JP2019502475A - 個人化された適応能追跡 - Google Patents

Abstract

実施形態では、力学的仕事量の尺度と力学的仕事量に関連する生理的反応の尺度との間の比によって示される身体性能尺度に基づいて、自由生活環境においてウェアラブルセンサーによって提供されるデータを使用して対象者の心肺適応能を推定する装置が提供される。

Description

[0001] 本開示は、一般に適応能（ｆｉｔｎｅｓｓ）追跡に関する。

[0002] 心肺適応能（ｃａｒｄｉｏｒｅｓｐｉｒａｔｏｒｒｙ ｆｉｔｎｅｓｓ）は、ライフスタイル介入及びリハビリテーションプログラム中に改善する重要な健康指標である。適応能及び経時的な適応能変化を追跡することは困難であり、一般に、ユーザによる試験プロトコルの周期的実行を介して実施される。心肺適応能は、一般に、身体活動中の酸素摂取の最大量に対応する、ＶＯ_２ｍａｘを測定することによって決定される。ＶＯ_２ｍａｘは、肺の呼吸器容量に依存し、心臓ポンピング機能の強度に依存し、身体活動中に活性な筋肉量のサイズによる。これは、ユーザのいくつかの身体特性がこれらの因子に影響を及ぼすことができることを示唆する。筋肉量を示す身体組成、性別、年齢、及び体重が、ＶＯ_２ｍａｘの強い予測因子であることがわかっている。ＶＯ_２ｍａｘの変化は、最大又は最大下（ｓｕｂ−ｍａｘｉｍａｌ）運動試験を周期的に実行することによって監視され得る。このプロセスは、極めて負担になり、ある人の適応能レベルに対する洞察を散発的にのみ提供する。個々のＶＯ_２ｍａｘを推定するための自動（プロトコルが必要とされない日々の活動など、自由生活（ｆｒｅｅ−ｌｉｖｉｎｇ））方法が、開発された。例えば、ＷＯ２０１５０３６２８９Ａ１は、本発明の目的として、個人（ユーザ）が、あらかじめ決定されたプロトコルに厳密に従うこと及び／或いはトレッドミル又はエルゴメータのような特定の機器を使用することを必要としないが、ユーザが、日常生活状況においてその個人の心臓血管適応能（ｃａｒｄｉｏｖａｓｃｕｌａｒ ｆｉｔｎｅｓｓ）を確実に評価することを可能にする、ユーザの心臓血管適応能を推定するためのシステム、方法、プロセッサ及び処理方法について説明する。本システムは、心拍数信号を収集するための心拍数モニタと、個人の身体活動を示す活動信号を収集するための活動モニタと、収集された活動信号に基づいて個人の活動を分類するための分類器と、個人の心臓血管適応能の推定において使用するために、収集された心拍数信号及び活動の分類に基づいて、収集された心拍数信号から取得される１つ又は複数の心拍数特徴（ｈｅａｒｔ ｆｅａｔｕｒｅ）を選択するための選択器と、１つ又は複数の選択された心拍数特徴に基づいて、個人の心臓血管適応能を推定するための推定器とを含む。しかしながら、適応能評価の精度は、ランニング、上昇、定常状態、回復、サイクリングなど（例えば、１４ページ、１９〜２４行参照）を含む分類の詳細に重度に依存し（例えば、４ページ、２０〜２５行参照）、ＶＯ_２ｍａｘを予測するために選択するための心拍数特徴（例えば、１１ページ、５〜１０行で説明される、心拍数上昇、定常状態運動（ｓｔｅａｄ−ｓｔａｔｅ ｅｘｅｒｃｉｓｅ）心拍数、心拍数回復など）の更なる必要を伴う。コンテキスト情報のこの必要は、不正確であることがある高性能な活動分類システムを必要とするように見え、ＶＯ_２ｍａｘ推定値の不正確さにつながる。

[0003] 本発明の一つの目的は、最大運動試験中の開回路肺活量測定（ｏｐｅｎ−ｃｉｒｃｕｉｔ ｓｐｉｒｏｍｅｔｒｙ）において前もって実施されるものなど、厳密な適応能プロトコルを監視するための有資格者の必要なしに、心臓血管適応能の尺度（ｍｅａｓｕｒｅ）（例えば、ＶＯ_２ｍａｘ）を正確に反映する適応能インデックスを開発することである。別の目的は、広範囲の活動タイプにわたって有効である、ＶＯ_２ｍａｘと関係をもつ身体性能（ｐｈｙｓｉｃａｌ ｐｅｒｆｏｒｍａｎｃｅ）尺度を使用することである。そのような問題により良く対処するために、本発明の第１の態様では、ウェアラブルセンサーによって提供されるデータを使用して、且つ、自由生活活動に対応する力学的仕事量の尺度と力学的仕事量に関連する生理的反応の尺度との間の比によって示される身体性能尺度に基づいて、心肺適応能を推定する装置が、提供される。本発明は、厳しい試験プロトコル及び関連する機器に従うことを必要とする対象の技術分野における問題に対処し、性能尺度がほとんど活動非依存であるので、すべてのタイプの自由生活活動に正確に適用され得る、例えば、ランニングのみに制約されない性能尺度をも提供する。

[0004] 一実施形態では、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての心肺適応能尺度の変化を推定する方法が提供される。身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とを使用することによって、更なる剛性試験及び／又はプロトコルの必要なしに、経時的な適応能の変化を正確且つ確実に自動的に評価するための方法が確立される。

[0005] 一実施形態では、データは対象者に対応する移動データ及び生理的データを含み、身体性能を決定するステップは、活動タイプ及び動き強度を決定するステップと、生理的データに基づいて心拍数を決定するステップと、活動タイプ及び動き強度に基づいて、活動依存性（ａｃｔｉｖｉｔｙ−ｄｅｐｅｎｄｅｎｔ）エネルギー消費量推定値を決定するステップであって、身体性能は、エネルギー消費量推定値と心拍数との比を含む、決定するステップとを含む。エネルギー消費量と心拍数との間の比からＶＯ_２ｍａｘを決定するステップは、ランニング、ウォーキング、サイクリングを含む、日常（自由生活）活動中のウェアラブルセンサーデータからの適応能レベルの評価を可能にする。言い換えれば、活動パターンは、プロトコルに制限されないか、又は単一の活動に限定されない。更に、活動強度を決定する際のエネルギー消費量の活動非依存性質が、自由生活適用を可能にし、自由生活適用では、身体移動、又は、圧力センサー、汗センサーなどの使用によって達成される測定値を含む、強度の他の容易に収集される測定値が使用される。比の正確度を改善するために、呼吸数、皮膚温度、ガルヴァニック皮膚反応などを含む複数の生理的パラメータが使用されるので、エネルギー消費量は、心拍数に限定される必要はない。

[0006] 一実施形態では、自由生活活動を睡眠、坐位、又はアクティブにカテゴリー分類することによって、自由生活活動から活動パターンが決定され、カテゴリー分類は、移動データ及び生理的データに基づく。すなわち、ウェアラブルセンサーからの測定値を使用して、活動パターンは、対象者からの労力がほとんどなしに監視され、対象者活動の性質に関する正確な情報を導出する。活動パターンは、特定の繰返し期間中、例えば毎日、行われる活動のための概要メトリックと考えられ、ウォーキング活動が処理されるだけではなく、対象者の活動パターンを定量化するために、坐位期間、無酸素期間、及び有酸素期間も評価される。

[0007] 一実施形態では、活動の持続時間と生理的データのための複数のしきい値とに基づいて、アクティブカテゴリー分類が無酸素活動に対応するのか有酸素活動に対応するのかを決定するステップを更に含む。更に、有酸素活動は、活動パターンを定義するために使用されると、対象者の適応能レベルの維持及び変更とうまく相関するので、活動を無酸素として又は有酸素として定めることは役立つ。

[0008] 一実施形態では、心肺適応能尺度を推定するステップは、複数のタイプの活動についてデータが受信され、当該複数のタイプの活動について、定義された時間期間にわたって心肺適応能尺度を推定するステップと、信頼性スコアに従って、複数のタイプの活動の各々を重み付けするステップであって、信頼性スコアは身体性能と心肺適応能尺度との間の相関係数を含む、重み付けするステップとを含む。心肺適応能尺度の推定のための複数のタイプの活動の使用は、本方法の価値を、プロトコルに制限されず、むしろ、尺度を自由生活活動に基づかせることにおいて、更に強調する。更に、活動はＶＯ_２ｍａｘを等しく記述せず、信頼性重み（ｒｅｌｉａｂｉｌｉｔｙ ｗｅｉｇｈｔ）の使用は、これらの差を考慮すべきいくつかの活動中に得られた予測への変動する関係性を可能にする。

[0009] 一実施形態では、ベースライン期間の持続の間、複数の連続する定義された時間期間について、心肺適応能尺度を推定するステップを更に含む。ベースライン期間にわたって日々の推定値を提供することは、より正確且つ信頼できる評価を行うために、週単位のＶＯ_２ｍａｘ推定値のための参照開始レベルの決定を可能にし、且つ、週日活動及び週末活動によって影響を及ぼされる対象者の活動パターンの変動の捕捉をも可能にする。

[0010] 一実施形態では、ベースライン期間の後に、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定するステップを更に含む。例えば、対象者がベースライン期間の後にトレーニングプログラムを開始した場合、対象者の有酸素活動は増加し、本方法は、パターン変化の大きさに従って、適応能の予想される経時的な変化を決定する。身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに従う変化の推定の１つの利益は、決定された心肺適応能尺度の変化の推定が、対象者の特性に依存しないことである。したがって、絶対ＶＯ_２ｍａｘの推定における身体特性の決定要因役割は、適応能レベルへの時間的変化のコンテキストにおいて克服される。

[0011] 一実施形態では、測定されたパターン変化に関係する有酸素運動反応（ａｅｒｏｂｉｃ ｅｘｅｒｃｉｓｅ ｒｅｓｐｏｎｓｅ）を測定するステップを更に含む。有酸素運動反応を測定することによって、本方法は、対象者の活動及び行動反応に個人化される。

[0012] 本発明のこれら及び他の態様は、以下で説明される（１つ又は複数の）実施形態から明らかになり、それらに関して解明されるであろう。

[0013] 概略である以下の図面を参照しながら、本発明の多くの態様がより良く理解され得る。図面中の構成要素は必ずしも一定の縮尺でなく、本発明の原理を明らかに示すとき、代わりに強調が行われる。更には、図面では、同様の参照番号は、いくつかの図全体にわたる対応する部分を指定する。

[0014] 本発明の一実施形態による、適応能追跡システムが使用される例示的な環境を示す概略図である。 [0015] 本発明の一実施形態による、例示的なウェアラブルデバイスのための回路を示すブロック図である。 [0016] 本発明の一実施形態による、例示的なコンピューティングデバイスのための処理回路を示すブロック図である。 [0017] 本発明の一実施形態による、経時的な身体性能及び活動パターンの測定から、心肺適応能及び心肺適応能の変化を決定するための例示的な方法を示す流れ図である。 [0018] 本発明の一実施形態による、身体移動及び心拍数などの生理的データの測定値から身体性能を決定するために使用される例示的な方法を示す流れ図である。 [0019] 本発明の一実施形態による、身体移動及び心拍数の測定値から、活動パターン及び有酸素活動パターンを決定するために使用される例示的な方法を示す流れ図である。 [0020] ランニングのような、いくつかの活動タイプの場合、身体性能（ＴＥＥ／ＨＲ）と適応能（ＶＯ_２ｍａｘ）との間により強い関係が存在すること示すチャート図である。 [0021] 運動のタイプによる、ＶＯ_２ｍａｘのパーセンテージ変化に対するトレーニング時間の例示的な影響を示すチャート図である。 ＶＯ_２ｍａｘのパーセンテージ変化に対するトレーニング停止の例示的な影響を示すチャート図である。 [0022] 本発明の一実施形態による、ユーザルーチンの固有パターン変化を誘起する適応能トレーニングプログラムによって決定された、経時的な適応能における例示的な予想される傾向を示す概略図である。 [0023] 本発明の一実施形態による、例えば介入プログラムによる、活動パターンの変化によって決定された、予想される経時的な適応能傾向に基づいて、ＶＯ_２ｍａｘの日々の推定値の信頼性を改善する方法を概念的に示す概略図である。 [0024] 本発明の一実施形態による、パターンの変化によって決定された、適応能における時間的傾向を推定するために使用されるモデルのパラメータを個人化するために使用される方法を概念的に示す概略図である。

