JP2015014913A

JP2015014913A - ヘルスケアシステム

Info

Publication number: JP2015014913A
Application number: JP2013141340A
Authority: JP
Inventors: 顕能田邊; Akiyoshi Tanabe
Original assignee: LIFE ROBO CORP
Current assignee: LIFE ROBO CORP
Priority date: 2013-07-05
Filing date: 2013-07-05
Publication date: 2015-01-22
Anticipated expiration: 2033-07-05
Also published as: WO2015001686A1; JP5388154B1; US20150269864A1

Abstract

【課題】利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができるようにする。【解決手段】サーバ装置３０は、データベース装置５０内における利用者の複数種類のデータの中から直近の期間の間に記録された記録データを抽出し、種類毎の移動平均値を求める。そして、移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、そのレーダーチャートをカラダバランス画面として利用者端末１０に表示させる。【選択図】図１

Description

本発明は、ネットワークを介したサービスにより人の健康維持を支援する技術に関する。

この種の技術を開示した文献として、特許文献１がある。特許文献１に開示された家庭用健康管理システムは、家庭内に設置される入力装置により、家族の構成員の健康管理に関わるデータ、及び各人が摂取した食料名と量を取得する。そして、このシステムでは、各人の食料名と量から栄養価を演算し、この栄養価に基づいて各人が患う可能性のある疾病を求めるとともに、健康生活を維持するのに必要な運動量と食物摂取量を求め、これらの情報を表示手段を介して提供するようになっている。

特開平１０−０７４２２６号公報

ところで、所謂生活習慣病と称される疾患は、日々の生活習慣の改善によってある程度の予防効果を期待できる。しかしながら、実際には、何のサポートも無いままに生活習慣の改善に取り組める人は少ない。特許文献１に開示された家庭用健康管理システムは、家族構成員の健康管理データと食事データを入力した場合に疾患に関するアドバイスを提供するものに過ぎない。このため、特許文献１の技術は、各々が健康に対する高い意識を持ち合わせていない場合は高い効果を期待できない。

本発明は、このような課題に鑑みてなされたものであり、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができるようにすることを目的とする。

上記課題を解決するため、本発明の好適な態様であるヘルスケアシステムは、各利用者の利用者端末とネットワークを通じて接続されるサーバ装置及びデータベース装置を有するヘルスケアシステムであって、前記データベース装置は、前記各利用者の利用者端末において複数種類の記録項目について記録された複数種類の記録データを記憶し、前記サーバ装置は、前記データベース装置内における利用者の複数種類の記録データの中から直近の第１の期間の間に記録された複数種類の記録データを抽出し、抽出した複数種類の記録データの種類毎の移動平均値を求め、求めた複数種類の移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、求めたバランスパラメータをレーダーチャートとして含む画面を前記利用者端末に表示させることを特徴とする。

ここで、人間が健康維持のために行う行動の多くは、良い面と悪い面を併せもっている。たとえば、運動は、自律神経の向上や体力の向上という側面から見ればおおいに推奨されるものであるが、過度に行うと身体が酸化して老化を進めてしまう。本発明では、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力という５種類の評価項目で評価した評価結果をレーダーチャートとして利用者に提示する。よって、本発明によると、利用者は、自身の健康に関わるさまざま要素に広く注意を傾けながら自身の生活習慣を改善していくことができる。従って、本発明によると、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができる。

本発明の一実施形態であるヘルスケアシステムの全体構成図である。同システムのサーバ装置のハードウェア概略構成を示す図である。同システムのデータベース装置のハードウェア概略構成を示す図である。同システムの利用者端末が表示する個人設定画面を示す図である。同システムの利用者端末が表示する個人設定画面を示す図である。同システムのヘルスケアサービスの概要を示す図である。同システムの利用者端末が表示する体重・体脂肪率入力画面を示す図である。同システムの利用者端末が表示する食事／カロリー入力画面を示す図である。同システムの利用者端末が表示するＴＯＰ画面を示す図である。同システムの利用者端末が表示するカラダバランス画面を示す図である。同システムにおけるレーダーチャート提示処理を概念的に示す図である。同システムにおける条件及び荷重比率テーブルのデータ構造図である。同システムにおける条件及び荷重比率テーブルのデータ構造図である。同システムにおける推奨睡眠時間帯カバー率の算出処理を概念的に示す図である。同システムにおける未来体重提示処理及び未来顔写真提示処理を概念的に示す図である。同システムの利用者端末が表示する顔写真選択画面を示す図である。同システムにおける未来体重提示処理の手順を示すフローチャートである。同システムにおける未来の体重の予測の可否の条件を示す図である。同システムにおける体力係数テーブルのデータ構造図である。同システムにおける基礎代謝係数テーブルのデータ構造図である。同システムにおける基礎代謝係数を作用させる処理を概念的に示す図である。同システムにおける体重値、目標体重、及び標準体重と未来体重提示処理との関係を示す図である。同システムにおける未来予想顔写真提示処理の手順を示すフローチャートである。同システムにおける加減点値テーブルのデータ構造図である。同システムにおける老化年数値テーブルのデータ構造図である。

以下、図面を参照しつつ本発明の実施形態について説明する。図１は、本発明の一実施形態であるヘルスケアシステム１のシステム構成図である。図１に示すように、ヘルスケアシステム１は、利用者端末１０、サーバ装置３０、データベース装置５０を有する。利用者端末１０は、利用者が所有するスマートフォンである。

サーバ装置３０は、ヘルスケアサービスの運営事業者の管理の下に稼働するコンピュータ装置である。サーバ装置３０は、ヘルスケアサイトを通じて利用者にヘルスケアサービスを提供する。図２に示すように、サーバ装置３０は、表示デバイス３１（たとえば、液晶ディスプレイデバイスや有機ＥＬディスプレイ）、入力デバイス３２（たとえば、マウスやキーボード）、通信デバイス３３（たとえば、ＮＩＣ（Network Interface Card））、記憶デバイス３４（たとえば、ハードディスク、ＲＡＭ、ＲＯＭ）、演算処理デバイス３５（たとえば、ＣＰＵ）、及びこれらを接続する内部バス３６を有する。

データベース装置５０は、利用者端末１０からアップロードされた各種データをデータベースＤＢに蓄積してサーバ装置３０に提供するコンピュータ装置である。図３に示すように、データベース装置５０は、表示デバイス５１、入力デバイス５２、通信デバイス５３、記憶デバイス５４、演算処理デバイス５５、及びこれらを接続する内部バス５６を有する。

ここで、本実施形態では、利用者は、アプリマーケットからヘルスケアサイト連携アプリＡＰをインストールしてこれを起動し、起動直後に表示される個人設定画面（図４及び図５参照）において、利用者のニックネームを示すデータＤ_ＮＮ、生年月日を示すデータＤ_ＢＩＲ、性別を示すデータＤ_ＧＤＲ、身長を示すデータＤ_ＨＧＨ、目標体重を示すデータＤ_ＴＲＧを入力し、これらのデータＤ_ＮＮ、Ｄ_ＢＩＲ、Ｄ_ＧＤＲ、Ｄ_ＨＧＨ、Ｄ_ＴＲＧをデータベース装置５０のデータベースＤＢに個人設定情報として登録する。この個人設定情報の登録の後、利用者は、１日に数回程度のペースでヘルスサイト連携アプリＡＰを介したヘルスケアサービスの提供を受ける。

