JP2020513274A - バランスを定量化するための多重パラメータ法 - Google Patents

Abstract

本発明は、個人のバランスを表す値を得るために個人のバランスを定量化する方法に関し、その方法は、記憶手段に接続された少なくとも１つのデータ処理モジュールを備えたデバイスによって実施され、その方法は、ａ）圧力及び／又は力センサを備えたプラットフォームから得られた個人の少なくとも１つの動揺図を記憶手段に記録するステップと、ｂ）データ処理モジュールによって、記憶手段に記録された個人の少なくとも１つの動揺図から、圧力中心の少なくとも１つの位置軌跡パラメータの値及び圧力中心の少なくとも１つの安定軌跡パラメータの値を抽出するステップと、ｃ）データ処理モジュールによって、ステップｂ）で抽出された軌跡パラメータの値から、複数の定量化因子の値を決定するステップと、ｄ）データ処理モジュールによって、複数の定量化因子の値を、参照動揺図から得られた同一の定量化因子の値と比較するステップと、ｅ）データ処理モジュールによって、比較の終了時に個人のバランスを表す値を決定するステップとを含む。

Description

本発明は、個人のバランスの定量化の分野に関する。より詳細には、本発明は、ヒトのバランスを定量化するための多重パラメータ法、この方法を実施するように構成されたデバイス、及びそのデバイスを組み込むシステムに関する。本発明は特に、例えばリハビリテーション過程の状況において、自己定量化アプローチにおいて、又は高齢者において、特に在宅支援アプローチでの転倒のリスクを警戒するために、このバランスの変化の追跡を可能にする。

「自己定量化（「定量化された自己」）」はますます一般的に行われるようになっており、またこれはますます多くのパラメータを含むようになっている。同様に、睡眠又は歩行などの自己測定に関連する様々な機能を定量化することができる市販のデバイスが増えている。

静的及び動的バランスは、我々の日常生活動作の不可欠な要素であり、バランスの欠如は転倒の主な原因である。更にバランスは、下肢に関わる事故などの身体事故の結果としてだけでなく、精神障害の発症又は脳血管発作などの脳卒中の発症に関連して、変化（つまり低下）し得る。運動機能、感覚機能及び／又は認知機能の障害に関連するこの姿勢の不安定が転倒を助長することがあり、これは命に関わり得るか、又は重大な身体不全を引き起こし得る。

２０１２年の世界保健機構の推計によると、世界で毎年約４２４，０００人が転倒によって命を落としており、従って転倒は世界での事故死の原因の第２位となっている。フランスの保健衛生監視研究所によると、フランスにおいて６５歳以上の人々で毎年４５０，０００回の転倒があり、これはフランスにおいて年間４，０００〜４，５００件という、高齢者で最も多い死因である。

従って、ヒトの転倒は、その頻度並びにその医学的及び社会的影響から、特に高齢者の間で、公衆衛生上の大きな問題である。例えば転倒後症候群は、日々の活動をすることに対する自信の喪失を伴う転倒恐怖症をもたらし、これは最終的には寝たきりにつながる。したがって、多くの治療は個人のバランスの回復を目的とし、運動はその維持を目的としている。

これらの課題にもかかわらず、現在のところ、個人のバランスを定量化するための直感的な、信頼できる、安価な方法又はデバイスは存在しない。

現在、医師は、患者を視覚的に追跡する方法によって、ほとんどの場合はロンベルグ試験などの標準化された試験によって、バランスを評価する。後者は、医師が診断を行い、考えられる静的運動失調症の原因を特定することを助ける。それにもかかわらず、そのような追跡は、個人のバランスを定性化できるものの客観的に定量化することはできない。しかしながら、定量法は、客観性、解釈の均質性を高めることができ、上述のような試験（例えば経時的な追跡又は複数人のグループ内での追跡）の比較を行う可能性を与えることができ、更に患者を視覚的に追跡する方法によって知覚できない挙動を特定することができる。

現在、概して力プラットフォームから測定された圧力中心の変位の研究に基づく、バランスを評価するための方法が存在する。特に１９８０年代及び１９９０年代に、「規格８５」の確立により標準化の努力がなされ、それはサンプリング周波数５Ｈｚでの５１．２秒の取得時間で、パラメータの再現性を確保するために、標準化された寸法の個室に個人を入れて足の位置を定めることを含むプロトコルを定めることを含む（非特許文献１）。

これに関連して、概ね最小で１０Ｈｚの周波数における圧力中心の変位のデータから通常定められるパラメータにより、対象者が自身の直立性バランスを維持する能力を説明でき、そのパラメータは以下から選択されることができる。
−変位の長さ、
−圧力中心が動く表面であって、圧力中心の支持点の９０％を内包する信頼楕円（ガウス曲線に基づく）の表面の計算によってｍｍ^２を単位として測定される表面に対応する、動揺図のプロットの表面、
−圧力中心が移動した距離と信頼楕円の表面との間の比に対応する、長さ対表面（ＬＦＳ）、
−Ｙ軸に沿った速度の変動（ＶＦＹ）、又は
−振動数。

姿勢動揺検査は、立ち姿勢を評価するための最も適切な方法であるが、バランス障害の評価における姿勢動揺検査の位置付けについては依然として議論の余地がある。取得費用、実施費用、検査の再現性、感度、その特異性、結果の解釈の難しさ（多数の測定が２つの状態の間で比較される）といった複数の理由により、その使用が妨げられている。実際には、これらの方法は、圧力中心の変位の複数のパラメータに独立して焦点を当てており、これらを組み合わせるものではない。これらの方法では、専門家なしで簡単かつ迅速な方法で、個人のバランスを表す値を得ることはできない。

Ｗｉｉフィットバランスボード（登録商標）と呼ばれる力プラットフォームにより、圧力中心の変位を追跡でき、またこれは、特に圧力中心の変位の測定に基づいて「Ｗｉｉフィット年齢」を測定する機能も提供する。多くの記事がこの力プラットフォームによるバランスの評価に焦点を当てており、ホイートストンブリッジセンサに基づく力プラットフォームで得られるものと同様の圧力中心変位データの取得を可能とするものの（非特許文献２）、このタイプのデバイスによるバランスの測定はそれほど決定的なものではない（非特許文献３）。

このような性能の欠如、又は最良の場合でも低い性能は、圧力中心の変位の単一因子評価、及び過剰又は過少取得をもたらし得る経時的な取得頻度のランダムな変化におそらく関連している。多重パラメータ法が使用される稀な場合では、研究データが極めて複雑であり、モデル化が困難であるため、満足な結果を生成できない。従って、バランスを評価するためにこれまでに使用されていた分析法は、簡単かつ安価なデバイスを用いて容易に測定することができる独自の信頼できる値を提供しない。