[0025] 心肺適応能及びその変化の正確且つ信頼できる推定値を提供する適応能追跡システム、装置、及び方法（以下、総称して、適応能追跡システムと呼ばれる）のいくつかの実施形態が本明細書で開示される。一実施形態では、プロトコルなしであり、例えば、エネルギー消費量の加速度ベース推定値を心拍数データと組み合わせることによって、対象者の心肺適応能の尺度（例えば、ＶＯ_２ｍａｘ）対心拍数関係を反映する適応能インデックスの実施を介して、自由生活状態の下で監視された生理的データ（例えば、心拍数及び身体移動データ）に基づいて対象者の心肺適応能を推定する、適応能追跡方法が開示される。いくつかの実施形態では、適応能追跡方法は、更に、身体性能、活動のタイプ、及び活動パターンを含むユーザのベースライン特性を定義し、ベースライン特性に従って初期ＶＯ_２ｍａｘのコンテキスト依存評価を提供し、活動パターンの記録された変化、身体性能、及び初期ＶＯ_２ｍａｘに従って、ＶＯ_２ｍａｘの変化を推定し、活動パターンから経時的なＶＯ_２ｍａｘの変化を予測するモデルを更に個人化するために有酸素運動反応を推定する。心肺適応能の変化を決定することを目的とするとき、対象者の特性は経時的に比較的安定したままであるので、対象者の特性は無関係な予測子である。適応能追跡システムのいくつかの実施形態では、身体性能、及び活動又は運動パターンは、経時的にＶＯ_２ｍａｘの変化を表すための関係する特徴である。身体性能は、ＶＯ_２ｍａｘの変動と一致して変化し得る。同様に、運動ルーチン及び活動パターンは、心肺適応能の特定の変化を誘起する。適応能追跡システムのいくつかの実施形態は、ウェアラブルセンサーを用いて収集されたデータを使用することによって、心肺適応能及び経時的な心肺適応能の変化を決定する。

[0026] 心肺適応能尺度（及び心肺適応能尺度の変化）の決定が、定義された時間期間にわたって、自由生活活動パターンに関与する対象者について集められたデータに基づくことに留意されたい。自由生活は、いくつかの実施形態では、対象者が臨床又はラボラトリ設定などにおいて厳密なプロトコルによって妨げられない、日々の活動に関与する。それにもかかわらず、対象者は、ラボラトリ又は臨床設定における制約を受けないので、そのような活動が自由生活活動パターンのレベルまで依然として上昇するとの意図をもって（例えば、トレーナー又はコーチによって）監督されるか又は監督されないトレーニングレジームに関与し得る。

[0027] 適応能追跡システムのいくつかの実施形態は、加速度と心拍数データとを組み合わせることよって定義される、適応能インデックスを使用する。例えば、総エネルギー消費量（ＴＥＥ：ｔｏｔａｌ ｅｎｅｒｇｙ ｅｘｐｅｎｄｉｔｕｒｅ）パルスパラメータが、所与の時間期間（例えば、６０秒。他の時間期間も使用され得る）についてのＴＥＥとＨＲとの間の比として決定される。適応能インデックス（例えば、ＴＥＥ／ＨＲ又はＴＥＥパルス）は、酸素パルスについて高度に示し、それは、（特に、以下で説明される各活動タイプについて）身体性能のインデックスであり、ＶＯ_２ｍａｘと相関する。手短に本題から逸れると、最大運動試験に関連する困難のために、多くの最大下試験が、心肺適応能を推定するために開発された。例えば、最大下試験からのＶＯ_２ｍａｘの推定は、酸素摂取（ＶＯ_２）と力学的パワー出力、又は心拍数との間の直線関係に基づく。試験は、活動プロトコルを受ける参加者を必要とし、特定の運動機器を必要とすることがある。いくつかの最大下試験は自己評価に好適であるが、そのような方法によって提供される推定値の精度及び再現性は、ＶＯ_２ｍａｘの直接尺度によって提供されるものよりも低い。対照的に、適応能追跡システムの開示される実施形態では、心肺適応能を推定するために使用される適応能インデックス（ＴＥＥ／ＨＲ）は、ウェアラブルセンサーデータに基づき、ＶＯ_２ｍａｘに高度に相関し、特定の運動プロトコルを必要としない。以下で説明されるように、適応能追跡システムの実施形態は、その間、適応能インデックスを生成し、ＶＯ_２ｍａｘ（及びＶＯ_２ｍａｘの変化）を予測するために、エネルギー消費量及び心拍数の測定値が自由生活状態で取得される、コンテキスト状況を識別する。適応能インデックスを、ウェアラブルセンサーデータから導出された活動タイプ及び強度に関するコンテキスト情報と組み合わせることによって、高度に正確なＶＯ_２ｍａｘ予測機構の開発が達成される。

[0028] 本発明の一実施形態による、適応能追跡システムが使用される例示的な環境１０を示す、図１に注目する。環境１０が多くの例のうちの一例であることと、適応能追跡システムのいくつかの実施形態が、図１に示されているものよりも少ない、多い、及び／又はそれとは異なる構成要素をもつ環境で使用されることとを、本開示のコンテキストにおいて当業者は諒解されたい。環境１０は、１つ又は複数のネットワーク全体にわたる情報の通信を可能にする複数のデバイスを備える。図示された環境１０は、ウェアラブルデバイス１２、エレクトロニクスデバイス１４、１６、セルラーネットワーク１８、ワイドエリアネットワーク２０（例えば、インターネットとしても本明細書で説明される）、及びリモートコンピューティングシステム２２を備える。ウェアラブルデバイス１２は、図２に関連して更に説明されるように、一般に、対象者によって（例えば、手首、腕、胴などの周りに）着用され、対象者の身体活動（例えば、ステップ、水泳のストローク、ペダリングストロークなど）を追跡する複数のセンサー（ウェアラブルセンサー）を含み、センサーデータに基づいて生理的パラメータ（例えば、心拍数、呼吸、皮膚温度など）を検知又は導出し、随意に、ウェアラブルデバイス１２の周囲環境に関係する様々な他のパラメータ（例えば、屋外温度、湿度、ロケーションなど）を検知する。そのような集められたデータの表現は、ウェアラブルデバイス上及び／又は別の１つ又は複数のデバイス上の一体型ディスプレイを介して対象者に通信される。

[0029] また、ウェアラブルデバイス１２によって集められたそのようなデータは、エレクトロニクスデバイス１４及び１６を含む、１つ又は複数のエレクトロニクスデバイスに（例えば、継続的に、周期的に、及び／又は非周期的に）通信される。そのような通信は、（例えば、ニアフィールド通信（ＮＦＣ）機能、Ｂｌｕｅｔｏｏｔｈ（登録商標）機能などを使用して）ワイヤレスに、及び／又はワイヤード媒体（例えば、ユニバーサルシリアルバス（ＵＳＢ）など）に従って達成される。図示された例では、エレクトロニクスデバイス１４はフォンとして実施され、エレクトロニクスデバイス１６がコンピュータとして実施される。各エレクトロニクスデバイスは単数形で記載されているが、いくつかの実装形態は、エレクトロニクスデバイス１４、１６の各々のために異なる数量を利用し得ることを諒解されたい。更に、いくつかの実施形態では、より少数の、追加の、及び／又は他のタイプのエレクトロニクスデバイスが使用される。フォン１４は、テレフォニー又は通信機能をもつハンドヘルドコンピューティング／通信デバイスの中でも、スマートフォン、モバイルフォン、セルラーフォン、ページャとして実施される。例のために、フォン１４は、スマートフォンとして実施されると仮定する。スマートフォン１４は、ベースバンドプロセッサ及びアプリケーションプロセッサを含む、少なくとも２つの異なるプロセッサを備える。ベースバンドプロセッサは、ＧＳＭ（登録商標）（モバイル通信用グローバルシステム）プロトコルスタックなど、プロトコルスタックに関連する機能を展開するための専用プロセッサを備える。アプリケーションプロセッサは、ユーザインターフェース及び実行中のアプリケーションを提供するためのマルチコアプロセッサを備える。ベースバンドプロセッサ及びアプリケーションプロセッサは、それぞれの関連メモリ（例えば、ランダムアクセスメモリ（ＲＡＭ）、フラッシュメモリなど）、周辺機器、及び実行中のクロックを有する。

[0030] より詳細には、ベースバンドプロセッサは、ワイヤレスネットワーク技術、それらの変形形態及び／又は他の電気通信プロトコル、規格及び／若しくは仕様の中でも、ＷＣＤＭＡ（登録商標）（広帯域符号分割多元接続）、ＣＤＭＡ（符号分割多元接続）、ＥＤＧＥ（ＧＳＭ（登録商標）進化型高速データレート）、ＧＰＲＳ（汎用パケット無線サービス）、Ｚｉｇｂｅｅ（登録商標）（例えば、ＩＥＥＥ８０２．１５．４に基づく）、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）（ＩＥＥＥ８０２．１１などに基づく、ワイヤレスフィデリティ）、及び／又はＬＴＥ（ロングタームエボリューション）を含むワイヤレスネットワーク技術のうちの１つ又は複数に、スマートフォン１４がアクセスすることを可能にするために、ＧＳＭ（登録商標）プロトコルスタックの機能を展開し得る。ベースバンドプロセッサは、信号変調、無線周波数シフト及び符号化を含む、無線通信及び制御機能を管理する。ベースバンドプロセッサは、１つ又は複数のアンテナ、無線機（例えば、ＲＦフロントエンド）、並びにアナログ及びデジタルベースバンド回路を有するＧＳＭ（登録商標）モデムを備える。ＲＦフロントエンドは、複数の異なる周波数の信号の受信及び送信を可能にするためのトランシーバ及び電力増幅器を備え、セルラーネットワーク１８へのアクセスを可能にする。アナログベースバンドは、無線機に結合され、ＧＳＭ（登録商標）モデムのアナログドメインとデジタルドメインと間のインターフェースを提供する。アナログベースバンドは、アナログデジタル変換器（ＡＤＣ）及びデジタルアナログ変換器（ＤＡＣ）、並びにスマートフォンユーザインターフェース（例えば、マイクロフォン、イヤピース、呼出し音、バイブレータ回路など）から受信されたアナログ及び／又はデジタル信号を処理するための制御及び電力管理／分配構成要素及びオーディオコーデックを含む回路を備える。ＡＤＣは、デジタルベースバンドプロセッサによって処理するために、アナログ信号をデジタル化する。デジタルベースバンドプロセッサは、ＧＳＭ（登録商標）プロトコルスタックのうちの１つ又は複数のレベル（例えば、レイヤ１、レイヤ２など）の機能を展開し、共有メモリインターフェース上で通信するマイクロコントローラ（例えば、マイクロコントローラユニット又はＭＣＵ）と、デジタル信号プロセッサ（ＤＳＰ）とを備える（メモリは、アプリケーションプロセッサによって処理されるデータに対してとられるべきアクションを命令するデータと制御情報とパラメータとを含む）。ＭＣＵは、リアルタイムオペレーティングシステム（ＲＴＩＯＳ）を実行するＲＩＳＣ（縮小命令セットコンピュータ）機械として実施され得、コアは、特に、ＲＴＣ（リアルタイムクロック）、ＳＰＩ（シリアル周辺インターフェース）、Ｉ２Ｃ、ＵＡＲＴ（ユニバーサル非同期受信機／送信機）、ＩｒＤＡ（Ｉｎｆｒａｒｅｄ Ｄａｔａ Ａｓｓｏｃｉａｔｉｏｎ）に基づくデバイス、ＳＤ／ＭＭＣ（セキュアデジタル／マルチメディアカード）カードコントローラ、キーパッド走査コントローラ、及びＵＳＢデバイス、ＧＰＲＳ暗号モジュール、ＴＤＭＡ（時分割多元接続）、スマートカードリーダインターフェース（例えば、１つ又は複数のＳＩＭ（加入者識別モジュール）カード用）、タイマーなどの複数の周辺機器（例えば、集積回路としてパッケージングされた回路）を有する。受信側機能の場合、ＭＣＵは、アナログベースバンドから、例えば、同相／直角位相（Ｉ／Ｑ）サンプルを受信し、ＭＣＵへの返報とともに、検出、復調及び復号を実行するようにＤＳＰに命令する。送信側機能の場合、ＭＣＵは、送信可能なデータ及び補助情報をＤＳＰに与え、ＤＳＰは、データを符号化し、アナログベースバンドに提供する（例えば、ＤＡＣによってアナログ信号に変換される）。アプリケーションプロセッサは、システムオンチップ（ＳＯＣ）として実施され得、インターネット、電子メール、マルチメディアエンターテインメント、ゲームなどに結合されたコンピューティングシステム２２の１つ又は複数のコンピューティングデバイスにアクセスするために、ウェブブラウジングを含む複数のマルチメディア関係の特徴をサポートする。

