JP2013081800A - Body composition meter - Google Patents

Body composition meter Download PDF

Info

Publication number
JP2013081800A
JP2013081800A JP2013000017A JP2013000017A JP2013081800A JP 2013081800 A JP2013081800 A JP 2013081800A JP 2013000017 A JP2013000017 A JP 2013000017A JP 2013000017 A JP2013000017 A JP 2013000017A JP 2013081800 A JP2013081800 A JP 2013081800A
Authority
JP
Japan
Prior art keywords
age
body composition
change amount
future
value
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.)
Granted
Application number
JP2013000017A
Other languages
Japanese (ja)
Other versions
JP5223042B2 (en
Inventor
Tomoko Takehara
知子 竹原
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.)
Tanita Corp
Original Assignee
Tanita Corp
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 Tanita Corp filed Critical Tanita Corp
Priority to JP2013000017A priority Critical patent/JP5223042B2/en
Publication of JP2013081800A publication Critical patent/JP2013081800A/en
Application granted granted Critical
Publication of JP5223042B2 publication Critical patent/JP5223042B2/en
Expired - Fee Related legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)

Abstract

PROBLEM TO BE SOLVED: To predict a long-term change of an index of body composition, considering effects of aging on the body composition.SOLUTION: A CPU 110 of the body composition meter 100 reads a regression equation of an index to be predicted from a ROM 302, and substitutes a current age (p) (p is a natural number) for the regression equation. As a result, a change Y1(p) in the current age is obtained. The CPU 110 assigns an age after n years (n is a natural number) to determine a change Y1(p+n), and successively determines a change Y1(n)=Y1(p+n)-Y1(p) from the present to the age after n years. The CPU 110 obtains a future value of the index after n years based on the amount of change determined by operation and the current value of the index measured by the body composition meter 100.

Description

本発明は、被験者の体組成の指標を推定するための装置に関し、特に、体組成の変化を予測し評価する技術に関する。   The present invention relates to an apparatus for estimating an index of body composition of a subject, and more particularly to a technique for predicting and evaluating changes in body composition.

体重や体脂肪率、内臓脂肪面積などの体組成に関わる指標を簡単に取得できる装置が広く普及している。この種の装置を用いれば、所望の体組成の指標を取得して自己の健康維持に利用することができる。
特許文献１には、被験者の体重の将来的な変化を予測する技術が記載されている。 Devices that can easily acquire indices related to body composition such as body weight, body fat percentage, and visceral fat area are widely used. By using this type of device, it is possible to obtain an index of a desired body composition and use it for maintaining the health of the person.
Patent Document 1 describes a technique for predicting future changes in the weight of a subject.

特開２００７−３２３２４６号公報JP 2007-323246 A

ところで、食事や運動といった日々の生活習慣やストレス、加齢などの様々な要因は、人体の体組成に長期的な変化をもたらし得る。よって、体組成の指標を長期的に評価することに対する要望がある。上記技術では将来的な変化が予測されるので、上記技術を用いれば、体組成の指標の未来値を予測することが可能となる。しかしながら、上記技術では被験者の過去の記録値の推移に基づいて予測が行われるので、加齢が体組成に及ぼす影響が反映されず、５年後、１０年後といった長期的な未来値を適正に予測することができない。また、従来は、過去の値から、加齢を考慮して、現在の値の良否について評価することができなかった。   By the way, daily life habits such as eating and exercising, various factors such as stress and aging can cause a long-term change in the body composition of the human body. Thus, there is a desire for long-term evaluation of body composition indices. Since the above technique predicts future changes, it is possible to predict the future value of the body composition index using the above technique. However, in the above technique, since the prediction is performed based on the transition of the recorded value of the subject in the past, the effect of aging on the body composition is not reflected, and long-term future values such as 5 years and 10 years are appropriate. Unpredictable. Moreover, conventionally, it was not possible to evaluate the quality of the current value in consideration of aging from the past value.

そこで、本発明は、加齢が体組成に及ぼす影響を考慮して、体組成の指標の長期的な変化を予測することが可能な体組成計、および過去のある時点から現在までの変化を評価することが可能な体組成判定装置を提供することを解決課題とする。   Therefore, the present invention considers the effects of aging on body composition, a body composition meter capable of predicting long-term changes in body composition indicators, and changes from a past point in time to the present. It is an object of the present invention to provide a body composition determination device that can be evaluated.

上記課題を解決するために、本発明は、被験者の体組成の指標の未来値を予測することが可能な体組成計であって、前記被験者の前記体組成の指標の現在値を取得する現在値取得手段と、現在の年齢から未来の年齢に達するまでの前記指標の値の平均的な変化量を、年齢を独立変数とした回帰式に基づいて求める変化量取得手段と、前記現在値取得手段が取得した前記現在値と、前記変化量取得手段が取得した前記変化量とに基づいて、前記被験者の未来の年齢における前記指標の値を前記未来値として求める第１未来値取得手段とを備えた体組成計を提供する。   In order to solve the above-mentioned problem, the present invention is a body composition meter capable of predicting a future value of a body composition index of a subject, and obtains a current value of the body composition index of the subject. A value acquisition means, a change amount acquisition means for obtaining an average change amount of the index value from the current age to the future age based on a regression equation with age as an independent variable, and the current value acquisition First future value acquisition means for obtaining, as the future value, the value of the index at the future age of the subject based on the current value acquired by the means and the change amount acquired by the change amount acquisition means. A body composition meter is provided.

本発明によれば、体組成の指標について、加齢による影響を考慮して、未来の年齢における値を未来値として長期的に予測することが可能となる。この未来値は、被験者の体組成の指標の現在値と、現在の年齢から未来の年齢に達するまでの指標の値の平均的な変化量とに基づいて得られる。平均的な変化量は、年齢を独立変数とした回帰式に基づいて求められる。回帰式は、母集団（例えば、１８歳以上９０歳未満の女性）から体組成の指標値のサンプルを抽出して、回帰分析により見出される。「変化量を、年齢を独立変数とした回帰式に基づいて求める」とは、回帰式に年齢を代入して演算すること、および、回帰式から得られた、変化量と年齢の対応関係を示すテーブルを記憶部に保持しておき、このテーブルに基づいて変化量を求めることを含む。上記未来値取得手段は、前記現在値と前記変化値とを足し合わせて前記未来値を得るようにしてもよい。また、回帰式は、１次式であってもよいし、２次式であってもよい。   According to the present invention, it is possible to predict a value at a future age as a future value in the long term with respect to an index of body composition in consideration of the effect of aging. This future value is obtained based on the current value of the index of the body composition of the subject and the average amount of change in the index value from the current age to the future age. The average amount of change is obtained based on a regression equation with age as an independent variable. The regression formula is found by regression analysis by extracting a sample of an index value of body composition from a population (for example, a woman who is 18 years old and younger than 90 years old). “Determine the amount of change based on a regression equation with age as an independent variable” means that the age is substituted into the regression equation and calculated, and the correspondence between the amount of change and age obtained from the regression equation. A table to be stored is stored in the storage unit, and the change amount is obtained based on the table. The future value acquisition means may obtain the future value by adding the current value and the change value. The regression equation may be a linear equation or a quadratic equation.

本発明の好適な態様において、前記回帰式は、Ｙ＝ａＸ２＋ｂＸ＋ｃ、ただし、Ｙは所定の年齢における前記指標の値の平均値を基準とした変化量であり、Ｘは年齢であり、ａ、ｂ、ｃは回帰分析によって求められた係数であり、前記変化量取得手段は、前記現在の年齢を前記回帰式に代入することにより前記現在の年齢における変化量を現在年齢変化量として求めるとともに、前記未来の年齢を前記回帰式に代入して前記未来の年齢における変化量を未来年齢変化量として求め、前記未来年齢変化量と前記現在年齢変化量との差を前記平均的な変化量として取得する。上記回帰式は、体脂肪率の変化量Ｙ１を求めるための回帰式（Ａ）あるいは除脂肪量の変化量Ｙ２を求めるための回帰式（Ｂ）として実施形態に例示される。
年齢における前記指標の値の平均値を基準とした変化量であり、Ｘは年齢であり、ａ、ｂは回帰分析によって求められた係数であり、前記変化量取得手段は、前記現在の年齢を前記回帰式に代入することにより前記現在の年齢における変化量を現在年齢変化量として求めるとともに、前記未来の年齢を前記回帰式に代入して前記未来の年齢における変化量を未来年齢変化量として求め、前記未来年齢変化量と前記現在年齢変化量との差を前記平均的な変化量として取得する。
変化量Ｙは、所定の年齢における前記指標の値の平均値を基準とするから、当該所定の年齢においてＹ＝０である。よって、独立変数である年齢Ｘを回帰式に代入すると、上記所定の年齢から年齢Ｘまでの平均的な変化量が求められる。よって、所定の年齢から現在の年齢までの平均的な変化量（現在年齢変化量）および所定の年齢から未来の年齢までの平均的な変化量（未来年齢変化量）の各々を求め、未来年齢変化量から現在年齢変化量を減算すると、現在の年齢から未来の年齢までの平均的な変化量を求めることができる。よって、本態様によれば、加齢による影響を考慮して、体組成の指標の未来値を長期的に予測することが可能となる。好ましくは、前記体組成の指標は、体重、体脂肪率、体脂肪量、除脂肪量、筋肉量、基礎代謝量、および内臓脂肪面積の少なくとも１つであってもよい。 In a preferred embodiment of the present invention, the regression equation is Y = aX 2 + bX + c, where Y is a change amount based on an average value of the index at a predetermined age, X is an age, a , B, and c are coefficients obtained by regression analysis, and the change amount obtaining means obtains a change amount at the current age as a current age change amount by substituting the current age into the regression equation. , Substituting the future age into the regression equation to determine the amount of change in the future age as the future age change amount, and the difference between the future age change amount and the current age change amount as the average change amount get. The above regression equation is exemplified in the embodiment as a regression equation (A) for obtaining the body fat percentage change Y1 or a regression equation (B) for obtaining the lean mass change Y2.
A change amount based on an average value of the index values in age, X is an age, a and b are coefficients obtained by regression analysis, and the change amount acquisition means is configured to calculate the current age. By substituting in the regression equation, the amount of change at the current age is obtained as the current age variation amount, and by substituting the future age into the regression equation, the amount of change at the future age is obtained as the future age variation amount. The difference between the future age change amount and the current age change amount is acquired as the average change amount.
Since the amount of change Y is based on the average value of the index at a predetermined age, Y = 0 at the predetermined age. Therefore, by substituting age X, which is an independent variable, into the regression equation, an average amount of change from the predetermined age to age X can be obtained. Therefore, the average change amount from the predetermined age to the current age (current age change amount) and the average change amount from the predetermined age to the future age (future age change amount) are obtained, and the future age By subtracting the current age change amount from the change amount, an average change amount from the current age to the future age can be obtained. Therefore, according to this aspect, it is possible to predict the future value of the body composition index in the long term in consideration of the influence of aging. Preferably, the body composition index may be at least one of body weight, body fat percentage, body fat mass, lean mass, muscle mass, basal metabolic rate, and visceral fat area.

本発明の別の好適な態様において、前記第１未来値取得手段によって取得された前記体組成の指標の未来値に基づいて、当該体組成の指標とは異なる体組成の指標の未来値を予測する第２未来値取得手段をさらに備える。
複数の体組成の指標について未来値を取得する場合、上記回帰式が利用可能なものと、そうでないものとがある。上記回帰式が利用可能でない体組成の指標について未来値を求める場合、第２未来値取得手段によれば、回帰式が利用可能な体組成の指標について上記第１未来値取得手段によって取得された指標の未来値を、推定式に代入して演算により予測することが可能となる。本態様によれば、未来値を予測可能となる体組成の指標の範囲が拡大される。すなわち、回帰式を利用可能でない体組成の指標についても、未来値を予測することが可能となる。 In another preferred aspect of the present invention, based on the future value of the body composition index acquired by the first future value acquisition means, the future value of the body composition index different from the body composition index is predicted. Second future value acquisition means for further comprising:
When acquiring future values for a plurality of body composition indices, there are those for which the above regression equation can be used and those for which the above regression formula is not available. When the future value is calculated for the body composition index for which the regression equation is not available, the second future value acquisition unit acquires the body composition index for which the regression equation is available by the first future value acquisition unit. It becomes possible to predict the future value of the index by calculation by substituting it into the estimation formula. According to this aspect, the range of the body composition index in which the future value can be predicted is expanded. That is, it is possible to predict future values even for body composition indices for which regression equations cannot be used.

なお、本願の実施形態からは、以下の発明を把握することができる。すなわち、過去から現在までの被験者の体組成の指標の変化の良否の程度を判定する判定装置であって、前記被験者の前記体組成の指標の現在値と過去の値との差分を実変化量として取得する差分取得手段と、過去の年齢から現在の年齢に達するまでの前記指標の平均的な変化量を、年齢を独立変数とした回帰式に基づいて求める変化量取得手段と、前記差分取得手段が取得した前記実変化量と、前記変化量取得手段が取得した前記変化量とを比較して、体組成変化の程度の良否を判定する良否判定手段とを備えた体組成判定装置を把握することができる。   In addition, the following invention can be grasped | ascertained from embodiment of this application. That is, a determination apparatus for determining the degree of quality change of a body composition index of a subject from the past to the present, wherein a difference between a current value and a past value of the body composition index of the subject is an actual change amount A difference acquisition means for acquiring as a change amount acquisition means for obtaining an average change amount of the indicator from the past age to the current age based on a regression equation with age as an independent variable, and the difference acquisition Comprehending a body composition determination device comprising: a quality determination unit that compares the actual change amount acquired by the means with the change amount acquired by the change amount acquisition unit to determine whether the degree of body composition change is acceptable can do.

本発明によれば、過去のある年齢における体組成の指標の値と現在の値との実変化量と、同じ期間における平均的な変化量とを比較することにより、体組成の実変化の良否の程度を判定するので、過去のある時点から現在までの数年間の体組成の変化を評価することが可能となる。回帰式は、上記体組成計について上述したように、母集団（例えば、１８以上９０歳未満の女性）から体組成の指標値のサンプルを抽出して、回帰分析により見出される。「変化量を、年齢を独立変数とした回帰式に基づいて求める」とは、回帰式に年齢を代入して演算すること、および、回帰式から得られた、変化量と年齢の対応関係を示すテーブルを記憶部に保持しておき、このテーブルに基づいて変化量を求めることを含む。また、回帰式は、１次式であってもよいし、２次式であってもよい。   According to the present invention, by comparing the actual change amount between the value of the body composition index at a certain age in the past and the current value with the average change amount in the same period, the quality of the actual change in body composition is determined. Therefore, it is possible to evaluate changes in body composition over a period of several years from a certain point in the past to the present. As described above for the body composition meter, the regression equation is found by regression analysis by extracting a sample of body composition index values from a population (for example, women 18 to 90 years old). “Determine the amount of change based on a regression equation with age as an independent variable” means that the age is substituted into the regression equation and calculated, and the correspondence between the amount of change and age obtained from the regression equation. A table to be stored is stored in the storage unit, and the change amount is obtained based on the table. The regression equation may be a linear equation or a quadratic equation.