これは、２０１５年１２月１４日及び１５日に開催されたＨｏｒｉｚｏｎ Ｍａｔｈｓ ２０１５カンファレンスでの口頭による発表で確認された（非特許文献４）。科学的考察及び問題の共有として発表されたこの口頭による発表の中で、発表者は、最新技術で使用されている技法に言及し、４〜５個の参照指標について言及した。発表者は、姿勢動揺検査での上記５つの参照特性によって集約されることができない合成指標の必要性に注目し、機械的側面、幾何学的側面及び頻度の側面に関連する１，０００個の記述子の存在に言及している。

従って、自身のバランスを管理したい誰もが低コストで日常的に使用できるだけでなく、公的機関又は医療従事者も使用することができる、バランス定量化デバイスに対する必要性が存在する。

Gageyほか 1988年 - Etudes statistiques des mesures faites sur l’homme normal a l’aide de la plate-forme de stabilometrie clinique normalisee Clarkほか、2010年 - Validity and reliability of Nintendo wii balance board for assessment of standing balance Gobleほか 2014年 - Using the Wii Fit as a tool for balance assessment and neurorehabilitation: the first half decade of "Wii-search" https://www.sciencesmaths-paris.fr/upload/Contenu/HorizonMaths/HM2015/hm2015-vayatis.pdf

本発明は、従来技術の欠点を克服することを目的とする。特に本発明は、バランスを定量化する、即ち個人のバランス状態を表す値を確立する、迅速で簡単な、姿勢医学の専門家の介入を必ずしも必要としない、信頼できる方法を提供することを目的とする。なおこの方法は、一般開業医又は専門家に代わることを意図したものではなく、診断を行うものではないことに留意されたい。

本発明は、すべての要素を含むバランス定量化システムに組み込むことができるバランス定量化デバイスを提供することもまた目的とする。

この目的のために、本発明は、個人のバランスを表す値を得るために前記個人のバランスを定量化する方法に関し、その方法は、記憶手段に接続された少なくとも１つのデータ処理モジュールと、場合により分類モジュールとを備えたデバイスによって実施され、その方法は、
ａ）圧力及び／又は力センサを備えたプラットフォームから得られた前記個人の少なくとも１つの動揺図と、任意で前記個人の肥満度指数（ＢＭＩ）とを前記記憶手段に記録するステップと、
ｂ）前記データ処理モジュールによって、前記記憶手段に記録された前記個人の前記少なくとも１つの動揺図から、圧力中心の少なくとも１つの位置軌跡パラメータの値及び前記圧力中心の少なくとも１つの安定軌跡パラメータの値を抽出するステップと、
ｃ）前記データ処理モジュールによって、ステップｂ）で抽出された前記軌跡パラメータの値から、複数の定量化因子の値を決定するステップと、
ｄ）前記データ処理モジュールによって、前記複数の定量化因子の値を、参照動揺図から得られた同一の定量化因子の値と比較するステップと、
ｅ）前記データ処理モジュールによって、前記比較の終了時に前記個人のバランスを表す値を決定するステップと
を含む。

この方法の実施は、複数の定量化因子を決定するステップを含み、その複数の定量化因子はその後にバランスを表す値を比較及び決定するステップにおいて一緒に処理される。従来技術と異なり、本発明の方法は、バランスを表す値を得るために、圧力中心の位置及び安定に関連する軌跡パラメータを考慮してこれらを組み合わせることを含む。

上記方法の他の任意の特徴によると、
−上記方法を実施する前記デバイスは分類モジュールを更に備え、前記記録するステップは、更に前記個人の肥満度指数（ＢＭＩ）データを記録するステップを含み、その後に前記分類モジュールによって、記録された前記ＢＭＩデータに応じて前記個人の前記少なくとも１つの動揺図をＢＭＩカテゴリに分類するステップが続き、該分類するステップは、好ましくは前記記録するステップａ）の後かつ前記抽出するステップｂ）の前に行われる。更に、少なくとも２つの前記定量化因子の値を比較する前記ステップで、少なくとも２つの前記定量化因子の値は、前記分類するステップで決定された前記ＢＭＩカテゴリと同じＢＭＩカテゴリに分類された参照動揺図から得られた同一の定量化因子の値と比較される。この考慮によりＢＭＩ及び定量化因子を組み合わせてバランスを表す値を得ることにより、バランスの定量化の結果を向上させることができる。
−前記分類するステップで決定される前記ＢＭＩカテゴリは、少なくとも３つのＢＭＩカテゴリから選択される。少なくとも３つのＢＭＩカテゴリを定めることにより、本発明の方法によって得られるバランスを表す値の適合性を向上させることができる。これらのＢＭＩカテゴリは、２１未満のＢＭＩ、２１〜３０のＢＭＩ、及び３０より大きなＢＭＩである。
−ステップｂ）は、更に前記圧力中心の少なくとも１つの動力学軌跡パラメータの値を抽出するステップを含む。圧力中心の動力学軌跡パラメータの値を考慮することにより、ＲＯＣ（受信者動作特性）曲線によって、より詳細には曲線下面積（ＡＵＣ）データによって示されることができる、得られるバランスを表す値の適合性を向上させることができる。
−前記圧力中心の少なくとも１つの位置軌跡パラメータは、Ｘ軸に沿った前記圧力中心の位置、Ｙ軸に沿った前記圧力中心の位置、及び極座標における半径から選択される。圧力中心のこれらの位置軌跡パラメータは、バランス定量化に特に関連するので、本発明者によって多数の位置軌跡パラメータから選択された。好ましくは、前記圧力中心の少なくとも１つの位置軌跡パラメータは、極座標における半径である。
−前記圧力中心の少なくとも１つの安定軌跡パラメータは、径方向バランス、時間バランス、及びバリスティック間隔から選択される。圧力中心のこれらの安定軌跡パラメータは、これらはバランス定量化に特に関連するので、本発明者によって多数の安定軌跡パラメータから選択された。
−前記圧力中心の少なくとも１つの動力学軌跡パラメータは、前記圧力中心の変位の速度、前記圧力中心の変位の加速度、力、及び偏差から選択される。圧力中心のこれらの動力学軌跡パラメータは、これらはバランス定量化に特に関連するので、本発明者によって多数の動力学軌跡パラメータから選択された。
−ステップｃ）で決定される定量化因子のうちの少なくとも１つは、上記軌跡パラメータの平均値、中央値、変動値、及び極値から選択される。あるいは、ステップｃ）で決定される定量化因子のうちの少なくとも１つは、上記軌跡パラメータの平均値、中央値、変動値、二乗平均値、及び極値から選択される。
−ステップｂ）は、ロンベルグ試験で生成された２つの動揺図から実施される。ロンベルグ試験は、姿勢医学の専門家が数十年に亘って使用してきた試験であり、これにより、特に目を閉じた状態又は目を開けた状態で得られた動揺図の値を比較することによって、本発明の状況におけるバランスを表す値を得ることができる。
−ステップｃ）で決定される定量化因子のうちの少なくとも１つは、上記軌跡パラメータの極値であり、この極値は、軌跡パラメータの値の５以上１５以下の百分位数、又は８５以上９５以下の百分位数に相当する。バランスを分析するための現在の方法には一般に見られない極値の分析により、本発明の状況では特に適切な結果をもたらすことができる。
−ステップｄ）及びｅ）は、ステップｃ）で決定された定量化因子の値を、参照動揺図（好ましくはステップａ）で決定されたＢＭＩカテゴリと同じＢＭＩカテゴリに分類された）から得られた同一の定量化因子の値に基づいて事前に較正されたスコアリングアルゴリズムで実行することによって実施される。ステップｄ）及びｅ）をまとめたスコアリングアルゴリズムを用いることにより、特に、上記方法の実施時間を短縮でき、かつ上記方法の効率を向上させることができる。
−事前に較正された前記スコアリングアルゴリズムは、教師あり学習統計法、好ましくはランキングフォレスト又はランダムフォレスト法を実施することによって得られた。本発明者は、バランス定量化の状況において、ランキングフォレスト又はランダムフォレスト法が極めて有効であることを発見した。好ましくは、教師あり学習統計法はバギングステップと併用される。よって、事前に較正された前記スコアリングアルゴリズムは、バギングステップを実施することを含む教師あり学習統計法を実施するステップによって得ることができる。
−上記方法は、ステップｃ）において、少なくとも５個の定量化因子の値を決定することを含む。従来技術の方法は、一般に動揺図から抽出した値の１対１の比較に基づくものであるが、本発明の状況では、少なくとも５個の定量化因子を組み合わせることで、より良好な性能を可能とする。