[0031] アプリケーションプロセッサは、複数のユーザアプリケーションの実装を可能にするオペレーティングシステムを含む。例えば、アプリケーションプロセッサは、リモートデータアクセス／ストレージ／処理を提供するためのクラウドコンピューティングフレームワーク又は他のネットワークへのアクセスと、埋込みオペレーティングシステムとの協働を通じて、カレンダー、ロケーションサービス、リマインダなどへのアクセスとを可能にするために、インターフェースソフトウェア（例えば、１つ又は複数のアプリケーションプログラムインターフェース（ＡＰＩ）に関連するか又はそれと動作可能なブラウザなど、ミドルウェア）を展開し得る。例えば、いくつかの実施形態では、適応能追跡システムが、クラウドコンピューティングを使用して動作し得、ユーザデータの処理及び記憶、並びに身体性能、活動パターン、ＶＯ_２ｍａｘ、ＶＯ_２ｍａｘの変化などの決定が、コンピューティングシステム２２の１つ又は複数のデバイスによって達成され得る。アプリケーションプロセッサは、概して、プロセッサコア（高度ＲＩＳＣマシン又はＡＲＭ）、（ピクチャ、ビデオ及び／又はオーディオを復号／符号化するための）マルチメディアモジュール、グラフィックス処理ユニット（ＧＰＵ）、ワイヤレスインターフェース、及びデバイスインターフェースを備える。ワイヤレスインターフェースは、ウェアラブルデバイス１２又は他のローカルデバイスとのワイヤレス通信を可能にする（１つ又は複数の）Ｂｌｕｅｔｏｏｔｈ（登録商標）又はＺｉｇｂｅｅ（登録商標）モジュールと、ローカル８０２．１１ネットワークとインターフェースするためのＷｉ−Ｆｉ（登録商標）モジュールと、セルラーネットワーク１８及びブラウザ機能を介したワイドエリアネットワーク２０へのアクセスのためのＧＳＭ（登録商標）モジュールとを含み得る。アプリケーションプロセッサに結合されたデバイスインターフェースは、ディスプレイスクリーンのようなデバイスのためのそれぞれのインターフェースを含む。ディスプレイスクリーンは、ＬＣＤ若しくは液晶ディスプレイ（又は、薄膜トランジスタ（ＴＦＴ）ＬＣＤ、インプレーンスイッチング（ＩＰＳ）ＬＣＤ）など、それらの変形態））、有機ＬＥＤ（ＯＬＥＤ）、アクティブマトリックスＯＬＥＤ（ＡＭＯＬＥＤ）などの発光ダイオード（ＬＥＤ）ベースの技術、又は網膜若しくはハプティックベース（ｒｅｔｉｎａ ｏｒ ｈａｐｔｉｃ−ｂａｓｅｄ）の技術を含むいくつかの利用可能な技術のうちの１つで実施される。例えば、ディスプレイスクリーンが、コンピューティングシステム２２から受信されたウェブページ及び／若しくは他のドキュメントを提示するために使用され、並びに／又は（例えば、ローカル処理のための）いくつかの実施形態では、ローカルにレンダリングされたグラフィックユーザインターフェース（ＧＵＩ）がそのために使用され、それらのいずれかが、身体性能及び／又は適応能レベル及び関連データの視覚表現の形態のフィードバックを提示する。他のインターフェースは、デバイスの中でも、キーパッド、ＵＳＢ（ユニバーサルシリアルバス）、ＳＤ／ＭＭＣカード、カメラ、ＧＰＲＳ、Ｗｉ−Ｆｉ（登録商標）、ＧＰＳ及び／又はＦＭ無線、メモリを含む。同様の機能を達成するために、いくつかの実施形態では、上記に対する変形形態が展開され得ることを、本開示のコンテキストにおいて当業者は諒解されたい。

[0032] コンピュータ１６は、通信機能をもつコンピューティングデバイスの中でも、ラップトップ、パーソナルコンピュータ、ワークステーション、携帯情報端末、タブレットとして実施される。コンピュータ１６は、他のデバイスと、ワイヤレス又はワイヤード（例えば、ＵＳＢ接続などを介して、一時的に、又はインターネット接続若しくはローカルエリアネットワーク接続など、永続的に）通信している。コンピュータ１６は、ワイヤレス及び／若しくはセルラーネットワーク（例えば、無線及び／若しくはセルラーモデム機能を備える通信カードを通した）並びに／又はウェアラブルデバイス１２へのワイヤレス又は（一時的）ワイヤード接続など、他のデバイス（例えば、Ｂｌｕｅｔｏｏｔｈ（登録商標）トランシーバ、ＮＦＣトランシーバなど）へのアクセスを可能にするために、フォン１４について上記で説明されたものと同様のハードウェア及びソフトウェア／ファームウェアを含む。いくつかの実装形態では、コンピュータ１６は、デジタル加入者回線（ＤＳＬ）、非対称ＤＳＬ（ＡＤＳＬ）などの技術を使用して、並びに／又は同軸、ツイストペア、及び／若しくは光ファイバー媒体を使用するブロードバンド技術に従って、簡易電話サービス（ＰＯＴＳ）を通してインターネット２０に結合される。そのような通信機能の説明は、簡潔のためにここでは省略される。概して、ハードウェアアーキテクチャに関して、コンピュータ１６は、ローカルインターフェースを介して通信可能に結合されたプロセッサ、メモリ、並びに１つ又は複数の入力及び／又は出力（Ｉ／Ｏ）デバイス（又は周辺機器）を含む。ローカルインターフェースは、例えば限定はしないが、１つ又は複数のバス又は他のワイヤード若しくはワイヤレス接続であり得る。ローカルインターフェースは、通信を可能にするために、コントローラ、バッファ（キャッシュ）、ドライバ、リピータ、及び受信機など、簡潔のために省略された追加の要素を有する。更に、ローカルインターフェースは、上述の構成要素の間での適切な通信を可能にするために、アドレス、制御、及び／又はデータ接続を含む。

[0033] プロセッサは、特にメモリに記憶された、ソフトウェアを実行するためのハードウェアデバイスである。プロセッサは、任意のカスタムメイド若しくは市販のプロセッサ、中央処理ユニット（ＣＰＵ）、コンピュータ１６に関連するいくつかのプロセッサの間の補助プロセッサ、（マイクロチップ若しくはチップセットの形態の）半導体ベースのマイクロプロセッサ、マクロプロセッサ、又は、概して、ソフトウェア命令を実行するため任意のデバイスであり得る。

[0034] メモリは、揮発性メモリ要素（例えば、ランダムアクセスメモリ（ＤＲＡＭ、ＳＲＡＭ、ＳＤＲＡＭなどのＲＡＭなど）及び不揮発性メモリ要素（例えば、ＲＯＭ、ハードドライブ、フラッシュ、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ＣＤＲＯＭなど））のいずれか１つ又は組合せを含むことができる。その上、メモリは、電子、磁気、光学、半導電性及び／又は他のタイプの記憶媒体を組み込む。メモリは、分散アーキテクチャを有することができ、分散アーキテクチャでは、様々な構成要素が、互いにリモートに位置するが、プロセッサによってアクセスされ得る。

[0035] メモリ中のソフトウェアは、コンピューティングシステム２２の１つ又は複数のデバイスなど、他のネットワークデバイスと通信するためのインターフェースソフトウェア（例えば、１つ又は複数のＡＰＩをもつか又はそれに関連するブラウザソフトウェアなど、ミドルウェア）など、１つ又は複数の別個のプログラムを含み、別個のプログラムは各々、論理機能を実装するための実行可能な命令の順序付きリスティングを含む。メモリ中のソフトウェアは、アプリケーションソフトウェア及び好適なオペレーティングシステム（Ｏ／Ｓ）をも含む。オペレーティングシステムは、特に、マイクロソフト社から入手可能なＷｉｎｄｏｗｓオペレーティングシステム、アップルコンピュータから入手可能なＭａｃｉｎｔｏｓｈオペレーティングシステム、ＵＮＩＸ（登録商標）オペレーティングシステムとして実施され得る。オペレーティングシステムは、本質的に、他のコンピュータプログラムの実行を制御し、スケジューリング、入出力制御、ファイル及びデータ管理、メモリ管理、並びに通信制御及び関連サービスを提供する。

[0036] Ｉ／Ｏデバイスは、入力デバイス、例えば限定はしないが、キーボード、マウス、スキャナ、マイクロフォンなどを含む。更に、Ｉ／Ｏデバイスは、出力デバイス、例えば限定はしないが、プリンタ、ディスプレイなどをも含む。例えば、ディスプレイスクリーンとして実施されたＩ／Ｏデバイスは、コンピューティングシステム２２から受信されたウェブページ及び／若しくは他のドキュメントを提示するために使用され、並びに／又は（例えば、ローカル処理のための）いくつかの実施形態では、ローカルにレンダリングされたグラフィックユーザインターフェース（ＧＵＩ）がそのために使用され、それらのいずれかが、身体性能、活動パターン、ＶＯ_２ｍａｘ、ＶＯ_２ｍａｘの変化などの視覚表現の形態のフィードバックを提示する。ディスプレイスクリーンは、当業者によく知られた、特に、陰極線管（ＣＲＴ）、液晶ディスプレイ（ＬＣＤ）、プラズマ、ハプティックを含む、様々な技術のいずれか１つに従って構成される。

[0037] コンピュータが、ＰＣ、ワークステーションなどである場合、メモリ中のソフトウェアは、基本入出力システム（ＢＩＯＳ）を更に含む。ＢＩＯＳは、起動時にハードウェアを初期化し、テストし、Ｏ／Ｓを開始し、ハードウェアデバイスの間のデータの転送をサポートする、必須のソフトウェアルーチンのセットである。ＢＩＯＳは、コンピュータ１６がアクティブ化されるときにＢＩＯＳが実行され得るように、ＲＯＭに記憶される。

[0038] コンピュータ１６が動作中であるとき、プロセッサは、メモリ内に記憶されたソフトウェアを実行し、メモリとの間でデータを通信し、概して、ソフトウェアに従ってコンピュータ１６の動作を制御するように構成される。ソフトウェアは、任意のコンピュータ関係システム若しくは方法による又はそれに関連した使用のために任意の非一時的コンピュータ可読媒体上に記憶され得る。本明細書のコンテキストでは、コンピュータ可読媒体は、コンピュータ関係システム若しくは方法による又はそれに関連した使用のためにコンピュータプログラムを包含又は記憶することができる、電子、磁気、光学、電磁、赤外線、又は半導体システム、装置、デバイス、又は手段を含む。ソフトウェアは、命令実行システム、装置、若しくはデバイスからの命令をフェッチし、その命令を実行することができるコンピュータベースシステム、プロセッサ収容システム、又は他のシステムなど、命令実行システム、装置、若しくはデバイスによる又はそれに関連した使用のために任意の非一時的コンピュータ可読媒体において実施され得る。

[0039] セルラーネットワーク１８は、フォン１４及び随意にコンピュータ１６によるセルラー通信を可能にするために必要なインフラストラクチャを含む。セルラーネットワーク１８において使用するのに好適な、特に、ＧＳＭ（登録商標）、ＧＰＲＳ、ＣＤＭＡＯｎｅ、ＣＤＭＡ２０００、エボリューションデータオプティマイズド（ＥＶ−ＤＯ）、ＥＤＧＥ、ユニバーサルモバイルテレコミュニケーションズシステム（ＵＭＴＳ）、デジタル拡張コードレス電気通信（ＤＥＣＴ）、デジタルＡＭＰＳ（ＩＳ−１３６／ＴＤＭＡ）、及び統合デジタル拡張ネットワーク（ｉＤＥＮ）を含むいくつかの異なるデジタルセルラー技術がある。

[0040] ワイドエリアネットワーク２０は、インターネットを全体的に又は部分的に含む１つ又は複数のネットワークを含む。エレクトロニクスデバイス１４、１６はインターネット２０を介してコンピューティングシステム２２のデバイスにアクセスし、これは更に、特に、ＰＳＴＮ（公衆交換電話網）、ＰＯＴＳ、統合サービスデジタルネットワーク（ＩＳＤＮ）、イーサネット（登録商標）、ファイバー、ＤＳＬ／ＡＤＳＬを含む、１つ又は複数のネットワークへのアクセスを通して可能にされ得る。

[0041] コンピューティングシステム２２は、アプリケーションサーバ、コンピュータネットワーク、及びデータストレージなどの１つ又は複数のコンピューティングデバイスを含む、ワイドエリアネットワーク２０に結合された複数のデバイスを備える。前に説明されたように、コンピューティングシステム２２は、エレクトロニクスデバイス１４、１６のためのクラウドコンピューティング環境（又は他のサーバネットワーク）として働き、エレクトロニクスデバイス１４、１６及び／又はウェアラブルデバイス１２に代わって（又はいくつかの実施形態では、それに加えて）処理及びデータ記憶を実行する。いくつかの実施形態では、コンピューティングシステム２２の機能の１つ又は複数が、それぞれのエレクトロニクスデバイス１４、１６、及び／又はウェアラブルデバイス１２において実行され得、その逆も同様である。

[0042] 適応能追跡システムの実施形態は、ウェアラブルデバイス１２を備え、又は、いくつかの実施形態では、環境１０に示されているウェアラブルデバイス１２と１つ又は複数の他のデバイス（又は等価的に、１つ又は複数の装置）（例えば、エレクトロニクスデバイス１４、１６及び／又はコンピューティングシステム２２のデバイス）との組合せを備える。いくつかの実施形態では、適応能追跡システムは、エレクトロニクスデバイス１４、１６のうちの１つ、又はコンピューティングシステム２２の１つ又は複数のデバイスなど、他のデバイスのうちの１つの上で実施される。以下の説明では、環境１０の１つ又は複数の他のデバイス及び／又は追加のデバイスにおいて適応能追跡システムの機能が実施され得るとの理解とともに、本機能がウェアラブルデバイス１２において実施される実装形態に焦点を当てる。