本発明の好適な態様において、前記回帰式は、Ｙ＝ａＸ２＋ｂＸ＋ｃ、ただし、Ｙは所定の年齢における前記指標の値の平均値を基準とした変化量であり、Ｘは年齢であり、ａ、ｂ、ｃは回帰分析によって求められた係数であり、前記変化量取得手段は、前記過去の年齢を前記回帰式に代入することにより前記過去の年齢における変化量を過去年齢変化量として求めるとともに、前記現在の年齢を前記回帰式に代入して前記現在の年齢における変化量を現在年齢変化量として求め、前記現在年齢変化量と前記過去年齢変化量との差を前記平均的な変化量として取得する。
体組成計について上述したように、独立変数である年齢Ｘを回帰式に代入すると、所定の年齢から年齢Ｘまでの平均的な変化量が求められる。よって、所定の年齢から現在の年齢までの平均的な変化量（現在年齢変化量）および所定の年齢から過去の年齢までの平均的な変化量（過去年齢変化量）を求め、現在年齢変化量から過去年齢変化量を減算すると、過去の年齢から現在の年齢までの平均的な変化量を求めることができる。よって、本態様によれば、加齢による影響を考慮して、過去から現在までの体組成の指標の実変化を判定することが可能となる。 In a preferred embodiment of the present invention, the regression equation is Y = aX 2 + bX + c, where Y is a change amount based on an average value of the index at a predetermined age, X is an age, a , B, and c are coefficients obtained by regression analysis, and the change amount obtaining means obtains a change amount in the past age as a past age change amount by substituting the past age in the regression equation. , Substituting the current age into the regression equation to determine the amount of change in the current age as the current age change amount, and the difference between the current age change amount and the past age change amount as the average change amount get.
As described above for the body composition meter, when age X, which is an independent variable, is substituted into the regression equation, an average amount of change from a predetermined age to age X is obtained. Therefore, the average change from the predetermined age to the current age (current age change) and the average change from the predetermined age to the past age (past age change) are obtained, and the current age change By subtracting the past age change amount from, the average change amount from the past age to the current age can be obtained. Therefore, according to this aspect, it is possible to determine the actual change in the body composition index from the past to the present in consideration of the influence of aging.

本発明の別の好適な態様において、良否判定手段は、前記実変化量を、前記平均的な変化量を基準とした点数に換算する点数換算手段を有し、前記点数換算手段によって得られた点数が、所定の範囲内にある場合には前記変化が現在の年齢相当であると判定し、前記所定の範囲の上限よりも大きい場合には良好であると判定し、前記所定の範囲の下限よりも小さい場合には前記体組成の変化が過大であると判定する。「前記平均的な変化量を基準とした点数に換算する」とは、例えば、平均的な変化量に基づいて実変化量を点数化することを含む。本態様によれば、過去のある時点から現在までの数年間の体組成の変化が、その年齢の平均的な変化と照らし合わせて点数に換算されるので、複数の体組成の指標についてこのような判定をした場合にも、複数の体組成の指標に共通の尺度で体組成の変化を評価することが可能になる。好ましくは、前記体組成の指標は、体重、体脂肪率、体脂肪量、除脂肪量、筋肉量、基礎代謝量、および内臓脂肪面積の少なくとも１つであってもよい。   In another preferred aspect of the present invention, the pass / fail judgment means has a score conversion means for converting the actual change amount into a score based on the average change amount, and is obtained by the score conversion means. When the score is within a predetermined range, it is determined that the change is equivalent to the current age, and when the score is larger than the upper limit of the predetermined range, it is determined that the change is good, and the lower limit of the predetermined range is determined. If it is smaller than that, it is determined that the change in the body composition is excessive. “Converting the average change amount into a score” includes, for example, scoring the actual change amount based on the average change amount. According to this aspect, changes in body composition over a period of several years from a certain point in the past to the present are converted into points in comparison with the average change in the age. Even when such a determination is made, it is possible to evaluate changes in body composition on a scale common to a plurality of body composition indices. Preferably, the body composition index may be at least one of body weight, body fat percentage, body fat mass, lean mass, muscle mass, basal metabolic rate, and visceral fat area.

本実施形態に係る体組成計１００の外観を示す平面図である。It is a top view which shows the external appearance of the body composition meter 100 which concerns on this embodiment. 体組成計１００の電気的構成を示すブロック図である。3 is a block diagram showing an electrical configuration of body composition monitor 100. FIG. 本実施形態の動作の流れを示すフローチャートである。It is a flowchart which shows the flow of operation | movement of this embodiment. 体組成予測処理の詳細な流れを示すフローチャートである。It is a flowchart which shows the detailed flow of a body composition prediction process. 現在−未来変化量演算処理の流れを示すフローチャートである。It is a flowchart which shows the flow of a present-future variation calculation process. 体脂肪率と年齢との関係を示すグラフである。It is a graph which shows the relationship between a body fat rate and age. 除脂肪量と年齢との関係を示すグラフである。It is a graph which shows the relationship between lean mass and age. （Ａ）および（Ｂ）は、体組成予測処理の予測結果の表示例である。(A) And (B) is a display example of the prediction result of the body composition prediction process. 体組成判定処理の詳細な流れを示すフローチャートである。It is a flowchart which shows the detailed flow of a body composition determination process. 過去−現在変化量演算処理の流れを示すフローチャートである。It is a flowchart which shows the flow of the past-present change amount calculation processing. 体組成判定処理の判定結果の表示例である。It is a display example of the determination result of the body composition determination process.

＜実施形態＞
以下、添付の図面を参照して、本発明の一実施形態に係る体組成計について説明する。本実施形態の体組成計は、複数の体組成の指標について未来値を予測可能であるとともに、過去のある時点から現在までの体組成の指標の変化を評価することが可能である。本実施形態では、予測の対象となる体組成の指標として、体脂肪率、除脂肪量、体脂肪量、体重、基礎代謝量、および内臓脂肪面積について説明する。また、評価の対象となる体組成の指標として、体脂肪率について説明する。 <Embodiment>
Hereinafter, a body composition meter according to an embodiment of the present invention will be described with reference to the accompanying drawings. The body composition meter of the present embodiment can predict future values for a plurality of body composition indices, and can evaluate changes in body composition indices from a certain point in the past to the present. In the present embodiment, body fat percentage, lean body mass, body fat mass, body weight, basal metabolic rate, and visceral fat area will be described as body composition indices to be predicted. The body fat percentage will be described as an index of body composition to be evaluated.

図１は、本実施形態に係る体組成計の外観を示す平面図であり、図２は、同体組成計の電気的構成を示すブロック図である。
図１および図２に示されるように、体組成計１００は、本体１０と、その上面に配置され、被験者の足裏に電流を供給するための電流供給用電極７１（７１Ｒおよび７１Ｌ）と、被験者の足裏の２点間の電圧を測定するための電圧測定用電極７２（７２Ｒおよび７２Ｌ）と、被験者への操作の案内や測定結果の通知を表示するための表示部５０と、被験者またはユーザが各種指示を入力する操作入力部４０とを備える。表示部５０としては、例えば、ＬＣＤ（Liquid Crystal Display）などの表示装置がある。操作入力部４０はアップキーおよびダウンキー、ならびにＳＥＴキーを有する。被験者またはユーザ（以下、単に「被験者」という）は表示部５０に表示された案内にしたがってアップキーおよび／またはダウンキーを操作して数値を増減したり、表示部５０に表示されたカーソルを上下させることができる。ＳＥＴキーは、アップキーおよび／またはダウンキーの操作が終わったのちに押し下げすることで、各種指示を確定するために用いられる。 FIG. 1 is a plan view showing an appearance of a body composition meter according to this embodiment, and FIG. 2 is a block diagram showing an electrical configuration of the body composition meter.
As shown in FIGS. 1 and 2, the body composition meter 100 includes a main body 10, current supply electrodes 71 (71 </ b> R and 71 </ b> L) that are disposed on the upper surface of the main body 10 and supply current to the soles of subjects. A voltage measuring electrode 72 (72R and 72L) for measuring a voltage between two points on the sole of the subject, a display unit 50 for displaying operation guidance and notification of a measurement result to the subject, And an operation input unit 40 through which a user inputs various instructions. Examples of the display unit 50 include a display device such as an LCD (Liquid Crystal Display). The operation input unit 40 has an up key, a down key, and a SET key. A subject or user (hereinafter simply referred to as “subject”) operates the up key and / or down key according to the guidance displayed on the display unit 50 to increase / decrease the numerical value or move the cursor displayed on the display unit 50 up / down. Can be made. The SET key is used to confirm various instructions by pressing down after the operation of the up key and / or the down key is completed.

加えて、本体１０の上面には、操作入力部４０の図中下方向の部分に、体組成の指標を被験者に指定させるための機能指定ボタンＦ１〜Ｆ５が配置されている。本実施形態では、機能指定ボタＦ１〜Ｆ５の各々に、体脂肪率、除脂肪量、体脂肪量、基礎代謝量、および内臓脂肪面積の各々が対応付けられている。ＲＯＭ３０２には、これら体組成の指標を求めるための演算式（推定式）が予め記憶されている。さらに、本体１０には、当該体組成計の電源をオン状態とするための電源キー５が設けられる。   In addition, on the upper surface of the main body 10, function designation buttons F <b> 1 to F <b> 5 for causing the subject to designate a body composition index are arranged in the lower part of the operation input unit 40 in the figure. In the present embodiment, each of the function designation buttons F1 to F5 is associated with a body fat percentage, a lean body mass, a body fat mass, a basal metabolic rate, and a visceral fat area. The ROM 302 stores an arithmetic expression (estimation expression) for obtaining these body composition indexes in advance. Further, the main body 10 is provided with a power key 5 for turning on the body composition meter.

本体１０の内部には、記憶部３０と、重量測定装置６０と、生体インピーダンス測定装置７０と、ＣＰＵ１１０とが設けられている。重量測定装置６０には図示せぬ重量センサが設けられる。この重量センサは、被験者が本体１０に乗ったときに、その重量である被験者の体重を重量データとして出力可能である。重量センサとしては、起歪体と歪ゲージとを有し、起歪体の歪による電圧の変化を測定して出力するロードセルがある。重量測定装置６０から出力された重量データは、Ａ／Ｄ変換器（図示略）によってデジタル信号に変換された後に体重ＷとしてＣＰＵ１１０に供給される。   Inside the main body 10, a storage unit 30, a weight measuring device 60, a bioimpedance measuring device 70, and a CPU 110 are provided. The weight measuring device 60 is provided with a weight sensor (not shown). When the subject gets on the main body 10, the weight sensor can output the weight of the subject as the weight data. As a weight sensor, there is a load cell that has a strain body and a strain gauge, and measures and outputs a change in voltage due to strain of the strain body. The weight data output from the weight measuring device 60 is converted into a digital signal by an A / D converter (not shown) and then supplied to the CPU 110 as the weight W.

生体インピーダンス測定装置７０は、電流供給部７０Ａおよび電圧検出部７０Ｂを備える。電流供給部７０Ａは、被験者が本体１０に乗ったときに、その上面部に形成された各電流供給用電極７１Ｌおよび７１Ｒを介して被験者の足裏に高周波の微弱な定電流を印加し、電圧検出部７０Ｂは各電圧測定用電極７２Ｌおよび７２Ｒを介して電位差を測定する。測定された電位差のデータは、Ａ／Ｄ変換器（図示略）によってデジタル変換された後に生体インピーダンスＺとしてＣＰＵ１１０に供給される。   The bioelectrical impedance measuring device 70 includes a current supply unit 70A and a voltage detection unit 70B. When the subject rides on the main body 10, the current supply unit 70 </ b> A applies a weak high-frequency constant current to the sole of the subject via the current supply electrodes 71 </ b> L and 71 </ b> R formed on the upper surface portion thereof, The detector 70B measures the potential difference via the voltage measuring electrodes 72L and 72R. The measured potential difference data is digitally converted by an A / D converter (not shown) and then supplied to the CPU 110 as a bioelectrical impedance Z.

記憶部３０は、ＲＡＭ（Random Access Memory）３０１と、ＲＯＭ（Read Only Memory）３０２と、書き換え可能メモリ３０３とを有する。ＲＯＭ３０２は、不揮発性のメモリであり、ＣＰＵ１１０に各種処理を実行させるための各種プログラムおよび本実施形態に係る動作をＣＰＵ１１０に実行させるための体組成予測プログラムＰ１および体組成判定プログラムＰ２、さらに、体脂肪率、除脂肪量、体脂肪量、基礎代謝量、内臓脂肪面積および体重の各々を求めるための演算式が記憶されている。本実施形態では、体組成予測プログラムＰ１および体組成判定プログラムＰ２を記憶した媒体としてＲＯＭ３０２を使用するが、ハードディスク、コンパクトディスク、デジタルバーサタイルディスク、フレキシブルディスク、またはその他の適切な記憶媒体をコンピュータプログラムまたはコンピュータプログラム要素としての体組成予測プログラムＰ１および体組成判定プログラムＰ２を記憶するために使用してもよい。   The storage unit 30 includes a RAM (Random Access Memory) 301, a ROM (Read Only Memory) 302, and a rewritable memory 303. The ROM 302 is a non-volatile memory, and various programs for causing the CPU 110 to execute various processes, the body composition prediction program P1 and the body composition determination program P2 for causing the CPU 110 to perform operations according to the present embodiment, and the body An arithmetic expression for obtaining each of the fat percentage, lean body mass, body fat mass, basal metabolic rate, visceral fat area and body weight is stored. In the present embodiment, the ROM 302 is used as a medium that stores the body composition prediction program P1 and the body composition determination program P2. However, a hard disk, a compact disk, a digital versatile disk, a flexible disk, or other appropriate storage medium may be a computer program or You may use in order to memorize | store body composition prediction program P1 and body composition determination program P2 as a computer program element.

