JP2017006305A - 体力推定方法 - Google Patents

Abstract

【課題】対象者に掛かる身体的な負担を軽減して行動体力を評価する。
【解決手段】体力推定システム１００は、記憶部１０、計測部２０および算出部３０を備えている。記憶部１０は、歩行状態を示す歩行パラメータと、行動体力を構成する少なくとも一つの体力要素に関する体力測定の測定値と、の相関関係を示す関係情報ＭＲを記憶する。計測部２０は、歩行する対象者Ｐから歩行パラメータを計測する。算出部３０は、記憶部１０を参照し、計測された歩行パラメータと関係情報ＭＲとに基づいて対象者Ｐに関する体力要素の評価値を算出する。
【選択図】図１

Description

本発明は、体力推定方法および体力推定システムに関する。

近年の健康志向の高まりから、行動体力を測定することが行われている。行動体力は身体を動かして行動する際の身体的な能力をいい、持続力、筋力および調節力という３つの要素（以下、体力要素という）によって構成されている。持続力は行動を持続する能力、筋力は行動を起こす能力、調節力は行動を調節する能力をそれぞれ意味する。

行動体力の測定方法として一般的なものは体力測定であり、たとえば持続力は上体起こしや椅子の立ち座り（チェアスタンド）、筋力は握力や垂直跳び、調節力は長座位前屈や反復横跳びなどの動作項目によって計測される。体力測定の動作項目は年代により標準化されていることが一般的であり、複数種類の動作項目を組み合わせて体力年齢を算出し、自分の実年齢と比較することで健康維持に取り組むことが教育現場、自治体、スポーツクラブなど各地で行われている。しかしながら、行動体力を構成する体力要素やその下位項目は多岐に亘るため、一般的な体力測定は動作項目が多い。このため広いスペースが求められ、また測定に長時間を要する。

特許文献１には、利用者の行動体力を判定する装置が記載されている。この装置は、加速度センサを備える入力送信装置を利用者の身体に装着した状態で、ディスプレイ装置に表示された画面や音声出力による運動指示にあわせて利用者が各種の動作をすることで、この運動指示と動作との一致度を判定するものである。長時間に亘って利用者が動作を続けることで、行動体力に劣る利用者は途中から運動指示に追従することができなくなるため、この一致度を判定することで利用者の行動体力が推定できるとされている。

特開２００４−７３２７２号公報

握力や反復横跳びなど体力測定の各動作項目は、対象者が全力で動作することによって測定されるため、高齢者には身体的な負担が大きく、若齢者も怪我をするおそれがあるなど、安全性の確保の観点で課題がある。特許文献１の装置も、長時間に亘って運動指示に追従する動作を行って運動指示からの遅れを検知して行動体力を評価することから、対象者の身体的な負担は大きい。

本発明は上述のような事情に鑑みてなされたものであり、対象者に掛かる身体的な負担を軽減して行動体力を評価することが可能な新しい手法に関する。

本発明は対象者の体力推定方法に関するものであり、歩行する対象者から計測した一または複数種類の歩行状態を示す歩行パラメータに基づいて、前記対象者の行動体力を構成する少なくとも一つの体力要素の評価値を算出するものである。これにより、対象者は歩行動作をするだけで一以上の体力要素の評価値が算出されて行動体力を評価することができる。

また、本発明は体力推定システムに関するものであり、歩行状態を示す一または複数種類の歩行パラメータと、行動体力を構成する少なくとも一つの体力要素に関する体力測定の測定値と、の相関関係を示す関係情報を記憶しておく記憶部と、歩行する対象者から前記歩行パラメータを計測する計測部と、前記記憶部を参照し、計測された前記歩行パラメータと前記関係情報とに基づいて前記対象者に関する前記体力要素の評価値を算出する算出部と、を備えるものである。これにより、歩行動作を行う対象者から歩行パラメータを計測するだけで体力要素の評価値が算出され、また上記本発明の体力推定方法が実現される。

本発明によれば、対象者に掛かる身体的な負担を軽減して行動体力を評価することが可能である。

実施形態の体力推定システムの構成図である。 歩行パラメータの説明図であり、（ａ）は歩隔および歩行角度、（ｂ）は歩幅、ストライド長およびつま先角、（ｃ）は立脚期、遊脚期および両脚支持期を示す。 反復横跳びを動作項目とする場合について、実測値と、歩行パラメータに基づいて算出された歩容推定値との関係図である。 飲食料情報の例を示す図である。 椅子立ち座りを動作項目とする場合について、実測値と、歩行パラメータに基づいて算出された歩容推定値との関係図である。 握力を動作項目とする場合について、実測値と、歩行パラメータに基づいて算出された歩容推定値との関係図である。 ペグ移動を動作項目とする場合について、実測値と、歩行パラメータに基づいて算出された歩容推定値との関係図である。

以下、本発明の実施形態について図面を用いて説明する。なお、各図面において同様の構成要素には同様の符号を付し、適宜説明を省略する。

＜第一実施形態＞
図１は、本発明の実施形態の体力推定システム１００の構成図である。はじめに、本実施形態の概要について説明する。

体力推定システム１００は、記憶部１０、計測部２０および算出部３０を少なくとも備えている。記憶部１０は、歩行状態を示す一または複数種類の歩行パラメータと、行動体力を構成する少なくとも一つの体力要素に関する体力測定の測定値と、の相関関係を示す関係情報ＭＲを記憶しておく手段である。計測部２０は、歩行する対象者Ｐから上記一または複数種類の歩行パラメータを計測する手段である。そして算出部３０は、記憶部１０を参照し、計測された歩行パラメータと関係情報ＭＲとに基づいて対象者Ｐに関する体力要素の評価値を算出する手段である。

歩行パラメータを計測する計測部２０の具体的な構成は特に限定されない。本実施形態では、歩行者の足裏から押圧される圧力の情報を二次元的な経時データとして取得するシート式圧力センサである歩行跡計測手段２２と、この歩行跡計測手段２２で取得されたデータを解析して歩行パラメータを算出する解析部２４とで構成されているが、後述するようにこれに限られるものではない。

体力推定システム１００は、上記の歩行跡計測手段２２のほか、体力推定装置９０および表示出力部８０を備えている。体力推定装置９０は、いわゆるコンピュータであり、ＣＰＵ（Central Processing Unit）、メモリ、入出力インタフェースなどの汎用デバイスで構築されたハードウェア、所定の処理動作を実行するように構築された専用の論理回路、またはこれらの組み合わせにより構成されている。メモリには、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）または可搬式記憶媒体などを用いることができる。
解析部２４、算出部３０および後述する判定部４０はＣＰＵにより実現され、記憶部１０はメモリにより実現される。なお、記憶部１０が情報を記憶するとは、記憶部１０がデータを記憶する機能を有することを意味しており、当該データが常に格納されていることを必ずしも要しない。また、記憶部１０は複数のメモリによって構成され、後述する各種の情報（関係情報ＭＲ、過去情報ＰＤおよび飲食料情報ＦＩなど）を分散して記憶してもよい。