[0043] 概して、適応能追跡システムの実施形態が実施される例示的な環境１０について説明したので、図２に注目する。図２は、例示的なウェアラブルデバイス１２のための例示的な回路、並びに、特に、一実施形態では適応能追跡システムを実施するために使用される、ウェアラブルデバイス１２の下位回路及びソフトウェア（例えば、アーキテクチャ）を示す。図２に示されるウェアラブルデバイス１２のアーキテクチャが、一例にすぎないことと、いくつかの実施形態では、同様の及び／又は追加の機能を達成するために追加の、より少ない、及び／又は異なる構成要素が使用され得ることとを、本開示のコンテキストにおいて当業者は諒解されたい。一実施形態では、ウェアラブルデバイス１２は、複数のセンサー２４（例えば、ウェアラブルセンサーとも呼ばれる２４Ａ〜２４Ｎ）と、センサー２４にそれぞれ結合された１つ又は複数の信号調整回路２６（例えば、ＳＩＧ ＣＯＮＤ ＣＫＴ２６Ａ〜ＳＩＧ ＣＯＮＤ ＣＫＴ２６Ｎ）と、信号調整回路２６から調整済み信号を受信する処理回路２８（ＰＲＯＣＥＳ ＣＫＴ）とを備える。一実施形態では、処理回路２８は、アナログデジタル変換器（ＡＤＣ）と、デジタルアナログ変換器（ＤＡＣ）と、マイクロコントローラ（例えば、ＭＣＵ）と、デジタル信号プロセッサ（ＤＳＰ）と、メモリ（ＭＥＭ）とを備え、メモリ中にソフトウェアを含む。いくつかの実施形態では、処理回路２８は、図２に示されているものよりも少ない又は追加の構成要素を備える。例えば、一実施形態では、処理回路２８はマイクロコントローラからなる。メモリは、オペレーティングシステム（ＯＳ）及びアプリケーションソフトウェア（ＡＳＷ）を備える。アプリケーションソフトウェアは、センサーによって測定された信号（及び関連データ）を処理し、心拍数、血圧、呼吸、発汗など、生理的パラメータを記録及び／又は導出するための、複数のアルゴリズム（例えば、実行可能コードのアプリケーションモジュール）を備える。アプリケーションソフトウェア（ＡＳＷ）は、ウェアラブルデバイス１２を所有する対象者（例えば、ユーザ又は動物）の身体性能及び活動パターンを決定すること（図２ではＰＦ／ＡＢ ＤＥＴ）、身体性能と、活動カテゴリーと、ユーザの特性（例えば、性別、年齢、体重、体格指数（ｂｏｄｙ ｍａｓｓ ｉｎｄｅｘ）、身長など）とに基づいて推定される心肺適応能尺度のコンテキスト依存推定値（例えば、初期ＶＯ_２ｍａｘ）を提供すること（ＣＲＦＭ１）、活動パターンと、身体性能と、初期ＶＯ_２ｍａｘとの記録された変化に基づいて、推定された初期ＶＯ_２ｍａｘの変化の推定値を提供すること（まとめて、ＣＲＦＭ２によって実行される）、並びに活動パターンから経時的なＶＯ_２ｍａｘの変化を予測するために使用されるモデルを個人化する有酸素運動反応を推定すること（ＥＸＥＲＣＲＥＳ）を行うための適応能追跡システムの１つ又は複数のモジュールを更に備える。以下で更に説明されるように、有酸素活動パターンの変化に従ってＶＯ_２ｍａｘの変化を予測するモデルに入力するための個人化されたパラメータを生成するために、（例えば、ＥＸＥＲＣＲＥＳがそれに関連する、ＣＲＦＭ２によって計算される）式、αＶＯ_２ｍａｘが使用される。介入の第１の期間（例えば、第１の週）中に評価されたＶＯ_２ｍａｘ時間的予測モデルの微分方程式は、有酸素パターンの変化の結果として漸近（予想される）最終ＶＯ_２ｍａｘの約６３％に達するために必要とされる時間期間を（例えば、週単位で）示す、対象者固有の期間、Ｔを決定する。ＥＸＥＲＣＲＥＳに関連する機能がなければ、Ｔパラメータは、最終ＶＯ_２ｍａｘの６３％に達するために必要とされる平均時間量を定義する母集団統計値に関する文献から得られる。有酸素活動パターンの変化をＶＯ_２ｍａｘの変化にリンクするモデルは、最初、母集団統計値に基づき、その後、日々の推定値に従って個人化される。言い換えれば、ＣＲＦＭ２の出力は、ＥＸＥＲＣＲＥＳの結果によって修正される。

[0044] アプリケーションソフトウェアは、ウェアラブルデバイス１２が複数の異なる通信技術（例えば、ＮＦＣ、Ｂｌｕｅｔｏｏｔｈ（登録商標）、Ｗｉ−Ｆｉ（登録商標）、Ｚｉｇｂｅｅ（登録商標）など）のうちの１つ又は複数に従って動作することを可能にするために使用される通信ソフトウェアなど、通信ソフトウェアをも含む。いくつかの実施形態では、通信ソフトウェアは、別個の又は他のメモリ中にある。

[0045] メモリは、１つ又は複数のデータ構造を更に備える。一実施形態では、処理回路２８は、通信回路３０に結合される。通信回路３０は、ウェアラブルデバイス１２と、フォン１４、ラップトップ１６及び／又は他のデバイスなど、他のエレクトロニクスデバイスとの間のワイヤレス通信を可能にするように働く。通信回路３０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）回路として示されているが、このトランシーバ構成に限定されない。例えば、いくつかの実施形態では、通信回路３０は、光学又は超音波ベースの技術などの中でも、ＮＦＣ回路、Ｗｉ−Ｆｉ（登録商標）回路、Ｚｉｇｂｅｅ（登録商標）に基づくトランシーバ回路のいずれか１つ又は組合せとして実施され得る。処理回路２８は、更に、入力インターフェース３２（ＩＮＰＵＴ）及び出力インターフェース３４（ＯＵＴ）など、入出力（Ｉ／Ｏ）デバイス又は周辺機器に結合される。いくつかの実施形態では、上述の回路及び／又はソフトウェアのうちの１つ又は複数のための機能が、より少ない構成要素／モジュールに組み合わせられるか、或いは、いくつかの実施形態では、更に、追加の構成要素／モジュールの間で分散されることに留意されたい。例えば、処理回路２８は、マイクロコントローラ、ＤＳＰ、及びメモリを含む集積回路としてパッケージングされるが、ＡＤＣ及びＤＡＣは、処理回路２８に結合された別個の集積回路としてパッケージングされる。いくつかの実施形態では、マイクロコントローラによって実行されるＤＳＰの機能など、上記の構成要素のための機能の１つ又は複数は、組み合わせられる。

[0046] センサー２４（以下で、ウェアラブルセンサーとも呼ばれる）は、心拍数、心拍数変動、心拍数回復、血液流量、活動レベル、筋肉活動（例えば、四肢の移動、反復的な移動、体幹移動、身体配向／位置、力（ｐｏｗｅｒ）、速度、加速度など）、筋張力、血液量、血圧、血液酸素飽和度、呼吸数、発汗、皮膚温度、体重、及び身体組成（例えば、体格指数又はＢＭＩ）を含む、複数の生理的及び行動的又はパターンパラメータの検出及び測定を実行するために選択される。センサー２４は、慣性センサー（例えば、マイクロ電気機械システム（ＭＥＭＳ）インフラストラクチャにおいて圧電、ピエゾ抵抗、又は容量性技術を使用するものなど、ジャイロスコープ、単軸又は多軸加速度計）、（例えば、可変抵抗を使用する）屈曲及び／又は力（ｆｏｒｃｅ）センサー、筋電図センサー、心電図センサー（例えば、ＥＫＧ、ＥＣＧ）、磁気センサー、フォトプレチスモグラフィ（ＰＰＧ：ｐｈｏｔｏｐｌｅｔｈｙｓｍｏｇｒａｐｈｉｃ）センサー、バイオインピーダンスセンサー、赤外近接センサー、音響／超音波／オーディオセンサー、ひずみゲージ、ガルヴァニック皮膚／汗センサー、ｐＨセンサー、温度センサー、圧力センサー、及び光電池として実施される。いくつかの実施形態では、他のタイプのセンサー２４が、距離、速度、加速度、ロケーション、高度など（例えば、ロケーションデータ及び移動）、気圧、湿度、屋外温度などの決定を容易にするためのグローバルナビゲーション衛星システム（ＧＮＳＳ）センサー（例えば、全地球測位システム（ＧＰＳ）受信機）を含む、健康及び／又は適応能関係計算を容易にするために使用され得る。いくつかの実施形態では、ＧＮＳＳ機能は、通信回路３０又は処理回路２８に結合された他の回路を介して達成される。

[0047] 信号調整回路２６は、更なる処理が処理回路２８において実施される前に、検知された生理的パラメータに対応するデータを含む検知された信号を調整するために、信号調整構成要素の中でも、増幅器及びフィルタを含む。各センサー２４にそれぞれ関連するように、図２に示されているが、いくつかの実施形態では、より少数の信号調整回路２６が使用される（例えば、２つ以上のセンサー２４のために共有される）。いくつかの実施形態では、信号調整回路２６（又はそれの機能）は、それぞれのセンサー２４の回路に又は処理回路２８（又は、その中に存在する構成要素）になど、他の場所に組み込まれる。更に、（例えば、センサー２４から信号調整回路２６への）単方向信号フローに関与するものとして上記で説明されたが、いくつかの実施形態では、信号フローは双方向である。例えば、光学測定の場合、マイクロコントローラは、反射／屈折信号を受信するセンサー２４（例えば、光電池）を用いて、センサー２４の回路中の又はそれに結合された光源（例えば、（１つ又は複数の）発光ダイオード又は（１つ又は複数の）ＬＥＤ）から光学信号が放出されるようにする。

[0048] 通信回路３０は、処理回路２８によって管理され、制御される。通信回路３０は、エレクトロニクスデバイス１４、１６（図１）とワイヤレスにインターフェースするために使用される。一実施形態では、通信回路３０は、Ｂｌｕｅｔｏｏｔｈ（登録商標）トランシーバとして構成されるが、いくつかの実施形態では、他の及び／又は追加の技術、特に、Ｗｉ−Ｆｉ（登録商標）、Ｚｉｇｂｅｅ（登録商標）、ＮＦＣなどが使用される。図２に示されている実施形態では、通信回路３０は、送信機回路（ＴＸ ＣＫＴ）と、スイッチ（ＳＷ）と、アンテナと、受信機回路（ＲＸ ＣＫＴ）と、混合回路（ＭＩＸ）と、周波数ホッピングコントローラ（ＨＯＰ ＣＴＬ）とを備える。送信機回路及び受信機回路は、変調器／復調器、フィルタ及び増幅器を含む、ＲＦ信号のそれぞれの送信及び受信を提供するために好適な構成要素を備える。いくつかの実施形態では、復調／変調及び／又はフィルタ処理は、ＤＳＰによって部分的に又は全体的に実行される。スイッチは、受信モードと送信モードとの間で切り替える。混合回路は、処理回路２８によって制御されるものとして、周波数シンセサイザ及び周波数ミキサとして実施される。周波数ホッピングコントローラは、送信機回路の変調器からのフィードバックに基づいて送信信号のホッピング周波数を制御する。いくつかの実施形態では、周波数ホッピングコントローラのための機能は、マイクロコントローラ又はＤＳＰによって実施される。通信回路３０のための制御は、マイクロコントローラ、ＤＳＰ、又は両方の組合せによって実施される。いくつかの実施形態では、通信回路３０は、マイクロコントローラによって監視及び／又は管理されるそれ自体の専用コントローラを有する。

[0049] 動作中、（例えば、２．４ＧＨｚにおける）信号が、アンテナにおいて受信され、スイッチによって受信機回路に向けられる。受信機回路は、混合回路と協働して、周波数ホッピングコントローラによってアトリビュートされた周波数ホッピング制御の下で受信信号を中間周波数（ＩＦ）信号に変換し、次いで、ＡＤＣによる更なる処理のためにベースバンドに変換する。送信側で、（例えば、処理回路２８のＤＡＣからの）ベースバンド信号は、混合回路と協働して動作する送信機回路によって、ＩＦ信号、次いでＲＦに変換され、ＲＦ信号は、周波数ホッピングコントローラによって提供された周波数ホッピング制御の下で、スイッチを通過させられ、アンテナから放出される。送信機及び受信機回路の変調器及び復調器は、このタイプの変調／復調に限定されないが、ＩＦとベースバンドとの間の変換を可能にする、周波数シフトキーイング（ＦＳＫ）タイプ変調／復調である。いくつかの実施形態では、復調／変調及び／又はフィルタ処理は、ＤＳＰによって部分的に又は全体的に実行される。メモリは、Ｂｌｕｅｔｏｏｔｈ（登録商標）送信／受信を制御するためにマイクロコントローラによって実行されるファームウェアを記憶する。

[0050] 通信回路３０は、ＩＦタイプトランシーバとして示されているが、いくつかの実施形態では、直接変換アーキテクチャが実施される。上述のように、通信回路３０は、ＮＦＣ、Ｗｉ−Ｆｉ（登録商標）、又はＺｉｇｂｅｅ（登録商標）など、他の及び／又は追加のトランシーバ技術に従って実施される。

