記予定運動時間に基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後に予測される前記初期測定値の変化量を算出する効果算出ステップと、算出された前記変化量を前記ディスプレイに出力する効果出力ステップとを含み、前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする。

また、本発明は、被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と前記被験者が目標とする前記初期測定値の変化量とに基づいて、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出するためにコンピュータにより実行される運動効果予測プログラムであって、ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値の入力を促す初期測定値入力ステップと、前記被験者が目標とする前記初期測定値の変化量の入力を促す目標変化量入力ステップと、前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定ステップと、前記複数の初期属性グループのそれぞれに対応づけられて予め記憶装置に記憶されている複数の効果予測式の中から、判定された初期属性グループに対応する効果予測式を選択するとともに、当該効果予測式と入力された前記初期測定値の変化量に基づいて、前記予定運動時間を算出する運動時間算出手段と、算出された前記予定運動時間を前記ディスプレイに出力する運動時間出力手段とを含とを含み、前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする。

さらに、本発明は、被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と、所定の運動について前記被験者が行なう予定運動時間を入力させ、前記被験者が前記所定の運動を一定期間継続して行なった後の前記初期測定値の変化量を算出する運動効果予測方法であって、入力された前記初期測定値を、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定して、判定された初期属性グループ毎に用意されている効果予測式と前記予定運動時間を用いて前記初期測定値の変化量を算出し、前記初期属性グループは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする。

また、本発明は、被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と前記被験者が目標とする前記初期測定値の変化量を入力させ、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出する運動効果予測方法であって、入力された前記初期測定値を、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定して、判定された初期属性グループ毎に用意されている効果予測式と前記初期測定値の変化量を用いて前記予定運動時間を算出し、前記初期属性グループは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする。

また、本発明において、前記所定の運動はインターバル速歩であり、前記インターバル速歩とは、普通歩行を行なったのち、最大歩行速度の７０％以上の歩行速度の速歩を行い、これを交互に繰り返し、普通歩行を含まない速歩時間だけで、週平均速歩時間６０分以上の運動量が推奨される運動療法の一つであり、前記予定運動時間は、速歩時間とすることができる。

本発明によれば、被験者が直近に測定した初期測定値と運動の効果とを関連付けたので、運動の効果を精度よく予測することができる。運動を開始する前に、その効果を定量的に知ることができるので、被験者が数値目標をもって運動することができる。

また、本発明によれば、被験者が直近に測定した初期測定値と目標とする効果とから、被験者に必要な運動時間を精度よく予測することができるので、運動療法を行なう際に、被験者に適切な運動量の運動を処方することができる。

以下に、図面を参照して、本発明の実施の形態を説明する。

(運動効果予測システム)
本形態の運動効果予測システム１は、被験者がインターバル速歩(所定の運動)を処方される前、もしくは、直近に測定した測定項目毎の測定値(初期測定値)と、被験者の週平均速歩時間(予定運動時間)とを入力すると、約５ヶ月経過後に初期測定値がどのように変化するのか、その値の変化量(効果)を出力するものである。

運動効果予測システム１は、コンピュータ本体２と、入出力装置３としてコンピュータ本体２に接続されたディスプレイ４およびキーボード５を備えたコンピュータシステムである。図１のブロック図に示すように、ディスプレイ４に初期条件入力用画面２０を表示して、操作者に、被験者の年齢、性別、初期測定値および予定運動時間を入力させる初期条件指定手段１０(性別入力手段１１、年齢入力手段１２、初期測定値入力手段１３、予定運動時間入力手段１４)と、入力された初期測定値を、各測定項目で予め区分されているＡグループ、Ｂグループ、Ｃグループの３つの初期属性グループのうちのいずれに属するか判定する初期属性グループ判定手段１５を備えている。

また、初期属性グループ毎に予め用意されている効果予測式を、各初期属性グループに対応づけた形態でコンピュータ本体２の記憶装置に記憶保持する効果予測式記憶手段１６と、初期属性グループ判定手段１５によって初期測定値が属する初期属性グループが判定されると、効果予測式記憶手段１６から初期属性グループに対応する効果予測式を選択し、選択した予測式に週平均速歩時間を代入して変化量を算出する効果算出手段１７と、効果算出手段１７により算出された変化量をディスプレイ４上に表示する効果出力手段１８とを備えている。なお、運動効果予測システム１にプリンタが接続されている場合には、効果出力手段１８は算出された変化量を印刷媒体にも出力する。