本発明は、更に個人のバランスを定量化するためのデバイスに関し、そのデバイスは、
−前記個人の少なくとも１つの動揺図と、有利には前記個人の肥満度指数データとを含むデータを受信することができる通信モジュールと、
−前記動揺図と、該当する場合には前記ＢＭＩデータとを記録することができる記憶手段と、
−前記記憶手段に接続することができる少なくとも１つのデータ処理モジュールと
を備え、前記データ処理モジュールは、
○前記通信モジュールが受信した前記個人の動揺図から、圧力中心の少なくとも１つの位置軌跡パラメータの値及び圧力中心の少なくとも１つの安定軌跡パラメータの値を抽出し、
○抽出した前記軌跡パラメータの値から複数の定量化因子を決定し、
○前記定量化因子の値を、参照動揺図から得られた同一の定量化因子の値と比較し、
○前記比較に基づいて、前記個人のバランスを表す値を決定する
ように構成される。

有利には、前記デバイスは、前記個人の動揺図を、前記個人のＢＭＩに応じた肥満度指数（ＢＭＩ）カテゴリに分類するように構成された分類モジュールを更に備え、前記定量化因子の値を、前記個人の動揺図のＢＭＩカテゴリと同じＢＭＩカテゴリに分類された参照動揺図から得られる同一の定量化因子の値と比較する。よって本発明は、分類モジュールを備える個人のバランスを定量化するためのデバイスにも関し、
−前記通信モジュールは、更に前記個人のＢＭＩデータを受信することができ、
−前記記憶手段は、更に前記ＢＭＩデータを記録することができ、
−前記分類モジュールは、前記個人の動揺図を、前記個人の前記ＢＭＩデータに応じたＢＭＩカテゴリに分類するように構成され、
−前記データ処理モジュールは、更に前記定量化因子の値を、前記個人の動揺図の前記ＢＭＩカテゴリと同じＢＭＩカテゴリに分類された参照動揺図から得られた同一の定量化因子の値と比較するように構成される。

本発明は、更に個人のバランスを定量化するためのシステムに関し、そのシステムは、
−プラットフォームと、ここで該プラットフォームは個人を載せるようにされ、また前記プラットフォーム上の前記個人の足による圧力に応じて、第１の周波数で生データを生成するように構成された圧力及び／又は力センサを備え、
−前記プラットフォームによって生成された前記生データから、前記個人の少なくとも１つの動揺図を得るようにされた生データの処理ユニットと、
−前記処理ユニットと通信することができる、本発明のバランス定量化デバイスと
を備える。

前記システムの他の任意の特徴によると、
−前記プラットフォームは、２５Ｈｚ以上の周波数でその異なる複数のセンサの値を測定するように構成される。これにより、計算されるバランスを表す値の信頼性を向上させることができる。
−前記定量化デバイスは更に再サンプリングモジュールを備え、該再サンプリングモジュールは、前記生データ又は前記動揺図を第１の周波数で処理することにより、第２の周波数で再サンプリングされた動揺図を生成するように構成され、前記第２の周波数は、実質的に一定の周波数を有する。これにより、計算されるバランスを表す値の信頼性を向上させることができる。

本発明の他の利点及び特徴は、説明のためのかつ限定でない例として与えられる以下の記載を、添付の図面を参照しながら読むことで明らかになるであろう。
図１Ａ及び１Ｂは、本発明の２つの実施形態によるバランス定量化方法の略図である。 ｙ軸が前−後軸に対応し、ｘ軸が内側−外側軸に対応する、本発明による動揺図を示す。 図３Ａ及び３Ｂは、本発明による動揺図を示し、図３Ａは、「Ｘ軸に沿った圧力中心の位置」パラメータの全ての値のＸ軸上の投影に対応し、図３Ｂは、「Ｙ軸に沿った圧力中心の位置」パラメータの全ての値のＹ軸上の投影を示す。 図２に示される動揺図に基づいて計算された「時間バランス」パラメータの全ての値を、時間（Ｘ軸）の関数として示す。破線は、本発明によるバリスティック間隔パラメータを計算するための閾値を示す。 「Ｘ軸に沿った圧力中心の位置」パラメータの全ての値のＸ軸上の投影と、このパラメータから計算された４つの定量化因子とを示す。 本発明のバランス定量化方法の実施の一例を示す。楕円形の中の数字は方法のステップに対応し、長方形の中にある数字は、これらのステップを実施した後に得られる値に対応する。 図７Ａ及び７Ｂは、本発明の２つの実施形態による、ランキングフォレスト型アルゴリズムから構築された２つの決定木を示し、図７Ｂは、ＢＭＩに応じて分類を行う予備ステップを含む。Ｆ１は、バリスティック間隔の第９０百分位数に関する目を閉じた状態／目を開けた状態の比に対応し、Ｆ２は、Ｙ軸上の位置の変動に関する目を閉じた状態／目を開けた状態の比であり、Ｆ３は、目を閉じた状態の時間バランスの変動である。 本発明のバランス定量化デバイスを示す。 本発明のバランス定量化システムを示す。 本発明のある実施形態によるランキングフォレスト型アルゴリズムから取得して作られたスコアのＲＯＣ曲線を示す。