図６は、本実施形態のヘルスケアサービスの概要を示す図である。図６に示すように、本実施形態のヘルスケアサービスでは、利用者端末１０は、データベース装置５０にアクセスし、以下の６種類の記録項目の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを利用者端末１０のメモリから読み出してデータベース装置５０にアップロードする。

ａ１．歩数記録データＤ_ＳＴ
これは、利用者の歩数の計測値を示すデータである。利用者端末１０は、利用者が身に着ける歩数測定デバイス１１（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、歩数測定デバイス１１によって日々計測される歩数を受信し、受信した歩数と受信日の日付の対を歩数記録データＤ_ＳＴとしてメモリに記録する。

ｂ１．体重記録データＤ_ＷＴ
これは、利用者の体重の計測値を示すデータである。利用者端末１０は、利用者の体重がアプリＡＰの体重・体脂肪率入力画面（図７参照）を介して入力された場合に、入力された体重と入力日の日付の対を体重記録データＤ_ＷＴとしてメモリに記憶する。また、利用者端末１０は、利用者が所有する体重測定デバイス１２（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、体重測定デバイス１２から利用者の体重を受信し、受信した体重と受信日の日付の対を体重記録データＤ_ＷＴとしてメモリに記憶する。

ｃ１．体脂肪記録データＤ_ＦＴ
これは、利用者の体脂肪率の計測値を示すデータである。利用者端末１０は、利用者の体脂肪率がアプリＡＰの体重・体脂肪率入力画面（図７参照）を介して入力された場合に、入力された体脂肪率と入力日の日付の対を体重記録データＤ_ＦＴとしてメモリに記憶する。利用者端末１０は、利用者が所有する体脂肪率測定デバイス１３（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、体脂肪率測定デバイス１３から利用者の体脂肪率を受信し、受信した体脂肪率を受信日の日付の対を体脂肪記録データＤ_ＦＴとしてメモリに記憶する。

ｄ１．睡眠記録データＤ_ＳＬ
これは、利用者の就寝時刻及び起床時刻を示すデータである。利用者端末１０は、利用者が身に着ける睡眠時間測定デバイス１４（図１）との間に無線規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、睡眠時間測定デバイス１４から利用者の就寝時刻及び起床時刻を受信し、受信した就寝時刻及び起床時刻と受信日の日付の対を睡眠記録データＤ_ＳＬとしてメモリに記憶する。

ｅ１．食事記録データＤ_ＭＬ
これは、アプリＡＰにおける食事の記録を示すデータである。利用者端末１０は、アプリＡＰの食事／摂取カロリ入力画面（図８参照）を介して利用者がとった食事の種類（たとえば、ラーメンや牛丼）が入力された場合に、入力された食事の種類と入力日時の対を食事記録データＤ_ＭＬとしてメモリに記憶する。

ｆ１．アプリ起動履歴記録データＤ_ＲＣ
これは、アプリＡＰの起動の履歴を示すデータである。利用者端末１０は、アプリＡＰが起動されると、起動日時をアプリ起動履歴記録データＤ_ＲＣとしてメモリに記憶する。

ｇ１．アップロード履歴記録データＤ_ＵＰ
これは、データベース装置５０への記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰのアップロードの履歴を示すデータである。利用者端末１０は、メモリ内における未送信の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰをデータベース装置５０にアップロードする度に、アップロード日時をアップロード履歴記録データＤ_ＵＰとしてメモリに記憶する。

図６において、サーバ装置３０は、データベース装置５０のデータベースＤＢに記憶される利用者の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを基に、利用者の現在の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目に分けて評価する１次解析を行い、この１次解析の結果をカラダバランス画面ＳＣＲ１０として利用者に提示する。また、サーバ装置３０は、この１次解析の結果から利用者の将来の健康状態を予測する２次解析を行い、この２次解析の結果を未来予測画面ＳＣＲ１１及びＳＣＲ１２として利用者に提示する。画面ＳＣＲ１０、ＳＣＲ１１、ＳＣＲ１２の構成については後述する。

次に、本実施形態の動作を説明する。本実施形態の動作は、データ蓄積処理、レーダーチャート提示処理、未来顔写真提示処理、及び未来体重提示処理を含む。これらの処理は、利用者端末１０にアプリＡＰのトップ画面ＳＣＲ５を表示させた状態で利用者が所定の操作を行うと実行される。

図９は、ＴＯＰ画面ＳＣＲ５を示す図である。トップ画面ＳＣＲ５の上段右側には、ボタンＢＴ１が表示されている。ボタンＴＢ１の下には、利用者端末１０のメモリ内の最新のデータＤ_ＳＴ（歩数、図９の例では２５６６歩）とこの値を所定の基礎代謝関数に入力して得られる消費カロリー（図９の例では１５１２カロリー）が表示されている。その下には、最新のデータＤ_ＳＴ（歩数）を所定の距離関数に入力して得られる歩行距離（図９の例では６．２５ｋｍ）が表示されている。

その下には、利用者端末１０のメモリ内の最新のデータＤ_ＳＬ（睡眠）により求まる睡眠時間（就寝時刻から起床時刻までの間の時間、図９の例では７．２５時間）とこの睡眠時間の長さを示すバーＢＲ１が表示されている。その下には、利用者端末１０のメモリ内の最新のデータＤ_ＭＬ（食事）が示す食事の種類（図８の食事／摂取カロリ入力画面を介して入力された食事の種類）に応じて求まる摂取カロリー（図９の例では１２５３キロカロリー）と摂取カロリーの量を示すバーＢＲ２が表示されている。その下の左には、利用者端末１０のメモリ内の最新のデータＤ_ＷＴ（体重）とその前に記録されたデータＤ_ＷＴ（体重）との差（図９の例では、−０．２ｋｇ）が表示されている。右には、利用者端末１０のメモリ内の最新のデータＤ_ＦＴ（体脂肪率）とその前に記録されたデータＤ_ＦＴとの差（図９の例では、＋０．２％）が表示されている。

画面ＳＣＲ５の下段には、２つのボタンＢＴ２、ＢＴ３が左右に並べて配置されている。ボタンＢＴ２には、家を模擬した絵と「ホーム」の文字が記されている。ボタンＢＴ３には、時計を模擬した絵と「未来予測」の文字が記されている。この画面ＳＲＣ５において、利用者は、「ホーム」のボタンＢＴ２及び「未来予測」のボタンＢＴ３のうち所望のものを選んで指で触れる操作を行う。利用者端末１０は、「ホーム」のボタンＢＴ２が選択された場合、画面ＳＣＲ５を再表示する。

利用者端末１０は、画面ＳＲＣ５のボタンＢＴ１が選択された場合、データベース装置５０にアクセスし、前回のアクセスから今回のアクセスまでに端末１０のメモリ内に記憶されたデータＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰをメモリから読み出し、読み出した記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰをデータベース装置５０に送信する。また、利用者端末１０は、アプリＡＰの起動中は、所定の時間が経過する度にデータベース装置５０にアクセスし、同様の送信処理を行う。データベース装置５０は、利用者端末１０からデータＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰが送信された場合、データ蓄積処理を行う。このデータ蓄積処理では、データベース装置５０は、利用者端末１０から受信したデータＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを送信元の利用者の固有の識別情報と対応付けてデータベースＤＢに記憶する。