体力推定装置９０は、歩行跡計測手段２２で計測された歩行跡情報を歩行跡計測手段２２から取得する入力部６０と、算出された評価値その他の情報を表示出力部８０に出力する出力部７０を更に備えている。入力部６０および出力部７０は入出力インタフェースにより実現される。入力部６０は、歩行跡計測手段２２から歩行跡情報を取得する受信部のほか、体力推定システム１００の操作者からの各種操作入力を受け付けるためのキーボードやマウスなどの入力装置を、入出力インタフェースとして有している。表示出力部８０は、たとえばディスプレイ装置であり、出力部７０は出力信号の送信部である。ここで、体力推定システム１００の操作者は、歩行パラメータが計測された対象者Ｐ本人でもよく、または他の人間でもよい。
このほか、体力推定システム１００は対象者Ｐの歩行動作の動画像を撮影するビデオカメラ（図示せず）を備えてもよい。

本実施形態の体力推定システム１００を用いることで、対象者Ｐの体力を推定する方法（体力推定方法：以下、本方法という場合がある）が実現される。本方法は、歩行する対象者から計測した一または複数種類の歩行パラメータに基づいて、対象者の行動体力を構成する少なくとも一つの体力要素の評価値を算出するものである。

人間の自然な歩行動作は、その人の筋力や脳の認知処理速度など様々な要素に起因して決定され、歩行状態を示す歩行パラメータには身体的な特徴が顕れると考えられる。たとえば、大きなストライド長で歩く人は筋力が強く、左右の歩行角度の差が小さい人は巧緻性が高いなど、人間の行動体力を構成する体力要素の傾向が歩行状態に顕れることが本発明者らの検討により明らかとなった。これは、人間が自然で心地よいと感じる歩行動作は、その人にとって身体的な負担が少ない動作で、また心身ともに無理なくかつストレスなく動作する速度で行われると考えられることに起因する。すなわち、対象者が自然と感じる歩行動作を解析することで、その対象者の筋力およびその左右バランス、反応速度、柔軟性など、まさに行動体力を構成する体力要素の度合いを評価することができると考えられる。
そこで本発明者らは、サンプルデータ提供者である多数の被験者から実際に体力測定を行って取得した動作項目の測定値と、当該被験者から計測した多数の歩行パラメータとを統計的に分析した。その結果、驚くべきことに多くの体力要素と歩行パラメータとの間に相関関係が認められた。すなわち、一または複数の体力要素について体力測定の測定値と歩行パラメータとの相関式を関係情報として予め取得しておくことで、以降の対象者Ｐにおいては身体に負担の掛かる体力測定を実際に行わずとも、歩行パラメータを計測して関係情報を参照すれば容易に体力測定の測定値を推算することが可能になり、もって本方法および体力推定システム１００が完成した。
したがって本方法および体力推定システム１００によれば、対象者Ｐは自然で無理のない歩行動作をするだけで、一以上の体力要素の評価値が算出されて行動体力を判定することができる。

本方法に用いる歩行パラメータの数および種類については後述するが、推定精度を高める観点からは複数種類の歩行パラメータに基づいて体力要素を評価することが好ましい。したがって本方法では、体力測定の測定値を目的変数とし複数種類の歩行パラメータを説明変数に含む重回帰式と、対象者Ｐから計測した当該複数種類の歩行パラメータと、に基づいて当該対象者Ｐに関する体力要素の評価値を算出するとよい。ここで、目的変数となる体力測定の測定値は、上述したように複数の被験者（母集団）からそれぞれ計測した体力要素に関する体力測定の測定値であり、説明変数とする複数種類の歩行パラメータは、体力測定を行った当該各被験者の歩行状態で計測されたものである。
対象者Ｐから計測する歩行パラメータには、被験者（母集団）から計測されて重回帰式の説明変数に用いられた上記複数種類と同種の歩行パラメータが少なくとも含まれている。そして、対象者Ｐから計測された、重回帰式の説明変数と同種の歩行パラメータを用い、重回帰式（関係情報ＭＲ）に基づいて体力要素の評価値を算出する。

対象者Ｐおよび被験者の性別や年齢（年齢層）は特に限定されず、未成年でも成年でもよい。母集団となる被験者の人数は限定されず、多数であることが好ましいが、重回帰式に説明変数として用いる歩行パラメータの数の二倍以上とすることが好ましい。統計精度の観点から、対象者Ｐおよび被験者（母集団）はすべて健常者であり、かつ杖や介助の必要なく独立歩行が可能な者であることが好ましい。
性別や年齢（年齢層）が対象者Ｐと共通する被験者が母集団に少なくとも一人（対象者Ｐを除く）は含まれることが好ましく、更に対象者Ｐの性別および年齢層と被験者の母集団の性別および年齢層とが一致していてもよい。すなわちたとえば、被験者の母集団を、男／女別、および若齢層（例：２０歳以上４９歳以下）／高齢層（例：５０歳以上７９歳以下）別にカテゴリー分類し、各カテゴリーについて体力測定の測定値と歩行パラメータとの相関式（重回帰式）を求めて記憶部１０に記憶しておいてもよい。そのうえで、対象者Ｐが属するカテゴリーの相関式を参照して、対象者Ｐから計測した歩行パラメータに基づいて対象者Ｐの体力要素の評価値を推算してもよい。これにより対象者Ｐの体力要素の評価値を精度よく推算することができる。
ただし本発明者らの検討によれば、被験者の母集団をカテゴリーに分類せずとも、性別および年齢層に顕著な偏りがなく、かつ十分な人数（たとえば１００人以上）の母集団から体力測定の測定値と歩行パラメータを取得しておくことで、性別や年齢層を問わず任意の対象者Ｐに対して体力要素の評価値を精度よく推算できることが明らかになっている。

以下、行動体力の体力要素および歩行パラメータについて説明する。

人間の体力は大別して防衛体力と行動体力とに分類される。防衛体力は、物理的負荷や病気、精神的ストレスなどに対する抵抗力である。行動体力は、上述したように身体を動かして行動する際の身体的な能力をいい、持続力、筋力および調節力という３つの体力要素により構成されている。
持続力は行動を持続する能力のことであり、たとえば最大酸素摂取量にみられる全身持久力や、腹筋運動のように筋肉の伸縮動作を繰り返す筋持続力などの下位項目によって評価される。
筋力は行動を起こす能力のことであり、握力にみられる静的筋力や、跳び上がるまでの速さである全身反応時間にみられる瞬発力などの下位項目によって評価される。
調節力は行動を調節する能力のことであり、全身を使った素早い動きを必要とする敏捷性や、立っている時のバランス維持機能である平衡性、細かい作業を行う巧緻性など複数の下位項目によって評価される。