ＲＯＭ３０２には、さらに、所定の年齢（本実施形態では、１８歳以上２５歳未満）における体組成の指標の平均値を基準とした回帰式が、体脂肪率および除脂肪量の各々について記憶されている。各体組成の指標を求めるための演算式および回帰式については、後段に詳述する。
ＲＡＭ３０１は、ＣＰＵ１１０のワークエリアとして機能する。書き換え可能メモリ３０３には、身長、年齢および性別といった個人データが、個人を識別する識別情報と対応付けて記憶されている。また、識別情報と対応付けて、体組成の指標の過去の測定値と測定時点の被験者の年齢とが対応づけて記録されている。 The ROM 302 further stores a regression equation based on the average value of the body composition index at a predetermined age (18 to 25 years in this embodiment) for each of the body fat percentage and the lean mass. ing. An arithmetic expression and a regression expression for obtaining an index of each body composition will be described in detail later.
The RAM 301 functions as a work area for the CPU 110. In the rewritable memory 303, personal data such as height, age, and gender is stored in association with identification information for identifying an individual. In association with the identification information, past measurement values of the body composition index are recorded in association with the age of the subject at the time of measurement.

図３は、本実施形態に係る動作の流れを示すフローチャートである。まず、体組成計１００は、電源キー５が被験者によって押し下げられると、その電源がオン状態となる。そして、被験者が本体１０に乗った状態において、体組成計１００は、被験者の体重を測定し（ステップＳ１）、生体インピーダンスを測定する（ステップＳ３）。そして、重量測定装置６０によって測定された体重Ｗおよび生体インピーダンス測定装置７０によって測定された生体インピーダンスＺは、ＣＰＵ１１０に送られた後にＲＡＭ３０１に一時的に記憶される。次に、ＣＰＵ１１０は、これらの測定値を用いて、体組成の各指標を演算する（ステップＳ５）。   FIG. 3 is a flowchart showing a flow of operations according to the present embodiment. First, when the power key 5 is pressed down by the subject, the body composition meter 100 is turned on. Then, in a state where the subject rides on the main body 10, the body composition meter 100 measures the weight of the subject (step S1) and measures bioimpedance (step S3). The body weight W measured by the weight measuring device 60 and the biological impedance Z measured by the biological impedance measuring device 70 are sent to the CPU 110 and temporarily stored in the RAM 301. Next, CPU110 calculates each parameter | index of body composition using these measured values (step S5).

本実施形態では、各機能指定ボタンＦ１〜Ｆ５のすべてが被験者によって押し下げられたとする。よって、まず、ＣＰＵ１１０は、体脂肪率％Ｆatを求めるための演算式をＲＯＭ３０２から読み出し、読み出した演算式を用いて体脂肪率を推定する。
体脂肪率％Ｆatを推定するための演算式としては、例えば、以下のものがある。
％Ｆat＝ｆ１・Ｚ・Ｗ／Ｈ２−ｆ２……（１）
ただし、ｆ１及びｆ２は係数であり、重回帰分析により適宜定められる値である。また、Ｚは生体インピーダンス、Ｗは体重、Ｈは身長である。身長Ｈは、ユーザが操作入力部４０を用いて予め入力したものであり、そのデータは、個人データとして、書き換え可能メモリ３０３に記憶されている。 In the present embodiment, it is assumed that all the function specifying buttons F1 to F5 are pressed down by the subject. Therefore, first, the CPU 110 reads an arithmetic expression for obtaining the body fat percentage% Fat from the ROM 302, and estimates the body fat percentage using the read arithmetic expression.
As an arithmetic expression for estimating the body fat percentage% Fat, for example, there are the following.
% Fat = f1 · Z · W / H 2 −f2 (1)
However, f1 and f2 are coefficients and are values determined as appropriate by multiple regression analysis. Z is bioelectrical impedance, W is weight, and H is height. The height H is input in advance by the user using the operation input unit 40, and the data is stored in the rewritable memory 303 as personal data.

次に、ＣＰＵ１１０は、除脂肪量ＦＦＭを求めるための演算式をＲＯＭ３０２から読み出し、除脂肪量を求める。除脂肪量ＦＦＭは、例えば、以下の式に従って求められる。
ＦＦＭ＝Ｗ−Ｗ・％Ｆat／１００……（２）
ただし、Ｗは体重であり、％Ｆatは式（１）によって求められる値である。よって、例えば、体脂肪率を指定するＦ１ボタンが押されず、除脂肪量を指定するＦ２ボタンだけが押された場合でも、ＣＰＵ１１０は、式（１）と式（２）の両方をＲＯＭ３０２から読み出して、式（１）、式（２）の順に演算することにより除脂肪量を求める。 Next, the CPU 110 reads out an arithmetic expression for obtaining the lean mass FFM from the ROM 302 and obtains the lean mass. The lean mass FFM is determined according to the following formula, for example.
FFM = WW-% Fat / 100 (2)
However, W is a body weight and% Fat is a value calculated | required by Formula (1). Therefore, for example, even when the F1 button for specifying the body fat percentage is not pressed and only the F2 button for specifying the lean mass is pressed, the CPU 110 reads both the expressions (1) and (2) from the ROM 302. Thus, the lean mass is obtained by calculating in the order of Equation (1) and Equation (2).

同様にして、ＣＰＵ１１０は、体脂肪量ＦＡＴ、基礎代謝量ＢＭＲおよび内臓脂肪面積ＶＦＡの各々を求めるための式をＲＯＭ３０２から読み出し、演算を実行する。体脂肪量、基礎代謝量および内臓脂肪面積は、例えば、以下の式に従って求められる。
体脂肪量ＦＭ＝ＦＦＭ・％Ｆat／（１００−％Ｆat）……（３）
基礎代謝量ＢＭＲ＝ｐ１・ＦＦＭ２＋ｐ２・ＦＦＭ＋ｐ３・（１／Ａｇｅ）＋ｐ４……（４）
内臓脂肪面積ＶＦＡ＝ｑ１・Ｈ２／Ｗ＋ｑ２・ＦＭ＋ｑ３・Ａｇｅ＋ｑ４……（５）
ただし、係数ｐ１〜ｐ４およびｑ１〜ｑ４は、重回帰分析により適宜定められる値であり、Ａｇｅは年齢、Ｈは身長、Ｗは体重である。身長Ｈおよび年齢Ａｇｅは、ユーザが操作入力部４０を用いて予め入力したものであり、そのデータは、個人データとして、書き換え可能メモリ３０３に記憶されている。式（３）における％Ｆatは、式（１）によって求められる値であり、式（３）および（４）におけるＦＦＭは式（２）によって求められる値であり、式（４）におけるＦＭは式（３）によって求められる値であるから、ＣＰＵ１１０は、ＲＯＭ３０２から、体脂肪量ＦＭの演算に際しては式（１）〜（３）を読み出し、基礎代謝量ＢＭＲの演算に際しては式（１）から（４）を読み出し、内臓脂肪面積ＶＦＡの演算に際しては、式（１）〜（３）および（５）を読み出す。 Similarly, the CPU 110 reads out formulas for obtaining each of the body fat mass FAT, the basal metabolic rate BMR, and the visceral fat area VFA from the ROM 302, and executes the calculation. The body fat mass, the basal metabolic rate, and the visceral fat area are determined according to the following formula, for example.
Body fat amount FM = FFM ·% Fat / (100−% Fat) (3)
Basal metabolic rate BMR = p1 · FFM 2 + p2 · FFM + p3 · (1 / Age) + p4 (4)
Visceral fat area VFA = q1 · H 2 / W + q2 · FM + q3 · Age + q4 (5)
However, the coefficients p1 to p4 and q1 to q4 are values appropriately determined by multiple regression analysis, Age is age, H is height, and W is weight. The height H and age Age are input in advance by the user using the operation input unit 40, and the data is stored in the rewritable memory 303 as personal data. % Fat in equation (3) is a value obtained by equation (1), FFM in equations (3) and (4) is a value obtained by equation (2), and FM in equation (4) is an equation. Since the value is obtained by (3), the CPU 110 reads the equations (1) to (3) from the ROM 302 when calculating the body fat amount FM, and from the equations (1) to (3) when calculating the basal metabolic rate BMR. 4) is read, and when calculating the visceral fat area VFA, the equations (1) to (3) and (5) are read.

ＣＰＵ１１０は、式（１）〜（５）の各々に基づいて算出された体脂肪率％Ｆat、除脂肪量ＦＦＭ、体脂肪量ＦＭ、基礎代謝量ＢＭおよび内臓脂肪面積ＶＦＡを、ＲＡＭ３０１に一旦記憶する。ステップＳ１において測定された体重Ｗおよび、ステップＳ５で算出された体組成の指標の各値は、被験者の体組成の指標の現在値である。   The CPU 110 temporarily stores the body fat percentage% Fat, the lean body mass FFM, the body fat mass FM, the basal metabolic rate BM, and the visceral fat area VFA calculated based on each of the formulas (1) to (5) in the RAM 301. To do. Each value of the body weight W measured in step S1 and the body composition index calculated in step S5 is the current value of the body composition index of the subject.

次に、ステップＳ７において、ＣＰＵ１１０は、体組成の未来値の予測が被験者によって指示されているか否か判定する。体組成の未来値の予測とは、体組成の指標の５年後、１０年後といった未来の値を予測することを意味する。
本実施形態では、ＣＰＵ１１０は、ステップＳ７において、表示部５０に、「未来値を予測しますか？」というメッセージを表示し、被験者に、「はい」または「いいえ」のいずれかを選択させる。「いいえ」が選択された場合、ステップＳ７の判定はＮＯに進み、ＣＰＵ１１０は、体組成予測処理を実行することなく、次のステップＳ１３に進む。 Next, in step S <b> 7, the CPU 110 determines whether or not the subject is instructed to predict the future value of the body composition. The prediction of the future value of the body composition means prediction of a future value such as 5 years later or 10 years after the body composition index.
In the present embodiment, in step S7, the CPU 110 displays a message “Do you predict future values?” On the display unit 50, and causes the subject to select either “Yes” or “No”. If “No” is selected, the determination in step S7 proceeds to NO, and the CPU 110 proceeds to the next step S13 without executing the body composition prediction process.

一方、「はい」が選択された場合、ステップＳ７の判定はＹＥＳに進み、ＣＰＵ１１０は次の入力処理（ステップＳ９）に進む。入力処理において、ＣＰＵ１１０は、被験者に、体脂肪率、除脂肪量、体重、体脂肪量、基礎代謝量、および内臓脂肪面積のうち、未来値を予測したい体組成の指標を選択するよう促す画面を表示する。被験者による体組成の指標の選択が完了すると、すなわち、「ＳＥＴ」キーが押し下げされると、ＣＰＵ１１０は、続いて、何年後の未来値を予測したいかについて、被験者に指定させる画面を表示する。本実施形態では、被験者は、「５年後」、「１０年後」および「２０年後」のいずれかを選択するか、または、１〜３０までの所望の年数を指定することが可能である。被験者は、操作入力部４０を操作することにより、体組成の指標の選択および未来値の年数の指定を行う。年数の指定が完了すると、すなわち、年数を指定させる画面において、「ＳＥＴ」キーが押し下げされると、ＣＰＵ１１０は、体組成予測処理を実行する（ステップＳ１１）。   On the other hand, if “yes” is selected, the determination in step S7 proceeds to YES, and the CPU 110 proceeds to the next input process (step S9). In the input process, the CPU 110 prompts the subject to select a body composition index for which a future value is to be predicted from among body fat percentage, lean mass, body weight, body fat mass, basal metabolic rate, and visceral fat area. Is displayed. When the selection of the body composition index by the test subject is completed, that is, when the “SET” key is pressed, the CPU 110 displays a screen that allows the test subject to specify the future value to be predicted. . In the present embodiment, the subject can select any one of “5 years later”, “10 years later”, and “20 years later”, or can specify a desired number of years from 1 to 30. is there. The subject operates the operation input unit 40 to select a body composition index and specify the number of years for the future value. When the designation of the number of years is completed, that is, when the “SET” key is pressed on the screen for designating the number of years, the CPU 110 executes a body composition prediction process (step S11).

本実施形態では、被験者は、体脂肪率、除脂肪量、体重、体脂肪量、基礎代謝量、および内臓脂肪面積の全ての指標を予測対象の指標として選択し、未来値の年数として、「５年後」および「１０年後」を選択したとする。なお、説明の便宜上、未来値の予測は、体脂肪率、除脂肪量、体脂肪量、体重、基礎代謝量、内臓脂肪面積の順に実行されるものとし、異なる年数の未来値の予測については、「５年後」、「１０年後」の順に実行されるものとするが、本実施形態で示された順序に本実施形態を限定するものではない。   In the present embodiment, the subject selects all indicators of body fat percentage, lean mass, body weight, body fat mass, basal metabolic rate, and visceral fat area as indicators to be predicted. Assume that “5 years later” and “10 years later” are selected. For convenience of explanation, prediction of future values is assumed to be executed in the order of body fat percentage, lean body mass, body fat mass, body weight, basal metabolic rate, visceral fat area. , “5 years later” and “10 years later” are executed in this order, but the present embodiment is not limited to the order shown in the present embodiment.

図４は、図３における体組成予測処理の詳細な流れを示すフローチャートである。ＣＰＵ１１０は、ＲＯＭ３０２から読み出された体組成予測プログラムＰ１にしたがって、当該体組成予測処理を実行する。
まず、ステップＳａ１において、ＣＰＵ１１０は、未来値を予測する対象となる指標が直接予測可能な指標か否かを判定する。
本実施形態では、体脂肪率、除脂肪量、体脂肪量、体重、基礎代謝量、および内臓脂肪面積のうち、体脂肪率および除脂肪量については、回帰式がＲＯＭ３０２に記憶されており、利用可能である。よって、体脂肪率および除脂肪量についてはその未来値が直接予測可能であるものとして説明する。未来値の予測は、図６および図７に示すような、母集団におけるサンプルの観測値から見出された回帰曲線に基づいて行われる。 FIG. 4 is a flowchart showing a detailed flow of the body composition prediction process in FIG. CPU110 performs the said body composition prediction process according to the body composition prediction program P1 read from ROM302.
First, in step Sa1, the CPU 110 determines whether or not the index for which the future value is predicted is a directly predictable index.
In the present embodiment, of the body fat percentage, lean mass, body fat mass, body weight, basal metabolic rate, and visceral fat area, the regression formula is stored in the ROM 302 for the body fat percentage and lean mass. Is available. Therefore, it is assumed that the future values of the body fat percentage and lean body mass can be predicted directly. Future value prediction is performed based on regression curves found from observed values of samples in the population, as shown in FIGS.