ここで、３つの初期属性グループは、事前に蓄積されている統計データに基づいて区分されたものである。また、各初期属性グループに予め用意されている効果予測式も、事前に蓄積されている統計データを解析して得られたものである。統計データ、初期属性グループ、効果予測式については後述する。

図２は初期条件指定手段１０によってディスプレイ４に表示される初期条件入力用画面２０である。初期条件入力用画面２０には、被験者の年齢を入力する年齢入力欄２１および性別を入力するための性別入力欄２２、並びに、複数の測定項目について初期測定値を入力するための複数の測定項目データ入力欄２３が設けられている。また、週平均速歩時間を入力するための運動時間入力欄２４が設けられている。

測定項目データ入力欄２３は、形態測定データとして、ＢＭＩ(体格指数)、体重、体脂肪率、ウェスト周囲長、最高血圧、最低血圧の初期測定値を入力する６つの入力欄を備えている。血液検査データとして、Ｔｃｈｏ(総コレステロール)、ＨＤＬ−Ｃ(善玉コレステロール)、ＬＤＬ−Ｃ(悪玉コレステロール)、ＴＧ(中性脂肪)、血糖値、ＨｂＡ１ｃ(ヘモグロビンＡ１ｃ)、動脈硬化指数の初期測定値を入力する７つの入力欄を備えている。また、体力測定データとして、伸展筋力、屈曲筋力、筋力推定値、持久力レベル、持久力指標の初期測定値を入力する５つの入力欄を備えている。

操作者によって、１８個の測定項目データ入力欄２３の少なくとも一つの入力欄に初期測定値が入力されたのち、運動時間入力欄２４に週平均速歩時間が入力されると、初期測定値が入力された各測定項目について、約５ヶ月後の変化量が算出され、ディスプレイ４に表示される。

(統計データ)
ここで、本例で利用されている統計データの概要を説明する。統計データは、インターバル速歩を途中脱落することなく約５ヶ月間継続して行なった被験者について、性別および年齢、並びに、運動開始前に各測定項目について測定した初期測定値と一定期間経過後に各測定項目について測定した運動後測定値とを蓄積したものである。統計データの対象者は９１２名であり、男性が３５１名、女性が５６１名である。その年齢分布は図３に示すようになっており、平均年齢は５６．１±１７．１(標準偏差)歳である。

(初期属性グループ)
入力された初期測定値が分類される３つの初期属性グループは、正規分布していると仮定した各測定項目の初期測定値の統計データを、平均値と標準偏差を用いてＡグループ、Ｂグループ、Ｃグループの３つに区分したものである。測定項目毎の各初期属性グループの区分を模式的に示したものが図４である。

操作者によって入力された初期測定値が以下の式(Ａ)を満たす場合には、初期属性グループ判定手段１５はＡグループに属するものと判定する。Ａグループは初期測定値が、平均的な値より低い層である。
初期測定値≦平均値−標準偏差・・(Ａ)

初期測定値が以下の式(Ｂ)を満たす場合には、初期属性グループ判定手段１５はＢグループに属するものと判定する。Ｂグループは初期測定値が、平均的な値の層である。
平均値−標準偏差＜初期測定値＜平均値＋標準偏差・・(Ｂ)

また、初期測定値が以下の式(Ｃ)を満たす場合には、初期属性グループ判定手段１５はＣグループに属するものと判定する。Ｃグループは初期測定値が、平均的な値より高い層である。
平均値＋標準偏差≦初期測定値・・(Ｃ)

(効果予測式)
効果予測式記憶手段１６に記憶されている効果予測式は、測定項目毎の初期測定値が各初期属性グループに属する被験者の統計データについて、初期測定値と運動後測定値を解析することによって得られたものである。