また、利用者端末１０は、画面ＳＲＣ５のボタンＢＴ３が選択された場合、レーダーチャートの提供を求めるメッセージ（ＨＴＴＰ（Hyper Text Transfer Protocol）リクエスト）をサーバ装置３０に送信する。サーバ装置３０は、このメッセージを受信すると、レーダーチャート提示処理を行う。レーダーチャート提示処理は、データベース装置５０内における利用者の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰの中から直近の第１の期間Ｔ１（たとえば、期間Ｔ１＝７日とする）の間に記録された記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを抽出し、抽出した記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＦＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰの種類毎の移動平均値ＭＡ_ＳＴ、ＭＡ_ＷＴ、ＭＡ_ＳＬ、ＭＡ_ＭＬ、ＭＡ_ＲＣ、ＭＡ_ＵＰを求め、求めた移動平均値ＭＡ_ＳＴ、ＭＡ_ＷＴ、ＭＡ_ＳＬ、ＭＡ_ＭＬ、ＭＡ_ＲＣ、ＭＡ_ＵＰを所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルＬｖとして示すバランスパラメータＰＲを求め、求めたバランスパラメータＰＲをレーダーチャートとして含む画面をカラダバランス画面ＳＣＲ１０として利用者端末１０に表示させる処理である。

図１０は、カラダバランス画面ＳＣＲ１０を示す図である。図１０に示すように、この画面ＳＣＲ１０の中央には、正五角形状のレーダーチャートが表示される。画面ＳＣＲ１０のレーダーチャートは、体力、抗齢力、美力、継続力、意識力の評価項目を１〜５の５段階評価とし、中心から正五角形の各頂点に至る５つのレベル軸上に該当の評価レベルＬｖ（図１０の例では、体力が１、抗齢力が２、美力が１、継続力が１、意識力が２）をプロットしたものである。画面ＳＣＲ１０におけるレーダーチャートの上には、５つの評価項目の評価レベルＬｖを平均した平均評価レベルＬｖ_ＡＶＥ（図１０の例ではＬｖ_ＡＶＥ＝Ｌｖ１）が表示される。画面ＳＣＲ１０におけるレーダーチャートの下には、ボタンＢＴ６が表示されている。ボタンＢＴ６内には、「未来へＧＯ」の文字が記されている。また、画面ＳＣＲ１０におけるボタンＢＴ６の下には、評価レベルＬｖに応じたアドバイスＡＤＶ１（図１０の例では、「美力を上げるには寝る時間帯も関係しているらしいよ。」）が表示される。

図１１は、レーダーチャート提示処理の処理内容を概念的に示す図である。図１１に示すように、レーダーチャート提示処理では、サーバ装置３０の演算処理デバイス３５は、記録データＤ_ＳＴ（歩数）、記録データＤ_ＷＴ（体重）、記録データＤ_ＳＬ（睡眠）、記録データＤ_ＭＬ（食事）、記録データＤ_ＲＣ（アプリ起動履歴）、記録データＤ_ＵＰ（アップロード履歴）の各々の直近の期間Ｔ１（Ｔ１＝７日）の移動平均値ＭＡ_ＳＴ、ＭＡ_ＷＴ、ＭＡ_ＳＬ、ＭＡ_ＭＬ、ＭＡ_ＲＣ、ＭＡ_ＵＰを記憶デバイス３４内の条件及び荷重比率テーブルＴＢＬ１（図１２及び図１３）が示す評価項目毎の条件に照らし合わせることにより評価項目毎の得点を求め、求めた得点をテーブルＴＢＬ１が示す評価項目毎の加重比率で加算した値を各評価項目の評価レベルＬｖとする。

このテーブルＴＢＬ１による各評価項目の評価レベルＬｖの算出処理の手順（アルゴリズム）は次の通りである。
ａ２．体力の評価レベルＬｖの算出処理
この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１を参照先とし、参照先のレコードＲ１において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＳＴ（歩数）の移動平均値ＭＡ_ＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、記録データＤ_ＷＴ（体重）の移動平均値ＭＡ_ＷＴをＢＭＩ（Body Math Index）値に変換する。ここで、ＢＭＩ値は、記録データＤ_ＷＴ（体重）の移動平均値ＭＡ_ＷＴの２乗を利用者のデータＤ_ＨＧＨ（身長）で除算した値である。その上で、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ２乃至Ｒ６のうち該当の利用者のデータＤ_ＧＤＲ（性別）が示す性別とデータＤ_ＢＩＲ（生年月日）により決まる年代との組み合わせに対応するものを参照先とし、参照先のレコードＲ２（または、Ｒ３、Ｒ４、Ｒ５、Ｒ６）において得点１、２、３、４、及び５と対応付けられている条件を参照し、ＢＭＩ値がいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１から選んだ得点、及びレコードＲ２（または、Ｒ３、Ｒ４、Ｒ５、Ｒ６）から選んだ得点を５０％：５０％の比率で加算し、この加算結果を体力の評価レベルＬｖとする。

ｂ２．抗齢力の評価レベルＬｖの算出処理
この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ７を参照先とし、参照先のレコードＲ７において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＳＴ（歩数）の移動平均値ＭＡ_ＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、推奨睡眠時間帯カバー率Ｒ_Ｃを求める。推奨睡眠時間帯カバー率Ｒ_Ｃは、利用者の睡眠時間Ｔ_Ｓ（データＤ_ＳＬが示す就寝時刻から起床時刻までの間の時間）が、成長ホルモンの分泌量が最大化する２２時から２時までの時間帯Ｔ_Ｒとどの程度重なっているかを示す値である。推奨睡眠時間帯カバー率Ｒ_Ｃの算出処理では、図１４に示すように、データベースＤＢから抽出された各記録日のデータＤ_ＳＬ（睡眠）について、当該データＤ_ＳＬが示す睡眠時間Ｔ_Ｓ（就寝時刻から起床時刻までの時間）のうち時間帯Ｔ_Ｒと重なる時間Ｔ_Ｓ’を推奨時間帯Ｔ_Ｒの長さである４時間で除算する操作を行う。そして、記録日毎の除算結果Ｔ_Ｓ’／Ｔ_Ｒを平均し、この平均値を推奨睡眠時間帯カバー率Ｒ_Ｃとする。演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ８を参照先とし、参照先のレコードＲ８において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＳＬ（睡眠）が示す睡眠時間の移動平均値ＭＡ_ＳＬと推奨睡眠時間帯カバー率Ｒ_Ｃがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ７から選んだ得点、及びレコードＲ８から選んだ得点を５０％：５０％の比率で加算し、この加算結果を抗齢力の評価レベルＬｖとする。

ｃ２．意識力の評価レベルＬｖの算出処理
この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ９を参照先とし、参照先のレコードＲ９において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＭＬ（食事）の移動平均値ＭＡ_ＭＬがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１０を参照先とし、参照先のレコードＲ１０において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＲＣ（アプリ起動履歴）の移動平均値ＭＡ_ＲＣがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ９から選んだ得点、及びレコードＲ１０から選んだ得点を２０％：８０％の比率で加算し、この加算値を意識力の評価レベルＬｖとする。