以下の記載では、本発明の意味において、「バランス」は身体の安定性、特に個人の重心の安定性に関係している姿勢バランスに相当する。本発明におけるバランスの概念は、転倒を回避する個人の能力に関係しており、静的バランス及び動的バランスを包含する。

「バランス定量化」は、本発明の意味において、個人の圧力中心の軌跡又は変位に対して、例えばスコア、分類又は等級などの値を割り当てることに相当する。このバランス定量化によりバランスを表す値を得ることができ、更にこのバランス定量化は、様々なサイズ（例えば１、５、１０、１００）の多くの等分又は非等分スケールに基づいて実施されることができる。バランス定量化時に割り当てられるバランスを表す値により、例えば決定規則によって、ある個人をあるグループに割り当てることもできる。本発明の定量化は、特に学習法から生成されるスコアリングアルゴリズムを実行することによって、実施されることができる。

「肥満度指数」は、本発明の意味において、ヒトの身体のサイズを推定するための値に相当する。以下において、肥満度指数データ又は肥満度指数は相互交換可能なものとして言及される。この肥満度指数は、一般にキログラム・メートル^−２（ｋｇ．ｍ^−２）で表され、以下の式に基づいて計算される。
ＢＭＩ＝体重／身長^２

「ＢＭＩカテゴリ」は、本発明の意味において、ＢＭＩ分類による値のグループに相当する。以下において、ＢＭＩカテゴリデータ又はＢＭＩカテゴリは相互交換可能なものとして言及される。多くの分類が提案されている。例えば、ＷＨＯは次の分類を提案している。
＜１８．５ 低体重
１８．５〜２４．９９ 正常体重
２５〜２９．９９ 過剰体重
≧３０ 肥満

本発明の意味において、「モデル」、「規則」又は「スコアリングアルゴリズム」は、バランスの定量化、即ち１人以上の個人を予め定義されたグループＹ内に分類すること、又は１人以上の個人をある分類内にランク付けすることを可能とする有限の一連の操作又は命令として理解される。この操作の有限シーケンスを実行することにより、例えばＸを観測したＹを再現する可能性が高い関数ｆの実行を用いて、例えば複数の特性の組Ｘ_０で表される観測値にラベルＹ_０を割り当てることができる。
Ｙ＝ｆ（Ｘ）＋ｅ
ここでｅは、ノイズ又は測定誤差を表す。

「教師あり学習法」は、本発明の意味において、ｎ個のラベル付き観測値（Ｘ_１…ｎ、Ｙ_１…ｎ）の基底から関数ｆを定義する方法を意味し、ここでＹ＝ｆ（Ｘ）＋ｅである。

本発明の意味において、「圧力中心」は、対象者の身体によって地面に対して与えられる垂直力の共通重心の、対象者と地面の間の接点を通る水平な平面上への投影を意味する。これらの測定は、力プラットフォーム若しくは靴又は変形可能な地面などの足底の下の圧力の分布を分析するプラットフォームを用いて実施することができる（Benda, B.J. ほか 1994年. Biomechanical relationship between center of gravity and center of pressure during standing. Rehabilitation Engineering, IEEE Transactions on 1994, 2, 3-10）。圧力中心は、重心の正確な投影でなくても、重心と緊密に関係している。圧力中心の変位は、一般にバランスを維持するために、重心の変位よりも速くて幅広い。これは、重心の位置を制御するために個人が行う努力を反映している。

本発明の意味において、「重心」は個人の身体の重心を意味する。これは本発明の意味において、個人の質量の共通重心に対応する。重心は完璧な安定状態に維持されることはできず、例えば直立時に、重心は前後及び左右に揺れる。

「動揺図」又は「圧力中心の軌跡」は、圧力中心の軌跡又は変位に関連するデータを意味する。動揺図は「スタビログラム（stabilogram）」とも呼ばれ、通常は、力プラットフォーム、センサを備えた「インテリジェント」床、又は圧力センサを備えたソールなどのプラットフォームによって生成される。これは、経時的な圧力中心の計算された軌跡に相当する。圧力中心の軌跡は、時間に応じた正規直交基準座標系ｘ，ｙでの一連の位置データによって、一定時間に亘って定められる。

「プラットフォーム」は、本発明の意味において、センサ、例えば力センサ又は圧力センサタイプのセンサを含む地面に置いたデバイスに相当し、個人の足によってプラットフォームに与えられた力に比例する電気信号、光信号又は磁気信号を生成する。使用されるセンサは、例えば３つの力及びモーメント成分Ｆｘ、Ｆｙ、Ｆｚ、Ｍｘ、Ｍｙ及びＭｚを生成するためのホイートストンブリッジひずみゲージや、圧電式圧力センサ、ピエゾ抵抗式圧力センサ、又は静電容量型圧力センサにすることができる。本発明の意味において、プラットフォームは、上記センサから得られる「生データ」を生成するように構成される。

「パラメータ」、より詳細には「圧力中心の軌跡から計算されたパラメータ」は、本発明の意味において、圧力中心の軌跡の、複数の一連の値への変換を意味する。圧力中心の位置に関連する軌跡パラメータは、圧力中心の位置軌跡パラメータとも呼ばれ、圧力中心の安定性と関係又は関連している軌跡パラメータは、圧力中心の安定軌跡パラメータとも呼ばれ、圧力中心の動力学と関係又は関連している軌跡パラメータは、圧力中心の動力学軌跡パラメータとも呼ばれる。これらのパラメータについては、以下の記載において更に詳細に説明される。

「定量化因子」、より詳細には「得られたパラメータの変換から計算された定量化因子」は、本発明の意味において、あるパラメータの全ての値を選択又は変換することによって得られる単一の値を意味する。

「参照定量化因子」は、バランスが予め定量化されたヒトの参照動揺図から得られた値を意味する。

本発明の意味において、「ＲＯＣ（Receiver Operating Characteristic）曲線」は、それぞれの所与の閾値に対する、モデルの特異性（偽陽性率）の関数としての感度（真陽性率）の変化を表す。これは、点（０，０）と点（１，１）の間で上昇する曲線であり、通常は最初の二等分線の上方に位置する。実際に、ランダム予測は最初の二等分線に対応する線を与える。ＲＯＣ曲線に関して、この曲線が最初の二等分線の上方において高くなればなるほど、予測はより良好となり、ＲＯＣ曲線の下側の面積（ＡＵＣ：曲線下面積）はモデルの質を示す（理想的な予測に関して１、ランダムな予測に関して０．５）。

以下の記載では、同一の参照番号は同一の要素を指すために使用される。

第１の態様によると、本発明は、個人のバランスを表す値を得るための、その個人のバランスを定量化するための方法１に関する。現在までに認識されている方法は、視覚的評価又は観察に基づくものであり、完全に客観的なものではないのに対し、本発明の方法は値を生成し、その値はスコアによって、より詳細には数値によって表されることもできるという利点を有する。更にこの値は、完全に自動的に、客観的に、そして１つ以上の動揺図に追加してその個人に関する情報をその方法に供給する必要なしに、生成されることができる。