図６は、女性の体脂肪率について、年齢に対応した体脂肪率％ＦＡＴの観測値と、観測値の回帰曲線（２次曲線）を示すグラフである。同グラフに示されるように、体脂肪率は、加齢と共に少しずつ増加するが、直線的な増加ではなく、緩やかな曲線に集約される。よって、１８歳以上２５歳未満の平均値をゼロとした場合の変化量Ｙ１（％）を、年齢を独立変数として回帰式を作成すると、
体脂肪率の変化量Ｙ１＝ａ１・Ｘ２＋ｂ１・Ｘ＋ｃ１……（Ａ）
となる。ただし、Ｘは年齢であり、ａ１、ｂ１およびｃ１は回帰分析によって見出された係数である。 FIG. 6 is a graph showing an observed value of body fat percentage% FAT corresponding to age and a regression curve (secondary curve) of the observed value of the female body fat percentage. As shown in the graph, the body fat percentage increases little by little with aging, but is not a linear increase but is aggregated into a gentle curve. Therefore, when a regression equation is created by using the change amount Y1 (%) when the average value of 18 years old or more and less than 25 years as zero as the independent variable,
Change in body fat percentage Y1 = a1 · X 2 + b1 · X + c1 (A)
It becomes. Where X is age and a1, b1 and c1 are coefficients found by regression analysis.

図７は、女性の除脂肪量について、年齢に対応した除脂肪量ＦＦＭの観測値と、観測値の回帰曲線（２次曲線）を示すグラフである。同グラフに示されるように、除脂肪量は、加齢と共に増加するが、直線的な増加ではなく、また、加齢と共に一旦増加するが、４０歳前後をピークに減少に転じる、湾曲した曲線に集約される。よって、１８歳以上２５歳未満の平均値をゼロとした場合の変化量Ｙ２（ｋｇ）を、年齢を独立変数として回帰式を作成すると、
除脂肪量の変化量Ｙ２＝ａ２・Ｘ２＋ｂ２・Ｘ＋ｃ２……（Ｂ）
となる。ただし、Ｘは年齢であり、ａ２、ｂ２およびｃ２は回帰分析によって見出された係数である。 FIG. 7 is a graph showing observed values of fat free mass FFM corresponding to age and a regression curve (secondary curve) of observed values for the female lean mass. As shown in the graph, the lean mass increases with aging but is not a linear increase, and also increases once with aging, but it begins to decrease after peaking around 40 years old. To be aggregated. Therefore, when a regression equation is created using the amount of change Y2 (kg) when the average value of 18 years old or older and less than 25 years as zero as the independent variable,
Change amount of lean body mass Y2 = a2 · X 2 + b2 · X + c2 (B)
It becomes. Where X is age and a2, b2 and c2 are coefficients found by regression analysis.

図６および図７から理解されるように、体組成の指標ごとの加齢に伴う数値の変化には回帰的な関係を見出すことができる。よって、回帰式に年齢を当てはめることにより、例えば、被験者の現在の年齢が３０歳であるとした場合に、３５歳になったときに体組成の指標が平均的にどの程度変化しているのか（平均的な変化量）を知ることが可能となる。
さらに詳細には、まず、体脂肪率については、式（Ａ）に年齢を代入して、現在の年齢（３０歳）の体脂肪率の変化量Ｙ１(30)および３５歳になったときの変化量Ｙ１(35)を求める。式（Ａ）によって求められる変化量Ｙ１は、１８歳以上２５歳未満の平均値をゼロとした場合の変化量であるから、変化量Ｙ１(35)から変化量Ｙ１(30)を減算すると、３０歳〜３５歳までの平均的な変化量Ｙ１(30〜35)が求められる。そして、現在の体脂肪率％ＦＡＴに、変化量Ｙ１(30〜35)を加算すると、５年後の体脂肪率が求められる。 As can be understood from FIGS. 6 and 7, a recurrent relationship can be found in the change in numerical values with aging for each index of body composition. Therefore, by applying age to the regression equation, for example, if the subject's current age is 30 years old, how much the body composition index changes on average when the subject turns 35 years old? It becomes possible to know (average amount of change).
More specifically, first, with regard to the body fat percentage, the age is substituted into the formula (A), and the body fat percentage change Y1 (30) at the current age (30 years old) and when the body fat age is 35 years old. The amount of change Y1 (35) is obtained. Since the change amount Y1 obtained by the equation (A) is a change amount when the average value of 18 years old or older and less than 25 years is zero, subtracting the change amount Y1 (30) from the change amount Y1 (35), An average amount of change Y1 (30 to 35) from the age of 30 to 35 is obtained. Then, when the amount of change Y1 (30 to 35) is added to the current body fat percentage% FAT, the body fat percentage after five years is obtained.

同様に、除脂肪量については、式（Ｂ）に年齢を代入して、現在の年齢（３０歳）の除脂肪量の変化量Ｙ２(30)および３５歳になったときの変化量Ｙ２(35)を求める。式（Ｂ）によって求められる変化量Ｙ２は、１８歳以上２５歳未満の平均値をゼロとした場合の変化量であるから、変化量Ｙ２(35)と変化量Ｙ２(30)との差が、３０歳〜３５歳までの平均的な変化量Ｙ２(30-35)として求められる。そして、現在の除脂肪量ＦＦＭに、変化量Ｙ２(30〜35)を加算すると、５年後の除脂肪量が求められる。このように、本実施形態では、加齢が体組成の指標の数値に与える影響を統計的に分析し、その分析結果に基づいて、現在の年齢から未来のある年齢までの平均的な変化量を取得する。上述の例では、女性を母集団とした場合に、３０歳〜３５歳の５年間で、体脂肪率および除脂肪量が一般的にどの程度増加するかを、回帰式に基づいて求める。したがって、加齢による影響を考慮した未来値の予測が可能となる。このように回帰式に基づいて予測可能な指標を、以下、「第１未来予測指標」と呼ぶ。   Similarly, with regard to the lean mass, by substituting the age into the formula (B), the lean mass change amount Y2 (30) at the current age (30 years old) and the change amount Y2 ( 35). Since the change amount Y2 obtained by the equation (B) is a change amount when the average value between 18 and 25 years is zero, the difference between the change amount Y2 (35) and the change amount Y2 (30) is The average change amount Y2 (30-35) from the age of 30 to 35 is obtained. Then, when the change amount Y2 (30 to 35) is added to the current lean mass FFM, the lean mass after five years is obtained. As described above, in this embodiment, the influence of aging on the numerical value of the index of body composition is statistically analyzed, and the average amount of change from the current age to a future age is calculated based on the analysis result. To get. In the above-mentioned example, when a woman is a population, how much the body fat percentage and the lean body mass generally increase in 5 years from 30 to 35 years old is obtained based on the regression equation. Therefore, it is possible to predict future values in consideration of the effects of aging. The index that can be predicted based on the regression equation in this way is hereinafter referred to as a “first future prediction index”.

一方、本実施形態では、体脂肪量、体重、基礎代謝量、および内臓脂肪面積の回帰式はＲＯＭ３０２に記憶されていないから、これらの指標は直接予測可能でない指標（「第２未来予測指標」と総称する）である。第２未来予測指標は、第１未来予測指標の少なくともいずれかの未来値を、演算式に代入することで、その未来値が取得される。第２未来予測指標の推定に用いられる演算式は、例えば、以下のものがある。
体脂肪量ＦＭ＝ＦＦＭ・％Ｆat／（１００−％Ｆat）……（３）
基礎代謝量ＢＭＲ＝ｐ１・ＦＦＭ２＋ｐ２・ＦＦＭ＋ｐ３・（１／Ａｇｅ）＋ｐ４……（４）
内臓脂肪面積ＶＦＡ＝ｑ１・Ｈ２／Ｗ＋ｑ２・ＦＭ＋ｑ３・Ａｇｅ＋ｑ４……（５）
体重Ｗ＝ＦＦＭ＋ＦＭ……（６）
式（３）〜（６）から理解されるように、いずれの式においても、除脂肪量ＦＦＭは、いずれの式においても直接的または間接的にパラメータとして利用されており、体脂肪率％Ｆatは、式（４）を除く全ての式で直接的または間接的にパラメータとして利用されている。よって、第２未来予測指標を推定するためには、第１未来予測指標である体脂肪率％Ｆatおよび除脂肪量ＦＦＭの未来値（基礎代謝利用の場合には除脂肪量ＦＦＭの未来値のみ）を事前に予測しておくことが必要となる。 On the other hand, in the present embodiment, since regression equations for body fat mass, body weight, basal metabolic rate, and visceral fat area are not stored in the ROM 302, these indices are not directly predictable indices ("second future prediction index"). Generically). The second future prediction index is obtained by substituting at least one future value of the first future prediction index into an arithmetic expression. Examples of the arithmetic expression used for estimating the second future prediction index include the following.
Body fat amount FM = FFM ·% Fat / (100−% Fat) (3)
Basal metabolic rate BMR = p1 · FFM 2 + p2 · FFM + p3 · (1 / Age) + p4 (4)
Visceral fat area VFA = q1 · H 2 / W + q2 · FM + q3 · Age + q4 (5)
Weight W = FFM + FM …… (6)
As understood from the formulas (3) to (6), the lean mass FFM is used as a parameter directly or indirectly in any formula, and the body fat percentage% Fat. Is used directly or indirectly as a parameter in all expressions except expression (4). Therefore, in order to estimate the second future prediction index, the future value of the body fat percentage% Fat and the lean body mass FFM, which are the first future prediction index (only the future value of the lean body mass FFM in the case of basal metabolism use) ) Must be predicted in advance.

よって、ステップＳａ１において、未来値を予測する対象となる指標が、直接予測可能な指標でないと判定された場合（ステップＳａ１：ＮＯ）、すなわち、体重、体脂肪量、基礎代謝量、および内臓脂肪面積のいずれかであった場合、次に、ＣＰＵ１１０は、ステップＳａ１１において、直接予測可能な全ての指標の未来値の予測が完了したか否か判定する。ＣＰＵ１１０は、この判断結果が肯定的となるまで、ステップＳａ１１：ＮＯ、ステップＳａ１：ＮＯの処理を繰り返す。
なお、上述したように、本実施形態では、説明の便宜上、体脂肪率、除脂肪量、体脂肪量、体重、基礎代謝量、内臓脂肪面積の順に、未来値の予測が実行されることとしている。すなわち、まず、第１未来予測指標の予測を行い、次に第２未来指標の予測を行う。よって、ステップＳａ１の判定がＮＯになると、ステップＳａ１１の判定結果は常にＹＥＳとなる。 Therefore, when it is determined in step Sa1 that the index for which the future value is predicted is not a directly predictable index (step Sa1: NO), that is, body weight, body fat mass, basal metabolic rate, and visceral fat. If it is one of the areas, the CPU 110 next determines whether or not the prediction of the future values of all the indexes that can be directly predicted is completed in step Sa11. CPU110 repeats the process of step Sa11: NO and step Sa1: NO until this judgment result becomes affirmative.
As described above, in this embodiment, for convenience of explanation, it is assumed that the prediction of future values is executed in the order of body fat percentage, lean body mass, body fat mass, body weight, basal metabolic rate, and visceral fat area. Yes. That is, first, the first future prediction index is predicted, and then the second future index is predicted. Therefore, if the determination in step Sa1 is NO, the determination result in step Sa11 is always YES.

一方、ステップＳａ１において、未来値を予測する対象となる指標が、直接予測可能な指標であると判定された場合（ステップＳａ１：ＹＥＳ）、すなわち、体脂肪率か除脂肪量のいずれかであった場合、ＣＰＵ１１０は、処理を現在−未来変化量演算処理（ステップＳａ３）に進める。この場合、最初に未来値を予測する対象となる指標は体脂肪率なので、処理はステップＳａ３に進み、体脂肪率について、現在−未来変化量演算処理が実行される。   On the other hand, when it is determined in step Sa1 that the index for which the future value is to be predicted is an index that can be directly predicted (step Sa1: YES), that is, either the body fat percentage or the lean body mass. In the case where it is detected, the CPU 110 advances the process to the present-future change amount calculation process (step Sa3). In this case, since the index for which the future value is predicted first is the body fat percentage, the process proceeds to step Sa3, and the current-future change amount calculation process is executed for the body fat percentage.

図５は、現在−未来変化量演算処理の詳細な処理の流れを示すフローチャートである。図５に示されるように、まず、ステップＳｂ１において、ＣＰＵ１１０は、ＲＯＭ３０２から、予測対象である指標の回帰式を読み出す。予測対象である指標は体脂肪率なので、読み出される回帰式は、上記式（Ａ）である。続いて、ステップＳｂ３において、現在の年齢（ｐ歳）（ｐは自然数）を式（Ａ）に代入する。その結果、変化量Ｙ１(ｐ)が得られる。   FIG. 5 is a flowchart showing a detailed process flow of the present-future change amount calculation process. As shown in FIG. 5, first, in step Sb <b> 1, the CPU 110 reads from the ROM 302 the regression equation of the index that is the prediction target. Since the index to be predicted is the body fat percentage, the read regression equation is the above equation (A). Subsequently, in step Sb3, the current age (p years old) (p is a natural number) is substituted into equation (A). As a result, a change amount Y1 (p) is obtained.

続いて、ステップＳｂ５において、ＣＰＵ１１０は、ｎ年後（ｎは自然数）の年齢を回帰式（Ａ）に代入して、変化量Ｙ１(ｐ＋ｎ)を得る。なお、この場合、未来値の年数として「５年後」が指定されているので、ｎ＝５となる。そして、ステップＳｂ７において、現在からｎ年後の年齢までの体脂肪率％ＦＡＴの変化量Ｙ１（ｎ）＝Ｙ１（ｐ＋ｎ）−Ｙ１（ｐ）を求め、処理を図４のステップＳａ５に戻す。   Subsequently, in step Sb5, the CPU 110 substitutes the age after n years (n is a natural number) into the regression equation (A) to obtain the change amount Y1 (p + n). In this case, since “5 years later” is designated as the number of years of the future value, n = 5. In step Sb7, a change amount Y1 (n) = Y1 (p + n) −Y1 (p) of the body fat percentage% FAT from the present to the age n years later is obtained, and the process returns to step Sa5 in FIG.