具体的には、初期測定値と運動後測定値の平均値の差について統計的に明らかに差があるかpaired t−testで検定し、有意差がある場合に、週平均速歩時間と変化量とを線形単回帰分析(ｙ＝ｘ、定数項なし)して、予測式を得る。また、得られた予測式について、週平均速歩時間と変化量との相関が認められた場合に、効果予測式として採用する。

なお、変化量に有意差がない場合、および、得られた予測式について週平均速歩時間と変化量との相関が認められない場合には、その初期属性グループに属する被験者の測定項目の効果は予測不可としている。また、統計解析においては，有意水準(ｐ)がｐ＜0.05のときに，比較したデータは明らかに差がある(統計的に有意差がある)と判断している。また、ｐ≧0.05の場合は、明らかな差があるとは言えない(有意差なし(n.s))と判断している。

さらに、図５〜７を参照して、効果予測式を説明する。図５は、最高血圧の変化量を予測する効果予測式を説明するための説明図である。図５(ａ)は、最高血圧の初期測定値の分布であり、113.09mmＨｇ以下がＡグループ、113.10mmＨｇ〜148.76mmがＢグループ、148.77mmＨｇ以上がＣグループに区分されている。図５(ｂ)に示す統計データから、Ａ、Ｂ、Ｃの各グループの初期測定値と運動後測定値の平均値の差を検定すれば、Ａグループでは有意な増加が認められ、Ｂ、Ｃグループでは有意な減少が認められる。特にＣグループでは、Ｂグループに比べて顕著な減少が確認できる。

そこで、変化量と週平均速歩時間の関係を線形単回帰分析して予測式を得る。この結果、Ａグループの予測式としてｙ＝0.0545ｘが得られる。Ｂグループの予測式としてｙ＝−0.0331ｘが得られる。Ｃグループの予測式として、ｙ＝−0.00659ｘが得られる。そして、いずれのグループの予測式からも、週平均速歩時間と変化量との相関が認められたので、各予測式を各グループの効果予測式として採用している。

図６は、伸展筋力の変化量を予測する効果予測式を説明するための説明図である。図６(ａ)は、伸展筋力の初期測定値の分布であり、276.84Ｎ以下がＡグループ、276.385Ｎ〜645.69ＮがＢグループ、645.70Ｎ以上がＣグループに区分されている。図６(ｂ)に示す統計データから、Ａ、Ｂ、Ｃの各グループの初期測定値と運動後測定値の平均値の差を検定すれば、Ａ、Ｂグループでは有意な増加が認められた。Ｃグループでは有意差は認められなかった。そこで、Ａ、Ｂグループについて、変化量と週平均速歩時間の関係を線形単回帰分析して予測式を得る。この結果、Ａグループの予測式としてｙ＝0.4279ｘが得られる。Ｂグループの予測式としてｙ＝0.0327ｘが得られる。ここで、Ａグループの予測式からは、週平均速歩時間と変化量との相関が認められたので、これを効果予測式として採用している。しかし、Ｂグループの予測式からは、週平均速歩時間と変化量との相関が認められなかったので、効果予測式として採用していない。以上より、初期属性グループがＡグル−プに属する被験者の伸展筋力の変化量は予測可能であるが、初期属性グループがＢ、Ｃグループに属する被験者の伸展筋力の変化量は予測不可となっている。なお、図６では、参考として、Ｃグループの予測式ｙ＝−0.1905ｘを得ている。

図７は、総コレステロールの変化量を予測する効果予測式を説明するための説明図である。図７(ａ)は、総コレステロールの初期測定値の分布であり、175.72mg／ｄｌ以下がＡグループ、175.73mg／ｄｌ〜240.44mg／ｄｌがＢグループ、240.45mg／ｄｌ以上がＣグループに区分されている。図７(ｂ)に示す統計データからＡ、Ｂ、Ｃの各グループの初期測定値と運動後測定値の平均値の差を検定すれば、Ａ、Ｂグループでは有意な増加が認められた。Ｃグループでは有意な減少が認められた。そこで、全てのグループについて、変化量と週平均速歩時間との関係を線形単回帰分析して予測式を得る。この結果、Ａグループの予測式としてｙ＝0.0853ｘが得られる。Ｂグループの予測式としてｙ＝0.0172ｘが得られる。Ｃグループの予測式としてｙ＝−0.0788ｘが得られる。そして、いずれのグループの予測式からも、週平均速歩時間と変化量との相関が認められたので、各予測式を各グループの効果予測式として採用している。