ｄ２．継続力の評価レベルＬｖの算出処理
この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１１を参照先とし、参照先のレコードＲ１１において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＵＰ（データアップロード履歴）の移動平均値ＭＡ_ＵＰがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１１から選んだ得点を継続力の評価レベルＬｖとする。

ｅ２．美力の評価レベルＬｖの算出処理
この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１２を参照先とし、参照先のレコードＲ１２において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＳＴ（歩数）の移動平均値ＭＡ_ＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１３を参照先とし、参照先のレコードＤ１３において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＳＬ（睡眠）が示す睡眠時間の移動平均値ＭＡ_ＳＬとこれにより求まる推奨睡眠時間帯カバー率Ｒ_Ｃがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１４乃至Ｒ１８のうち利用者のデータＤ_ＧＤＲ（性別）が示す性別とデータＤ_ＢＩＲ（生年月日）により決まる年代との組み合わせと対応するものを参照先とし、参照先のレコードＲ１４（または、Ｒ１５、Ｒ１６、Ｒ１７、Ｒ１８）において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤ_ＷＴ（体重）の移動平均値ＭＡ_ＷＴより求まるＢＭＩ値がいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１２から選んだ得点、レコードＲ１３から選んだ得点、及びレコードＲ１４（または、Ｒ１５、Ｒ１６、Ｒ１７、Ｒ１８）から選んだ得点を、３０％：３０％：４０％の比率で加算し、この加算結果を美力の評価レベルＬｖとする。

図１５は、未来体重提示処理及び未来顔写真提示処理を概念的に示す図である。本実施形態では、利用者端末１０は、ＴＯＰ画面ＳＣＲ５（図９）の「未来予測」のボタンＢＴ３をタッチする操作が行われた場合、図１６に示す写真選択画面ＳＣＲ９をディスプレイに表示させる。この画面ＳＣＲ９には、「プロフィール写真を使う」と記したボタンＢＴ７、「写真を撮る」と記したボタンＢＴ８、「アルバムから選択」と記したボタンＢＴ９が表示されている。利用者が、この画面ＳＣＲ９におけるボタンＢＴ７、ＢＴ８、及びＢＴ９のいずれかを選択して自身の写真を撮影または選択すると、未来予測の提供を求めるメッセージ（ＨＴＴＰリクエスト）をサーバ装置３０に送信する。サーバ装置３０は、このメッセージを受信すると、未来体重提示処理及び未来顔写真提示処理を行い、この処理結果を含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に返信して端末１０に未来予測画面ＳＣＲ１１及びＳＣＲ１２を表示させる。

未来体重提示処理は、データベース装置５０内における利用者の一連の記録データＤ_ＷＴ（体重）の中から直近の第２の期間Ｔ２（Ｔ２＞Ｔ１、たとえば、Ｔ２＝９０日）の間に記録された記録データＤ_ＷＴを抽出し、抽出した時間Ｔ２分の記録データＤ_ＷＴの遷移の線形近似直線Ａを求め、この線形近似直線Ａを体力のバランスパラメータＰＲの値に応じた大きさの体力係数Ｋ_ＷＴにより補正した第１の体重予測線Ａ’を求め、この第１の体重予測線Ａ’を該当の利用者の性別（データＤ_ＧＤＲ）及び年代（データＤ_ＢＩＲ（生年月日）により決まる年代）の組み合わせに応じた大きさの基礎代謝係数Ｋ_ＭＴＢにより補正した第２の体重予測線Ａ”を求め、この第２の体重予測線Ａ”の傾きα”に沿った将来の予測体重ＰＷＴ（β）の推移のグラフＣＨＲＴを含む画面を第１の未来予測画面ＳＣＲ１１として利用者の利用者端末１０に表示させる処理である。

未来顔写真提示処理は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルＬｖを利用者の老化の進行の程度を示す老化レベルＬｖ_{ＡＧＩＮＧ}に変換し、変換した老化レベルＬｖ_{ＡＧＩＮＧ}が顔のしわ及びくすみとして現れ且つ体重予測線Ａ”の傾きα”が顔の横方向の伸縮として現れるような画像処理を利用者の顔写真に施した未来予想顔写真を含む画面を第２の未来予測画面ＳＣＲ１２として利用者の利用者端末１０に表示させる処理である。

より詳細に説明すると、図１７のフローチャートに示すように、未来体重提示処理では、演算処理デバイス３５は、利用者の未来の体重の予測が可能であるか否を判定する（ＳＴ１）。このステップＳＴ１では、データベース装置５０内に以下の２つの条件ａ３及びｂ３を満たす記録データＤ_ＷＴ（体重）群であって該当の利用者のものがある場合に、利用者の未来の体重の予測が可能であるとする。図１８は、条件ａ３及びｂ３を満足すようなデータＤ_ＷＴ（体重）の記録分布の例を示す図である。
ａ３．直近の１４日以内に記録された記録データＤ_ＷＴが３つ以上あること
ｂ３．９０日前〜７日前以内に記録された記録データＤ_ＷＴが１つ以上あること

演算処理デバイス３５は、利用者の未来の体重の予測が可能である場合（ＳＴ１：Ｙｅｓ）、直近の期間Ｔ２（Ｔ２＝９０日）の間に記録された記録データＤ_ＷＴの５日毎の平均値（０〜５日前の記録データＤ_ＷＴの平均値ＭＡ_ＷＴ（０−５）、６〜１０日前の記録データＤ_ＷＴの平均値ＭＡ_ＷＴ（６−１０）、…８６日〜９０日前の記録データＤ_ＷＴの平均値ＭＡ_ＷＴ（８６−９０）を算出し、これらの平均値ＭＡ_ＷＴ（０−５）、ＭＡ_ＷＴ（６−１０）、ＭＡ_ＷＴ（８６−９０）を時間軸上に並べたグラフの線形近似直線Ａを求める（ＳＴ２）。

演算処理デバイス３５は、ステップＳＴ２で求めた線形近似直線Ａの傾きαの符号がプラスであるかマイナスであるかを判定する（ＳＴ３）。利用者の体重が増加傾向にあればステップＳＴ３の判定結果は「プラス」になり、利用者の体重が減少傾向にあればステップＳＴ３の判定結果は「マイナス」になる。

演算処理デバイス３５は、線形近似直線Ａの傾きαの符号がプラスである場合、線形近似直線Ａを増加用体力係数Ｋ_ＷＴによって補正した体重予測線Ａ’を求める（ＳＴ４）。このステップＳＴ４では、演算処理デバイス３５は、記憶デバイス３４に増加用体力係数テーブルＴＢＬ２−１として記憶されている増加用体力係数Ｋ_ＷＴの中から利用者の体力の評価レベルＬｖと対応するものを選ぶ。

図１９（Ａ）は、テーブルＴＢＬ２−１の内容を示す図である。このテーブルＴＢ２−１では、体力の評価レベルＬｖが５の場合の増加用体力係数Ｋ_ＷＴ（５）が０．８、体力の評価レベルＬｖが４の場合の増加用体力係数Ｋ_ＷＴ（４）が０．９、体力の評価レベルＬｖが３の場合の増加用体力係数Ｋ_ＷＴ（３）が１、体力の評価レベルＬｖが２の場合の増加用体力係数Ｋ_ＷＴ（２）が１．２、体力の評価レベルＬｖが１の場合の増加用体力係数Ｋ_ＷＴ（１）が１．５となっている。