下表１は、行動体力を構成する三つの体力要素と、各体力要素の度合いを判定するための詳細項目の例を示している。具体的には、詳細項目は、体力要素を更に複数に分類する下位項目と、各下位項目の体力測定に一般的に実施されている動作項目とで構成されている。

＜持続力＞
全身持久力は、３分間歩行や５分間走などにて広く評価されている。これは３分間や５分間などの決められた時間を限界の速度で歩行または走行する動作項目である。本方法では、対象者Ｐに身体的な負荷をなるべく掛けずに自然な歩行動作に基づいて体力要素を評価することから、全身持久力の測定は行わないこととしてもよい。したがって表１の該当欄は空欄としている。
筋持久力は、椅子座り立ち（チェアスタンド）にて広く評価されている。これは、手を使わずに所定時間内に椅子に座ったり立ったりを繰り返すことができる回数か、または所定回数の座り立ちに要する時間の測定値である。このほか、仰向けの姿勢で上体を起こす上体起こしによって測定する場合もある。
＜筋力＞
静的筋力は、握力計により測定される握力（最大握力）にて広く評価されている。
瞬発力は、光刺激に反応して跳び上がるまでの速さを計測する全身反応時間にて広く評価されている。このほか、５０ｍ走などの短距離走によって測定する場合もある。
＜調節力＞
平衡性は、両目を閉じて片足立ちで静止した場合の重心位置の平面方向のズレを計測する重心動揺にて広く評価されている。
柔軟性は、床に座って膝を伸ばして前屈したときの指先の到達距離を計測する長座位前屈にて広く評価されている。
巧緻性は、両手に持った各１本のペグを盤の遠位の穴から近位の穴へと正しく移し変える動作の速度を計測するペグ移動にて広く評価されている。また、ソフトボール投げなどの投擲項目によって、巧緻性および上記の瞬発力を測定する場合もある。
敏捷性は、左右に反復して繰り返して跳ぶ速度や回数を計測する反復横跳びのほか、急に落下する棒を素早く掴むのに要する時間を計測する棒反応時間平均や、座位による足踏み回数を計測するステッピングテスト、光刺激に対する上下左右４方向への反応時間を計測する４方向リアクションなどによって多面的に評価される。４方向リアクションは更に、反応開始までの時間（４方向反応時間）、反応開始から動作終了までの時間（４方向移動時間）、これらの合計時間（４方向動作時間）に分けて計測される場合もある。

本実施形態の体力推定システム１００において算出部３０は、体力要素の評価値を算出する。ここで、体力要素の評価値とは、行動体力を構成する三つの体力要素である持続力、筋力もしくは調節力、またはこれらに対応する詳細項目に関する能力の度合いを示す値である。
体力要素の評価値としては、体力測定の動作項目（最大握力や反復横跳び等）の推定値でもよく、または、一または複数の動作項目の推定値に基づいて判定された下位項目（全身持久力、筋持久力、静的筋力、瞬発力、平衡性、柔軟性、巧緻性または敏捷性）の能力値でもよく、更には、一または複数の下位項目もしくは動作項目の能力値に基づいて総合的に判定された体力要素（持続力、筋力または調節力）の判定値でもよい。

算出部３０は、体力要素の評価値を一つだけ算出してもよく、または複数の評価値を算出してもよい。また、算出部３０は、三つの体力要素（持続力、筋力および調節力）の総てについて評価値をいずれも算出してもよい。
なお、本方法および体力推定システム１００は、対象者Ｐの行動体力を構成する一以上の体力要素またはその詳細項目に関する評価値を算出するほか、これに加えて対象者Ｐの行動体力を総合評価する評価結果を算出してもよい。

＜歩行パラメータ＞
計測部２０の歩行跡計測手段２２で被験者および対象者Ｐ（以下、併せて被験者と総称する場合がある）から計測される歩行パラメータについて説明する。下表２の左欄に、歩行パラメータの例を示す。

歩行パラメータは、被験者の歩行状態を示す物理的な指標である。本方法および体力推定システム１００では、被験者が自然で無理のない歩行動作をしている間に当該被験者から計測した歩行パラメータを用いる。

スピードは歩行速度であり、単位は［ｋｍ／時間］などで表される。
ケイデンスは、歩行率やピッチとも呼ばれ、左右一方の踵が接地してから左右同じ側の踵が再び接地するまでの時間から、１分間の歩数を計算した値であり、単位は［歩／分］である。
後述する表３および表４に示すように、スピードおよびケイデンスは、様々な体力要素に対して強く相関することが本発明者らの検討により明らかとなっている。

歩幅は、図２（ｂ）に示すように、左右一方の踵が接地した位置から、もう他方の踵が再び接地する位置までの距離であり、軸足になっている足の左右に基づいて歩幅の左右を定める。すなわち、右足を軸足として左足を踏み出した場合の距離を右歩幅といい、左足を軸足として右足を踏み出した場合の距離を左歩幅という。歩幅は、踵の最後端の接地位置を基準にして定めることができる。
歩幅[%]とは、被験者の身長で除して基準化した値を用いることを示している。左右一方の踵が接地してから、その一方の踵が再び接地するまでの時間をストライド時間という場合がある。
Δ歩幅[%]は右歩幅と左歩幅の差の絶対値（歩幅左右差）であり、左右一方の足の踵の接地から再度の接地までの距離と、他方の足の踵の接地から再度の接地までの距離との差である。被験者の身長で除することにより基準化したものを使用することが好ましい。
ストライド長は、左右一方の踵が接地してから、当該一方の踵が再び接地するまでの距離であり、軸足になっている足の左右に基づいて歩幅の左右を定める。たとえば図２（ｂ）に示す右ストライド長は、右踵が接地してから、左足の接地を介して右踵が再び接地するまでの距離であり、被験者の身長で除して基準化した値（右ストライド長[%]）として用いるとよい。
Δストライド長[%]は、左右のストライド長の差異の絶対値（ストライド長左右差）を被験者の身長で除して基準化したものである。

歩隔は、図２（ａ）に示すように、左右一方の踵の接地領域における歩圧の圧力中心から、左右他方の踵の接地領域における歩圧の圧力中心までの水平方向の距離であり、軸足になっている足の左右で歩隔の左右を定める。たとえば右歩隔[%]は、図２（ａ）に示す右歩隔を身長で除することにより基準化したものである。
Δ歩隔[%]は、左右一方の足を軸足として他方の足を踏み出したときの歩隔と、軸足が左右逆の場合の歩隔との差の絶対値（歩隔左右差）であり、身長で除して基準化したものである。