このようにして得られた効果予測式を、１８個の測定項目のそれぞれの初期属性グループについて、以下の表１〜３に示す。表１は形態測定項目における効果予測式を示す。表２は血液検査の測定項目における効果予測式を示す。表３は、体力測定項目における効果予測式を示す。各表では、変化量に有意差がない場合、または、得られた予測式について週平均速歩時間と変化量との相関が認められない初期属性グループの予測の可否の欄には、予測不可と記載してある。また、予測の可否の欄が予測不可となっている初期属性グループの効果予測式は、参考として算出した予測式であり、効果予測式として採用されたものではない。また、表２のＨｂＡ１ｃ(ヘモグロビンＡ１ｃ)は、統計データがなく、効果予測式が得られていない。

(効果の予測)
ここで、図２に示す初期条件入力用画面２０の最高血圧の初期測定値入力欄に138mmＨｇが入力され、伸展筋力の初期測定値入力欄に２７５Ｎが入力され、総コレステロールの初期測定値入力欄に245mg／ｄｌが入力され、運動量入力欄には、週平均速歩時間として120分が入力された場合を例として、どのように効果が出力されるかを説明する。

まず、入力された初期測定値から、初期属性グループ判定手段１５が初期属性グループを判定する。すなわち、最高血圧はＢグループ、伸展筋力はＡグループ、総コレステロールはＣグループに判定される。

次に、効果予測式記憶手段１６が記憶保持する複数の予測式の中から、効果算出手段１７が判定された初期属性グループに対応づけられている効果予測式を選択する。すなわち、最高血圧のＢグループでは効果予測式ｙ＝−0.0331ｘが選択され、伸展筋力のＡグループでは効果予測式ｙ＝0.4279ｘが選択され、総コレステロールのＣグループでは効果予測式ｙ＝−0.0788ｘが選択される。

さらに、効果算出手段１７は、各効果予測式のｘに予定運動時間の120(分)を代入し、各測定項目の値の変化量を算出する。すなわち、最高血圧の変化量として−3.972mmＨｇを算出する。伸展筋力の変化量として、＋51.348Ｎを算出する。総コレステロールの変化量として、−9.456mg／ｄｌを算出する。

算出された各変化量は、約５ヶ月間インターバル速歩を継続して行なった場合に得られる効果として、効果出力手段１８によってディスプレイ４に表示される。

従って、ディスプレイ４を見た被験者は、インターバル速歩を週120分ずつ継続して行なえば、約５ヶ月後には、最高血圧が3.972mmＨｇ下がり、134.028mmＨｇになることが分かる。また、伸展筋力が51.348Ｎ上昇して、326.348Ｎになることが分かる。また、総コレステロールは9.456mg／ｄｌ減少して、235.544mg／ｄｌになることが分かる。

このように、本例の運動効果予測システム１によれば、処方されたインターバル速歩を開始する前に、その効果を定量的に予測して被験者に提示することができる。従って、被験者は、数値目標をもって運動療法に取り組むことができるので、運動意欲を維持することができる。

(その他の実施の形態)
上記の形態では、初期測定値と予定運動時間とから運動の効果を予測しているが、上記形態で得られている効果予測式を用いることによって、初期測定値と被験者が目標とする運動の効果とから、被験者に必要な週平均速歩時間を予測できることは勿論である。

運動効果予測システム１で、このような運動時間を予測する場合には、初期測定値入力手段１３と初期属性グループ判定手段１５と効果予測式記憶手段１６とに加えて、被験者が目標とする初期測定値の変化量を入力する目標変化量入力手段と、効果予測式記憶手段１６に記憶保持されている複数の効果予測式の中から初期属性グループ判定手段１５が判定した初期属性グループに対応する効果予測式を選択するとともに、当該効果予測式と目標変化量入力手段に入力された初期測定値の変化量に基づいて、予定運動時間を算出する運動時間算出手段と、算出された予定運動時間をディスプレイ４または記録媒体に出力する運動時間出力手段とを備えるようにすればよい。