[0051] 処理回路２８は、ＡＤＣ及びＤＡＣを含むものとして、図２に示されている。検知機能のために、ＡＤＣは、信号調整回路２６からの調整済み信号を変換し、マイクロコントローラ及び／又はＤＳＰによる更なる処理のために信号をデジタル化する。ＡＤＣは、入力インターフェース３２を介して受信されたアナログ入力を、マイクロコントローラによる更なる処理のためにデジタルフォーマットに変換するためにも使用される。ＡＤＣは、通信回路３０を介して受信された信号のベースバンド処理においても使用される。ＤＡＣは、デジタル情報をアナログ情報に変換する。検知機能のためのそれの役割は、センサー２４からの、光信号又は音響信号など、信号の放出を制御することである。ＤＡＣは更に、出力インターフェース３４からのアナログ信号の出力を生じるために使用される。また、ＤＡＣは、マイクロコントローラ及び／又はＤＳＰからデジタル情報及び／又は命令を、送信機回路に供給されるアナログ信号に変換するために使用され得る。いくつかの実施形態では、追加の変換回路が使用される。

[0052] マイクロコントローラ及びＤＳＰは、ウェアラブルデバイス１２に処理機能を提供する。いくつかの実施形態では、両方のプロセッサの機能が、単一のプロセッサに組み合わせられるか、又は追加のプロセッサの間で更に分散される。ＤＳＰは、特殊化されたデジタル信号処理を提供し、マイクロコントローラからの処理負荷のオフローディングを可能にする。ＤＳＰは、（１つ又は複数の）特殊化された集積回路において実施されるか、又はフィールドプログラマブルゲートアレイ（ＦＰＧＡ）として実施される。一実施形態では、ＤＳＰは、ハーバードアーキテクチャに従って、中央処理ユニット（ＣＰＵ）と複数のサーキュラーバッファと別個のプログラムメモリ及びデータメモリとを備える、パイプラインアーキテクチャを備える。ＤＳＰは、同時命令及びデータフェッチを可能にするデュアルバスを更に備える。ＤＳＰは、Ａｎａｌｏｇ Ｄｅｖｉｃｅｓ ＳＨＡＲＣ（登録商標）ＤＳＰにおいて見つけられるものなど、命令キャッシュ及びＩ／Ｏコントローラをも備えるが、ＤＳＰの他の製造業者が、使用され得る（例えば、ＦｒｅｅｓｃａｌｅマルチコアＭＳＣ８１ｘｘファミリー、Ｔｅｘａｓ Ｉｎｓｔｒｕｍｅｎｔｓ Ｃ６０００シリーズなど）。ＤＳＰは、概して、レジスタと、乗算器、算術論理ユニット（ＡＬＵ：ａｒｉｔｈｍｅｔｉｃ ｌｏｇｉｃ ｕｎｉｔ。加算演算、減算演算、絶対値演算、論理演算、固定小数点ユニットと浮動小数点ユニットとの間の変換などを実行する）、及びバレルシフタを含む数学構成要素とを使用する、数学操作のために利用される。高速積和演算（ＭＡＣ：ｍｕｌｔｉｐｌｙ−ａｃｃｕｍｕｌａｔｅ）を実施するＤＳＰの能力は、高速フーリエ変換（ＦＦＴ）及び有限インパルス応答（ＦＩＲ：Ｆｉｎｉｔｅ Ｉｍｐｕｌｓｅ Ｒｅｓｐｏｎｓｅ）の効率的な実行を可能にする。ＤＳＰは、概して、ウェアラブルデバイス１２において符号化及び復号機能を担当する。例えば、符号化機能は、エレクトロニクスデバイス１４、１６への情報の伝達に対応するコマンド又はデータの符号化に関与する。また、復号機能は、（例えば、ＡＤＣによる処理の後の）センサー２４から受信された情報を復号することに関与する。

[0053] マイクロコントローラは、ソフトウェア／ファームウェア、特にメモリに記憶されたものを実行するためのハードウェアデバイスを含む。マイクロコントローラは、任意のカスタムメイド若しくは市販のプロセッサ、中央処理ユニット（ＣＰＵ）、（マイクロチップ若しくはチップセットの形態での）半導体ベースのマイクロプロセッサ、マクロプロセッサ、又は、概して、ソフトウェア命令を実行するための任意のデバイスである。好適な市販のマイクロプロセッサの例は、いくつかの非限定的な例を挙げれば、Ｉｎｔｅｌ（登録商標）のＩｔａｎｉｕｍ（登録商標）及びＡｔｏｍ（登録商標）マイクロプロセッサを含む。マイクロコントローラは、センサー２４に基づいて生理的パラメータを決定することを含む、ウェアラブルデバイス１２の管理及び制御と、エレクトロニクスデバイス１４、１６との通信を可能にすることとを提供する。

[0054] メモリは、揮発性メモリ要素（例えば、ランダムアクセスメモリ（ＤＲＡＭ、ＳＲＡＭ、ＳＤＲＡＭなどのＲＡＭ）及び不揮発性メモリ要素（例えば、ＲＯＭ、フラッシュ、ソリッドステート、ＥＰＲＯＭ、ＥＥＰＲＯＭなど））のいずれか１つの又は組合せを含む。その上、メモリは、電子、磁気、及び／又は他のタイプの記憶媒体を組み込む。

[0055] メモリ中のソフトウェアは、１つ又は複数の別個のプログラムを含み、プログラムの各々は、論理関数を実施するための実行可能な命令の順序付きリスティングを含む。図２の例では、メモリ中のソフトウェアは、好適なオペレーティングシステムと、センサー２４からの出力に基づく情報（例えば、ロケーションなど）の中でも、生理的及び／又は行動的又はパターン尺度及び／又は活動尺度、身体性能、（活動固有の）総エネルギー消費量を決定するための複数のアルゴリズムを含むアプリケーションソフトウェアとを含む。センサー２４からの生データは、様々な生理的及び／又は行動的又はパターン尺度（例えば、心拍数、腕の振りなどのバイオメカニクス）を決定するためのアルゴリズムによって使用され、且つ、身体性能の導出された尺度の中でも、エネルギー消費量、心拍数回復、有酸素能力（例えば、ＶＯ_２ｍａｘなど）など、他のパラメータを導出するためにも使用される。いくつかの実施形態では、これらの導出されたパラメータは、ウェアラブルデバイス１２にとってローカルの実行される計算の代わりに、又はそれに加えて、外部で（例えば、エレクトロニクスデバイス１４、１６又はコンピューティングシステム２２の１つ又は複数のデバイスにおいて）計算される。アプリケーションソフトウェアは、他のエレクトロニクスデバイスとの通信を可能にするための通信ソフトウェアをも含み得る。オペレーティングシステムは、本質的に、アプリケーションソフトウェア及び通信ソフトウェアなど、他のコンピュータプログラムの実行を制御し、スケジューリング、入出力制御、ファイル及びデータ管理、メモリ管理、並びに通信制御及び関連サービスを提供する。メモリは、測定された生理的及び／又は行動的又はパターンデータを正確に解釈するためのアルゴリズムの実行可能コードを実行するマイクロコントローラによって使用される、体重、身長、年齢、性別、体格指数（ＢＭＩ）など、ユーザデータ（例えば、本明細書では、ユーザ固有情報又はユーザ特性（ｕｓｅｒ ｃｈａｒａｃｔｅｒｉｓｔｉｃ）とも呼ばれる）を含む、データ構造をも含む。いくつかの実施形態では、ユーザデータのデータ構造は、ウェアラブルデバイス１２に記憶される代わりに、又はそれに加えて、エレクトロニクスデバイス１４、１６に及び／又はコンピューティングシステム２２の１つ又は複数のデバイスになど、他の場所に記憶される。

[0056] メモリ中のソフトウェアは、ソースプログラム、実行可能プログラム（オブジェクトコード）、スクリプト、又は実行されるべき命令のセットを含む任意の他のエンティティを含む。ソースプログラムのとき、プログラムは、オペレーティングシステムとともに適切に動作するように、コンパイラ、アセンブラ、インタープリタなどを介して変換される。更に、ソフトウェアは、（ａ）データ及びメソッドのクラスを有する、オブジェクト指向プログラミング言語、又は（ｂ）ルーチン、サブルーチン及び／若しくは関数を有するプロシージャプログラミング言語、例えば限定はしないが、特に、Ｃ、Ｃ＋＋、Ｐｙｔｈｏｎ、Ｊａｖａ（登録商標）として書かれ得る。ソフトウェアは、非一時的コンピュータ可読媒体又は他の媒体である、コンピュータプログラム製品において実施される。

[0057] 入力インターフェース３２は、ボタン、マイクロフォン、又は（例えば、ユーザ入力を検出するための）センサーなど、ユーザ入力のエントリのためのインターフェースを備える。入力インターフェース３２は、（ワイヤード接続などを介して）ウェアラブルデバイス１２に対してダウンロードされる情報のための通信ポートとして働く。出力インターフェース３４は、ディスプレイスクリーン、スピーカー、及び／又はメモリに記憶された情報の（例えば、ワイヤード）転送のための通信インターフェースなど、データの提示又は転送のためのインターフェース、或いは、照明デバイス（例えば、ＬＥＤ）、オーディオデバイス（例えば、トーン生成器及びスピーカー）、及び／又は触覚フィードバックデバイス（例えば、振動モーター）など、１つ又は複数のフィードバックデバイスを使用可能にするためのインターフェースを備える。いくつかの実施形態では、入力インターフェース３２及び出力インターフェース３４の機能の少なくとも一部は、タッチタイプディスプレイスクリーンなどの場合、組み合わせられ得る。

[0058] ウェアラブルデバイス１２の下位ハードウェア及びソフトウェアについて説明したので、次に、本発明の一実施形態による、コンピューティングシステム２２の例示的なコンピューティングデバイス３６のための回路を示す、図３に注目する。コンピューティングデバイス３６は、コンピューティングデバイスの中でも、アプリケーションサーバ、コンピュータとして実施され、概して、本明細書では装置とも呼ばれる。例示的なコンピューティングデバイス３６が一実施形態を示すにすぎないこと、コンピューティングデバイスのいくつかの実施形態がより少ない又は追加の構成要素を備えること、及び／或いは図３に示される様々な構成要素に関連する機能の一部が、いくつかの実施形態では、組み合わせられるか、又は更に、追加のモジュール若しくはコンピューティングデバイスの間で分散され得ることを、本開示のコンテキストにおいて当業者は諒解されたい。コンピューティングデバイス３６は、この例では、アプリケーションサーバの機能を提供するものなど、コンピュータシステムとして示される。コンピューティングデバイス３６の関係する特徴を不明瞭にすることを回避するために、コンピュータシステムのいくつかのよく知られた構成要素がここでは省略されていることを諒解されたい。一実施形態では、コンピューティングデバイス３６は、プロセッサ３８（ＰＲＯＣＥＳ）など、１つ又は複数のプロセッサを備える処理回路３７（ＰＲＯＣＥＳ ＣＫＴ）と、一実施形態では、ディスプレイスクリーン４２（ＤＩＳＰ ＳＣＲＮ）及び他のユーザインターフェース（例えば、キーボード、マウス、マイクロフォンなど）に随意に結合された、（１つ又は複数の）入出力（Ｉ／Ｏ）インターフェース４０（Ｉ／Ｏ）と、メモリ４４（ＭＥＭ）とを備え、すべてがデータバス４６（ＤＢＵＳ）など、１つ又は複数のデータバスに結合される。いくつかの実施形態では、ディスプレイスクリーン４２（及び／又はユーザインターフェース（ＵＩ））は、データバス４６に直接結合され得る。メモリ４４は、揮発性メモリ要素（例えば、ＤＲＡＭ及びＳＲＡＭなど、ランダムアクセスメモリＲＡＭなど）及び不揮発性メモリ要素（例えば、ＲＯＭ、フラッシュ、ソリッドステート、ＥＰＲＯＭ、ＥＥＰＲＯＭ、ハードドライブ、テープ、ＣＤＲＯＭなど）のいずれか１つ又は組合せを含む。メモリ４４は、ネイティブオペレーティングシステム、１つ又は複数のネイティブアプリケーション、エミュレーションシステム、又は様々なオペレーティングシステムのいずれかのためのエミュレートされたアプリケーション、及び／又はエミュレートされたハードウェアプラットフォーム、エミュレートされたオペレーティングシステムなどを記憶する。いくつかの実施形態では、別個のストレージデバイス（ＳＴＯＲ ＤＥＶ）は、データバス４６に結合されるか、又は、Ｉ／Ｏインターフェース４０及びインターネット２０を介して（１つ又は複数の）ネットワーク接続されたデバイスとして結合される。ストレージデバイスは、（例えば、質問表に基づく、ウェアラブルデバイス１２から通信された記録されたデータに基づく、及び／又はエレクトロニクスデバイス１４、１６においてアクセスされたウェブページに入力されたデータによる）ユーザデータを記憶するために、永続的なメモリ（例えば、光学、磁気、及び／又は半導体メモリ及び関連するドライブ）として実施される。

[0059] 図３に示される実施形態では、メモリ４４は、オペレーティングシステム５０（ＯＳ）と、いくつかの実施形態ではウェアラブルデバイス１２に常駐するアプリケーションソフトウェアの機能の全部又は一部分を備え得る、アプリケーションソフトウェア５２（ＡＰＰ ＳＷ）と、インターネット及び／又は他のネットワーク上での１つ又は複数のデバイスによるアクセスを可能にするための（例えば、１つ又は複数のＡＰＩを含む）インターフェースソフトウェアとを備える。