歩行角度は、図２（ａ）に示すように、左右一方の踵から他方の踵を結んだ直線が進行方向となす角度である。なお、軸足として地面に着いている足の左右に基づいて歩行角度の左右を定めるものとする。たとえば、図２（ａ）に示すように軸足を右足として、左足を踏み出して接地した場合、地面についたままの右足の踵と接地したときの左足の踵とを結んだ直線と、進行方向とがなす角度を右歩行角度とする。Δ歩行角度は、左右の歩行角度の左右差の絶対値（歩行角度左右差）である。
なお、歩隔および歩行角度の計測の基点となる踵内の点は、たとえば足圧分布画像から足圧後部の圧力中心点により定めることができる。

つま先角は、図２（ｂ）に示すように、踵の最後端とつま先とを結ぶ直線が、進行方向となす角度であり、外側がプラス角度で、内側がマイナス角度である。つま先角は左右の足を区別して計測する。同図ではプラス角度の右つま先角を示す。
Δつま先角は、左右のつま先角の差（つま先角度左右差）である。

歩行周期は、図２（ｃ）に示すように、左右一方の踵が接地してから左右同じ側の踵が再び接地するまでの時間である。
立脚期とは、図２（ｃ）に示すように左右一方の踵が接地してから、当該一方の足が地面から離れるまでの期間である。遊脚期とは、左右一方の足が地面から離れてから、当該一方の足の踵が次に接地するまでの期間である。立脚期の長さを立脚期時間といい、遊脚期の長さを遊脚期時間という。立脚期および遊脚期は左右の足を区別して計測し、また１歩行周期に対する長さの割合より基準化するとよい。たとえば左遊脚期[%]は、左足が地面から離れている時間の、１歩行周期に対する割合である。
Δ遊脚期[%]は、右遊脚期時間と左遊脚期時間の差異の絶対値（遊脚期左右差）を、１歩行周期で基準化した割合である。

両脚支持期とは、図２（ｃ）に示すように、左右両方の足が同時に地面に接地している期間であり、両脚支持期時間とはその長さである。両脚支持期時間は左右の足を区別して計測することができ、たとえば左両脚支持期は左足を軸足として右足が地面を離れてから再び右足が接地するまでの期間である。両脚支持期[%]は、１歩行周期に対する両脚支持期時間の割合である。したがって、走行行為では零となる。
Δ両脚支持期時間[%]は、右両脚支持期時間と左両脚支持期時間の差異の絶対値（両脚支持期時間左右差）を、１歩行周期で基準化した割合である。
なお両脚支持期時間は、比較的、被験者の精神状態の影響を受けにくく、恣意的な制御も受けにくい。通常の歩行行為では、両脚支持期時間は、歩行周期の約２０％を占めるが、瞬発力が劣る被験者は長くなる傾向にある。

本明細書においては特に断りなき場合、上記各歩行パラメータに関して基準化された無次元パラメータと基準化されていない有次元パラメータとを区別せずに説明する。また、特に断りなく単に、歩幅、ストライド長、歩隔、歩行角度、つま先角、歩行周期、立脚期時間、遊脚期時間または両脚支持期時間と呼称する場合には、左足、右足および左右差のいずれかまたは全部に関する歩行パラメータを意味する。

つぎに、計測部２０について説明する。
本実施形態の体力推定システム１００に用いられる計測部２０は、上記の歩行パラメータの一部または全部を被験者から計測する手段である。計測部２０で複数種類の歩行パラメータを計測し、算出部３０によって体力要素の評価値を算出する場合にはその一部の歩行パラメータを用いてもよい。算出部３０による演算に用いられる歩行パラメータとしては、評価値が算出される体力要素、その下位項目または体力測定の動作項目に予め対応付けられている一種類または複数種類の歩行パラメータを選択して用いてもよく、または複数の体力要素に亘って共通の歩行パラメータを用いてもよい。後述する表３には、体力測定の動作項目ごとに予め対応付けられた各３種類の歩行パラメータを示している。また、共通の歩行パラメータとしてケイデンスおよび歩幅を少なくとも用いることにより、多くの体力要素の下位項目に対して評価値を精度よく算出できて好ましいことが本発明者らの検討により明らかとなっている。算出部３０による演算に用いられる歩行パラメータとしては、たとえばケイデンスおよび歩幅を含む共通の歩行パラメータ（共通パラメータ）と、体力要素の下位項目または体力測定の動作項目ごとに対応付けられた個別の歩行パラメータ（個別パラメータ：たとえば表３に示す歩行パラメータ第１から第３）と、を組み合わせて用いてもよい。

計測部２０の例として、本実施形態では上述した歩行跡計測手段２２を例示する。本実施形態の歩行跡計測手段２２はシート式圧力センサであり、被験者の歩行跡情報を取得する手段である。歩行跡計測手段２２は、歩行面の上で歩行する被験者の足裏から当該歩行面が押圧された足圧の情報を時間情報と対応付けて歩行跡情報として取得する。これにより、被験者の足圧分布の二次元情報が経時データとして取得される。
シート式圧力センサとしては、たとえば、アニマ社製のシート式下肢加重計シリーズウォークＷａｙや、ＡＭＴＩ社製の床反力計などを使用することができる。なお、シート式圧力センサにより歩行パラメータを計測する場合の対象者Ｐや被験者の歩行距離は、５ｍ以上１５ｍ以下、好ましくは５ｍ以上１０ｍ以下とすることができる。

歩行跡計測手段２２から出力された歩行跡情報は入力部６０を介して体力推定装置９０で取得され、解析部２４によって演算されて歩行パラメータが算出される。すなわち、本実施形態の歩行跡計測手段２２は、体力推定装置９０の解析部２４にて歩行パラメータを算出するための元データになる歩行跡情報を取得する。
歩行跡計測手段２２としてシート式圧力センサを用いることで、歩行角度の基点となる踵内の圧力中心点を正確に特定することができる。すなわち歩行跡計測手段２２としてシート式圧力センサを用いる場合、左右の脚に関する歩隔もしくは歩行角度、またはこれらの左右差を含む歩行パラメータを取得するとよい。

解析部２４は、歩行跡計測手段２２が出力した足圧分布を示す歩行跡情報を解析して複数種類の歩行パラメータを算出する。歩行跡情報は足圧分布の二次元情報を含んでいるため、解析部２４は、左右の歩幅、ストライド長およびつま先角、ならびにこれらの左右差を算出することができる。また、解析部２４は、踵内の圧力中心点を特定したうえで、左右の歩隔および歩行角度、ならびにこれらの左右差を算出することができる。更に歩行跡情報は時間情報を含んでいるため、解析部２４は、スピードおよびケイデンスのほか、左右の歩行周期、立脚期時間、遊脚期時間および両脚支持期時間、ならびにこれらの左右差を算出することができる。