図４のステップＳａ５において、ＣＰＵ１１０は、ステップＳ５（図３）において算出され、ＲＡＭ３０１に一旦記憶された体脂肪率％ＦＡＴの現在値と、ステップＳａ３で求めた体脂肪率％ＦＡＴの変化量とを足し合わせて、ｎ年後（ｎ＝５なので５年後）の体脂肪率の未来値を得る。ＣＰＵ１１０は、この５年後の未来値を％ＦＡＴ(p+5)としてＲＡＭ３０１に一旦記憶する。   In step Sa5 of FIG. 4, the CPU 110 calculates the current value of the body fat percentage% FAT calculated in step S5 (FIG. 3) and temporarily stored in the RAM 301, and the amount of change in the body fat percentage% FAT obtained in step Sa3. Are added together to obtain the future value of the body fat percentage in n years (n = 5, so 5 years later). The CPU 110 temporarily stores the future value after five years in the RAM 301 as% FAT (p + 5).

次に、ＣＰＵ１１０は、同じ指標について他の未来値を予測するか否かについて判定する（ステップＳａ７）。ステップＳ９（図３）では被験者により１０年後の未来値が指定されているので、ステップＳａ７の判定はＹＥＳとなり、ＣＰＵ１１０は、ステップＳａ３〜Ｓａ５の処理を実行する。その結果、１０年後の体脂肪率の未来値を得る。ＣＰＵ１１０は、この１０年後の未来値を％ＦＡＴ(p+10)としてＲＡＭ３０１に一旦記憶する。   Next, the CPU 110 determines whether to predict another future value for the same index (step Sa7). In step S9 (FIG. 3), since the future value after 10 years is specified by the subject, the determination in step Sa7 is YES, and the CPU 110 executes the processes in steps Sa3 to Sa5. As a result, the future value of the body fat percentage after 10 years is obtained. The CPU 110 temporarily stores the future value after 10 years in the RAM 301 as% FAT (p + 10).

次に、ＣＰＵ１１０は、再びステップＳａ７において、他に予測すべき未来値があるか否かを判定する。体脂肪率の未来値の取得は完了したので、この場合、判定結果はＮＯとなり、続いて、ＣＰＵ１１０は、ステップＳａ９において、予測すべき別の指標があるか否かについて判定する。この場合、次に除脂肪量の未来値を予測すべきなので、判定結果はＹＥＳとなり、ＣＰＵ１１０は、処理をステップＳａ１に戻す。   Next, in step Sa7, the CPU 110 again determines whether there is another future value to be predicted. Since the acquisition of the future value of the body fat percentage has been completed, in this case, the determination result is NO, and subsequently the CPU 110 determines whether or not there is another index to be predicted in step Sa9. In this case, since the future value of the lean mass should be predicted next, the determination result is YES, and the CPU 110 returns the process to step Sa1.

続いて、ＣＰＵ１１０は、体脂肪率の場合と同様にして、除脂肪量について５年後および１０年後の未来値を各々取得し（ステップＳａ１：ＹＥＳ〜Ｓａ９：ＹＥＳ）、取得した未来値を各々ＦＦＭ(p+5)およびＦＦＭ(p+10)としてＲＡＭ３０１に一時的に記憶する。そして、ＣＰＵ１１０は、再び、ステップＳａ１の処理において、次の体組成の指標が直接予測可能な指標か否か判定する。この場合、次に予測すべき体組成の指標は体脂肪量であるので、ステップＳａ１の判定結果はＮＯとなり、続いて、ステップＳａ１１の判定結果はＹＥＳとなる。   Subsequently, in the same manner as in the case of the body fat percentage, the CPU 110 acquires future values for the lean mass after 5 years and 10 years (step Sa1: YES to Sa9: YES), and uses the acquired future values. These are temporarily stored in the RAM 301 as FFM (p + 5) and FFM (p + 10), respectively. Then, the CPU 110 again determines whether or not the next body composition index is a directly predictable index in the process of step Sa1. In this case, since the body composition index to be predicted next is the body fat mass, the determination result in step Sa1 is NO, and then the determination result in step Sa11 is YES.

次に、ＣＰＵ１１０は、ＲＯＭ３０２から体脂肪量を求めるための式（３）を読み出し（ステップＳａ１３）、ＲＡＭ３０１に一旦記憶しておいた、ＦＦＭ(p+5)および％ＦＡＴ(p+5)を演算式に代入して、体脂肪量ＦＭの５年後の未来値を求める（ステップＳａ１５）。取得された値は、ＦＭ(p+5)として、ＲＡＭ３０１に一旦記憶される。ＣＰＵ１１０は、次に、ステップＳａ１７において、同じ指標について予測すべき未来値が他にあるか否かを判定する。この場合、１０年後の未来値を予測すべきであるので、ステップＳａ１７の判定結果はＹＥＳとなり、ＣＰＵ１１０は体脂肪量ＦＭの１０年後の未来値について、ステップＳａ１５の処理を実行する。すなわち、ＲＡＭ３０１に一旦記憶しておいた、ＦＦＭ(p+10)および％ＦＡＴ(p+10)を演算式（３）に代入する。そして、取得した未来値をＦＭ(p+10)として、ＲＡＭ３０１に一旦記憶する。続いて、ＣＰＵ１１０は、ステップＳａ１７において、同じ指標について予測すべき未来値が他にあるか否かを再び判定し、この判定結果はＮＯとなるので、処理をステップＳａ９に進める。この場合、予測すべき別の指標があるので、ステップＳａ９の判定結果はＹＥＳとなり、処理はステップＳａ１に戻る。   Next, the CPU 110 reads the formula (3) for obtaining the body fat mass from the ROM 302 (step Sa13), and stores the FFM (p + 5) and% FAT (p + 5) once stored in the RAM 301. Substituting into the calculation formula, the future value of the body fat amount FM after 5 years is obtained (step Sa15). The acquired value is temporarily stored in the RAM 301 as FM (p + 5). Next, in step Sa17, the CPU 110 determines whether there are other future values to be predicted for the same index. In this case, since the future value after 10 years should be predicted, the determination result at step Sa17 is YES, and the CPU 110 executes the process at step Sa15 for the future value after 10 years of the body fat mass FM. That is, FFM (p + 10) and% FAT (p + 10) once stored in the RAM 301 are substituted into the arithmetic expression (3). Then, the acquired future value is temporarily stored in the RAM 301 as FM (p + 10). Subsequently, in step Sa17, the CPU 110 determines again whether there is another future value to be predicted for the same index. Since the determination result is NO, the process proceeds to step Sa9. In this case, since there is another index to be predicted, the determination result in step Sa9 is YES, and the process returns to step Sa1.

ＣＰＵ１１０は、続いて、体重、基礎代謝量、および内臓脂肪面積の各指標について、ステップＳａ１：ＮＯ、Ｓａ１１：ＹＥＳ、Ｓａ１３およびＳａ１５の処理を実行し、取得した各未来値をＲＡＭ３０１に記憶する。そして、Ｓａ１７の判定結果がＮＯとなり、且つ、ステップＳａ９の判定結果がＮＯとなると、処理をステップＳａ１９に進める。ここで、ステップＳａ１３においては、予測対象となる体組成の指標の推定に必要となる演算式が全て読み出される。例えば、体重Ｗを求めるための演算式（６）では体脂肪量ＦＭがパラメータとして用いられるので、体重Ｗの未来値の推定の際には、式（３）および（６）がＲＯＭ３０２から読み出される。   Subsequently, the CPU 110 executes the processes of steps Sa1: NO, Sa11: YES, Sa13, and Sa15 for each index of body weight, basal metabolic rate, and visceral fat area, and stores the acquired future values in the RAM 301. When the determination result at Sa17 is NO and the determination result at step Sa9 is NO, the process proceeds to step Sa19. Here, in step Sa13, all the arithmetic expressions necessary for estimating the body composition index to be predicted are read out. For example, since the body fat amount FM is used as a parameter in the calculation formula (6) for obtaining the weight W, the formulas (3) and (6) are read from the ROM 302 when estimating the future value of the weight W. .

ステップＳａ１９において、ＣＰＵ１１０は、ＲＡＭ３０１に記憶しておいた各体組成の指標の現在値と未来値を示す表示データを生成する。生成された表示データは、例えば、図８の（Ａ）に示すような表データＩＭＧ１となる。また、表データＩＭＧ１に加えて、図８の（Ｂ）に示すような、体脂肪率についての現在値、５年後の値および１０年後の値が各々座標表示された画面データＩＭＧ２を生成する。
ＣＰＵ１１０は、表データＩＭＧ１および画面データＩＭＧ２を生成すると、表データＩＭＧ１および画面データＩＭＧ２をＲＡＭ３０１に一旦記憶し、体組成予測処理を終了し、処理を図３のステップＳ１３に進める。 In step Sa <b> 19, the CPU 110 generates display data indicating the current value and the future value of each body composition index stored in the RAM 301. The generated display data is, for example, table data IMG1 as shown in FIG. Further, in addition to the table data IMG1, screen data IMG2 is generated in which the current value, the value after 5 years, and the value after 10 years are displayed as coordinates, as shown in FIG. 8B. To do.
When CPU 110 generates table data IMG1 and screen data IMG2, CPU 110 temporarily stores table data IMG1 and screen data IMG2 in RAM 301, ends the body composition prediction process, and advances the process to step S13 in FIG.

ステップＳ１３において、ＣＰＵ１１０は、体組成の判定が被験者によって指示されているか否か判定する。体組成の判定とは、体組成の指標について過去のある時点（例えば、５年前）から現在までの実変化と、同じ年齢における平均的な変化とを比較して、その良否の程度を判定（すなわち、評価）することを意味する。
本実施形態では、ＣＰＵ１１０は、ステップＳ１３において、表示部５０に、「体組成の変化を評価しますか？」というメッセージを表示し、被験者に、「はい」または「いいえ」のいずれかを選択させる。「いいえ」が選択された場合、ステップＳ１３の判定はＮＯに進み、ＣＰＵ１１０は、体組成判定処理を実行することなく、次のステップＳ１９に進む。すなわち、上述のステップ７において、体組成の予測が被験者によって指示されていると判定され、ステップＳ１１における体組成予測処理を実行した場合には、ステップＳ１９において、ＣＰＵ１１０は、表データＩＭＧ１および画面データＩＭＧ２をＲＡＭ３０１から読み出して画面５０に順に表示して処理を終了する。また、上述のステップ７において、体組成の予測が被験者によって指示されていると判定されなかった場合であり、且つ、ステップＳ１３における判定結果がＮＯとなった場合には、ステップＳ１９において、ＣＰＵ１１０は、ＲＡＭ３０１に記憶しておいた体組成の指標の各現在値を表示部５０に表示して処理を終了する。 In step S <b> 13, CPU 110 determines whether determination of body composition is instructed by the subject. Body composition is determined by comparing the actual change of the body composition index from a certain point in the past (for example, 5 years ago) to the present with the average change at the same age. (That is, evaluation).
In the present embodiment, in step S13, the CPU 110 displays a message “Do you want to evaluate the change in body composition?” On the display unit 50, and selects either “Yes” or “No” for the subject. Let If “No” is selected, the determination in step S13 proceeds to NO, and the CPU 110 proceeds to the next step S19 without executing the body composition determination process. That is, when it is determined in step 7 described above that the body composition prediction is instructed by the subject, and the body composition prediction process in step S11 is executed, in step S19, the CPU 110 displays the table data IMG1 and the screen data. The IMG2 is read from the RAM 301, displayed in order on the screen 50, and the process is terminated. Moreover, in the above-mentioned step 7, when it is not determined that the body composition is instructed by the subject and the determination result in step S13 is NO, in step S19, the CPU 110 The current values of the body composition indices stored in the RAM 301 are displayed on the display unit 50, and the process is terminated.

一方、ステップＳ１３において、「はい」が選択された場合、ステップＳ１３の判定はＹＥＳに進み、ＣＰＵ１１０は入力処理（ステップＳ１５）に進む。入力処理において、ＣＰＵ１１０は、被験者に、体脂肪率および除脂肪量のうち、体組成の変化を評価したい体組成の指標を選択するよう促す画面を表示する。被験者による体組成の指標の選択が完了すると、すなわち、「ＳＥＴ」キーが押し下げされると、ＣＰＵ１１０は、続いて、何年前の過去の値と現在値との変化について評価したいかについて、被験者に指定させる画面を表示する。本実施形態では、被験者は、「５年前」、「１０年前」のいずれかを選択するか、または、１〜１５までの所望の年数を指定することが可能である。被験者は、操作入力部４０を操作することにより、体組成の指標の選択および年数の指定を行う。本実施形態では、被験者は、体脂肪率を評価対象の指標として選択し、過去の値の年数として、「５年前」を選択したものとする。   On the other hand, if “yes” is selected in step S13, the determination in step S13 proceeds to YES, and the CPU 110 proceeds to input processing (step S15). In the input process, the CPU 110 displays a screen prompting the subject to select a body composition index for which a change in body composition is to be evaluated from the body fat percentage and the lean body mass. When the selection of the body composition index by the test subject is completed, that is, when the “SET” key is pressed, the CPU 110 then determines how many years ago the subject wants to evaluate the change between the past value and the current value. Display the screen to be specified. In the present embodiment, the subject can select either “5 years ago” or “10 years ago”, or can specify a desired number of years from 1 to 15. The subject operates the operation input unit 40 to select a body composition index and specify the number of years. In the present embodiment, it is assumed that the subject selects the body fat percentage as the evaluation target index and selects “5 years ago” as the number of years of the past value.

年数の指定が完了すると、すなわち、年数を指定させる画面において、「ＳＥＴ」キーが押し下げされると、ＣＰＵ１１０は、続いて、被験者の現在の年齢から、指定された年数だけ遡った年齢における測定値が、指定された体組成の指標について、被験者を示す識別情報に対応付けて書き換え可能メモリ３０３に記憶されているか否かを判定する。記憶されている場合にはその記憶値を読み出し、過去の値として表示部５０に表示する。記憶されていない場合には、被験者に、過去の値を入力するように促す画面を表示することにより、過去の値を取得する。評価の対象となる全ての指標について過去の値が表示された状態において、「ＳＥＴ」キーが押し下げされると、表示された過去の値はＲＡＭ３０１に一旦記憶され、ＣＰＵ１１０は、体組成判定処理を実行する（ステップＳ１７）。
なお、被験者を示す識別情報に対応付けて書き換え可能メモリ３０３に記憶されている過去の値（例えば、５年前の年齢における測定値）は、１つだけであるとは限らない。その場合、その年齢に対応づけて記憶されている複数の測定値の平均値を上記過去の値としてもよい。 When the designation of the number of years is completed, that is, when the “SET” key is pressed down on the screen for designating the number of years, the CPU 110 subsequently measures the measured value at an age that is a specified number of years back from the current age of the subject. However, it is determined whether or not the specified body composition index is stored in the rewritable memory 303 in association with the identification information indicating the subject. If stored, the stored value is read and displayed on the display unit 50 as a past value. If not stored, the past value is acquired by displaying a screen prompting the subject to input the past value. When the “SET” key is pressed in a state in which past values are displayed for all the indexes to be evaluated, the displayed past values are temporarily stored in the RAM 301, and the CPU 110 performs body composition determination processing. Execute (Step S17).
In addition, the past value (for example, the measured value in the age of five years ago) stored in the rewritable memory 303 in association with the identification information indicating the subject is not necessarily one. In that case, an average value of a plurality of measurement values stored in association with the age may be used as the past value.