[0060] アプリケーションソフトウェア５２の実行は、オペレーティングシステム５０の管理及び／又は制御の下でプロセッサ３８によって実施される。プロセッサ３８は、カスタムメイド若しくは市販のプロセッサ、中央処理ユニット（ＣＰＵ）又はいくつかのプロセッサの間の補助プロセッサ、（マイクロチップの形態の）半導体ベースのマイクロプロセッサ、マクロプロセッサ、１つ又は複数の特定用途向け集積回路（ＡＳＩＣ）、複数の好適に構成されたデジタル論理ゲート、及び／又は、コンピューティングデバイス３６の全体的な動作を協調させるために個々と様々な組合せとの両方で個別要素を備える、他のよく知られた電気的構成として実施される。

[0061] Ｉ／Ｏインターフェース４０は、１つ又は複数のインターフェースをインターネット２０に、並びにディスプレイスクリーン４２及びユーザインターフェースなどの他のデバイスに提供する、ハードウェア及び／又はソフトウェアを備える。言い換えれば、Ｉ／Ｏインターフェース４０は、様々なネットワーク上での、並びに様々なプロトコル及び／又は規格に従う、情報（例えば、データ）の伝達のための信号（例えば、アナログ又はデジタルデータ）の入力及び出力のための任意の数のインターフェースを備える。ユーザインターフェースは、管理者又は他のユーザによる入力及び／又は出力を可能にする、キーボード、マウス、マイクロフォン、没入型ヘッドセットなどを含む。

[0062] 図３に示されているように、コンピューティングデバイス３６のいくつかの実施形態が少なくとも部分的に（ファームウェアを含む）ソフトウェアを用いて実施されるとき、（例えば、アプリケーションソフトウェア５２を含む）ソフトウェアは、様々なコンピュータ関係システム若しくは方法による又はそれに関連した使用のために様々な非一時的コンピュータ可読媒体上に記憶され得る。本明細書のコンテキストでは、コンピュータ可読媒体は、コンピュータ関係システム若しくは方法による又はそれに関連した使用のためのコンピュータプログラム（例えば、実行可能コード又は命令）を包含又は記憶する、電子、磁気、光学、又は他の物理的デバイス又は装置を備える。ソフトウェアは、命令実行システム、装置、若しくはデバイスからの命令をフェッチし、その命令を実行することができるコンピュータベースシステム、プロセッサ収容システム、又は他のシステムなど、命令実行システム、装置、若しくはデバイスによる又はそれに関連した使用のために様々なコンピュータ可読媒体に組み込まれる。

[0063] コンピューティングデバイス３６のいくつかの実施形態が少なくとも部分的にハードウェアを用いて実施されるとき、そのような機能は、すべて当技術分野でよく知られている以下の技術、すなわち、データ信号上に論理関数を実装するための論理ゲートを有する（１つ又は複数の）個別論理回路、適切な組合せ論理ゲートを有する特定用途向け集積回路（ＡＳＩＣ）、（１つ又は複数の）プログラマブルゲートアレイ（ＰＧＡ）、フィールドプログラマブルゲートアレイ（ＦＰＧＡ）、リレー、接触器などのいずれか又は組合せを用いて実施される。

[0064] 次に、適応能追跡システムの実施形態によって利用される様々な方法を示す、図４〜図６に注目する。一実施形態では、図４〜図６（及びその後）に示されている方法は、アプリケーションソフトウェアを実行する処理回路２８（図２）によって実行されるが、いくつかの実施形態は、他の及び／又は追加のデバイスの他の処理回路及び／又は（１つ又は複数の）プロセッサを使用する。図４〜図６に示されている流れ図中のいかなるプロセス説明又はブロックも、プロセスにおける固有の論理機能又はステップを実施するための１つ又は複数の実行可能な命令を含むモジュール、セグメント、又はコードの部分を表すものとして理解されたい。また、本発明の当技術分野の当業者によって理解されるように、代替実装形態が、本発明の一実施形態の範囲内に含まれ、そこで、機能が実質的に同時に及び／若しくは異なる順序で実行され得、並びに／又は、関与する機能に応じて追加の論理機能又はステップが追加され得る。図４は、本発明の一実施形態による、経時的な身体性能及び活動パターンの測定から、心肺適応能及び心肺適応能の変化を決定するための例示的な方法５４を示す流れ図である。方法５４は、アクティブ化（開始）後に、身体性能を決定すること（５６）と、活動パターンを決定すること（５８）と、ＶＯ_２ｍａｘを推定すること（６０）とを有する。ＶＯ_２ｍａｘの推定は、ユーザ特性（例えば、ユーザ固有情報）（６２）に更に基づき得る。方法５４は、活動パターンの変化及び性能の変化を決定すること（６４）と、個々の有酸素反応を決定すること（６６）と、ＶＯ_２ｍａｘの変化を推定すること（６８）とを更に有する。変化の推定は、母集団から導出された有酸素反応（６３）に基づき得る。概して、方法５４は、心肺適応能及び経時的な適応能の変化を推定するために、（ｉ）身体性能及び（ｉｉ）活動パターンを表すユーザの特徴を組み合わせる。このようにして、ＶＯ_２ｍａｘの予測は、ＶＯ_２ｍａｘにおける（体重、年齢又は筋肉量のような）個体間の差を説明するために有用であるが、適応能の時間変化に鈍感である、対象者の特性の静的測定値にあまり依存しない。適応能追跡システムのいくつかの実施形態で使用される（例えば、αＶＯ_２ｍａｘに関連して以下で説明される）予測アルゴリズムは、経時的に適応可能であるように設計され、ユーザから経時的に集められた情報に従って異なる動作を可能にする。例えば、ＶＯ_２ｍａｘ推定値は、異なる時間期間において取得されたデータによって影響を及ぼされ、身体性能は瞬時に評価されるが、行動的特性又は活動パターンは長い時間期間にわたって決定される。更に、有酸素運動に対する個々の適応能反応は、予測アルゴリズムにおけるより遅いステージに組み込まれる。運動に対する心肺適応能の生理的反応は、生物学的に決定され、ユーザごとに異なることがあり、したがって、行動又はパターン及び有酸素運動関与の変化に応答するＶＯ_２ｍａｘにおける長期的傾向をより良く表すために、個人化されたパラメータが使用される。

[0065] 更に詳細に、及び身体性能を決定すること（５６）に関して、図４について説明すると、ユーザ身体性能を決定するために図５に示される１つの方法７０が初期化される。図５に示されているように、２つの処理分岐が示され、図５中の左側の分岐は、身体加速度を処理すること（７２）と、活動タイプを決定すること（７４）と、動き強度（例えば、加速度変動性）を決定すること（７６）と、７４、７６における決定に基づいて、活動依存性エネルギー消費量推定値を決定すること（７８）とを含む。図５の他方の処理分岐では、方法７０は、生理的データ（例えば、心拍数）を記録及び処理し（８０）、生理的反応を決定し（８２）、７８及び８２における処理に基づいて、身体性能（例えば、心拍数ごとの総エネルギー消費量（ＥＥ／ＨＲ））を計算する（８４）。いくつかの実施形態では、動き強度が（例えば、運動データ以外の）他の測定値から推定され得ることに留意されたい。例えば、いくつかの実施形態では、動き強度は、大気圧センサー、汗センサーなどからの測定値から決定される。身体性能は、身体活動中の（ａ）代謝需要（ｍｅｔａｂｏｌｉｃ ｄｅｍａｎｄ）と（ｂ）生理的反応との間の比として定義される。代謝需要（ａ）は身体活動中の力学的仕事量によって決定され、力学的仕事量は、ユーザによって実行される活動のタイプに依存する、身体移動データから推定され得る。例えば、活動タイプ選択アルゴリズムは、身体加速度（例えば、活動カウント、移動速度、動きケイデンス（ｍｏｔｉｏｎ ｃａｄｅｎｃｅ）、周期性など）の概要尺度から、特定の活動（例えばウォーキング、サイクリングなど）中のエネルギー消費量（ＥＥ）を推定するために使用され得る。生理的反応（ｂ）は、代わりに、身体活動中に記録される生理的変数のレベルとして定義される。このパラメータは、活動中の心拍数（ＨＲ）として、又は、ＨＲ、呼吸数、皮膚温度、及びガルヴァニック皮膚反応など、複数の生理的パラメータの組合せとして定義され得る。身体性能（例えば、ＥＥ／ＨＲ）は、ユーザによって実行される活動タイプにかかわらず、等しく報知的であるように設計される。このようにして、ウェアラブルセンサーが活動を検出するたびに、システムは、そのような活動に関連するユーザの身体性能を決定することが可能である。

[0066] 次に、図６を参照すると、本発明の一実施形態による、身体移動及び心拍数の測定値から、活動及び有酸素行動又はパターン（例えば、図４の活動パターン（５８））を決定するために使用される例示的な方法８６を示す流れ図が示されている。事実上、方法８６は、持続時間、繰返し、規則性などに関して、複数のタイプの活動とそれらのパターンとに対処する活動分類を提供する。活動パターンは、経時的に、ＨＲなど、身体活動及び生理的データを監視することによって決定され得る。例示的な方法８６では、方法８６は、身体加速度及び心拍数（ＨＲ）を処理し（８８）、活動タイプを決定する（９０）。例えば、（９２）において、活動が、（例えば、持続時間、規則性などに対応する睡眠特徴に基づく）睡眠（９４）であるのか、（例えば、持続時間、イベントの数などの坐位特徴に基づく）坐位（９６）であるのか、アクティブであるのかが決定される。アクティブである場合、定義されたしきい値に従って、心拍数、期間、及び心拍変動性（ＨＲＶ）に基づいて、更なる決定が行われ（９８）、決定は、（例えば、持続時間、イベントの数、強度などの無酸素特徴に基づく）無酸素（１００）と、（例えば、持続時間、イベントの数、強度などの有酸素特徴に基づく）有酸素（１０２）とのうちの１つである。なお、図６から、Ｔは、活動持続時間を示し、ＨＲＶは、経時的なＨＲの変動性を示し、ｔ_１、ｔ_２、ｔ_３は、活動が有酸素タイプのものであるのか無酸素タイプのものであるのかを決定するためのしきい値を示すことに留意されたい。一実施形態では、有酸素活動は、あるしきい値（例えば５０％ＨＲｍａｘ）を超えるＨＲによって特徴づけられ、長い持続時間（例えば、＞３０秒）を有し、ＨＲＶは一般に低い。活動パターンは、活動、及び坐位業務（ｏｃｃｕｐａｔｉｏｎ）、睡眠、及び有酸素運動の日々の持続時間として定義され得る。分類アルゴリズムを用いて加速度計信号を処理することによって、活動、坐位業務、及び睡眠が決定され得る。経時的に活動持続時間及びＨＲデータを処理するアルゴリズムが、自動的に、有酸素活動を決定する。例えば、ある活動が、十分な時間量の間実行され（例えば、持続時間＞３０秒）、ＨＲが十分に高い値に達し（例えば、ＨＲ＞５０％最大ＨＲ、又はＨＲ＞１５０％安静時ＨＲ）、ＨＲ変動性が比較的低いとき、活動は、有酸素性質のものと見なされ得る。有酸素活動は、これらがユーザの適応能レベルを維持及び変更することができるので、活動パターンを定義する際に特に興味深い。活動パターンは、一般に、ユーザの活動ルーチン及びスケジュールの繰返し及び週単位の性質を前提として、７日連続などの長い時間期間に関して評価されるが、いくつかの実施形態では、他の期間も使用される。

[0067] ＶＯ_２ｍａｘの推定（６０、図４）に関して、初期ＶＯ_２ｍａｘのコンテキスト依存評価が実施される。ユーザの初期適応能レベルは、身体性能の測定値、活動パターン、及び対象者の特性から、ＶＯ_２ｍａｘを推定することによって決定され得る。身体性能パラメータ（例えばＥＥ／ＨＲ）からＶＯ_２ｍａｘを推定するために、コンテキスト依存（又は活動タイプ依存）回帰式が使用され得る。身体性能が複数のタイプの日々の活動について決定されることを仮定して、ＶＯ_２ｍａｘ予測式は、どの活動タイプ（ａ＝｛ａｃｔ＿１、ａｃｔ＿２、．．．、ａｃｔ＿Ａ｝）が実行されたかを考慮するように設計され得る。「ａ」は以下の式（ＶＯ_２ｍａｘ式）中のインデックスであり、軽強度の活動、中強度の活動、激しい強度の活動などの活動タイプ、又は代替として、ウォーキング、ランニング、サイクリング、ボート漕ぎなどを示すことに留意されたい。図７及び表１に示される身体性能（例えば、ＴＥＥ／ＨＲ）と適応能（ＶＯ_２ｍａｘ）との間に存在するより強い関係によって示されるように、それらの活動について導出された身体性能がＶＯ_２ｍａｘをあまり表さないいくつかの活動中に取得された予測への関係性をあまり与えないように、信頼性重み（ｒｅｌ_ａ）が設計され得る。以下の表１は、自由生活活動パターンを表すために使用される異なるクラスタ化システムのためのＴＥＥ／ＨＲ特徴に基づくＶＯ２ｍａｘ予測アルゴリズム（例えば、相関関係及び誤差統計）を示す。相関関係及び誤差統計は、日々のＶＯ_２ｍａｘ推定値を生成するために、各クラスタの信頼性スコアを決定するために使用され得る。