演算処理デバイス３５は、テーブルＴＢＬ２−１内から選んだ増加用体力係数Ｋ_ＷＴを線形近似直線Ａの傾きαに乗算し、α’（α’＝α・Ｋ_ＷＴ）の傾きを持った直線を体重予測線Ａ’とする。

次に、演算処理デバイス３５は、ステップＳＴ４で求めた体重予測線Ａ’を増加用基礎代謝係数Ｋ_ＭＴＢによって補正した体重予測線Ａ”を求める（ＳＴ５）。このステップＳＴ５では、記憶デバイス３４に増加用基礎代謝係数テーブルＴＢＬ３−１として記憶されている男女別の５歳刻み各年代の増加用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）、Ｋ_ＭＴＢ（２５−２９）、Ｋ_ＭＴＢ（３０−３４）、Ｋ_ＭＴＢ（３５−３９）、Ｋ_ＭＴＢ（４０−４４）、Ｋ_ＭＴＢ（４５−４９）、Ｋ_ＭＴＢ（５０−）の中から利用者のデータＤ_ＧＤＲ（性別）と対応するものを選ぶ。

図２０（Ａ）は、テーブルＴＢＬ３−１の内容を示す図である。このテーブルＴＢＬ３−１では、男性については、２０歳から２４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）が０．８９５８、２５歳から２９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（２５−２９）が０．９０４２、３０歳から３４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（３０−３４）が０．９１２５、３５歳から３９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（３５−３９）が０．９２０８、４０歳から４４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（４０−４４）が０．９２９２、４５歳から４９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（４５−４９）が０．９６４６、５０歳以上の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（５０−）が１となっている。

また、女性については、２０歳から２４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）が０．８６２５、２５歳から２９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（２５−２９）が０．８７２９、３０歳から３４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（３０−３４）が０．８８３３、３５歳から３９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（３５−３９）が０．８９３８、４０歳から４４歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（４０−４４）が０．９０４２、４５歳から４９歳の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（４５−４９）が０．９１２５、５０歳以上の年代の増加用基礎代謝係数Ｋ_ＭＴＢ（５０−）が０．９２０８となっている。

演算処理デバイス３５は、図２１に示すように、データベースＤＢから抽出された過去６月分のデータＤ_ＷＴのうち記録日が最も新しいものを最新記録データＤ_ＷＴ（ＬＡＳＴ）とし、記録データＤ_ＷＴ（ＬＡＳＴ）に体重予測線Ａ”を繋げた場合における将来の各年代の該当区間（図２１の例では、４０歳から４４歳の区間Ｔ（４０−４４）、４５歳から４９歳の区間Ｔ（４５−４９）、５０歳以上の区間Ｔ（５０−））を求め、体重予測線Ａ’における各年代の区間の傾きα’にテーブルＴＢＬ３−１内から選んだ増加用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）、Ｋ_ＭＴＢ（２５−２９）、Ｋ_ＭＴＢ（３０−３４）、Ｋ_ＭＴＢ（３５−３９）、Ｋ_ＭＴＢ（４０−４４）、Ｋ_ＭＴＢ（４５−４９）、Ｋ_ＭＴＢ（５０−）のうち該当のものを各々乗算する。そして、この年代毎の個別の傾きα”を持った線を体重予測線Ａ”とする。

図１７において、演算処理デバイス３５は、線形近似直線Ａの傾きαの符号がマイナスである場合、線形近似直線Ａを減少用体力係数Ｋ_ＷＴによって補正した体重予測線Ａ’を求める（ＳＴ６）。このステップＳＴ６では、演算処理デバイス３５は、記憶デバイス３４に減少用体力係数テーブルＴＢＬ２−２として記憶されている減少用体力係数Ｋ_ＷＴの中から利用者の体力の評価レベルＬｖと対応するものを選ぶ。

図１９（Ｂ）は、テーブルＴＢＬ２−２の内容を示す図である。このテーブルＴＢ２−１では、体力の評価レベルＬｖが５の場合の減少用体力係数Ｋ_ＷＴ（５）が１．５、体力の評価レベルＬｖが４の場合の減少用体力係数Ｋ_ＷＴ（４）が１．２、体力の評価レベルＬｖが３の場合の減少用体力係数Ｋ_ＷＴ（３）が１、体力の評価レベルＬｖが２の場合の減少用体力係数Ｋ_ＷＴ（２）が０．９、体力の評価レベルＬｖが１の場合の減少用体力係数Ｋ_ＷＴ（１）が０．８となっている。

演算処理デバイス３５は、テーブルＴＢＬ２−２内から選んだ減少用体力係数Ｋ_ＷＴを線形近似直線Ａの傾きαに乗算し、α’（α’＝α・Ｋ_ＷＴ）の傾きを持った直線を体重予測線Ａ’とする。

次に、演算処理デバイス３５は、ステップＳＴ６で求めた体重予測線Ａ’を減少用基礎代謝係数Ｋ_ＭＴＢによって補正した体重予測線Ａ”を求める（ＳＴ７）。このステップＳＴ７では、記憶デバイス３４に減少用基礎代謝係数テーブルＴＢＬ３−２として記憶されている男女別の５歳刻み各年代の減少用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）、Ｋ_ＭＴＢ（２５−２９）、Ｋ_ＭＴＢ（３０−３４）、Ｋ_ＭＴＢ（３５−３９）、Ｋ_ＭＴＢ（４０−４４）、Ｋ_ＭＴＢ（４５−４９）、Ｋ_ＭＴＢ（５０−）の中から利用者のデータＤ_ＧＤＲ（性別）と対応するものを選ぶ。

図２０（Ｂ）は、テーブルＴＢＬ３−２の内容を示す図である。このテーブルＴＢＬ３−２では、男性については、２０歳から２４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）が１、２５歳から２９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（２５−２９）が０．９６４６、３０歳から３４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（３０−３４）が０．９２９２、３５歳から３９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（３５−３９）が０．９２０８、４０歳から４４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（４０−４４）が０．９１２５、４５歳から４９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（４５−４９）が０．９０４２、５０歳以上の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（５０−）が０．８９５８となっている。

また、女性については、２０歳から２４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）が０．９２０８、２５歳から２９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（２５−２９）が０．９１２５、３０歳から３４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（３０−３４）が０．９０４２、３５歳から３９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（３５−３９）が０．８９３８、４０歳から４４歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（４０−４４）が０．８８３３、４５歳から４９歳の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（４５−４９）が０．８７２９、５０歳以上の年代の減少用基礎代謝係数Ｋ_ＭＴＢ（５０−）が０．８６２５となっている。

演算処理デバイス３５は、最新記録データＤ_ＷＴ（ＬＡＳＴ）に体重予測線Ａ”を繋げた場合における将来の各年代の該当区間を求め、体重予測線Ａ’における各年代の区間の傾きα’にテーブルＴＢＬ３−２内から選んだ減少用基礎代謝係数Ｋ_ＭＴＢ（２０−２４）、Ｋ_ＭＴＢ（２５−２９）、Ｋ_ＭＴＢ（３０−３４）、Ｋ_ＭＴＢ（３５−３９）、Ｋ_ＭＴＢ（４０−４４）、Ｋ_ＭＴＢ（４５−４９）、Ｋ_ＭＴＢ（５０−）のうち該当のものを各々乗算する。そして、この年代毎の個別の傾きα”を持った線を体重予測線Ａ”とする。