図９は、図３のステップＳ１７における体組成判定処理の詳細な流れを示すフローチャートである。ＣＰＵ１１０は、ＲＯＭ３０２から読み出された体組成判定プログラムＰ２にしたがって、当該体組成判定処理を実行する。
図９に示されるように、まず、ＣＰＵ１１０は、ステップＳｃ１において、評価すべき指標の過去の値（５年前の値）をＲＡＭ３０１から読み出すとともに、同指標について、ステップＳ５（図３）で測定した現在値を読み出す。続いて、ステップＳｃ３において、現在値から過去の値を減算することにより実変化量を求める。具体的には、ＣＰＵ１１０は、体脂肪率％ＦＡＴについて、上記実変化量を求め、％ＦＡＴ(f)としてＲＡＭ３０１に一旦記憶する。 FIG. 9 is a flowchart showing a detailed flow of the body composition determination process in step S17 of FIG. CPU110 performs the said body composition determination process according to the body composition determination program P2 read from ROM302.
As shown in FIG. 9, first, in step Sc1, the CPU 110 reads a past value (a value five years ago) of the index to be evaluated from the RAM 301 and measures the index in step S5 (FIG. 3). Read the current value. Subsequently, in step Sc3, the actual change amount is obtained by subtracting the past value from the current value. Specifically, the CPU 110 obtains the actual change amount for the body fat percentage% FAT and temporarily stores it in the RAM 301 as% FAT (f).

続いて、ＣＰＵ１１０は、ステップＳｃ５において、過去−現在変化量演算処理を実行する。図１０は、過去−現在変化量演算処理の詳細な流れを示すフローチャートである。図１０に示されるように、まず、ステップＳｄ１において、ＣＰＵ１１０は、ＲＯＭ３０２から、評価対象である指標の回帰式を読み出す。評価の対象である指標は体脂肪率なので、読み出される回帰式は上記式（Ａ）である。続いて、ステップＳｄ３において、現在の年齢（ｐ歳）を式（Ａ）に代入する。その結果、変化量Ｙ１(ｐ)が得られる。   Subsequently, in step Sc5, the CPU 110 executes past-present change amount calculation processing. FIG. 10 is a flowchart showing a detailed flow of the past-present change amount calculation processing. As shown in FIG. 10, first, in step Sd <b> 1, the CPU 110 reads from the ROM 302 the regression equation of the index to be evaluated. Since the index to be evaluated is the body fat percentage, the regression equation read out is the above formula (A). Subsequently, in step Sd3, the current age (p years old) is substituted into formula (A). As a result, a change amount Y1 (p) is obtained.

続いて、ステップＳｂ５において、ＣＰＵ１１０は、ｍ年前（ｍは自然数）の年齢を回帰式（Ａ）に代入して、変化量Ｙ１(ｐ−ｍ)を得る。なお、この場合、過去の値の年数として「５年前」が指定されているので、ｍ＝５となる。そして、ステップＳｄ７において、ｍ年前の年齢から現在までの体脂肪率％ＦＡＴの変化量Ｙ１（ｍ）＝Ｙ１（ｐ）−Ｙ１（ｐ−ｍ）を求め、処理を図９のステップＳｃ７に戻す。   Subsequently, in step Sb5, the CPU 110 substitutes the age m years ago (m is a natural number) into the regression equation (A) to obtain the change amount Y1 (pm). In this case, since “5 years ago” is designated as the number of years of the past value, m = 5. Then, in step Sd7, a change amount Y1 (m) = Y1 (p) −Y1 (pm) of the body fat percentage% FAT from the age m years ago to the present is obtained, and the process proceeds to step Sc7 in FIG. return.

ステップＳｃ７において、ＣＰＵ１１０は、ＲＡＭ３０１に一旦記憶しておいた実変化量％ＦＡＴ(f)と、回帰式に基づいて求められた平均的な変化量である変化量Ｙ１（ｍ）とを比較して、実変化の良否の程度を判定する。
体組成の指標には加齢により数値が増加する傾向にあるものと、減少する傾向にあるものとがある。例えば、図６から理解されるように、体脂肪率は、加齢により数値が増加する傾向にある。よって、ステップＳｃ７における良否判定処理では、加齢により数値が増加する指標について行った体組成判定処理において実変化量がマイナスの値になった場合には、直ちに、変化の良否の程度が「優良」であると判定する。一方、加齢により数値が減少する指標について行った体組成判定処理において実変化量がプラスの値になった場合には、直ちに「優良」であると判定する。なお、「優良」であるとは、後述の「キープ」よりも変化の良否の程度が良いことを示す判定指標である。 In step Sc7, the CPU 110 compares the actual change amount FAT (f) once stored in the RAM 301 with the change amount Y1 (m) that is an average change amount obtained based on the regression equation. Then, the degree of quality of the actual change is determined.
There are indicators of body composition that tend to increase in value with aging and those that tend to decrease. For example, as can be understood from FIG. 6, the body fat percentage tends to increase with age. Therefore, in the quality determination process in step Sc7, when the actual change amount becomes a negative value in the body composition determination process performed for the index whose value increases with aging, the degree of change is immediately determined as “excellent”. Is determined. On the other hand, when the actual change amount becomes a positive value in the body composition determination process performed for the index whose value decreases with aging, it is immediately determined to be “excellent”. It should be noted that “excellent” is a determination index indicating that the degree of change is better than “keep” described later.

ＣＰＵ１１０は、「優良」と判定されなかった場合について、例えば、以下のような判定を行う。
一例として、現在（３０歳）の体脂肪率が２３．００％であり、２５歳の時の体脂肪率が２２．００％であった被験者Ａ（女性）について説明する。過去−現在変化量演算処理において回帰式（Ａ）に基づいて、２５歳〜３０歳女性の平均的な体脂肪率変化量が１．０９％であると求められたとする。良否の程度の判定においては、まず、実変化量１．００％と平均的な変化量１．０９％とが比較される。この比較は、平均的な変化量１．０９％を基準として実変化量を点数化することにより行われる。すなわち、平均的な変化量１．０９％を５０点とし、０％（すなわち、変化なし）を１００点として、実変化量を点数（以下「キープ点」という）に換算する。具体的には、（ｘ，ｙ）＝（１．０９，５０）、（ｘ，ｙ）＝（０，１００）を満たす方程式ｙ＝−４５．８７５ｘ＋１００を見出す。次に、この方程式にｘ＝１（実変化量）を代入してｙ＝５４．１（小数点以下を四捨五入して５４点）を求める。ＣＰＵ１１０は、算出したキープ点に基づいて、実変化の良否の程度を判定する。本実施形態では、キープ点が４０点未満のときに、変化が「過大」であったと判定し、４０点以上６０点未満のときに「年齢相当」であったと判定し、６０点以上８０点未満のときに「ほぼキープ」、８０点以上のときに「キープ」であると判定する。
上述の例の場合、キープ点は５４点なので、「年齢相当」であると判定される。ＣＰＵ１１０は、この判定結果とキープ点の点数とをＲＡＭ３０１に一旦記憶する。 CPU110 performs the following determinations about the case where it is not determined as "excellent", for example.
As an example, a subject A (female) who has a body fat percentage of 23.00% at the current age (30 years old) and a body fat percentage of 25 years old at the age of 25 will be described. In the past-present change amount calculation process, it is assumed that the average body fat percentage change amount of women aged 25 to 30 is 1.09% based on the regression equation (A). In determining whether the quality is good or bad, first, an actual change amount of 1.00% is compared with an average change amount of 1.09%. This comparison is performed by scoring the actual change amount based on the average change amount of 1.09%. That is, an average change amount of 1.09% is 50 points, 0% (that is, no change) is 100 points, and the actual change amount is converted into a score (hereinafter referred to as “keep point”). Specifically, an equation y = −45.875x + 100 that satisfies (x, y) = (1.09, 50) and (x, y) = (0, 100) is found. Next, x = 1 (actual change amount) is substituted into this equation to obtain y = 54.1 (54 points rounded off to the nearest decimal point). CPU 110 determines the degree of quality of the actual change based on the calculated keep point. In the present embodiment, when the keep point is less than 40 points, it is determined that the change is “excessive”, and when it is 40 points or more and less than 60 points, it is determined that it is “age equivalent”, and 60 points or more and 80 points. If it is less than the value, it is determined to be “almost keep”, and if it is 80 points or more, it is determined to be “keep”.
In the case of the above-mentioned example, since the keep points are 54 points, it is determined to be “age equivalent”. The CPU 110 temporarily stores the determination result and the number of keep points in the RAM 301.

次に、ＣＰＵ１１０は、他に判定すべき指標があるか否か判定する（ステップＳｃ９）。この判定結果がＹＥＳの場合、すなわち、他に判定すべき指標がある場合、ＣＰＵ１１０は、その指標について、上述のステップＳｃ５およびＳｃ７の処理を再び実行し、ステップＳｃ７の判定結果とキープ点の点数とをＲＡＭ３０１に一旦記憶する。
本実施形態では、図３のステップＳ１５の入力処理において被験者によって指定された体組成の指標は体脂肪率のみなので、ステップＳｃ９の判定結果はＮＯとなる。続いて、ＣＰＵ１１０は、ステップＳｃ１１において、ＲＡＭ３０１から、ステップＳｃ７における良否の程度の判定結果とキープ点の数値とを読み出し、表示部５０に表示するための表示データを生成する。表示データとしては、例えば、図１１に示すように、５年前の実測定値と現在の実測定値とを座標表示するとともに、キープ点「５４点」および判定結果「年齢相当」を表示した画面データＩＭＧ３を生成する。ＣＰＵ１１０は、生成した画面データＩＭＧ３をＲＡＭ３０１に一旦記憶し、表示データの生成処理を終了する。続いて、処理は図３のステップＳ１９に戻る。
なお、本実施形態では、一つの時点（５年前）の過去の値と現在値との差を実変化として求め、その変化について判定を行ったが、複数の時点（例えば、５年前と１０年前）の過去の値と現在値との差を各々実変化として求め、各々について判定を行ってもよい。 Next, the CPU 110 determines whether there is another index to be determined (step Sc9). When the determination result is YES, that is, when there is another index to be determined, the CPU 110 executes the above-described processing of steps Sc5 and Sc7 again for the index, and the determination result of step Sc7 and the score of the keep point Are temporarily stored in the RAM 301.
In the present embodiment, since the body composition index designated by the subject in the input process in step S15 in FIG. 3 is only the body fat percentage, the determination result in step Sc9 is NO. Subsequently, in step Sc11, the CPU 110 reads out the pass / fail judgment result and the numerical value of the keep point in step Sc7, and generates display data for display on the display unit 50. As the display data, for example, as shown in FIG. 11, the screen displays the actual measurement value of five years ago and the current actual measurement value as coordinates, and also displays the keep point “54 points” and the determination result “age equivalent”. IMG3 is generated. The CPU 110 temporarily stores the generated screen data IMG3 in the RAM 301, and ends the display data generation process. Subsequently, the processing returns to step S19 in FIG.
In the present embodiment, the difference between the past value and the current value at one time point (5 years ago) is obtained as an actual change, and the change is determined. The difference between the past value of 10 years ago and the current value may be obtained as actual changes, and each may be determined.

ステップＳ１９において、ＣＰＵ１１０は、ＲＡＭ３０１に記憶されている、表データＩＭＧ１、画面データＩＭＧ２およびＩＭＧ３を画面５０に順次表示する。あるいは、表データＩＭＧ１および画面データＩＭＧ２が生成されていない場合には画面データＩＭＧ３のみを画面５０に表示して処理を終了する。   In step S <b> 19, CPU 110 sequentially displays table data IMG <b> 1, screen data IMG <b> 2, and IMG <b> 3 stored in RAM 301 on screen 50. Alternatively, when the table data IMG1 and the screen data IMG2 are not generated, only the screen data IMG3 is displayed on the screen 50, and the process ends.

以上説明したように、本実施形態に係る体組成計においては、回帰分析によって得られた回帰式に基づいて、ある母集団における、加齢に伴う体組成の指標の平均的な変化量を求める。よって、上記体組成計によれば、加齢が体組成に及ぼす影響を考慮して、５年後、１０年後といった体組成の長期的な変化を予測することが可能になるとともに、過去のある時点から現在までの変化を評価することが可能になる。したがって、従来のように、被験者本人の過去の記録値に基づいて体組成の指標の未来値を予測する場合と比較して、加齢が体組成に及ぼす影響を適切に反映した、長期的な未来値の予測を行うことが可能となる。また、回帰式に基づいて平均的な変化量を取得することが可能なので、過去のある時点から現在までの変化についても、その変化の程度を評価することが可能となる。   As described above, in the body composition meter according to the present embodiment, the average change amount of the body composition index with aging in a certain population is obtained based on the regression equation obtained by the regression analysis. . Therefore, according to the body composition meter, it is possible to predict a long-term change in body composition such as 5 years, 10 years later in consideration of the effect of aging on body composition, It becomes possible to evaluate changes from a certain point to the present. Therefore, compared to the case of predicting the future value of the body composition index based on the past recorded value of the subject person as in the past, it is a long-term that appropriately reflects the effect of aging on the body composition. Future value can be predicted. In addition, since it is possible to acquire an average change amount based on the regression equation, it is possible to evaluate the degree of change of a change from a certain point in the past to the present.