Ｒ^２＝測定されたＶＯ２ｍａｘと予測されたＶＯ２ｍａｘとの間の相関関係であり、Ｌ１ＳＯ＝１対象抜き交差検証誤差統計（ｌｅａｖｅ−ｏｎｅ−ｓｕｂｊｅｃｔ−ｏｕｔ ｃｒｏｓｓ−ｖａｌｉｄａｔｉｏｎ ｅｒｒｏｒ ｓｔａｔｉｓｔｉｃｓ）であり、ＲＭＳＥ＝２乗平均誤差であり、Ｃｎｔｓ＝１分あたりの活動カウントであり、ＰＡＬ＝身体活動レベルであることに留意されたい。

[0068] 各活動タイプ（ａｃｔ＿１、ａｃｔ＿２など）について導出された適応能尺度は、ＶＯ_２ｍａｘの日々の推定値を生成するために信頼性スコア（ｒｅｌ_ａ）に従って重み付けされる。ａｃｔ＿Ａは、活動タイプがそれを用いて離散化される総カテゴリーを示す。図７は、ｆａ（ＥＥ／ＨＲ、年齢、体重、性別、身長）として特徴づけられる、ＥＥ／ＨＲとＶＯ_２ｍａｘとの間の関係を示す。信頼性スコアは、図７に示されているデータから認識できるように、各ａ活動タイプについてのＥＥ／ＨＲとＶＯ_２ｍａｘとの間の相関係数として定義され得る。概して、身体性能と適応能との間に存在する異なる関係は、身体性能を決定するために使用される活動タイプに従って、最適適応能予測を生成するために異なる信頼性重みが使用され得ることを示す。同様に、ＶＯ_２ｍａｘ予測式の係数は、ユーザの有酸素活動又は坐位時間の量に依存する適応能の推定値を可能にするために、パターン又は行動依存にされ得る。このようにして、ユーザのグループについて（例えば、以下で更に説明されるように、有酸素活動強度と、初期ＶＯ_２ｍａｘ（ｔ_０）と、ＶＯ_２ｍａｘ（ｔ_ｎ）に関連する式を実行するための母集団から導出されたパラメータとに関する情報から、経時的なＶＯ_２ｍａｘの変化を推定するための）より適合された予測モデルが定義され得、ＶＯ_２ｍａｘを予測するためにより高い精度が達成される。

[0069]

[0070] ＶＯ_２ｍａｘの変化の推定（６８、図４）に関して、ＶＯ_２ｍａｘの変化は、（ｉ）初期ＶＯ^２ｍａｘと、（ｉｉ）身体性能に従って予測されるＶＯ_２ｍａｘの変化と、（ｉｉｉ）活動パターンの変化に従って決定される適応能変化（ＶＯ_２ｍａｘにおける時間傾向）とを考慮することによって予測される。実際、有酸素活動の増加は、図８に示されているような、ＶＯ_２ｍａｘの予測可能な変化を誘導することができる。図示のように、中強度有酸素運動は、高強度有酸素運動と比較して、経時的な適応能のより滑らかな変化を誘起する。同様に、図９に示されているように、有酸素時間又は有酸素活動強度の減少は、ＶＯ_２ｍａｘの低減を生じることがある。有酸素活動パターンの変化に対する適応能反応の大きさは、前に説明されたように、ＶＯ_２ｍａｘトレーニング反応の不均一性を仮定すれば、主観的に決定される。最初は、ユーザの有酸素運動反応は、母集団平均に等しいと見なされ、以下で説明されるように、後のステージでのみ、記録されたデータから導出される。

[0071] 身体性能から導出されたＶＯ_２ｍａｘの推定値は、睡眠遮断及び持続時間、ストレス、過食又は過小食、ホルモンのサイクル、及び運動後の回復のような日々のファクタによって影響を及ぼされる、生理的状態の毎日の差により経時的に大幅に変動することが予想される。これらの適応能関係でない変動を緩和し、経時的なＶＯ_２ｍａｘ推定値の信頼性を改善するために、経時的なＶＯ_２ｍａｘの変動をそれを中心として予想するための適応能傾向における軌跡を予測するために、適応能追跡システムの一実施形態によって、活動パターンに関する情報と特に有酸素運動特徴とが使用される。活動パターンは、ユーザのルーチンに従って長い時間期間に関して評価される。一般に、週日及び週末によって影響を及ぼされる特性を把握するために、パターンは、毎週又は隔週で決定される。

[0072] 次に図１０を参照すると、ベースライン期間では、ユーザの初期行動又はパターンは、図６に関連して説明されたように決定される。１週又は２週時間期間にわたる統合された結果が、一般的活動パターンを確立するために使用される（例えば、行動又は活動パターン及び運動、日々の性能、日々の適応能レベル（例えば、ＶＯ_２ｍａｘ）について、計算が実行される）。事実上、ベースライン期間が、日々のＶＯ_２ｍａｘ推定値のシーケンスからの定期的（例えば、毎週の）ＶＯ_２ｍａｘのための参照開始レベルの決定を可能にする。この説明において特に強調されるのは、有酸素活動強度及び持続時間であるが、適応能の変化を予測するために関連するものとして、行動又はパターンの他の態様が考慮される。例えば、無酸素運動は、ＶＯ_２ｍａｘを増加させるために意味のある活動の考慮事項に関して、無視される。しかしながら、坐位時間、歩数など、行動又はパターンの他の態様が、ベースライン値から経時的なＶＯ_２ｍａｘの変化を予測するための有酸素活動の持続時間及び強度と入れ替わることができる。初期適応能レベル（ＶＯ_２ｍａｘ（ｔ_０））は、（前に説明されたように）身体性能及び初期パターン又は行動に従って、毎日のＶＯ_２ｍａｘ推定値を評価することによって決定される。行動的又はパターン変化の測定値は、後続の期間において（例えば、第３週で）導出される。ベースライン期間及び変化期間の持続時間が、いくつかの実施形態では、上記の例で説明されたものとは異なることに留意されたい。ユーザがトレーニングプログラムを開始し、ユーザの有酸素活動が増加する場合、適応能追跡システムの一実施形態は、図１０に示されているように、行動的又はパターン変化の大きさに従って、適応能の予想される経時的な変化を決定する。

[0073] 経時的なＶＯ_２ｍａｘは、有酸素活動の量と、有酸素活動の強度と、トレーニングの開始からの時間と、初期ＶＯ_２ｍａｘレベルと、対象者の特性とを考慮することによって推定され得る。そのようなモデルの一例が、以下である。

[0074]

[0075] ここで、ｔ_ｎは、トレーニングプログラムの開始からの現在の時間（日単位）であり、ｔ_ｉｎｆは、行動的又はパターン変化によってトリガされた適応能の漸近推定変化であり、Ｔは、予想される最終ＶＯ_２ｍａｘ（例えばＶＯ_２ｍａｘ（ｔ_ｉｎｆ））の６３．２％に達するためにユーザのために必要とされる時間量（日単位）を決定する、時定数である。すぐ上の式は、時間ｔ_ｎにおける予想されるＶＯ_２ｍａｘをモデル化する。単純な数学操作を通して、ＶＯ_２ｍａｘの変化についての式は、ＶＯ_２ｍａｘ（ｔ_ｎ）−ＶＯ_２ｍａｘ（ｔ_０）として定義される。行動的又はパターン変化とＶＯ_２ｍａｘ（ｔ_ｉｎｆ）との間の関係は、最初、トレーニングに対する公開された適応能反応のグループ統計から導出される（例えば、図８〜図９）。運動に対する個人的適応能反応及びＶＯ_２ｍａｘ（ｔ_ｉｎｆ）は、行動的又はパターン変化に後続する第１の期間におけるユーザデータから決定され得る。例えば、初期フェーズの後、ウェアラブルセンサーからの測定値は、有酸素トレーニング（又は脱トレーニング）に対する個々の反応を表す、個人固有の傾向を生成するために使用され得る。同様に、Ｔは、最初に、トレーニングに対する適応能反応の母集団から導出された平均を使用することによって決定される。例えば、激しい有酸素トレーニングの場合は、Ｔは２５日（＞３週）であるが、中強度の有酸素トレーニングの場合は、Ｔは４２日（６週）である。経時的なＶＯ_２ｍａｘの変動における初期傾向は、上記の式における経時的な微分として決定され得る。

[0076]

[0077] 経時的な適応能の変化を表すモデルのパラメータ（ＶＯ_２ｍａｘ（ｔ_ｉｎｆ）及びＴ）が決定されると、信頼できる適応能変化の軌跡は、図１０中の破線によって表されるように確立され得る。このプロセスは、ＶＯ_２ｍａｘの時間変動を予測するために使用されたＴパラメータについての個人化プロセスを表す。このようにして、ＶＯ_２ｍａｘの変化のより良い推定が、有酸素活動パターンの変化に対するユーザ固有反応に従って取得され得る。適応能の日々の推定値は、図１１中の初期軌跡線の上の境界線及び下の境界線によって示されているように、予想される適応能変化を中心とするある信頼性境界内に留まるように変更され得る。信頼性境界は、予想されるＶＯ_２ｍａｘ変化軌跡のパーセンテージとして定義され得る（例えば、下側境界及び上側境界を決定するために予想される値の９０％〜１１０％）。このようにして、適応能の日々の推定値は、ユーザの活動パターンの変化並びに日々の身体性能に依存するものとして、より正確である。概して、日々の推定値を調整するために、活動パターンによるＶＯ_２ｍａｘの時間傾向への洞察を展開するために異なる手法が使用され得る。１つの例示的な手法では、予想される週単位の時間傾向に一致するように、推定値のベースライン補正が適用され得る。別の例示的な手法では、境界しきい値（例えば、上側及び下側）が生成され得、日々の推定値が、予想される心臓適応能変化傾向を依然として表すことを可能にするために、日々の推定値は、これらの境界しきい値にクランプされ得る。

[0078] トレーニングレジームの変化及び有酸素時間の減少は、上記で提示された方法によって依然としてモデル化され得るＶＯ_２ｍａｘにおける時間傾向の変動を決定する。

[0079] 図１２に関して、有酸素運動反応の予測の説明が示される。有酸素トレーニングに対する個々の適応能反応は、パターン変化が記録されるとすぐに、測定値の第１の期間におけるユーザデータから決定され得る。図１２に示されているように、フィッティングライン（ｆｉｔｔｉｎｇ ｌｉｎｅ）によるデータの補間によって取得された予想されるトレーニング反応αＶＯ_２ｍａｘは、実際のものとは異なることが観察できる。特に、αＶＯ_２ｍａｘは、上記で説明された、経時的な適応能の変化（ＶＯ_２ｍａｘ（ｔ_ｎ））を説明する式の経時的な１次導関数を示す。αＶＯ_２ｍａｘは、ユーザがレジームにおける予想される最終ＶＯ２ｍａｘ（ｔ_ｉｎｆ）の６３％に達するために必要とする時間である、Ｔを決定するため単純な算術計算とともに使用され得る。最初に、この時間Ｔは母集団平均から取得されるが、第１の期間（例えば、１週）の後は、個人化されたαＶＯ_２ｍａｘに対応するＶＯ_２ｍａｘの増加の傾きを決定するために、ＶＯ_２ｍａｘの日々の推定値（先に説明されたＶＯ_２ｍａｘ式から生データによって提供されており、これは、有酸素行動の変化に従う予想される適応能変化のために補正されていない）が使用され得る。この個人化プロセスは、適応能追跡システムが、経時的な適応能の変化を予測するモデルの係数を更新することを可能にする。このようにして、有酸素活動及びパターンの変化によって決定されたあるＴを仮定すれば、パターン変化による個人化された適応能反応（ＶＯ_２ｍａｘ（ｔ_ｉｎｆ））はαＶＯ_２ｍａｘから計算され得る。

[0080] 一実施形態では、方法に対するクレームが開示され、対象者に結合されたウェアラブルセンサーから取得されたデータを受信するステップと、データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定するステップによって、対象者についての心肺適応能尺度を推定するステップであって、自由生活活動の各々についての身体性能の決定は、自由生活活動及び自由生活活動カテゴリーに対応する力学的仕事量の尺度と、力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定するステップとを含む。

[0081] 一実施形態では、上記で説明された方法に対するクレームが開示され、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定するステップを更に含む。

[0082] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、データは対象者に対応する移動データ及び生理的データを含み、身体性能を決定するステップは、活動タイプ及び動き強度を決定するステップと、生理的データに基づいて心拍数を決定するステップと、活動タイプ及び動き強度に基づいて、活動依存性エネルギー消費量推定値を決定するステップであって、身体性能は、エネルギー消費量推定値と心拍数との比を含む、決定するステップとを含む。

[0083] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、移動データは対象者に対応する加速度データを含む。

[0084] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、自由生活活動を睡眠、坐位、又はアクティブにカテゴリー分類することによって自由生活活動から活動パターンを決定するステップであって、カテゴリー分類が、移動データ及び生理的データに基づく、決定するステップを更に含む。