なお、本発明において、歩行跡計測手段２２はシート式圧力センサを使用するものに限られない。たとえば、マーカーを装着した足を、複数台のビデオカメラで撮影し、画像情報の動作分析により計測するものでもよい。具体的には、複数台のビデオカメラと三次元動作解析システム（インターリハ社製三次元動作解析システムＶＩＣＯＮ）等を使用することができる。また、足の裏にインクをつけて歩行することにより足跡を形成し、併せて歩行状態を動画像で撮影することで、個々の足跡が形成された時刻情報を足跡情報と対応付けて取得することができる。

また、上記の歩行パラメータのうち、スピードは予め定められた所定距離を歩行する時間をストップウォッチなどで測定することにより算出可能である。また、歩行周期およびケイデンスは、上記の歩行時間と、被験者の身体に装着した加速度センサの波形情報とを解析することにより取得することができる。歩行する被験者には、足を接地した瞬間に加速度の第一のピークが発生し、地面を蹴って足が離れる瞬間に加速度の第二のピークが発生するため、加速度センサからの出力値を波形処理技術によって解析することで、歩行周期およびケイデンスが求められる。また、加速度センサの波形情報を解析して上記の第一のピークと第二のピークとを弁別することで、立脚期時間、遊脚期時間および両脚支持期時間を算出することができる。

以下、計測結果に基づいて本発明を説明する。
２０歳代から７０歳代を対象とした男女１２７名を被験者として、表１に示した体力測定の動作項目の実測値と、シート式圧力センサとしてアニマ社製ウォークＷａｙを用いて歩行パラメータを取得した。そして、動作項目の実測値を目的変数（従属変数）とし、歩行パラメータを説明変数（独立変数）として重回帰式を作成した。
図３は、反復横跳びを動作項目とする場合について、体力測定による実測値と、複数種類の歩行パラメータに基づいて算出された歩容推定値との関係図である。歩容推定値とは、被験者から体力測定によって実測した動作項目の測定値を、一または複数種類の歩行パラメータと回帰式とに基づいて推定した値である。
また、下表２に、計測部２０により取得された２３種類の歩行パラメータと、各パラメータを説明変数とし、反復横跳びの回数を目的変数とした場合のt値、有意確率および標準化係数を示す。

表２に示す結果より、歩行パラメータのうち、スピード（歩行速度）、ケイデンスおよび左つま先角は、反復横跳びの回数に対して有意であることが分かった。そして、２３種類の歩行パラメータの全部を説明変数とする重回帰式の標準化係数は表２に示すものとなり、スピード（歩行速度）、ケイデンスおよび左つま先角のほか、左歩幅、右歩隔、右歩行角度などの影響力を大きく受けることが分かった。
すなわち、反復横跳びの回数に対して有意であるスピード（歩行速度）やケイデンスなどの歩行パラメータが、比較的大きな標準化係数として算出されたことから、歩行パラメータおよび重回帰式に基づいて歩容推定値を算出することで、この歩容推定値は反復横跳びの回数（実測値）を高い精度で相関する。現に、図３中に示すように反復横跳びの回数（縦軸ｙ）と歩容推定値（横軸ｘ）とは、ほぼｙ＝ｘの関係を有するとともに、寄与率Ｒ^２＝０．５１と高い値となり、両者は良く相関している。

以上より、体力要素の一つである調節力の下位項目である敏捷性を、歩容推定値によって精度よく評価できることが確認された。すなわち、対象者Ｐから取得する歩行パラメータが、つま先角またはケイデンスを含むことにより、本方法および体力推定システム１００によれば、調節力にかかる評価値を算出することが可能である。

本方法および本実施形態の体力推定システム１００は、反復横跳びに限らず、種々の動作項目に関して高い精度で歩容推定値を算出することができる。下表３は、体力要素の下位項目に対応する動作項目ごとに、上記と同様に２３種類の歩行パラメータの全部を説明変数とする重回帰式を算出し、かかる重回帰式に歩行パラメータを代入して算出される歩容推定値と、各動作項目の測定値との相関係数Ｒを求めた結果である。表３には、動作項目ごとに重回帰式の標準化係数が大きい上位３種類の歩行パラメータを表示している。

ここで、統計学上一般に相関係数Ｒの絶対値が０．４を超える場合に有意な相関が認められ、特に相関係数の絶対値が０．７を超える場合に強い相関が認められるところ、表３に示すように総ての動作項目に関して相関係数Ｒが０．４を超える結果となった。したがって本方法および体力推定システム１００は、反復横跳びに限らず、体力要素の下位項目に対応する様々な動作項目について、体力測定による実測に代替して歩容推定値によって対象者Ｐの身体能力を推定することが可能である。
また、静的筋力（筋力）を示す握力や、巧緻性（調節力）を示すペグ移動など、一見すると歩行動作から推定することが困難な体力要素に関しても、歩行パラメータに基づいて高い精度で評価値を算出できることが分かる。
表３の結果より、スピード（歩行速度）およびケイデンスという２種類の歩行パラメータにより、多くの動作項目の歩容推定値を有意に推定できることが分かる。また、スピード（歩行速度）およびケイデンスに加えて、距離情報（歩幅、つま先角、歩行角度）や時間情報（両脚支持期時間）を用いることにより推定精度が向上することが分かる。

図３、表２および表３は、対象者Ｐから取得した総ての歩行パラメータを用いて重回帰式を算出した場合の例であるが、本発明はこれに限られない。下表４は、スピード（歩行速度）を説明変数から除いた第二の重回帰式に歩行パラメータを代入して算出される歩容推定値と、各動作項目の測定値との相関係数Ｒを求めた結果を示している。あわせて、第二の重回帰式において標準化係数が大きい上位３種類の歩行パラメータを、動作項目ごとに表示している。

表４に示すように、歩行動作において最も基本的な変数の一つであるスピード（歩行速度）を説明変数から除いても、表４に示すように各体力要素（持続力、筋力および調節力）における一以上の下位項目に関する動作項目を、相関係数Ｒが０．４を超える有意さで歩容推定値により推算できることが確認された。したがって、対象者Ｐおよび被験者から取得する歩行パラメータは、上記表２に列記したものに限られず、その一部でもよく、または他の歩行パラメータを取得して歩容推定値の算出に用いてもよい。