このようにすれば、被験者が目標とする運動の効果から、その効果を達成するために必要な運動時間を予測できるので、インターバル速歩を処方する指導者は被験者にその運動量をきめ細かく処方することができる。

また、上記の形態では、各測定項目について３つの初期属性グループに区分して、それぞれの初期属性グループ毎に算出した効果予測式を用いて効果を予測していたが、性別入力欄２２に入力された性別を性別入力手段１１で取得するとともに、３つの初期属性グループを性別により２つに区分した６つの初期属性グループを用意しておいて、それぞれの初期属性グループ毎に統計データを解析して得られた効果予測式を用いて運動の効果を予測することもできる。

また、年齢入力欄２１に入力された年齢を年齢入力手段１２で取得して、３つの初期属性グループを年代別に細分化した初期属性グループを用意しておいて、細分化された初期属性グループ毎に統計データを解析して得られた効果予測式を用いて効果を予測することもできる。さらに、３つの初期属性グループを性別、年代別を組み合わせた複数の区分に細分化した新たな初期属性グループを用意しておいて、効果を予測するようにしてもよい。

さらに、測定項目毎の３つの初期属性グループを組み合わせて、初期属性グループを細分化することもできる。この場合にも、細分化した新たな初期属性グループの区分毎に統計データを解析して得られた効果予測式を用いて効果を予測する。

例えば、体重とＢＭＩの２つの測定項目について、それぞれ区分されている初期属性グループを組み合わせた新たな区分として、体重がＡグループでＢＭＩがＡグループ、体重がＡグループでＢＭＩがＢグループ、体重がＡグループでＢＭＩがＣグループ、体重がＢグループでＢＭＩがＡグループ、体重がＢグループでＢＭＩがＢグループ、体重がＢグループでＢＭＩがＣグループ、体重がＣグループでＢＭＩがＡグループ、体重がＣグループでＢＭＩがＢグループ、体重がＣグループでＢＭＩがＣグループ、の９つを用意しておく。また、新たな初期属性グループ毎に、その区分に属する被験者について蓄積されている統計データの初期測定値と運動後測定値とを解析して、新たな効果予測式を用意しておく。

ここで、被験者が入力した体重とＢＭＩの初期測定値が初期属性グループ判定手段１５によってそれぞれ体重のＢグル−プ、ＢＭＩのＣグループに属すると判定されているとする。また、体重がＢグループの効果予測式としてｙ＝−0.0080ｘが用意されており、体重がＢグループでＢＭＩがＣグループの新たな初期属性グループ区分の効果予測式としてｙ＝−0.0181ｘが用意されているとする。

この場合、各初期属性グループに用意されている２つの効果予測式を比較すると、回帰係数に有意差がある。そこで、被験者の体重の変化量を予測する場合には、体重がＢグループでＢＭＩがＣグループの効果予測式であるｙ＝−0.0181ｘを採用して、体重の変化量を算出する。このようにすれば、さらに精度よく効果を予測することができる。なお、有意差がない場合には、組み合わせ前の初期属性グループに用意されている効果予測式を用いて、体重の変化量を算出する。

また、上記形態では、形態測定項目、血液検査の測定項目、筋力測定項目の合計１８個の測定項目について効果予測式を用いてその効果を予測しているが、インターバル速歩が処方される前、もしくは、直近にＣＥＳ−Ｄ(Center for Epidemiologic Studies Depression Scale：自己うつ評価尺度)によって評価された点数を、初期測定値として、その変化量を予測することもできる。この場合にも、初期測定値は初期属性グループ判定手段１５によってＡ、Ｂ、Ｃのいずれかの初期属性グループに属すると判定され、各初期属性グループ毎に統計データを解析して得られた効果予測式を用いて運動の効果を予測する。このようにして得られた効果予測式を以下の表４に示す。