図１Ａに示されるこの定量化方法１のある実施形態は、記憶手段２８０に接続された少なくとも１つのデータ処理モジュール２２０を備えたデバイスによって実施される。有利には、そのデバイスは、本発明の定量化デバイス２にし得る。

より詳細には、図１Ａに示されるように、本発明の定量化方法１は、
ａ）圧力及び／又は力センサ３１２を備えたプラットフォーム３１０から得られた個人の少なくとも１つの動揺図１１０を記憶手段２８０に記録するステップ１０と、
ｂ）データ処理モジュール２２０によって、記憶手段２８０に記録された個人の動揺図１１０から、圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータの値及び圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータの値を抽出するステップ２０と、
ｃ）データ処理モジュール２２０によって、ステップｂ）で抽出した軌跡パラメータ１２１、１２２の値から、複数の、例えば少なくとも２つの定量化因子１３０の値を決定するステップ３０と、
ｄ）データ処理モジュール２２０によって、複数の定量化因子１３０の値を、参照動揺図１１１から得られた同一の定量化因子の値と比較するステップ４０と、
ｅ）データ処理モジュール２２０によって、比較４０の終了時に、個人のバランスを表す値１６０を決定するステップ５０と
を含む。

図１Ｂに示されるこの定量化方法１のある実施形態は、記憶手段２８０に接続された少なくとも１つのデータ処理モジュール２２０と、分類モジュール２５０とを備えたデバイスによって実施される。有利には、そのデバイスは、本発明の定量化デバイス２とすることができる。

より詳細には、図１Ｂに示されるように、本発明の定量化方法１は、
ａ）圧力及び／又は力センサ３１２を備えたプラットフォーム３１０から得られた個人の少なくとも１つの動揺図１１０と、その個人のＢＭＩデータ１６とを、記憶手段２８０に記録するステップ１０と、
ｂ）分類モジュール２５０によって、個人の１つ以上の動揺図１１０を、個人のＢＭＩ１６に応じたＢＭＩカテゴリ１５０に分類するステップ１５と、
ｃ）データ処理モジュール２２０によって、記憶手段２８０に記録された個人の動揺図１１０から、圧力中心の位置１２１、圧力中心の安定性１２２、及び／又は圧力中心の動力学１２３に関連する少なくとも１つの軌跡パラメータの値を抽出するステップ２０と、
ｄ）データ処理モジュール２２０によって、ステップｃ）で抽出した軌跡パラメータ１２１、１２２、１２３の値から、複数の定量化因子１３０の値を決定するステップ３０と、
ｅ）データ処理モジュール２２０によって、複数の定量化因子１３０の値を、ステップｂ）で決定されたＢＭＩカテゴリと同じＢＭＩカテゴリに分類された参照動揺図１１１から得られた同一の定量化因子の値と比較するステップ４０と、
ｆ）データ処理モジュール２２０によって、比較４０の終了時に、個人のバランスを表す値１６０を決定するステップ５０と
を含む。

本発明のバランス定量化方法１は、動揺図１１０に描かれたような個人の圧力中心の軌跡データの処理に基づく。

個人の圧力中心のこれらの軌跡データは、一般に圧力中心の軌跡データに相当し、一般には個人が立っているときに取得される。

好ましくは、その取得は、例えば両足を用いて、又は臀部において、立って行われる。

安定性に対する視神経求心性の影響は、一方は目を開けた状態、もう一方は目を閉じた状態の圧力中心の２つの変位又は軌跡動態を生成することによって測定される。よって好ましくは、抽出ステップ２０は、個人が目を開けている際に得られた動揺図１１０と、個人が目を閉じている際に得られた動揺図１１０とから実施される。

特に、動揺図１１０の取得時間は、５〜７０秒、好ましくは２０〜６０秒、更に好ましくは２０〜４０秒とすることができる。

有利には、圧力中心の軌跡データは、ロンベルグ試験で得ることができる。ロンベルグ試験は、個人を起立させ、静止させ、腕を身体に沿わせ、真っ直ぐ前を向いた状態とすることからなる。圧力中心の変位を３０秒間記録する。例えば目を開けた状態で３０秒の記録を行い、目を閉じた状態で３０秒の記録を別に行う。

あるいは、支持体上に配置された、変形することができる又は固有感覚情報及び触覚情報を妨げることができる発泡体を用いることによって、その方法の感度を向上させることができる。この発泡体は、例えば１〜１０ミリメートルの厚さ及び１００〜５００ｋｇ／ｍ^３の密度を有することができる。

本発明の方法は、圧力中心の変位に関連するデータから、即ち少なくとも１つの動揺図１１０に基づいて、又はセンサから得られた圧力中心の変位に関連する生データに基づいて、実施されることができる。

本発明の定量化方法１は、個人の少なくとも１つの動揺図１１０と、有利にはＢＭＩデータ１６とを、記憶手段２８０に記録するステップ１０を含む。この記録は、一時的又は非一時的メモリなどのあらゆるタイプのメモリで実施されることができる。この記録は、好ましくは非一時的メモリで行われる。

動揺図１１０は、本発明の方法が実施される十分前に、離れた場所で生成されることができる。あるいは動揺図１１０は、本発明のバランス定量化方法１の実施直前に、同一のシステムによって生成されることができる。よって、本発明の定量化方法１は、事前に圧力中心１１の変位に関連する生データを生成するステップを含んでもよい。ただしこのステップは任意であって、本発明の定量化方法１の前に公知のデバイス及び方法によって実施されることができる。圧力中心の変位に関連する生データは、例えばプラットフォームに存在する各センサによって測定された圧力値に相当する。

これらの生データにより圧力中心の軌跡データ（即ち動揺図）に変換するステップ１２を行うことができる。この変換ステップもまた、本発明の方法の前に公知の方法によって実施されることができるため、任意である。図２は、本発明による動揺図１１０の、より詳細には動揺図１１０のプロット１２５のグラフである。

本発明の定量化方法１は、有利には個人の１つ以上の動揺図１１０を、その個人のＢＭＩ１６に応じた肥満度指数（ＢＭＩ）カテゴリ１５０に分類するステップ１５を含むことができる。この分類するステップは、分類モジュール２５０によって、記憶手段２８０に記録された個人の動揺図１１０に関して、やはり記憶手段２８０に記録されることができるその個人に関連するＢＭＩ値１６から実施されることができる。このステップ１５は、例えばその個人の動揺図にラベルを割り当てることを含んでもよく、このラベルはその個人のＢＭＩ値に依存する。その個人のＢＭＩ値は、本発明の方法の実施の十分前に離れた場所で生成されることができる。あるいはＢＭＩ値１６は、本発明のバランス定量化方法１の実施直前に、同一のシステムによって生成されることができる。したがって、本発明の定量化方法１は、その個人のＢＭＩデータ１６を事前に生成するステップを含んでもよい。ただしこのステップは任意であって、上述のように、本発明の定量化方法１の前に公知のデバイス及び方法によって実施されることができる。ステップ１５による分類により、１つ以上の動揺図１１０を、少なくとも２つのカテゴリ１５０、好ましくは少なくとも３つのカテゴリ１５０に分類することができる。例えばＢＭＩカテゴリ１５０は、
−ＢＭＩ２１未満、
−ＢＭＩ２１〜３０、及び
−ＢＭＩ３０超
とすることができる。