[0085] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、活動の持続時間と生理的データのための複数のしきい値とに基づいて、アクティブカテゴリー分類が無酸素活動に対応するのか有酸素活動に対応するのかを決定するステップを更に含む。

[0086] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、心肺適応能尺度を推定するステップは、複数のタイプの活動についてデータが受信され、当該複数のタイプの活動について、定義された時間期間にわたって心肺適応能尺度を推定するステップと、信頼性スコアに従って、複数のタイプの活動の各々を重み付けするステップであって、信頼性スコアは身体性能と心肺適応能尺度との間の相関係数を含む、重み付けするステップとを含む。

[0087] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、定義された時間期間は、活動の１日からなる。

[0088] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、ベースライン期間の持続時間の間、複数の連続する定義された時間期間について、心肺適応能尺度を推定するステップを更に含む。

[0089] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、ベースライン期間の後に、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定するステップを更に含む。

[0090] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、活動パターンの変化と心肺適応能尺度との間の関係が、母集団グループ統計値から導出され、ウェアラブルセンサーからのデータを使用して補正される。

[0091] 一実施形態では、先行する方法クレームのうちのいずれか１つに従属するクレームが開示され、測定されたパターン変化に関係する有酸素運動反応を測定するステップを更に含む。

[0092] 一実施形態では、装置に対するクレームが開示され、装置は、対象者に結合されたウェアラブルセンサーと、ウェアラブルセンサーに結合された処理回路とを備え、処理回路は、ウェアラブルセンサーから取得されたデータを受信することと、データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定することによって、対象者についての心肺適応能尺度を推定することであって、自由生活活動の各々についての身体性能の決定は、自由生活活動及び自由生活活動カテゴリーに対応する力学的仕事量の尺度と、力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定することと行うように構成される。

[0093] 一実施形態では、先行する装置クレームに従属するクレームが開示され、処理回路は、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定するように更に構成される。

[0094] 一実施形態では、先行する装置クレームのうちのいずれか１つに従属するクレームが開示され、処理回路は、活動タイプ及び動き強度を決定することと、生理的データに基づいて心拍数を決定することと、活動タイプ及び動き強度に基づいて、活動依存性エネルギー消費量推定値を決定することであって、身体性能は、エネルギー消費量推定値と心拍数との比を含む、決定することとを行うように更に構成される。

[0095] 一実施形態では、先行する装置クレームのうちのいずれか１つに従属するクレームが開示され、処理回路は、自由生活活動の各々を睡眠、坐位、又はアクティブにカテゴリー分類することによって活動パターンを決定することであって、カテゴリー分類が移動データ及び生理的データに基づく、活動パターンを決定することと、活動の持続時間と生理的データのための複数のしきい値とに基づいて、アクティブカテゴリー分類が無酸素活動に対応するのか有酸素活動に対応するのかを決定することとを行うように更に構成される。

[0096] 一実施形態では、先行する装置クレームのうちのいずれか１つに従属するクレームが開示され、処理回路は、複数のタイプの活動についてデータが受信され、当該複数のタイプの活動について、定義された時間期間にわたって心肺適応能尺度を推定することと、信頼性スコアに従って、複数のタイプの活動の各々を重み付けすることであって、信頼性スコアは身体性能と心肺適応能尺度との間の相関係数を含む、重み付けすることと、ベースライン期間の持続時間の間、複数の連続する定義された時間期間について、推定を繰り返すこととを行うように更に構成される。

[0097] 一実施形態では、先行する装置クレームのうちのいずれか１つに従属するクレームが開示され、処理回路は、ベースライン期間の後に、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定することであって、活動パターンの変化と心肺適応能尺度との間の関係が、母集団グループ統計値から導出され、ウェアラブルセンサーからのデータを使用して補正される、推定することと、活動パターンの変化を決定するために、有酸素運動反応を測定することとを行うように更に構成される。

[0098] 一実施形態では、非一時的コンピュータ可読媒体に対するクレームが開示され、非一時的コンピュータ可読媒体は、対象者に結合されたウェアラブルセンサーからデータを受信することと、データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定することによって、対象者についての心肺適応能尺度を推定することであって、自由生活活動の各々についての身体性能の決定は、自由生活活動及び自由生活活動カテゴリーに対応する力学的仕事量の尺度と、力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定することとを１つ又は複数のプロセッサに行わせる、１つ又は複数のプロセッサによって実行可能な命令で符号化される。

[0099] 一実施形態では、先行する非一時的コンピュータ可読媒体に従属するクレームが開示され、符号化された命令は、身体性能の変化と、活動パターンの変化と、推定された心肺適応能尺度とに基づいて、対象者についての決定された心肺適応能尺度の変化を推定することを１つ又は複数のプロセッサに更に行わせるために、１つ又は複数のプロセッサによって実行可能である。

[00100] 本発明は、図面及び上記の説明において、詳細に示され、説明されてきたが、そのような例示及び説明は、例示的（ｉｌｌｕｓｔｒａｔｉｖｅ）又は例示的（ｅｘｅｍｐｌａｒｙ）と見なされるべきであり、限定的でなく、本発明は、開示された実施形態に限定されるものではない。開示された実施形態に対する他の変形形態は、図面、開示、及び添付の特許請求の範囲の検討から、請求される本発明を実施する際に当業者によって理解され、実施され得る。開示された実施形態の様々な組合せが使用され得ること、したがって、実施形態又は一実施形態への参照が、その実施形態の特徴を他の実施形態の特徴とともに使用することから除外することを意図されていないことに留意されたい。特許請求の範囲において、「備える、有する（ｃｏｍｐｒｉｓｉｎｇ）」という言葉は他の要素又はステップを除外せず、不定冠詞「ａ」又は「ａｎ」は複数を除外しない。単一のプロセッサ又は他のユニットは、本特許請求の範囲において列挙されるいくつかの項目の機能を遂行し得る。特定の測定値が、相互に異なる従属クレームで列挙されているという単なる事実は、これらの測定値の組合せが有利には使用され得ないことを示しているわけではない。コンピュータプログラムは、他のハードウェアとともに又はそれの一部として供給される光学媒体又は半導体媒体など好適な媒体上に記憶／分散され得るが、他の形態でも分散され得る。本特許請求の範囲の中のいかなる参照符号も、その範囲を限定するものと解釈されるべきではない。

Claims (20)

1. 対象者に結合されたウェアラブルセンサーから取得されたデータを受信するステップと、
   前記データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定するステップによって、前記対象者についての心肺適応能尺度を推定するステップであって、前記自由生活活動の各々についての前記身体性能の決定は、前記自由生活活動及び前記自由生活活動カテゴリーに対応する力学的仕事量の尺度と、前記力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定するステップと
   を有する、方法。
2. 前記身体性能の変化と、活動パターンの変化と、推定された前記心肺適応能尺度とに基づいて、前記対象者についての決定された前記心肺適応能尺度の変化を推定するステップを更に有する、請求項１に記載の方法。
3. 前記データは、前記対象者に対応する移動データ及び生理的データを含み、前記身体性能を決定するステップは、
   活動タイプ及び動き強度を決定するステップと、
   前記生理的データに基づいて心拍数を決定するステップと、
   前記活動タイプ及び前記動き強度に基づいて、活動依存性エネルギー消費量推定値を決定するステップであって、前記身体性能は、前記活動依存性エネルギー消費量推定値と前記心拍数との比を含む、決定するステップと
   を含む、請求項１に記載の方法。
4. 前記移動データは、前記対象者に対応する加速度データを含む、請求項３に記載の方法。
5. 前記自由生活活動を睡眠、坐位、又はアクティブにカテゴリー分類することによって前記自由生活活動から活動パターンを決定するステップであって、前記カテゴリー分類が、前記移動データ及び前記生理的データに基づく、決定するステップを更に有する、請求項３に記載の方法。
6. 前記自由生活活動の持続時間と前記生理的データのための複数のしきい値とに基づいて、アクティブな前記カテゴリー分類が無酸素活動に対応するのか有酸素活動に対応するのかを決定するステップを更に有する、請求項５に記載の方法。
7. 前記心肺適応能尺度を推定するステップは、
   複数のタイプの活動についてデータが受信され、当該複数のタイプの活動について、前記定義された時間期間にわたって前記心肺適応能尺度を推定するステップと、信頼性スコアに従って、前記複数のタイプの活動の各々を重み付けするステップであって、前記信頼性スコアは前記身体性能と前記心肺適応能尺度との間の相関係数を含む、重み付けするステップと
   を含む、請求項１に記載の方法。
8. 前記定義された時間期間は、活動の１日からなる、請求項７に記載の方法。
9. ベースライン期間の持続時間の間、複数の連続する定義された時間期間について、前記心肺適応能尺度を推定するステップを更に有する、請求項７に記載の方法。
10. 前記ベースライン期間の後に、前記身体性能の変化と、活動パターンの変化と、推定された前記心肺適応能尺度とに基づいて、前記対象者についての決定された前記心肺適応能尺度の変化を推定するステップを更に有する、請求項９に記載の方法。
11. 前記活動パターンの変化と前記心肺適応能尺度との間の関係が、母集団グループ統計値から導出され、前記ウェアラブルセンサーからのデータを使用して補正される、請求項１０に記載の方法。
12. 測定されたパターン変化に関係する有酸素運動反応を測定するステップを更に有する、請求項１１に記載の方法。
13. 対象者に結合されたウェアラブルセンサーと、
    前記ウェアラブルセンサーに結合された処理回路とを備え、前記処理回路は、
    前記ウェアラブルセンサーから取得されたデータを受信することと、
    前記データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定することによって、前記対象者についての心肺適応能尺度を推定することであって、前記自由生活活動の各々についての前記身体性能の決定は、前記自由生活活動及び前記自由生活活動カテゴリーに対応する力学的仕事量の尺度と、前記力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定することと
    を行う、装置。
14. 前記処理回路は、更に、
    前記身体性能の変化と、活動パターンの変化と、推定された前記心肺適応能尺度とに基づいて、前記対象者についての決定された前記心肺適応能尺度の変化を推定する、
    請求項１３に記載の装置。
15. 前記処理回路は、更に、
    活動タイプ及び動き強度を決定することと、
    前記生理的データに基づいて心拍数を決定することと、
    前記活動タイプ及び前記動き強度に基づいて、活動依存性エネルギー消費量推定値を決定することであって、前記身体性能は、前記活動依存性エネルギー消費量推定値と前記心拍数との比を含む、決定することと
    を行う、請求項１３に記載の装置。
16. 前記処理回路は、更に、
    前記自由生活活動の各々を睡眠、坐位、又はアクティブにカテゴリー分類することによって活動パターンを決定することであって、前記カテゴリー分類が前記移動データ及び前記生理的データに基づく、活動パターンを決定することと、
    前記自由生活活動の持続時間と前記生理的データのための複数のしきい値とに基づいて、前記アクティブカテゴリー分類が無酸素活動に対応するのか有酸素活動に対応するのかを決定することと
    を行う、請求項１３に記載の装置。
17. 前記処理回路は、更に、
    複数のタイプの活動についてデータが受信され、当該複数のタイプの活動について、前記定義された時間期間にわたって前記心肺適応能尺度を推定することと、信頼性スコアに従って、前記複数のタイプの活動の各々を重み付けすることであって、前記信頼性スコアは前記身体性能と前記心肺適応能尺度との間の相関係数を含む、重み付けすることと、
    ベースライン期間の持続時間の間、複数の連続する定義された時間期間について、前記推定を繰り返すことと
    を行う、請求項１３に記載の装置。
18. 前記処理回路は、更に、
    前記ベースライン期間の後に、前記身体性能の変化と、活動パターンの変化と、推定された前記心肺適応能尺度とに基づいて、前記対象者についての決定された前記心肺適応能尺度の変化を推定することであって、前記活動パターンの変化と前記心肺適応能尺度との間の関係が、母集団グループ統計値から導出され、前記ウェアラブルセンサーからのデータを使用して補正される、推定することと、
    前記活動パターンの変化を決定するために、有酸素運動反応を測定することと
    を行う、請求項１７に記載の装置。
19. 前記ウェアラブルセンサーから取得されたデータを受信することと、
    前記データ及び対象者特性に基づいて、定義された時間期間にわたる自由生活活動カテゴリーに関連する自由生活活動について、身体性能を決定することによって、前記対象者についての心肺適応能尺度を推定することであって、前記自由生活活動の各々についての前記身体性能の決定は、前記自由生活活動及び前記自由生活活動カテゴリーに対応する力学的仕事量の尺度と、前記力学的仕事量に関連する生理的反応の尺度との間の比によって示される、推定することと
    を１つ又は複数のプロセッサに行わせる、前記１つ又は複数のプロセッサによって実行可能な命令で符号化された、非一時的コンピュータ可読媒体。
20. 符号化された前記命令は、前記１つ又は複数のプロセッサに、更に、 前記身体性能の変化と、活動パターンの変化と、推定された前記心肺適応能尺度とに基づいて、前記対象者についての決定された前記心肺適応能尺度の変化を推定することを行わせるために前記１つ又は複数のプロセッサによって実行可能である、請求項１９に記載の非一時的コンピュータ可読媒体。

Images