図１７において、ステップＳＴ５又はステップＳＴ７の実行後、演算処理デバイス３５は、利用者の体重が体重予測線Ａ”に沿って推移した場合における現時点から期間Ｔ３（たとえば、期間Ｔ３＝２０年とする）後の予測終端点までの間の各時点の予測体重ＰＷＴ（β）を算出する（ＳＴ８）。このステップＳＴ８では、演算処理デバイス３５は、最新記録データＤ_ＷＴ（ＬＡＳＴ）、８６日〜９０日前の記録データＤ_ＷＴの平均値ＭＡ_ＷＴ（８６−９０）、目標体重（データＤ_ＴＲＧとして利用者が決めた目標体重）、標準体重（統計値に基づいて予め設定された標準体重）の相互の大小関係を判定する。演算処理デバイス３５は、線形近似直線Ａの傾きαの符号（プラスまたはマイナス）とこの大小関係の判定結果の組み合わせに応じて将来のβ（β＝１，２…）日後の各時点の予測体重ＰＷＴ（β）を以下のようにして算出する。

ａ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）＞目標体重＞標準体重の場合（図２２のケースＰ０１の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。

ｂ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞目標体重＞データＤ_ＷＴ（ＬＡＳＴ）＞標準体重の場合（図２２のケースＰ０２の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が標準体重に達した以降は予測体重ＰＷＴ（β）を標準体重に収束させる。

ｃ４．傾きαの符号がマイナスで、目標体重＞平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）＞標準体重の場合（図２２のケースＰ０３の場合）
この場合の予測体重ＰＷＴ（β）の算出はｂ４と同様の手順で行う。

ｄ４．傾きαの符号がマイナスで、目標体重＞平均値ＭＡ_ＷＴ（８６−９０）＞標準体重＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０４の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。

ｅ４．傾きαの符号がマイナスで、目標体重＞標準体重＞平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０５の場合）
この場合の予測体重ＰＷＴ（β）の算出はｄ４と同様の手順で行う。

ｆ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）＜標準体重＜目標体重の場合（図２２のケースＰ０６の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。

ｇ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜標準体重＜データＤ_ＷＴ（ＬＡＳＴ）＜目標体重の場合（図２２のケースＰ０７の場合）
この場合の予測体重ＰＷＴ（β）の算出はｆ４と同様の手順で行う。

ｈ４．傾きαの符号がプラスで、標準体重＜平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）＜目標体重の場合（図２２のケースＰ０８の場合）
この場合の予測体重ＰＷＴ（β）の算出はｆ４と同様の手順で行う。

ｉ４．傾きαの符号がプラスで、標準体重＜平均値ＭＡ_ＷＴ（８６−９０）＜目標体重＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０９の場合）
この場合、演算処理デバイス３５は、体重予測線Ａ”の収束点を設けずに、この体重予測線Ａ”におけるβ日後の時点の値をβ日後の予測体重ＰＷＴ（β）とする。

ｊ４．傾きαの符号がプラスで、標準体重＜目標体重＜平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１０の場合）
この場合の予測体重ＰＷＴ（β）の算出はｉ４と同様の手順で行う。

ｋ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞目標体重＞標準体重＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１１の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。

ｌ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜標準体重＜目標体重＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１２の場合）
この場合の予測体重ＰＷＴ（β）の算出はｉ４と同様の手順で行う。

ｍ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）＞標準体重＞目標体重の場合（図２２のケースＰ１３の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。

ｎ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞標準体重＞データＤ_ＷＴ（ＬＡＳＴ）＞目標体重の場合（図２２のケースＰ１４の場合）
この場合の予測体重ＰＷＴ（β）の算出はｍ４と同様の手順で行う

ｏ４．傾きαの符号がマイナスで、標準体重＞平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）＞目標体重の場合（図２２のケースＰ１５の場合）
この場合の予測体重ＰＷＴ（β）の算出はｍ４と同様の手順で行う。

４．傾きαの符号がマイナスで、標準体重＞平均値ＭＡ_ＷＴ（８６−９０）＞目標体重＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１６の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。

ｑ４．傾きαの符号がマイナスで、標準体重＞目標体重＞平均値ＭＡ_ＷＴ（８６−９０）＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１７の場合）
この場合の予測体重ＰＷＴ（β）の算出はｐ４と同様の手順で行う。

ｒ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）＜目標体重＜標準体重の場合（図２２のケースＰ１８の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。

ｓ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜目標体重＜データＤ_ＷＴ（ＬＡＳＴ）＜標準体重の場合（図２２のケースＰ１９の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が標準体重に達した以降は予測体重ＰＷＴ（β）を標準体重に収束させる。

ｔ４．傾きαの符号がプラスで、目標体重＜平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）＜標準体重の場合（図２２のケースＰ２０の場合）
この場合の予測体重ＰＷＴ（β）の算出はｓ４と同様の手順で行う。

ｕ４．傾きαの符号がプラスで、目標体重＜平均値ＭＡ_ＷＴ（８６−９０）＜標準体重＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２１の場合）
この場合、演算処理デバイス３５は、体重予測線Ａ”の収束点を設けずに、体重予測線Ａ”におけるβ日後の時点の値をβ日後の予測体重ＰＷＴ（β）とする。

ｖ４．傾きαの符号がプラスで、目標体重＜標準体重＜平均値ＭＡ_ＷＴ（８６−９０）＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２２の場合）
この場合の予測体重ＰＷＴ（β）の算出はｕ４と同様の手順で行う。

ｗ４．傾きαの符号がマイナスで、平均値ＭＡ_ＷＴ（８６−９０）＞標準体重＞目標体重＞データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２３の場合）
この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤ_ＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。

ｘ４．傾きαの符号がプラスで、平均値ＭＡ_ＷＴ（８６−９０）＜目標体重＜標準体重＜データＤ_ＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２４の場合）
この場合の予測体重ＰＷＴ（β）の算出はｕ４と同様の手順で行う。

図１７において、演算処理デバイス３５は、現在から予測終端点ｔ_ＥＮＤまでの各時点の予測体重ＰＷＴ（β）を求めた後、これらの予測体重ＰＷＴ（β）を結ぶ体重予測線ＡＰ、この体重予測線ＡＰ上の予測終端点の予測体重ＰＷＴ（β）と目標体重との差に応じて決まるアドバイスＡＤＶ１を含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に送信する（ＳＴ０９）。

一方、図２３のフローチャートに示すように、未来顔写真提示処理では、演算処理デバイス３５は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価レベルＬｖのうち抗齢力の評価レベルＬｖと美力の評価レベルＬｖを選び、この２つの評価レベルＬｖと全種類の評価レベルＬｖを平均した平均評価レベルＬｖ_ＡＶＥの和を３で除算し、この除算結果を基準評価レベルＬｖ_ＢＳとする（ＳＴ１１）。