本発明の定量化方法１は、個人の動揺図１１０から複数の軌跡パラメータ１２０の値を抽出するステップ２０を含む。この抽出ステップは、データ処理モジュール２２０によって、記憶手段２８０に記録された個人の動揺図１１０から実施されることができる。

この抽出ステップ２０により、圧力中心の軌跡データ（即ち動揺図）を変換して、圧力中心の変位の特性を表すパラメータを得ることができる。このようにして計算されるパラメータは、例えば各時点ｔに関する圧力中心の速度、加速度、軸上の位置である。

この抽出ステップ２０は、圧力中心の軌跡データ又は力プラットフォームの生データなどの、圧力中心の変位に関連する一連のデータから実施されることができる。あるいは実際には、本発明によるパラメータの抽出又は計算は、センサの生データから、圧力中心の軌跡データ１２の生成及びその後でのパラメータ１２０への変換を含む単一のステップで、直接実施されることができる。

本発明者は、個人のバランスの信頼できる定量化を得るために、様々なパラメータの群からの複数のパラメータの分析を組み合わせた多重パラメータ法が不可欠であることを発見した。

本発明の方法の実施の一部として、本発明者は、抽出ステップ２０で実施される上述の変換を、３つのカテゴリ、ｉ）圧力中心の位置に関連するもの、ｉｉ）圧力中心の安定性に関連するもの、及びｉｉｉ）圧力中心の変位の動力学に関連するもの、に分類した。

従って、データ処理モジュール２２０による個人の動揺図１１０からの抽出ステップ２０は、
−圧力中心の位置１２１、
−圧力中心の安定性１２２、及び／又は
−圧力中心の動力学１２３
に関連する、少なくとも１つ、好ましくは少なくとも２つの軌跡パラメータ１２０を抽出するステップ２０を含むことができる。

更に本発明者は、多くの軌跡パラメータから、バランスの定量化に最も有効な軌跡パラメータを選択した。本発明者は、圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータと、圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータとを用いてそれを決定した。よって、本発明の定量化方法１の一部として計算される軌跡パラメータは、
−圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータと、
−圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータと
を含む。

実際には、本発明者は、これら２つの種類の中の少なくとも１つのパラメータを用いることで定量化の精度を向上させることができ、それにより先行技術文献のみならず、先行技術文献の記述子を用いる発明によるスコアリングアルゴリズムに比べて、大幅に良好な性能を得ることができることが分かった。

更に本発明者は、圧力中心の動力学１２３に関連するパラメータを、圧力中心の安定性及び位置パラメータに追加することにより、定量化を向上させることができることも示した。よって本発明によると、計算される軌跡パラメータは、圧力中心の動力学１２３に関連する少なくとも１つのパラメータも含むことができる。

圧力中心の位置１２１に関連する変換
Ｘ軸に沿った圧力中心の位置
この位置は、Ｘ軸の平面内の正規直交基準座標系の中心線と比較した、圧力中心の位置に対応する。例えば、圧力中心の位置が時点ｔにおいて左に向かってシフトしている場合、Ｘ軸に沿った位置は、この時点ｔに関して、左での大きな支持を示す負の値を有する。この位置は、例えばミリメートルを単位として測定されることができる。図３Ａは、図２に示す動揺図１１０から得られた、「Ｘ軸に沿った圧力中心の位置」パラメータ１２１ａの一連の値を示す。

Ｙ軸に沿った圧力中心の位置
この位置は、Ｙ軸の平面内の正規直交基準座標系の中心線に対する、圧力中心の位置に対応する。例えば、位置が時点ｔにおいて後方にシフトしている場合、Ｙ軸に沿った位置は、その時点ｔに関して、後方での大きな支持を示す負の値を有する。この位置は、例えばミリメートルを単位として測定されることができる。図３Ｂは、図２に示す動揺図１１０から得られた、「Ｙ軸に沿った圧力中心の位置」パラメータ１２１ｂの離散値を示す。

極座標における半径
この距離は、正規直交基準平面による圧力中心の平均位置（０，０）からの圧力中心の距離に相当する。例えば圧力中心が、時点ｔにおいて、圧力中心の平均位置から６０°の軸に沿って４ミリメートルだけシフトした場合、極座標における半径は、その時点ｔに関して４ミリメートルの値を有する。本発明者によって初めて提案されたこのような変換により、原点からの圧力中心の全体的な距離を、重心のＸ及びＹ座標に限定することなく定量化することができる。

圧力中心の安定性１２２に関連する変換
径方向バランス
径方向バランスは、所定の期間ｔ秒に亘っての、ある所与の時点における現在値からの圧力中心の最大距離である。径方向バランスの計算のために考慮される時間は、０．０５〜１０秒、好ましくは０．１〜２秒とすることができる。径方向バランスは、取得時間に亘っての圧力中心の変位の全てのサンプリング点に関して計算される。よってこれは時間の関数であり、例えばミリメートルを単位として測定されることができる。

時間バランス
時間バランスは、圧力中心がいずれかの所与の時点におけるその位置からｒミリメートルより多く移動するのに必要な時間である。時間バランスの計算のために考慮される距離ｒは、０．１〜２０ミリメートル、好ましくは１〜１０ミリメートルとすることができる。時間バランスは、取得時間に亘っての圧力中心の変位の全てのサンプリング点に関して計算される。よってこれは時間の関数であり、例えば秒を単位として測定されることができる。

バリスティック間隔
バリスティック間隔は、２つのバランス位置の間の時間間隔である。あるバランス位置は、時間バランスの高い値に対応する。好ましくは、バランス位置は、時間バランスが動揺図において観察される最大値の６０％より大きくなる、好ましくは８０％より大きくなる時間に相当する。バリスティック間隔は、取得時間に亘って計算され、得られる値の数は取得に応じて変わり得る。これは時間の関数ではなく、例えば秒を単位として測定されることができる。図４は、時間の関数として、図２に示す動揺図１１０に基づいて計算された「時間バランス」パラメータの全ての値を示す。「バリスティック間隔」パラメータ１２２ａの値は、例えば秒で表され、これはＰ１とＰ３の間及びＰ４とＰ６の間にある値の間での時間に相当する。例えばこのパラメータは、Ｐ３−Ｐ２間、Ｐ３−Ｐ１間、Ｐ６−Ｐ１間、Ｐ６−Ｐ２間、Ｐ６−Ｐ３間、Ｐ６−Ｐ５間、Ｐ５−Ｐ１間、Ｐ４−Ｐ３間の時間差に相当する値を含む。