上記体組成計を用いれば、被験者は、５年後、１０年後といった体組成の未来値を知ることができるので、食事や運動といった現在の生活習慣を見直すきっかけとなる。また、過去から現在までの変化の程度が評価されることも、生活習慣を見直すきっかけとなり得る。例えば、キープ点の数値が低い場合には、食生活を見直し、ダイエットを始める動機付けとなり得る。また、図８（Ａ）の表に示されるような数値の変化予測によれば、年齢とともに体脂肪率や体脂肪量は増加し基礎代謝量が減少するといった傾向を、自らの体組成の数値予測を見ることで実感できる。体組成の数値が加齢と共に変化することは、自らの体型が加齢と共に崩れていくことを暗示している。よって、危機感をあおることで体型を維持するために食習慣や生活習慣に気をつけようという意識付けにもつながる。
さらには、上記体組成計を用いて現在値を測定することのみで未来値の予測が可能なので、単なる現在値の測定結果に加えて予言的な表示を簡単に得ることが可能になる。よって、測定の楽しみ、面白みにつながる。 If the body composition meter is used, the subject can know the future value of the body composition, such as 5 years later, 10 years later, and this is an opportunity to review current lifestyle habits such as eating and exercising. In addition, an evaluation of the degree of change from the past to the present can be a trigger for reviewing lifestyle habits. For example, when the numerical value of the keep point is low, it can be a motivation to review the diet and start a diet. Further, according to the numerical value change prediction as shown in the table of FIG. 8A, the body fat percentage and body fat amount increase with age and the basal metabolic rate decreases. You can feel it by looking at the prediction. The change in body composition with age suggests that their body shape will collapse with age. Therefore, raising the sense of crisis also leads to the awareness of keeping an eye on eating habits and lifestyle habits in order to maintain body shape.
Furthermore, since the future value can be predicted only by measuring the current value using the body composition meter, it is possible to easily obtain a prophetic display in addition to the mere measurement result of the current value. Therefore, it leads to enjoyment of measurement and fun.

＜変形例＞
変形例１：
上述した実施形態においては、未来値を直接予測可能でない第２未来予測指標として、体脂肪量、体重、基礎代謝量、および内臓脂肪面積について説明したが、筋肉量についても同様に予測可能である。例えば、筋肉量ＭＶは、以下の演算式にしたがって算出することが可能である。
ＢＭＣ＝ｒ１・ＦＦＭ・ｒ２……（７）
ＭＶ＝ＦＦＭ−ＢＭＣ……（８）
ただし、ＢＭＣは骨量、ＦＦＭは除脂肪量であり、ｒ１およびｒ２は回帰分析によって見出された係数である。
さらに、上述した実施形態において、体脂肪率、除脂肪量、体脂肪量、体重、基礎代謝量、および内臓脂肪面積のうち、体脂肪量、体重、基礎代謝量、および内臓脂肪面積は、第２未来予測指標であるとして説明したが、体脂肪率や除脂肪量について図６および図７に示したように、観測値に基づいて回帰式を求め、その回帰式に基づいて、未来値を直接予測するようにしてもよい。すなわち、第２未来予測指標についても回帰式が利用可能とすれば、第１未来予測指標となり得る。筋肉量についても同様のことが云える。各体脂肪量、体重、基礎代謝量、内臓脂肪面積および筋肉量について回帰式が利用可能な場合、これらの指標についても回帰式に基づいた体組成判定処理を行うことが可能となる。 <Modification>
Modification 1:
In the above-described embodiment, the body fat mass, the body weight, the basal metabolic rate, and the visceral fat area have been described as the second future prediction index in which the future value cannot be directly predicted. However, the muscle mass can be similarly predicted. . For example, the muscle mass MV can be calculated according to the following arithmetic expression.
BMC = r1, FFM, r2 (7)
MV = FFM-BMC (8)
Where BMC is bone mass, FFM is lean mass, and r1 and r2 are coefficients found by regression analysis.
Furthermore, in the above-described embodiment, the body fat mass, body weight, basal metabolic rate, and visceral fat area among the body fat percentage, lean mass, body fat mass, body weight, basal metabolic rate, and visceral fat area are: As described in FIG. 6 and FIG. 7, the regression equation is obtained based on the observed value, and the future value is calculated based on the regression equation. You may make it estimate directly. That is, if the regression equation can be used for the second future prediction index, it can be the first future prediction index. The same is true for muscle mass. When regression equations are available for each body fat mass, body weight, basal metabolic rate, visceral fat area, and muscle mass, body composition determination processing based on the regression equation can also be performed for these indices.

また、上記実施形態においては、第１未来予測指標である体脂肪率および除脂肪量について、体組成判定処理を実行可能な態様について説明したが、第２未来予測指標である他の指標についても、体組成判定処理を実行可能である。すなわち、回帰式が利用可能でない体組成の指標についても体組成判定処理を行うことが可能である。例えば、体脂肪量について体組成判定処理を行う場合、図９におけるステップＳｃ５における処理は以下のようになる。
ＣＰＵ１１０は、まず、回帰式（Ａ）に基づいて過去の年齢における体脂肪率の平均的な変化量Ｙ１(ｐ−ｍ)および現在の年齢における平均的な変化量Ｙ１(ｐ)を得る。同様に、回帰式（Ｂ）に基づいて過去の年齢における除脂肪量の平均的な変化量Ｙ２(ｐ−ｍ)および現在の年齢における平均的な変化量Ｙ２(ｐ)を得る。体脂肪量は式（３）（ＦＭ＝ＦＦＭ・％Ｆat／（１００−％Ｆat））によって求められるから、Ｙ１(ｐ−ｍ)およびＹ２(ｐ−ｍ)を式（３）に代入して、過去の年齢における体脂肪量の平均的な変化量ＦＭ(ｐ−ｍ)を得る。同様にして、現在の年齢における体脂肪量の平均的な変化量ＦＭ(ｐ)を得る。そして、両者の差（ＦＭ(ｐ)−ＦＭ(ｐ−ｍ)）を体脂肪量の平均的な変化量として取得する。ＣＰＵ１１０は、この平均的な変化量と実変化量とを比較して、良否判定処理（ステップＳｃ７）を実行する。 Moreover, in the said embodiment, although the aspect which can perform a body composition determination process was demonstrated about the body fat rate and the lean mass which are the 1st future prediction parameter | index, also about the other parameter | index which is a 2nd future prediction parameter | index, The body composition determination process can be executed. That is, it is possible to perform the body composition determination process for an index of body composition for which a regression equation cannot be used. For example, when the body composition determination process is performed for the body fat mass, the process in step Sc5 in FIG. 9 is as follows.
First, the CPU 110 obtains an average change amount Y1 (pm) of the body fat percentage in the past age and an average change amount Y1 (p) in the current age based on the regression equation (A). Similarly, based on the regression equation (B), an average change amount Y2 (pm) of lean mass in the past age and an average change amount Y2 (p) in the current age are obtained. Since the body fat mass is obtained by the equation (3) (FM = FFM ·% Fat / (100−% Fat)), Y1 (pm) and Y2 (pm) are substituted into the equation (3). The average change amount FM (pm) of the body fat amount in the past age is obtained. Similarly, an average change amount FM (p) of the body fat amount at the current age is obtained. And the difference (FM (p) -FM (pm)) of both is acquired as an average amount of change in body fat mass. The CPU 110 compares the average change amount with the actual change amount, and executes pass / fail judgment processing (step Sc7).

体脂肪量、体重、および内臓脂肪面積は加齢とともに増加傾向にある指標である。これに対し、基礎代謝量や筋肉量は、加齢とともに減少傾向にある指標である。すなわち、加齢とともに筋肉量が減少し体脂肪が増加すると、これに伴い基礎代謝量が減少する。また、筋肉量が減少すると、特に老齢期において骨折や腰痛、膝痛などの要因となり得る。よって、加齢に伴う基礎代謝量や筋肉量の減少を予測することで、健康的な生活を長期にわたって維持するための指標とすることができる。   Body fat mass, body weight, and visceral fat area are indicators that tend to increase with age. In contrast, basal metabolic rate and muscle mass are indicators that tend to decrease with age. That is, when muscle mass decreases and body fat increases with aging, the basal metabolic rate decreases accordingly. In addition, a decrease in muscle mass can cause factors such as fractures, low back pain, and knee pain, particularly in old age. Therefore, by predicting a decrease in basal metabolic rate and muscle mass associated with aging, it can be used as an index for maintaining a healthy life over a long period of time.

なお、いずれの指標においても、回帰分析に用いられる母集団の最も単純な区分は、性別である。性別に加えて、人種、国、居住地など、人体の体型に影響を与え得る区分を用いるようにしてもよい。   In any index, the simplest classification of the population used for regression analysis is gender. In addition to gender, divisions that can affect the body shape of the human body, such as race, country, and place of residence, may be used.

変形例２：
上記実施形態では、回帰式（Ａ）または（Ｂ）に年齢を代入して、ＣＰＵ１１０に演算させる態様について説明したが、予め回帰式から得られる年齢ごとの変化量をテーブルとして指標ごとに保持しておき、ＣＰＵ１１０に、年齢に対応する変化量を取得させるようにしてもよい。この態様によれば、ＣＰＵ１１０の処理負荷が軽減される。
また、上記回帰式（Ａ）または（Ｂ）は、いずれも２次曲線（２次式）を表していたが、加齢の影響を加味した指標の変化を表すものとして適切である場合には、Ｙ＝ａｘ＋ｂによって表される直線（１次式）であってもよい。 Modification 2:
In the embodiment described above, the age is substituted into the regression equation (A) or (B), and the CPU 110 is operated. However, the change amount for each age obtained from the regression equation is stored in advance as a table for each index. In addition, the CPU 110 may be caused to acquire the change amount corresponding to the age. According to this aspect, the processing load on the CPU 110 is reduced.
In addition, the above regression equation (A) or (B) both expressed a quadratic curve (secondary equation), but when it is appropriate to represent a change in an index that takes into account the effects of aging , Y = ax + b (linear expression).

変形例３：
上記実施形態においては、体組成判定処理の判定は、実変化量を、平均的な変化量に基づいて点数化した上で、点数が、「過大」、「年齢相当」、「ほぼキープ」あるいは「キープ」である等の判定を行っていたが、必ずしも指標値を点数化する必要はない。例えば、平均的な変化量（絶対値）を用いて、平均的な変化量を中心とした（または平均的な変化量を含む）所定の範囲を設定し、実変化量（絶対値）が当該所定の範囲内にある場合には年齢相当であると判定し、所定の範囲の上限よりも大きい場合には過大であると判定し、所定の範囲の上限よりも小さい場合には良好であると判定するようにしてもよい。良好であるとは、加齢の影響を抑制し、体型を維持している状態を示す。
また、上記実施形態においては、「年齢相当」よりも評価が良い判定指標として「ほぼキープ」および「キープ」を設けたが、両者をまとめて「キープ」または「良好」と判定してもよいし、「過大」、「年齢相当」、「ほぼキープ」あるいは「キープ」なる判定指標を、さらに細分化してもよい。体組成判定処理における判定の指標は、上記実施形態および当該変形例に記載した態様に限定されない。 Modification 3:
In the above embodiment, the determination of the body composition determination process is performed by converting the actual change amount into a score based on the average change amount, and then the score is “excessive”, “age equivalent”, “substantially keep” or Although it has been determined that it is “keep”, it is not always necessary to score the index value. For example, using an average change amount (absolute value), a predetermined range centered on the average change amount (or including the average change amount) is set, and the actual change amount (absolute value) is If it is within the predetermined range, it is determined that it is equivalent to the age, if it is larger than the upper limit of the predetermined range, it is determined to be excessive, and if it is smaller than the upper limit of the predetermined range, it is good You may make it determine. “Good” indicates a state in which the influence of aging is suppressed and the body shape is maintained.
Further, in the above-described embodiment, “almost keep” and “keep” are provided as determination indexes that are better evaluated than “age equivalent”, but both may be collectively determined as “keep” or “good”. However, the determination index of “excessive”, “age equivalent”, “substantially keep” or “keep” may be further subdivided. The determination index in the body composition determination process is not limited to the aspect described in the embodiment and the modification.

変形例４：
上記実施形態では、体組成計で体組成の指標の現在値を計測し、計測した現在値に基づいて体組成予測処理および体組成判定処理を実行する態様について説明したが、この態様に限られない。例えば、体組成計の代わりに体脂肪計において、体脂肪率の未来値を予測する処理や体脂肪率の変化を評価する処理を行ってもよい。また、上記実施形態においては、体組成予測処理および体組成判定処理の両方を実行することが可能な体組成計について説明したが、いずれか一方の機能のみを有する態様としてもよい。よって、体組成予測装置と体組成判定装置とは別体の装置であってもよい。 Modification 4:
In the above-described embodiment, the mode in which the current value of the body composition index is measured by the body composition meter and the body composition prediction process and the body composition determination process are executed based on the measured current value has been described. Absent. For example, instead of a body composition meter, a body fat meter may perform processing for predicting a future value of body fat percentage and processing for evaluating changes in body fat percentage. Moreover, although the said embodiment demonstrated the body composition meter which can perform both a body composition prediction process and a body composition determination process, it is good also as an aspect which has only any one function. Therefore, the body composition prediction device and the body composition determination device may be separate devices.

また、上記実施形態においては、体組成計に体組成予測処理および体組成判定処理を実行させる態様としたが、装置自体が、体組成の指標を計測する機能を有していなくともよい。よって、例えば、体組成計で体組成の指標の現在値を計測し、計測した現在値のデータをパーソナルコンピュータに転送し、パーソナルコンピュータにおいて上記体組成予測処理および上記体組成判定処理の少なくともいずれかを行ってもよい。すなわち、パーソナルコンピュータを、体組成予測装置および体組成判定装置の少なくともいずれかとして機能させてもよい。具体的には、例えば、図３におけるステップＳ１〜Ｓ５は、従来型の体組成計を用いて処理し、ステップＳ７以降の処理をパーソナルコンピュータで処理する。また、図３におけるステップＳ１〜Ｓ１９の各処理のうち、ステップＳ１９の表示処理のみを外部の表示装置に行わせる態様としてもよい。   Moreover, in the said embodiment, although it was set as the aspect which makes a body composition meter perform a body composition prediction process and a body composition determination process, the apparatus itself does not need to have the function to measure the parameter | index of body composition. Thus, for example, the current value of the body composition index is measured with a body composition meter, the measured current value data is transferred to a personal computer, and at least one of the body composition prediction process and the body composition determination process in the personal computer. May be performed. That is, the personal computer may function as at least one of the body composition prediction device and the body composition determination device. Specifically, for example, steps S1 to S5 in FIG. 3 are processed using a conventional body composition meter, and the processes after step S7 are processed by a personal computer. Moreover, it is good also as an aspect which makes an external display apparatus perform only the display process of step S19 among each process of step S1-S19 in FIG.