演算処理デバイス３５は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価レベルＬｖのうちの最大評価レベルＬｖ_ＭＡＸと最小評価レベルＬｖ_ＭＩＮの差である乖離値ＧＰ（ＧＰ＝｜Ｌｖ_ＭＡＸ−Ｌｖ_ＭＩＮ｜）を求め、この乖離値ＧＰを記憶デバイス３４内の加減点値テーブルＴＢＬ４に照らし合わせることにより、基準評価レベルＬｖ_ＢＳに作用させる加減点値を求める（ＳＴ１２）。

図２４は、加減点値テーブルＴＢＬ４のデータ構造を示す図である。このテーブルＴＢＬ４では、乖離値ＧＰが０（５種類の評価レベルＬｖのすべてがレベル１または２である場合を除く）の場合の加減点値が「＋１」、乖離値ＧＰが１（５種類の評価レベルＬｖのすべてがレベル２以下である場合を除く）の場合の加減点値が「０」、乖離値ＧＰが２の場合の加減点値が「−１」、乖離値ＧＰが３の場合の加減点値が「−２」、乖離値ＧＰが４の場合の加減点値が「−３」となっている。

図２３において、演算処理デバイス３５は、基準評価レベルＬｖに加減点値を加算し、この加算結果を利用者の老化レベルＬｖ_{ＡＧＩＮＧ}とする（ＳＴ１３）。演算処理デバイス３５は、このステップＳＴ１３で求めた老化レベルＬｖ_{ＡＧＩＮＧ}を含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に送信する（ＳＴ１４）。

図１５において、利用者の利用者端末１０は、サーバ装置３０から送信されるメッセージ内のデータに応じて２種類の未来予測画面ＳＣＲ１１及びＳＣＲ１２の表示内容を制御する。より詳細に説明すると、利用者端末１０は、写真選択画面ＳＣＲ９（図１６）のボタンＢＴ７、ＢＴ８、またはＢＴ９が選択されると、未来予測画面ＳＣＲ１２を表示させる。図１５に示すように、未来予測画面ＳＣＲ１２の中央には、写真選択画面ＳＣＲ９（図１６）において選択された利用者の顔写真画像ＰＣＴが表示される。そして、この顔写真画像ＰＣＴの下には時間軸バーＴＬが表示される。時間軸バーＴＬの左には再生ボタンＢＴ１０が表示される。また、時間軸バーＴＬの下には、「５年後」、「１０年後」、「２０年後」の各文字が記される。その下には２つのボタンＢＴ１２及びＢＴ１１が表示される。ボタンＢＴ１２内には「顔」の文字が記される。ボタンＢＴ１１内には「体重」の文字が記される。

この未来予測画面ＳＣＲ１２において、利用者が、再生のボタンＢＴ１０をタッチする操作を行うと、利用者端末１０は、時間軸バーＴＬ上のポインタＰＴの左端（現在）から右端（２０年後）への移動に合わせて利用者の顔写真画像ＰＣＴにしみ及び皺を出現させるとともに顔写真画像ＰＣＴの左右方向の幅を伸縮させる処理を行う。この画像処理では、利用者端末１０は、サーバ装置３０から受信した老化レベルＬｖ_{ＡＧＩＮＧ}と対応する老化年数値（１年あたりの老化の度合いを示す値）を利用者端末１０のメモリ内の老化年数値テーブルＴＢＬ５（図２５）から取り出し、この老化年数値とサーバ装置３０から受信した体重予測線ＰＡの傾きに応じて時間軸バーＴＬ上のポインタＰＴが時間軸バーＴＬの各点を通過したときのしみ及び皺の量と顔の横方向の伸縮量を変化させる。

より具体的に説明すると、例えば、サーバ装置３０から受信した老化レベルＬｖ_{ＡＧＩＮＧ}がレベル５である場合、テーブルＴＢＬ５における現在〜５年後の老化年数値は０、５年後〜１０年後の老化年数値は０、１０年後〜１５年後の老化年数値は０．５、１５年後〜２０年後の老化年数値は０．５、２０年後以降の老化年数値は１となっている。この場合の画像処理では、利用者端末１０は、時間軸バーＴＬ上のポインタＰＴが１０年経過時に達するまでは顔写真画像ＰＣにしみ及び皺を出現させず、ポインタＰＴが１０年経過時に達した以降に顔写真画像ＰＣにしみ及び皺を出現させ、ポインタＰＴが２０年経過時に達した以降にしみ及び皺の量を倍増させる操作を行う。

また、例えば、サーバ装置３０から受信した体重予測線ＰＡの傾きの符号がプラスでありその時間勾配が１０ｋｇ／１年であった場合の画像処理では、利用者端末１０は、体重の１年あたりの増加量に変換係数である１．２を乗算した値（増加量が１０ｋｇであれば１２％）を伸長率とし、時間軸バーＴＬ上のポインタＰＴが１年分進む毎に顔写真画像ＰＣＴをこの伸長率（１２％）で横方向に伸ばす操作を行う。また、例えば、サーバ装置３０から受信した体重予測線ＰＡの傾きの符号がマイナスでありその時間勾配が６ｋｇ／１年であった場合の画像処理では、利用者端末１０は、体重の１年あたりの増加量に変換係数である１．２を乗算した値（増加量が５ｋｇであれば６％）を縮小率とし、時間軸上バー上のポインタＰＴが１年分進む毎に顔写真画像ＰＣをこの縮小率（６％）で横方向に縮める操作を行う。

図１５において、利用者が、未来予測画面ＳＣＲ１２の「体重」のボタンＢＴ１１をタッチする操作を行うと、利用者端末１０は、ディスプレイの表示画面を未来予測画面ＳＣＲ１２から未来予測画面ＳＣＲ１１に切り替える。この未来予測画面ＳＣＲ１１の中央には、サーバ装置３０から受信した体重予測線ＰＡ（実線）と目標体重線ＳＡ（データＤ_ＴＧＴの体重を示す鎖線）とを記したグラフＣＨＲＴが表示される。その下には、「○○（ユーザのニックネーム）さんの今後２０年の体重変化予測」の文字が記される。その下には、予測終端点（２０年後）の予測体重ＰＷＴ（β）（図１５の例では、６７．５ｋｇ）が表示される。その下には、サーバ装置３０から受信したアドバイスＡＤＶ１（図１５の例では、「過去の自分が頑張ってくれたからこそ今の自分がある。だから、未来も明るいね。」）が表示される。その下には、ボタンＢＴ１２及びＢＴ１１が左右方向に並べて表示されている。利用者が、ボタンＢＴ１１をタッチする操作を行うと、利用者端末１０は、ディスプレイの表示画面を未来予測画面ＳＣＲ１１から未来予測画面ＳＣＲ１２に再び切り替える。