さらに、また、上記の形態では、各測定項目の初期属性グループ毎に統計データを解析して得られた効果予測式を効果予測式記憶手段１６に記憶保持しているが、これに代えて、操作者によって入力された初期測定値によって初期属性グループが判定された際に、統計データが蓄積されているデータベースにアクセスして判定された初期属性グループを備える被験者のデータを抽出し、当該抽出データの解析を行なって効果予測式を動的に生成する効果予測式生成手段を備えるようにすることもできる。この場合には、効果算出手段１７は、生成された効果予測式を用いて、各測定項目の初期測定値の変化量を算出すればよい。

本発明の運動予測システム１のブロック図である。 運動予測システムの初期条件入力用画面２０である。 本例に用いた統計データの年齢構成を示す分布図である。 初期属性グループの区分を説明するための説明図である。 最高血圧の変化量を予測する効果予測式を説明するための説明図である。 伸展筋力の変化量を予測する効果予測式を説明するための説明図である。 総コレステロールの変化量を予測する効果予測式を説明するための説明図である。

符号の説明

１ 運動効果予測システム
２ コンピュータ本体
３ 入出力装置
１０ 初期条件指定手段
１１ 性別入力手段
１２ 年齢入力手段
１３ 初期測定値入力手段
１４ 予定運動時間入力手段
１５ 初期属性グループ判定手段
１６ 効果予測式記憶手段
１７ 効果算出手段
１８ 効果出力手段
２０ 初期条件入力用画面
２１ 年齢入力欄
２２ 性別入力欄
２３ 測定項目データ入力欄
２４ 運動時間入力欄

Claims (12)

1. ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値を入力させる初期測定値入力手段と、
   所定の運動について、前記被験者が行なう予定運動時間を入力させる予定運動時間入力手段と、
   前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定手段と、
   判定された初期属性グループ毎に用意されている効果予測式と、入力された前記予定運動時間に基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後に予測される前記初期測定値の変化量を算出する効果算出手段と、
   算出された前記変化量を、前記ディスプレイまたは記録媒体に出力する効果出力手段と、
   を含むことを特徴とする運動効果予測システム。
2. ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値を入力させる初期測定値入力手段と、
   前記被験者が目標とする前記初期測定値の変化量を入力する目標変化量入力手段と、
   前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定手段と、
   判定された初期属性グループ毎に用意されている効果予測式と、入力された前記初期測定値の変化量に基づいて、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出する運動時間算出手段と、
   算出された前記予定運動時間を前記ディスプレイまたは記録媒体に出力する運動時間出力手段とを含むことを特徴とする運動効果予測システム。
3. 請求項１において、
   前記効果予測式を前記初期属性グループと関連づけて記憶保持している効果予測式記憶手段を含んでおり、
   前記効果算出手段は、前記効果予測式記憶手段に記憶保持されている複数の前記効果予測式の中から、前記初期属性グループ判定手段が判定した前記初期属性グループに対応する効果予測式を用いて前記変化量を算出することを特徴とする運動効果予測システム。
4. 請求項２において、
   前記効果予測式を前記初期属性グループと関連づけて記憶保持している効果予測式記憶手段を含んでおり、
   前記運動時間算出手段は、前記効果予測式記憶手段に記憶保持されている複数の前記効果予測式の中から、前記初期属性グループ判定手段が判定した前記初期属性グループに対応する効果予測式を用いて前記予定運動時間を算出することを特徴とする運動効果予測システム。
5. 請求項１ないし４のいずれかの項において、
   前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、
   前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする運動効果予測システム。
6. 請求項１ないし５のいずれかの項において、
   前記所定の運動はインターバル速歩であり、
   前記インターバル速歩とは、普通歩行を行なったのち、最大歩行速度の７０％以上の歩行速度の速歩を行い、これを交互に繰り返し、普通歩行を含まない速歩時間だけで、週平均速歩時間６０分以上の運動量が推奨される運動療法の一つであり、
   前記予定運動時間は速歩時間であることを特徴とする運動効果予測システム。
7. 被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と所定の運動について前記被験者が行なう予定運動時間とに基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後の前記初期測定値の変化量を予測するためにコンピュータにより実行される運動効果予測プログラムであって、
   ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値の入力を促す初期測定値入力ステップと、
   前記所定の運動について、前記被験者が行なう予定運動時間の入力を促す予定運動時間入力ステップと、
   前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定ステップと、
   前記複数の初期属性グループのそれぞれに対応づけられて予め記憶装置に記憶されている複数の効果予測式の中から、判定された初期属性グループに対応する効果予測式を選択するとともに、当該効果予測式と入力された前記予定運動時間に基づいて、前記被験者が前記所定の運動を一定期間継続して行なった後に予測される前記初期測定値の変化量を算出する効果算出ステップと、
   算出された前記変化量を前記ディスプレイに出力する効果出力ステップとを含み、
   前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、
   前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする運動効果予測プログラム。
8. 被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と前記被験者が目標とする前記初期測定値の変化量とに基づいて、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出するためにコンピュータにより実行される運動効果予測プログラムであって、
   ディスプレイに体重、筋力、血糖値などの複数の測定項目の入力画面を表示して、少なくとも１つの前記測定項目について、被験者が直近に測定した初期測定値の入力を促す初期測定値入力ステップと、
   前記被験者が目標とする前記初期測定値の変化量の入力を促す目標変化量入力ステップと、
   前記測定項目に入力された前記初期測定値が、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定する初期属性グループ判定ステップと、
   前記複数の初期属性グループのそれぞれに対応づけられて予め記憶装置に記憶されている複数の効果予測式の中から、判定された初期属性グループに対応する効果予測式を選択するとともに、当該効果予測式と入力された前記初期測定値の変化量に基づいて、前記予定運動時間を算出する運動時間算出手段と、
   算出された前記予定運動時間を前記ディスプレイに出力する運動時間出力手段とを含み、
   前記複数の初期属性グループのそれぞれは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、
   前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする運動効果予測プログラム。
9. 請求項７または８において、
   前記所定の運動はインターバル速歩であり、
   前記インターバル速歩とは、普通歩行を行なったのち、最大歩行速度の７０％以上の歩行速度の速歩を行い、これを交互に繰り返し、普通歩行を含まない速歩時間だけで、週平均速歩時間６０分以上の運動量が推奨される運動療法の一つであり、
   前記予定運動時間は速歩時間であることを特徴とする運動効果予測プログラム。
10. 被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と、所定の運動について前記被験者が行なう予定運動時間を入力させ、前記被験者が前記所定の運動を一定期間継続して行なった後の前記初期測定値の変化量を算出する運動効果予測方法であって、
    入力された前記初期測定値を、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定して、
    判定された初期属性グループ毎に用意されている効果予測式と前記予定運動時間を用いて前記初期測定値の変化量を算出し、
    前記初期属性グループは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、
    前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする運動効果予測方法。
11. 被験者が直近に測定した体重、筋力、血糖値などの測定項目の初期測定値と前記被験者が目標とする前記初期測定値の変化量を入力させ、前記被験者が一定期間継続して行なう必要がある所定の運動の予定運動時間を算出する運動効果予測方法であって、
    入力された前記初期測定値を、各測定項目において予め区分されている複数の初期属性グループのうちのいずれの初期属性グループに属するかを判定して、
    判定された初期属性グループ毎に用意されている効果予測式と前記初期測定値の変化量を用いて前記予定運動時間を算出し、
    前記初期属性グループは、前記測定項目毎に蓄積されている複数の被験者の前記初期測定値の統計データを、その平均値と標準偏差を用いて区分したものであり、
    前記効果予測式は、前記初期属性グループに属する複数の被験者の統計データについて、前記初期測定値と所定の運動を一定期間継続して行なった後に測定した運動後測定値との変化量を解析することによって得られたものであることを特徴とする運動効果予測方法。
12. 請求項１０または１１において、
    前記所定の運動はインターバル速歩であり、
    前記インターバル速歩とは、普通歩行を行なったのち、最大歩行速度の７０％以上の歩行速度の速歩を行い、これを交互に繰り返し、普通歩行を含まない速歩時間だけで、週平均速歩時間６０分以上の運動量が推奨される運動療法の一つであり、
    前記予定運動時間は速歩時間であることを特徴とする運動効果予測方法。