図１に戻り、記憶部１０は、多数の被験者（母集団）から計測した体力測定の動作項目ごとに、各動作項目の測定値（実測値）と歩容推定値との相関を示す関係情報ＭＲを記憶している。関係情報ＭＲは一つの歩行パラメータを説明変数とする単回帰式の係数、または複数種類の歩行パラメータを説明変数とする重回帰式の複数個の係数を含む情報である。たとえば表３に示すように、標準化係数が最も大きい歩行パラメータ第１（つま先角やケイデンス）を説明変数として選択し、対応する動作項目（長座位前屈やペグ移動）の測定値を目的変数とする単回帰式により歩容推定値を算出してもよい。

つぎに体力推定システム１００は、歩行する対象者Ｐから計測部２０を用いて複数種類の歩行パラメータを計測する。そして、算出部３０は、関係情報ＭＲが示す単回帰式または重回帰式の説明変数に、対象者Ｐから計測した一または複数種類の歩行パラメータを代入して、歩容推定値を算出する。以下、本実施形態では複数種類の歩行パラメータを説明変数とする重回帰式の係数が関係情報ＭＲとして記憶されている場合を例に説明する。
体力推定システム１００は、関係情報ＭＲとして記憶されている総ての動作項目の測定値に対応する歩容推定値をそれぞれ算出してもよい。または、体力推定システム１００の操作者が入力部６０を介して、一部の動作項目の測定値に対応する歩容推定値を選択する情報を入力し、かかる選択情報に基づいて算出部３０は対応する歩容推定値を算出してもよい。

表３および表４を参照して上述したように、本方法および体力推定システム１００は複数個の動作項目の測定値を歩容推定値として推算することができる。各動作項目に対応する重回帰式の係数は互いに異なるため、記憶部１０は動作項目に対応付けて重回帰式の係数を関係情報として記憶している。すなわち、記憶部１０は複数種類の歩行パラメータと、複数個の体力要素に関する測定値と、の相関関係をそれぞれ示す複数個の関係情報ＭＲを記憶している。そして、計測部２０が対象者Ｐから取得した複数種類の歩行パラメータと上記複数個の関係情報ＭＲとに基づいて、算出部３０は対象者Ｐに関する複数個の評価値を算出して出力するとよい。これにより本方法によれば、歩行する対象者から複数種類の歩行パラメータをひとたび計測すれば、この共通の歩行パラメータを用いて、複数個の重回帰式に基づいて当該複数個の評価値を算出することができる。

体力推定システム１００は、算出部３０が算出した歩容推定値を、体力要素の評価値として出力部７０より表示出力部８０に出力してもよいが、これに限られない。算出部３０は、歩容推定値に対して更に各種の演算を行って評価値を算出して出力してもよい。
また、体力推定システム１００は各種の判定処理をする判定部４０を備えている。判定部４０は、算出部３０が算出した歩容推定値に対して、たとえば記憶部１０に予め記憶された閾値との大小比較をすることにより閾値判定を行う。閾値の例としては、対象者Ｐの性別および年齢層ごと、かつ体力要素の下位項目や動作項目ごとに、優／良／可などのレベル判定をするための閾値を例示することができる。これにより、算出部３０が算出した評価値をそのまま出力するのではなく、判定部４０で閾値判定した結果である評価レベルを表示出力部８０に出力することもできる。

本実施形態の体力推定システム１００には、各種の機能を付加することができる。
たとえば、記憶部１０は、対象者Ｐから取得された歩行パラメータまたは算出された評価値（過去情報ＰＤ：図１参照）を、対象者Ｐと関連づけて蓄積してもよい。そして体力推定システム１００は、蓄積されている過去情報ＰＤに基づく過去の評価値（第一の評価値）と、新たな評価値と、を対比して出力してもよい。すなわち、第一の評価値は、過去の時点における歩行パラメータから算出された評価値または蓄積されている評価値であり、第二の評価値は、過去情報ＰＤの取得以降（たとえば現在）に新たに計測部２０で取得された歩行パラメータに基づいて算出部３０が算出した評価値である。
たとえば、対象者Ｐから取得された歩行パラメータを、対象者Ｐを示す識別番号と対応付けて記憶部１０に蓄積して記憶しておくとよい。そして、後日に再び当該対象者Ｐから取得された歩行パラメータと、蓄積されている過去の歩行パラメータのそれぞれに基づいて体力要素の評価値を算出部３０で算出する。これにより、対象者Ｐが過去と現在を対比して、当該体力要素の能力が以前よりも向上しているかまたは下降しているか、などを容易に判断することができる。また、過去の歩行パラメータを蓄積して保存しておくことで、当該過去から現在までの間にサンプルデータ提供者である被験者の母集団の人数が増大するなどして重回帰式の精度が向上した場合に、当該過去の時点における対象者Ｐの体力要素を精度よく再計算することが可能になる。また、過去と現在の対象者Ｐの体力要素の評価値から、母集団の不一致に起因する統計誤差を排除することができる。

また、本実施形態の体力推定システム１００の他の機能として、対象者Ｐの行動体力の評価結果に応じて、体力要素の向上に寄与する飲食料を提示してもよい。具体的には、記憶部１０は、体力要素の向上に寄与する飲食料を示す飲食料情報ＦＩを体力要素と対応づけて記憶している。図４は飲食料情報ＦＩの例を示す図である。飲食料情報ＦＩはテーブル形式などで記憶部１０に記憶されている。飲食料としては、飲料や食料、サプリメントなどの薬剤を例示することができる。
図４に示す飲食料情報ＦＩでは、飲食料名と、これを摂取することにより向上が期待される体力要素および具体的な下位項目と、摂取が推奨される年齢層および体力要素の評価値の判定結果（評価レベル）と、が互いに対応付けられている。
そしてこの体力推定システム１００では、算出部３０が算出した評価値を判定部４０で閾値判定した判定結果（評価レベル）に基づいて、体力要素に対応する飲食料情報ＦＩを記憶部１０より抽出して出力するとよい。
これにより、体力要素の評価値を出力するだけでなく、対象者Ｐの属性および現在の行動体力に応じた飲食料情報ＦＩを提示することができる。このとき、飲食料情報ＦＩに加えて、対象者Ｐに推奨される運動メニュー（エクササイズプログラム）を示す情報を併せて出力してもよい。

以下、実施例にて本発明を更に詳細に説明する。
実施例１から実施例３では、図３および表２から表４を用いて上述した男女１２７名の被験者から取得した体力測定の各種の動作項目について、歩行パラメータおよび重回帰式により算出される歩容推定値との相関関係を確認した。重回帰式の説明変数としては、表２に示した２３種類の歩行パラメータの全部を用いた。図５（実施例１）は椅子立ち座りを動作項目とする場合、図６（実施例２）は握力を動作項目とする場合、図７（実施例３）はペグ移動を動作項目とする場合について、それぞれ体力測定による実測値と、歩行パラメータに基づいて算出された歩容推定値との関係図である。
実施例４では、実施例１と同じく椅子立ち座りを動作項目とする場合について、表３に示した歩行パラメータ第１から第３のみを説明変数とする重回帰式に基づいて歩容推定値を算出した。