以上が、本実施形態の詳細である。本実施形態によると、次の効果が得られる。
第１に、本実施形態では、データベース装置５０は、各利用者の利用者端末１０において複数種類の記録項目について記録された複数種類の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを記憶し、サーバ装置３０は、データベース装置５０内における利用者の複数種類のデータの中から直近の第１の期間Ｔ１（Ｔ１＝７日）の間に記録された複数種類の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰを抽出し、抽出した複数種類の記録データＤ_ＳＴ、Ｄ_ＷＴ、Ｄ_ＳＬ、Ｄ_ＭＬ、Ｄ_ＲＣ、Ｄ_ＵＰの種類毎の移動平均値_ＳＴ、ＭＡ_ＷＴ、ＭＡ_ＳＬ、ＭＡ_ＭＬ、ＭＡ_ＲＣ、ＭＡ_ＵＰを求め、求めた複数種類の移動平均値_ＳＴ、ＭＡ_ＷＴ、ＭＡ_ＳＬ、ＭＡ_ＭＬ、ＭＡ_ＲＣ、ＭＡ_ＵＰを所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルＬｖとして示すバランスパラメータＰＲを求め、求めたバランスパラメータＰＲをレーダーチャートとして含む画面ＳＣＲ１１を利用者端末１０に表示させる。

ここで、人間が健康維持のために行う行動の多くは、良い面と悪い面を併せもっている。たとえば、運動は、自律神経の向上や体力の向上という側面から見ればおおいに推奨されるものであるが、過度に行うと身体が酸化して老化を進めてしまう。本実施形態では、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力という５種類の評価項目で評価した評価結果をレーダーチャートとして利用者に提示する。よって、本実施形態によると、利用者は、自身の健康に関わるさまざま要素に広く注意を傾けながら自身の生活習慣を改善していくことができる。従って、本実施形態によると、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができる。

第２に、本実施形態では、サーバ装置３０は、データベース装置５０内における利用者の体重記録データＤ_ＷＴの中から直近の第１の期間Ｔ１（Ｔ１＝７日）よりも長い第２の期間Ｔ２（Ｔ２＝６月）の間に記録された体重記録データＤ_ＷＴを抽出し、抽出した体重記録データＤ_ＷＴの線形近似直線Ａを求め、この線形近似直線Ａを体力の評価レベルＬｖに応じた大きさの体力係数Ｋ_ＷＴによって補正した第１の体重予測線Ａ’を求め、この第１の体重予測線Ａ’を利用者の性別及び年齢の組み合わせに応じた大きさの基礎代謝係数Ｋ_ＭＴＢによって補正した第２の体重予測線Ａ”を求め、この第２の体重予測線Ａ”の傾きα”に沿った将来の予測体重ＰＷＴ（β）の推移のグラフＣＨＲＴを含む画面ＳＣＲ１２を利用者の利用者端末１０に表示させる。よって、本実施形態によると、利用者を、体力の評価レベルＬｖに影響を与える要素である運動（歩数）及び体重に注意を払うように仕向けることができる。

第３に、本実施形態では、前記サーバ装置３０は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルＬｖを利用者の老化の進行の程度を示す老化レベルＬｖ_{ＡＧＩＮＧ}に変換し、変換した老化レベルＬｖ_{ＡＧＩＮＧ}が顔のしわ及びくすみとして現れ且つ第２の体重予測線Ａ”における体重の変化が顔の伸縮として現れるような画像処理を利用者の顔写真ＰＣＴに施した未来顔写真を含む画面ＳＣＲ１１を利用者の利用者端末１０に表示させる。よって、本実施形態によると、利用者に現在の生活習慣を続けていった場合の自身の姿を見せることができる。従って、本実施形態によると、利用者における生活習慣の改善の意識付けをより一層強めることができる。

以上、本発明の一実施形態について説明したが、かかる実施形態に以下の変形を加えてもよい。
（１）上記実施形態では、利用者端末１０は、歩数記録データＤ_ＳＴ、体重記録データＤ_ＷＴ、体脂肪記録データＤ_ＦＴ、睡眠記録データＤ_ＳＬ、アプリ起動履歴記録データＤ_ＲＣ、アップロード履歴記録データＤ_ＵＰをデータベース装置５０にアップロードした。しかし、これらのうち体脂肪記録データＤ_ＦＴは、サーバ装置３０におけるバランスパラメータＰＲの算出に利用しないため、アップロードしないようにしてもよい。

（２）上記実施形態では、利用者端末１０は、この老化年数値と体重予測線ＰＡの傾きに応じて時間軸バーＴＬ上のポインタＰＴが時間軸バーＴＬの各点を通過したときの顔上のしみ及び皺の量と顔の横方向の伸縮量を変化させる処理を画像処理として行った。しかし、これに加えて、利用者の顔の表情を変化させるようにしてもよい。具体的に説明すると、サーバ装置３０は、意識力の評価レベルＬｖ、継続力の評価レベルＬｖ、及び平均評価レベルＬｖ_ＡＶＥの和を３で除算した値を表情レベルとし、この表情レベルを老化レベルＬｖ_{ＡＧＩＮＧ}とともに含むメッセージを利用者端末１０に送信する。そして、利用者端末１０は、表情レベルがレベル１または２であった場合は、利用者の顔を悲しんだ表情となるように加工し、表情レベルがレベル４または５であった場合は、利用者の顔を笑みの表情となるように加工する。この変形例によると、利用者における健康に対する意識をより一層高めることができる。

（３）上記実施形態のステップＳＴ８において、演算処理デバイス３５は、平均値ＭＡ_ＷＴ（８６−９０）に代えて線形近似直線Ａにおける９０日前の値を用い、予測体重ＰＷＴ（β）の収束の有無を判定するようにしてもよい。

１…ヘルスケアシステム、１０…利用者端末、３０…サーバ装置、５０…データベース装置、３１、５１…表示デバイス、３２、５２…入力デバイス、３３、５３…通信デバイス、３４、５４…記憶デバイス、３５、５５…演算処理デバイス、３６、５６…内部バス。

Claims

各利用者の利用者端末とネットワークを通じて接続されるサーバ装置及びデータベース装置を有するヘルスケアシステムであって、
前記データベース装置は、
前記各利用者の利用者端末において複数種類の記録項目について記録された複数種類の記録データを記憶し、
前記サーバ装置は、前記データベース装置内における利用者の複数種類の記録データの中から直近の第１の期間の間に記録された複数種類の記録データを抽出し、抽出した複数種類の記録データの種類毎の移動平均値を求め、求めた複数種類の移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、求めたバランスパラメータをレーダーチャートとして含む画面を前記利用者端末に表示させる
ことを特徴とするヘルスケアシステム。
前記複数種類の記録データは、利用者の体重を示す体重記録データを含み、
前記サーバ装置は、
前記データベース装置内における利用者の体重記録データの中から直近の前記第１の期間よりも長い第２の期間の間に記録された体重記録データを抽出し、抽出した体重記録データの線形近似直線を求め、この線形近似直線を前記体力の評価レベルに応じた大きさの体力係数により補正した第１の体重予測線を求め、この第１の体重予測線を該当の利用者の性別及び年齢の組み合わせに応じた大きさの基礎代謝係数により補正した第２の体重予測線を求め、この第２の体重予測線の傾きに沿った将来の予測体重の推移のグラフを含む画面を利用者の利用者端末に表示させる
ことを特徴とする請求項１に記載のヘルスケアシステム。
前記サーバ装置は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルを利用者の老化の進行の程度を示す老化レベルに変換し、変換した老化レベルが顔のしわ及びくすみとして現れ且つ前記第２の体重予測線における体重の変化が顔の伸縮として現れるような画像処理を利用者の顔画像に施した未来顔画像を含む画面を利用者の利用者端末に表示させる
ことを特徴とする請求項２に記載のヘルスケアシステム。