体組成計からパーソナルコンピュータに対して転送する現在値のデータは、体組成計に出力インターフェースを設けることにより出力すればよい。この出力インターフェースは、当該体組成計とパーソナルコンピュータとを有線で接続するための接続端子であってもよいし、例えば、赤外線通信によりデータを出力する赤外線通信ポートなどの無線通信手段であってもよい。さらに、被験者が、パーソナルコンピュータの入力インターフェースを用いて、体組成の指標の測定値を自ら入力してもよいし、ＵＳＢ（Universal Serial Bus)メモリやＣＤ−ＲＯＭなどの可搬記録媒体を介して、パーソナルコンピュータに読み込んでもよい。体組成予測装置または体組成判定装置として機能するパーソナルコンピュータは、体組成計の出力インターフェースから出力された現在値のデータを取得する手段を有する。すなわち、体組成計と有線で接続されている場合にはデータ入力端子を有し、赤外線通信によりデータを受信する場合には、赤外線受信ポート等の無線通信手段を有する。また、ＵＳＢ接続端子やＣＤ−ＲＯＭドライブ等の記録媒体接続／再生装置を有する。さらに、体組成判定処理では、被験者の過去の測定値が必要である。よって、パーソナルコンピュータにおいて、被験者の過去の測定値を記録しておき、体組成の判定処理に利用する構成としてもよい。   The current value data transferred from the body composition meter to the personal computer may be output by providing an output interface in the body composition meter. This output interface may be a connection terminal for connecting the body composition meter and a personal computer by wire, or may be a wireless communication means such as an infrared communication port for outputting data by infrared communication. Good. Further, the subject may input the measured value of the body composition index by himself using an input interface of a personal computer, or via a portable recording medium such as a USB (Universal Serial Bus) memory or a CD-ROM. It may be read into a personal computer. A personal computer that functions as a body composition prediction device or a body composition determination device has means for acquiring data of the current value output from the output interface of the body composition meter. That is, it has a data input terminal when connected to the body composition meter by wire, and has wireless communication means such as an infrared receiving port when receiving data by infrared communication. Also, it has a recording medium connection / playback device such as a USB connection terminal and a CD-ROM drive. Furthermore, in the body composition determination process, a past measurement value of the subject is required. Therefore, it is good also as a structure which records the test subject's past measured value in a personal computer, and utilizes it for the body composition determination process.

なお、体組成計以外の装置に体組成予測処理および体組成判定処理の少なくとも一方を実行させる場合、ＰＤＡ（Personal Digital Assistant）および携帯電話などの携帯型情報処理端末であってもよい。   In addition, when causing a device other than the body composition meter to execute at least one of the body composition prediction process and the body composition determination process, a portable information processing terminal such as a PDA (Personal Digital Assistant) or a mobile phone may be used.

５…電源キー、１０…本体、３０…記憶部、４０…操作入力部、５０…表示部、６０…重量測定装置、７０…生体インピーダンス測定装置、７０Ａ…電流供給部、７０Ｂ…電圧検出部、７１…電流供給用電極、７２…電圧測定用電極、１００…体組成計、１１０…ＣＰＵ、３０１…ＲＡＭ、３０２…ＲＯＭ、３０３…書き換え可能メモリ，Ｆ１〜Ｆ５…機能指定ボタン、ＩＭＧ１…表データ、ＩＭＧ２，ＩＭＧ３…画面データ。
DESCRIPTION OF SYMBOLS 5 ... Power key, 10 ... Main body, 30 ... Memory | storage part, 40 ... Operation input part, 50 ... Display part, 60 ... Weight measuring apparatus, 70 ... Bioimpedance measuring apparatus, 70A ... Current supply part, 70B ... Voltage detection part, 71 ... Current supply electrode, 72 ... Voltage measurement electrode, 100 ... Body composition meter, 110 ... CPU, 301 ... RAM, 302 ... ROM, 303 ... Rewritable memory, F1-F5 ... Function designation button, IMG1 ... Table data , IMG2, IMG3 ... screen data.

Claims (6)

被験者の体組成の指標の未来値を予測することが可能な体組成計であって、
前記被験者の前記体組成の指標の現在値を取得する現在値取得手段と、
現在の年齢から未来の年齢に達するまでの前記指標の値の平均的な変化量を、年齢を独立変数とした回帰式に基づいて求める変化量取得手段と、
前記現在値取得手段が取得した前記現在値と、前記変化量取得手段が取得した前記変化量とに基づいて、前記被験者の未来の年齢における前記指標の値を前記未来値として求める第１未来値取得手段と、
を備えた体組成計。 A body composition meter capable of predicting future values of the body composition index of the subject,
Current value acquisition means for acquiring a current value of the index of the body composition of the subject;
A change amount obtaining means for obtaining an average change amount of the index value from the current age to the future age based on a regression equation with age as an independent variable;
A first future value for obtaining the value of the index at the future age of the subject as the future value based on the current value acquired by the current value acquisition unit and the change amount acquired by the change amount acquisition unit. Acquisition means;
Body composition meter with 前記第１未来値取得手段は、前記現在値と前記変化値とを足し合わせて前記未来値を得る、
請求項１に記載の体組成計。 The first future value acquisition means obtains the future value by adding the current value and the change value.
The body composition meter according to claim 1. 前記回帰式は、
Ｙ＝ａＸ２＋ｂＸ＋ｃ、
ただし、Ｙは所定の年齢における前記指標の値の平均値を基準とした変化量であり、Ｘは年齢であり、ａ、ｂ、ｃは回帰分析によって求められた係数であり、
前記変化量取得手段は、前記現在の年齢を前記回帰式に代入することにより前記現在の年齢における変化量を現在年齢変化量として求めるとともに、前記未来の年齢を前記回帰式に代入して前記未来の年齢における変化量を未来年齢変化量として求め、前記未来年齢変化量と前記現在年齢変化量との差を前記平均的な変化量として取得する、
請求項１または２に記載の体組成計。 The regression equation is
Y = aX 2 + bX + c,
However, Y is the amount of change based on the average value of the index at a predetermined age, X is the age, a, b, and c are coefficients obtained by regression analysis,
The change amount acquisition means obtains a change amount at the current age as a current age change amount by substituting the current age into the regression equation, and substitutes the future age into the regression equation to substitute the future age. Obtaining a change amount in the age of as a future age change amount, and obtaining a difference between the future age change amount and the current age change amount as the average change amount,
The body composition meter according to claim 1 or 2. 前記回帰式は、
Ｙ＝ａｘ＋ｂ、
ただし、Ｙは所定の年齢における前記指標の値の平均値を基準とした変化量であり、Ｘは年齢であり、ａ、ｂは回帰分析によって求められた係数であり、
前記変化量取得手段は、前記現在の年齢を前記回帰式に代入することにより前記現在の年齢における変化量を現在年齢変化量として求めるとともに、前記未来の年齢を前記回帰式に代入して前記未来の年齢における変化量を未来年齢変化量として求め、前記未来年齢変化量と前記現在年齢変化量との差を前記平均的な変化量として取得する、
請求項１または２に記載の体組成計。 The regression equation is
Y = ax + b,
Where Y is the amount of change based on the average value of the index at a given age, X is the age, a and b are coefficients determined by regression analysis,
The change amount acquisition means obtains a change amount at the current age as a current age change amount by substituting the current age into the regression equation, and substitutes the future age into the regression equation to substitute the future age. Obtaining a change amount in the age of as a future age change amount, and obtaining a difference between the future age change amount and the current age change amount as the average change amount,
The body composition meter according to claim 1 or 2. 前記体組成の指標は、体重、体脂肪率、体脂肪量、除脂肪量、筋肉量、基礎代謝量、および内臓脂肪面積の少なくとも１つである、
請求項１乃至請求項４のいずれか一項に記載の体組成計。 The body composition index is at least one of body weight, body fat percentage, body fat mass, lean mass, muscle mass, basal metabolic rate, and visceral fat area.
The body composition monitor according to any one of claims 1 to 4. 前記第１未来値取得手段によって取得された前記体組成の指標の未来値に基づいて、当該体組成の指標とは異なる体組成の指標の未来値を予測する第２未来値取得手段をさらに備えた、
請求項１乃至請求項５のいずれか一項に記載の体組成計。
Second future value acquisition means for predicting a future value of the body composition index different from the body composition index based on the future value of the body composition index acquired by the first future value acquisition means The
The body composition monitor according to any one of claims 1 to 5.
JP2013000017A 2013-01-04 2013-01-04 Body composition meter Expired - Fee Related JP5223042B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2013000017A JP5223042B2 (en) 2013-01-04 2013-01-04 Body composition meter

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2013000017A JP5223042B2 (en) 2013-01-04 2013-01-04 Body composition meter

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2008212254A Division JP5204587B2 (en) 2008-08-20 2008-08-20 Body composition prediction device and body composition determination device

Publications (2)

Publication Number Publication Date
JP2013081800A true JP2013081800A (en) 2013-05-09
JP5223042B2 JP5223042B2 (en) 2013-06-26

Family

ID=48527597

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2013000017A Expired - Fee Related JP5223042B2 (en) 2013-01-04 2013-01-04 Body composition meter

Country Status (1)

Country Link
JP (1) JP5223042B2 (en)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190015922A (en) * 2017-08-07 2019-02-15 주식회사 메디비젼 Apparatus and method for measuring future visual impairment degree
WO2023017654A1 (en) * 2021-08-11 2023-02-16 株式会社島津製作所 Prediction device, prediction method, and prediction program

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04204121A (en) * 1990-11-30 1992-07-24 Koufu Kashio Kk Body-weight controlling apparatus
JPH11332845A (en) * 1998-05-22 1999-12-07 Omron Corp Apparatus for advising health care guideline and system therefor
JP2003061934A (en) * 2001-08-29 2003-03-04 Tanita Corp Child information management apparatus with growing process graph display
WO2006070827A1 (en) * 2004-12-28 2006-07-06 Ssd Company Limited Health management support system and recording medium
JP2006285706A (en) * 2005-04-01 2006-10-19 Hitachi Ltd Healthcare support system
JP2007323246A (en) * 2006-05-31 2007-12-13 Omron Healthcare Co Ltd Exercise plan proposal apparatus
JP2008033909A (en) * 2006-07-05 2008-02-14 Hitachi Ltd Health guidance support system
WO2009028270A1 (en) * 2007-08-28 2009-03-05 Omron Healthcare Co., Ltd. Health management guidance device

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH04204121A (en) * 1990-11-30 1992-07-24 Koufu Kashio Kk Body-weight controlling apparatus
JPH11332845A (en) * 1998-05-22 1999-12-07 Omron Corp Apparatus for advising health care guideline and system therefor
JP2003061934A (en) * 2001-08-29 2003-03-04 Tanita Corp Child information management apparatus with growing process graph display
WO2006070827A1 (en) * 2004-12-28 2006-07-06 Ssd Company Limited Health management support system and recording medium
JP2006285706A (en) * 2005-04-01 2006-10-19 Hitachi Ltd Healthcare support system
JP2007323246A (en) * 2006-05-31 2007-12-13 Omron Healthcare Co Ltd Exercise plan proposal apparatus
JP2008033909A (en) * 2006-07-05 2008-02-14 Hitachi Ltd Health guidance support system
WO2009028270A1 (en) * 2007-08-28 2009-03-05 Omron Healthcare Co., Ltd. Health management guidance device

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
JPN6012055893; 桂敏樹　等: '成人期から老年期までの体重曲線に関する追跡的研究-４０万人の年齢コホートを用いた性・年齢階級別検討-' 日本健康医学会雑誌 Ｖｏｌ．１３，Ｎｏ．４, 2005, ３-１３ *
JPN6013008346; ＳＵＭＩＹＡ　Ｔ　ｅｔ　ａｌ．: 'Ｏｎ　ａ　ｇｒｏｗｔｈ　ｐｒｅｄｉｃｔｉｏｎ　ｏｆ　Ｊａｐａｎｅｓｅ　ｈｅｉｇｈｔ．' Ｊｏｕｒｎａｌ　ｏｆ　ｔｈｅ　Ｊａｐａｎｅｓｅ　Ｓｏｃｉｅｔｙ　ｏｆ　Ｃｏｍｐｕｔａｔｉｏｎａｌ　Ｓｔａｔｉｓｔｉｃ Ｖｏｌ．７，　Ｎｏ．１, 199412, ６５-７５ *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20190015922A (en) * 2017-08-07 2019-02-15 주식회사 메디비젼 Apparatus and method for measuring future visual impairment degree
KR102019932B1 (en) * 2017-08-07 2019-09-11 주식회사 메디비젼 Apparatus and method for measuring future visual impairment degree
WO2023017654A1 (en) * 2021-08-11 2023-02-16 株式会社島津製作所 Prediction device, prediction method, and prediction program

Also Published As

Publication number Publication date
JP5223042B2 (en) 2013-06-26

Similar Documents

Publication Publication Date Title
JP5204587B2 (en) Body composition prediction device and body composition determination device
US9891095B2 (en) Method and system to provide a person with a personalized advice with regard to his/her weight
AU2015233337B2 (en) Health risk indicator determination
RU2532953C2 (en) Biological information measuring device, method for measuring biological information and body composition measuring device
JP4589776B2 (en) Biometric system for pregnant women
US8932062B2 (en) Body weight management device
JP5853533B2 (en) Weight management device
WO2007125766A1 (en) Body composition display system capable of displaying most suitable body composition for each user
US20090131812A1 (en) Body composition measuring instrument for recognizing body site used in calculation of composition component
JP2009063306A (en) Measuring device
JP4743524B2 (en) Health management device
JP4512379B2 (en) Health condition determination apparatus and health condition determination program
US7252635B2 (en) Biological data acquiring apparatus
JP5223042B2 (en) Body composition meter
JP4600914B2 (en) Body type identification device
KR100685317B1 (en) Apparatus and method for body compositional analysis capable of customized service
JP6157067B2 (en) Health management device, health management program, and health management method
JP5134660B2 (en) Biometric system for pregnant women
JP2005077124A (en) Healthy care system and program
JP6418822B2 (en) Health index calculation method, health index calculation device, and health index calculation program
JP2003047602A (en) Health information display device
JP5030659B2 (en) Body composition meter
JP6486400B2 (en) Health management device, health management program, and health management method
JP5178868B2 (en) Visceral fat scale
JP7409663B2 (en) Measuring device, measuring system, and measuring program

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130123

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20130123

TRDD Decision of grant or rejection written
A975 Report on accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20130215

A01 Written decision to grant a patent or to grant a registration (utility model)

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130226

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130311

FPAY Renewal fee payment (event date is renewal date of database)

Free format text: PAYMENT UNTIL: 20160315

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

LAPS Cancellation because of no payment of annual fees