（実施例１）
図５、および表３に示すように、筋持久力の動作項目である椅子座り立ちを、スピード（歩行速度）、両脚支持期時間および歩幅を主要な説明変数として歩容推定値により有意に説明できることが確認された。椅子座り立ちの実測値としては、手を使わずに椅子に座ったり立ったりを５回繰り返す時間（秒数）を採用した。表３に示すように相関係数Ｒは０．６を超え、また図５中に示すように実測値である秒数（縦軸ｙ）と歩容推定値（横軸ｘ）とは、ほぼｙ＝ｘの関係を有するとともに、寄与率Ｒ^２＝０．３７と高い値となり、両者は良く相関することが確認された。また、表４に示すようにスピード（歩行速度）を説明変数から除いた場合にも有意な相関を示す重回帰式を作成することができ、この場合の主要な説明変数は両脚支持期時間、ケイデンスおよび遊脚期時間であることが分かった。

以上より、体力要素の一つである持続力の下位項目である筋持久力を歩容推定値によって精度よく評価できることが確認された。そして、対象者Ｐから取得する歩行パラメータが両脚支持期時間を含むことにより、本方法および体力推定システム１００により持続力にかかる評価値を算出できることが分かった。

（実施例２）
図６、および表３に示すように、静的筋力の動作項目である握力を、スピード（歩行速度）、ケイデンスおよび歩幅を主要な説明変数として歩容推定値により有意に説明できることが確認された。表３に示すように相関係数Ｒは０．８に達し、また図６中に示すように実測値［ｋｇ］（縦軸ｙ）と歩容推定値（横軸ｘ）とは、ほぼｙ＝ｘの関係を有するとともに、寄与率Ｒ^２＝０．６４と高い値となり、両者は強く相関することが確認された。また、表４に示すようにスピード（歩行速度）を説明変数から除いた場合にも有意な相関を示す重回帰式を作成することができ、この場合の主要な説明変数はケイデンス、つま先角および歩幅左右差（Δ歩隔）であることが分かった。

以上より、体力要素の一つである筋力の下位項目である静的筋力を歩容推定値によって精度よく評価できることが確認された。そして、対象者Ｐから取得する歩行パラメータがケイデンスを含むことにより、本方法および体力推定システム１００により筋力にかかる評価値を高い精度で算出できることが分かった。

（実施例３）
図７、および表３に示すように、巧緻性の動作項目であるペグ移動を、ケイデンス、歩行角度左右差（Δ歩行角度）および歩隔左右差（Δ歩隔）を主要な説明変数として歩容推定値により有意に説明できることが確認された。表３に示すように相関係数Ｒは０．７を超え、また図７中に示すように実測値である個数（縦軸ｙ）と歩容推定値（横軸ｘ）とは、ほぼｙ＝ｘの関係を有するとともに、寄与率Ｒ^２＝０．５６と高い値となり、両者は良く相関することが確認された。また、表４に示すようにスピード（歩行速度）を説明変数から除いた場合にも同様の相関係数Ｒおよび主要な説明変数で重回帰式が作成されることが分かった。つまり、歩行パラメータとして最も基本的な変数の一つであるスピード（歩行速度）が実質的に寄与しない重回帰式によって巧緻性は評価されることから、従来一般的な歩行解析では巧緻性と歩容との相関が見過ごされてきたといえる。
これに対し本方法および体力推定システム１００では、体力要素の一つである調節力の下位項目である巧緻性を、歩容推定値によって精度よく評価できることが確認された。すなわち、対象者Ｐから取得する歩行パラメータが、歩行角度や歩隔を含むことにより、本方法および体力推定システム１００によれば、調節力にかかる評価値を算出することができる。

以上より、体力要素の一つである調節力の下位項目である巧緻性を歩容推定値によって精度よく評価できることが確認された。すなわち、上述したように敏捷性を判定する反復横跳びの推定結果（図３参照）と併せて、調節力の複数の下位項目を本方法および体力推定システム１００により良好に評価できることが分かった。

（実施例４）
成人５名の被験者につき、実施例１と同様に、手を使わずに椅子に座ったり立ったりを５回繰り返すのに要した秒数を、椅子立ち座りとして実測した。また、同じ被験者５名から、歩行パラメータとしてスピード（歩行速度）、両脚支持期時間および歩幅を、床反力計（ＡＭＴＩ社製）を用いてそれぞれ測定した。これらの歩行パラメータは、表３に示した歩行パラメータ第１から第３に対応している。そして、下記の重回帰式（１）に基づいて椅子立ち座りの歩容推定値（予測秒数）を算出した。
椅子座り立ち（予測秒数）＝０．１８×スピード［ｋｍ／時］＋２．３１×両脚支持期時間［秒］＋０．０８×歩幅［ｃｍ］ ・・・（１）
上記の各歩行パラメータの測定値、椅子座り立ちの歩容推定値（予測秒数）および実測値を下表５に示す。

表５に示す結果より、特に被験者Ａ、ＣおよびＥに関して、椅子座り立ちの実測値を高い精度で推定できることが分かった。したがって、実施例１のように多数種類（具体的には２３種類）の歩行パラメータを説明変数に用いずとも、実施例４のように体力要素の下位項目または体力測定の動作項目に予め対応付けられた数種類（たとえば表３に示す歩行パラメータ第１から第３の３種類）の歩行パラメータのみを説明変数とする重回帰式によって体力要素の評価値を精度よく算出できることが分かった。

以上、図面を参照して本発明の実施形態について述べたが、これらは本発明の例示であり、上記以外の様々な構成を採用することもできる。また、本発明は上述の実施形態に限定されるものではなく、本発明の目的が達成される限りにおける種々の変形、改良等の態様も含む。
たとえば図１では歩行跡計測手段２２と体力推定装置９０とを別体として図示しているが、これに限られない。歩行跡計測手段２２が記憶部１０、解析部２４および算出部３０の機能や表示出力部８０の機能を一体に有していてもよい。

本発明の体力推定システム１００の各種の構成要素は、個々に独立した存在である必要はない。複数の構成要素が一個の部材として形成されていること、一つの構成要素が複数の部材で形成されていること、ある構成要素が他の構成要素の一部であること、ある構成要素の一部と他の構成要素の一部とが重複していること、等を許容する。