圧力中心の動力学１２３に関連する変換
圧力中心の変位の速度
圧力中心の変位の速度は、取得時間に亘っての圧力中心の変位の全てのサンプリング点に関して計算される。よってこのパラメータは時間の関数であり、例えばミリメートルで測定されることができる。

圧力中心の変位の加速度
圧力中心の変位の加速度は、取得時間に亘っての圧力中心の変位の全てのサンプリング点に関して計算される。よってこのパラメータは時間の関数であり、例えばミリメートル／秒^２を単位として測定されることができる。

力
本発明による「力」は、全てのサンプリング点に関して計算された速度と加速度とのスカラー積の値に相当する。このパラメータは、圧力中心の速度のノルムを変更するために個人が消費するエネルギを表す。

偏差
本発明による「偏差」は、全てのサンプリング点に関して計算された速度と加速度とのベクトル積のノルムに相当する。このパラメータは、圧力中心の速度（即ちその変位、その軌跡又はその移動）方向を変更するために個人が消費するエネルギを表す。

動揺図１１０の研究の状況において、力及び偏差は、圧力中心の変位の長さ、Ｙ軸に応じた速度（ＶＦＹ）の変動、又はＬＦＳ（即ち長さ対表面比）（これらは従来技術によると、対象者がその姿勢を制御するために消費するエネルギ消費に関する情報を提供する）を有利に置換することができる２つのパラメータである。特に、本発明者が提案した偏差により、個人のエネルギ消費量を新たな角度から評価でき、更にその偏差は、従来技術で提案されたパラメータ（例えばＶＦＹ、ＬＦＳ）よりも、本発明の方法においてより適切である。

本発明の定量化方法１は、軌跡パラメータ１２０から複数の定量化因子１３０を決定するステップ３０もまた含むことができる。この決定するステップ３０は、データ処理モジュール２２０によって実施されることができる。圧力中心の軌跡データの抽出ステップ２０で軌跡パラメータ１２０が生成されると、従来技術の作業は、一般に取得期間に亘ってのこれらのパラメータの平均及び変動のみに焦点を当てていた。

本発明者が開発した方法では、本発明者は、これらの一連の値から、他の一連の値との組み合わせにおいて個人のバランスを表す単一の値を生成するために、これらのパラメータを変換する他の多くの方法に関心を持った。従って、これまでは全く使用されなかった新たな定量化因子が生成された。

従って、軌跡パラメータ１２０から複数の定量化因子１３０を決定するステップ３０は、各軌跡パラメータ１２０に関して、全ての値を、例えば統計的な比較モデルによって、比較の状況で使用することができる単一の値に変換することからなる。この単一の値（定量化因子）への変換は、複数の軌跡パラメータに関して、又はある同一の軌跡パラメータに関して、繰り返すことができる。図５は、「Ｘ軸に沿った圧力中心の位置」パラメータに関して計算されたいくつかのこれらの定量化因子を示す。

本発明の定量化方法の状況において最も有益な定量化因子は、抽出された軌跡パラメータ１２０の平均値、中央値、変動、二乗平均、又は極値である。したがって好ましくは、本発明の定量化方法１は、少なくとも１つのパラメータに関して、上記軌跡パラメータ（１２１、１２２、１２３）の平均値１２７、中央値１２８、変動、二乗平均又は少なくとも１つの極値を計算することを含む。更に好ましくは、本発明の定量化方法１は、少なくとも１つのパラメータに関して、そのパラメータの少なくとも１つの極値を計算することを含む。

パラメータの極値は、百分位数を決定することによって得られる。百分位数（percentile又はcentile）は、例えばあるパラメータの全ての値を順序付けした後に、同一個数の値を備えた１００個のサブセットにソートすることによって計算されることができる。図５は、「Ｘ軸に沿った圧力中心の位置」パラメータの第１０百分位数１２６及び第９５百分位数１２９を示し、これらはそれぞれ、これらの値のうちの下位１０％以内にあるＸ軸に沿った圧力中心の位置の最高値と、これらの値のうちの上位５％以内にあるＸ軸に沿った圧力中心の位置の最低値とに対応する。よって第１０百分位数は、１０％の低い値と９０％の高い値とを分割する値であり、第９５百分位数は、９５％の低い値と５％の高い値とを分割する値である。好ましくは、軌跡パラメータ１２０の極値は、第１５百分位数以下の百分位数又は第８５百分位数以上の百分位数、より好ましくは第１０百分位数以下の百分位数又は第９０百分位数以上の百分位数、更に好ましくは第５百分位数以下の百分位数又は第９５百分位数以上の百分位数に対応する。

あるいは、軌跡パラメータ１２０の極値は、第５百分位数以上の百分位数及び第１５百分位数以下の百分位数（極小値）、又は８５位数以上の百分位数及び第９５百分位数以下の百分位数（極大値）に対応してもよい。

更に、定量化因子１３０の計算の後、本発明者は、いくつかのパラメータ又は定量化因子について、目を開けた状態（Ｏ）／目を閉じた状態（Ｆ）の比較により、バランスに関する能力を区別することができることを示した。よって本発明の定量化方法１は特に、少なくとも１つの定量化因子に関して、Ｏ／Ｆ又はＦ／Ｏ比を計算することを含む。

本発明者は、開発中に、バランスの定量化に特に適した一連の定量化因子１３０を選択した。好ましくは、本発明の定量化方法１の状況において、圧力中心の位置に関係している定量化因子を以下の値から選択する。
−圧力中心のＸ又はＹ軸上の平均又は中央値、
−圧力中心のＸ又はＹ軸上の値の二乗平均値、
−圧力中心のＸ又はＹ軸上の極値、及び
−圧力中心のＸ又はＹ軸上の変動。

特に、本発明の定量化方法１の状況において、圧力中心のＸ又はＹ軸上の極値に関係している定量化因子は、以下から選択される。
−好ましくは第１０百分位数以下の百分位数である、横軸（Ｙ）に沿った圧力中心の位置の極小値（これらの値は最大の観察された後方突進現象に相当する）、及び
−好ましくは第９０百分位数以上の百分位数である、横軸（Ｙ）に沿った圧力中心の軌跡の極大値。