本発明は、上述した実施形態に関し、以下の体力推定方法および体力推定システムを開示する。

＜１＞歩行する対象者から計測した歩行状態を示す一または複数種類の歩行パラメータに基づいて、前記対象者の行動体力を構成する少なくとも一つの体力要素の評価値を算出することを特徴とする体力推定方法。
＜２＞複数の被験者からそれぞれ計測した前記体力要素に関する体力測定の測定値および前記複数種類の歩行パラメータに基づいて作成された、前記測定値を目的変数とし前記複数種類の歩行パラメータを説明変数に含む重回帰式と、前記対象者から計測した前記複数種類の歩行パラメータと、に基づいて前記対象者の前記評価値を算出する上記＜１＞に記載の体力推定方法。
＜３＞前記歩行パラメータが両脚支持期時間を含み、前記体力要素の一つである持続力にかかる前記評価値を算出する上記＜１＞または＜２＞に記載の体力推定方法。
＜４＞前記歩行パラメータがケイデンスを含み、前記体力要素の一つである筋力にかかる前記評価値を算出する上記＜１＞から＜３＞のいずれか一項に記載の体力推定方法。
＜５＞前記歩行パラメータがつま先角、ケイデンス、歩隔または歩行角度のいずれか一以上を含み、前記体力要素の一つである調節力にかかる前記評価値を算出する上記＜１＞から＜４＞のいずれか一項に記載の体力推定方法。
＜６＞前記歩行パラメータが、少なくともケイデンスおよび歩幅を含む上記＜１＞から＜５＞のいずれか一項に記載の体力推定方法。
＜７＞歩行状態を示す一または複数種類の歩行パラメータと、行動体力を構成する少なくとも一つの体力要素に関する体力測定の測定値と、の相関関係を示す関係情報を記憶しておく記憶部と、歩行する対象者から前記歩行パラメータを計測する計測部と、前記記憶部を参照し、計測された前記歩行パラメータと前記関係情報とに基づいて前記対象者に関する前記体力要素の評価値を算出する算出部と、を備える体力推定システム。
＜８＞前記記憶部は、取得された前記歩行パラメータまたは算出された前記評価値を前記対象者と関連づけて蓄積しておき、蓄積されている前記歩行パラメータから算出された前記評価値または蓄積されている前記評価値である第一の前記評価値と、計測部で取得した前記歩行パラメータに基づいて前記算出部が算出した第二の前記評価値と、を対比して出力する上記＜７＞に記載の体力推定システム。
＜９＞前記記憶部は、前記体力要素の向上に寄与する飲食料を示す飲食料情報を前記体力要素と対応づけて記憶し、前記算出部が算出した前記評価値を閾値判定した判定結果に基づいて、前記体力要素に対応する前記飲食料情報を前記記憶部より抽出して出力する上記＜７＞または＜８＞に記載の体力推定システム。
＜１０＞前記評価値として、持続力、筋力および調節力をいずれも算出する上記の体力推定方法および体力推定システム。
＜１１＞前記歩行パラメータが、左右の脚に関する歩隔もしくは歩行角度、またはこれらの左右差を含む上記の体力推定方法および体力推定システム。
＜１２＞前記歩行パラメータが、前記対象者の足圧分布を示す歩行跡情報を解析して算出される上記＜１１＞に記載の体力推定方法および体力推定システム。
＜１３＞前記対象者から取得した複数種類の前記歩行パラメータと、複数個の前記重回帰式と、に基づいて当該複数個の評価値を算出する上記＜２＞に記載の体力推定方法。
＜１４＞前記記憶部が、複数種類の前記歩行パラメータと、複数個の体力要素に関する前記測定値と、の相関関係をそれぞれ示す前記複数個の関係情報を記憶しており、前記計測部が前記対象者から取得した複数種類の前記歩行パラメータと前記複数個の関係情報とに基づいて、前記算出部は前記対象者に関する前記複数個の前記評価値を算出する上記＜７＞に記載の体力推定システム。

１０ 記憶部
２０ 計測部
２２ 歩行跡計測手段
２４ 解析部
３０ 算出部
４０ 判定部
６０ 入力部
７０ 出力部
８０ 表示出力部
９０ 体力推定装置
１００ 体力推定システム
Ｐ 対象者
ＦＩ 飲食料情報
ＭＲ 関係情報
ＰＤ 過去情報

Claims (9)

1. 歩行する対象者から計測した歩行状態を示す一または複数種類の歩行パラメータに基づいて、前記対象者の行動体力を構成する少なくとも一つの体力要素の評価値を算出することを特徴とする体力推定方法。
2. 複数の被験者からそれぞれ計測した前記体力要素に関する体力測定の測定値および前記複数種類の前記歩行パラメータに基づいて作成された、前記測定値を目的変数とし前記複数種類の歩行パラメータを説明変数に含む重回帰式と、
   前記対象者から計測した前記複数種類の歩行パラメータと、に基づいて前記対象者の前記評価値を算出する請求項１に記載の体力推定方法。
3. 前記歩行パラメータが両脚支持期時間を含み、前記体力要素の一つである持続力にかかる前記評価値を算出する請求項１または２に記載の体力推定方法。
4. 前記歩行パラメータがケイデンスを含み、前記体力要素の一つである筋力にかかる前記評価値を算出する請求項１から３のいずれか一項に記載の体力推定方法。
5. 前記歩行パラメータがつま先角、ケイデンス、歩隔または歩行角度のいずれか一以上を含み、前記体力要素の一つである調節力にかかる前記評価値を算出する請求項１から４のいずれか一項に記載の体力推定方法。
6. 前記歩行パラメータが、少なくともケイデンスおよび歩幅を含む請求項１から５のいずれか一項に記載の体力推定方法。
7. 歩行状態を示す一または複数種類の歩行パラメータと、行動体力を構成する少なくとも一つの体力要素に関する体力測定の測定値と、の相関関係を示す関係情報を記憶しておく記憶部と、
   歩行する対象者から前記歩行パラメータを計測する計測部と、
   前記記憶部を参照し、計測された前記歩行パラメータと前記関係情報とに基づいて前記対象者に関する前記体力要素の評価値を算出する算出部と、を備える体力推定システム。
8. 前記記憶部は、取得された前記歩行パラメータまたは算出された前記評価値を前記対象者と関連づけて蓄積しておき、
   蓄積されている前記歩行パラメータから算出された前記評価値または蓄積されている前記評価値である第一の前記評価値と、計測部で取得した前記歩行パラメータに基づいて前記算出部が算出した第二の前記評価値と、を対比して出力する請求項７に記載の体力推定システム。
9. 前記記憶部は、前記体力要素の向上に寄与する飲食料を示す飲食料情報を前記体力要素と対応づけて記憶し、
   前記算出部が算出した前記評価値を閾値判定した判定結果に基づいて、前記体力要素に対応する前記飲食料情報を前記記憶部より抽出して出力する請求項７または８に記載の体力推定システム。

Images