好ましくは、本発明の定量化方法は、以下の定量化因子から独立して選択されることができる、圧力中心の位置に関係している少なくとも１つの、より好ましくは少なくとも２つの定量化因子を計算することを含む。
−Ｘ軸上の圧力中心の位置の第１５百分位数、好ましくは第１０百分位数、更に好ましくは第５百分位数であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−圧力中心のＹ軸上での中央値であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−圧力中心のＸ軸上での中央値であり、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するもの、
−Ｙ軸上の圧力中心の位置の第１５百分位数、好ましくは第１０百分位数、更に好ましくは第５百分位数であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−圧力中心の軌跡のＹ軸上での変動であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−圧力中心の軌跡のＸ軸上での変動であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−Ｙ軸上での平均又は中央値、より好ましくは、個人が目を開けているときに記録された動揺図に関するこれらの値と、個人が目を閉じているときに記録された動揺図に関するこれらの値との間の比、
−極座標における半径の極値、例えば、
○圧力中心の極座標における半径の第１５百分位数、好ましくは第１０百分位数、更に好ましくは第５百分位数であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
○圧力中心の極座標における半径の第８５百分位数、好ましくは第９０百分位数、更に好ましくは第９５百分位数であり、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するもの、
−圧力中心の極座標における半径の中央値、及び
−圧力中心の極座標における半径の二乗平均値。

好ましくは、本発明の定量化方法１は、以下の定量化因子から独立して選択されることができる、圧力中心の安定性に関係している少なくとも１つの、より好ましくは少なくとも２つの定量化因子を計算することを含む。
−０．５秒の持続時間に亘っての径方向バランスの第１０百分位数であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、
−０．１秒の持続時間に亘っての径方向バランスの第９０百分位数であり、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するもの、
−１〜１０ミリメートル、好ましくは１〜５ミリメートルの距離についての時間バランスの変動であり、好ましくは、個人が目を閉じている間に測定された圧力中心の変位に関して得られる値に対する個人が目を開けている間に測定された圧力中心の変位に関して得られる値の比、
−バリスティック間隔値の平均値、二乗平均値又は中央値、好ましくは平均値であり、好ましくは個人が目を閉じている間に測定された圧力中心の変位に関するもの、及び
−バリスティック間隔の極大値、即ちバリスティック間隔の第８５百分位数〜第９５百分位数、例えば第８５百分位数、好ましくは第９０百分位数、更に好ましくは第９５百分位数。

好ましくは、本発明の定量化方法の状況において、圧力中心の動力学に関係している定量化因子は、力の平均値、中央値、二乗平均値又は変動から選択され、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するものである。

好ましくは、本発明の定量化方法は、以下の定量化因子から独立して選択されることができる、圧力中心の動力学に関係している少なくとも１つの、より好ましくは少なくとも２つの定量化因子を計算することを含む。
−圧力中心の変位の加速度の極小値、例えば第１５百分位数、好ましくは第１０百分位数、
−圧力中心の変位の偏差の極小値、即ち第５百分位数〜第１５百分位数、例えば第１５百分位数、好ましくは第１０百分位数、更に好ましくは第５百分位数であり、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するもの、及び
−圧力中心の変位の速度の極大値、例えば第８５百分位数、好ましくは第９０百分位数であり、好ましくは個人が目を開けている間に測定された圧力中心の変位に関するもの。

本発明者は初めて、複数のパラメータ及び／又は定量化因子の組み合わせに基づく多重パラメータ法を提案している。よって、圧力中心の安定性１２２に関係している少なくとも１つのパラメータ、及び圧力中心の位置１２１に関係している少なくとも１つのパラメータを抽出することに加えて、本発明者は、本発明の定量化方法１において更に信頼できる値を得るために、複数の定量化因子、例えば同一の軌跡パラメータに関連する複数の定量化因子を計算した後に、これらを組み合わせることが好ましいと判断した。よって、可能な最良の方法でバランスを定量化するために、より詳細には転倒のリスクを予測するために、軌跡パラメータ１２０から少なくとも５個の定量化因子１３０、更に好ましくは少なくとも８個の定量化因子１３０を計算することが好ましい。

本発明者はまた、ＢＭＩカテゴリ１５０と、圧力中心の軌跡に関係している定量化因子との併用も初めて提案している。よって本発明者は、本発明の定量化方法１において信頼できる値を得るために、及び可能な最良の方法でバランスを定量化するために、より詳細には転倒のリスクを予測するために、複数の定量化因子を組み合わせることに加えて、１つ以上の動揺図をＢＭＩ値に従って分類することが有利であると判断した。

よって、本発明の定量化方法１は、定量化因子１３０の複数の値を、参照動揺図１１１から得られた同一の定量化因子の値と、好ましくはステップｂ）で決定されたＢＭＩカテゴリ１５０と同じＢＭＩカテゴリ１５０に分類された参照動揺図１１１から得られた同一の定量化因子の値と、比較するステップ４０を含む。

上記比較ステップは、データ処理モジュール２２０を用いて実行されることができ、そして公知の統計的方法を用いて実施されることができる。好ましくは、この比較ステップ４０は、パーセプトロン、カーネル、多重カーネル学習、サポートベクターマシン、決定木、ランダムフォレスト、バギング、ＡｄａＢｏｏｓｔ、ｋ近傍法及び／又はペナルティ付与フィッシャー線形判別などの、比較、分類又は学習モデルを用いて実施されることができる。

これらの統計的方法のうち、線形回帰モデルは単純であって実施が容易である。しかしながら、これらの線形モデルは線形性の仮説によって制限され、本発明の定量化方法１には最適でない。よって比較ステップ４０は、非線形統計モデルを使用することを含む。

より好ましくは、比較ステップ４０は、あるデータセットに関して訓練されて、集団の新たな観測のラベルを予測するように構成されたモデルに基づく。例えば較正のために、複数の参照動揺図１１１並びにそれに関連する参照パラメータ及び／又は定量化因子によって、並びにバイナリラベル（ラベル又は種類）、例えば「良いバランス」／「悪いバランス」の形式のバイナリラベルによって特徴付けられた、ある集団を代表する複数の個人の組からのあるデータセットを使用することができる。本発明の状況においては、個人の動揺図１１０のＢＭＩカテゴリと同じＢＭＩカテゴリ１５０に分類される参照動揺図１１１に対する上記比較が有利である。よって比較ステップ４０は、参照動揺図１１１を、その参照動揺図１１１に添付されたＢＭＩデータ１６に応じて分類する予備的なサブステップを含んでもよい。データセットは複数のラベルを含むこともできる。本発明の状況において、定量化方法１は、少なくとも２５個の参照動揺図１１１、好ましくは少なくとも５０個、更に好ましくは少なくとも１００個の参照動揺図１１１に基づくことができる。

比較ステップ４０は、教師あり統計学習モデルを使用することを含む。実際には、本発明者は、本発明の定量化方法１の状況において、最良の定量化結果は、教師あり統計学習原理に基づく方法、好ましくは多変量データに適応した方法から得られると判断した。

教師あり学習法の中で、本発明者はいくつかのより有効な処理方法を特定した。これは、本発明の方法から得られる定量化因子が、大きなアンバランス及び全体的に不均一な測定基準を有するデータセットに由来するという事実に関係し得る。よって好ましくは、この比較ステップ４０は様々な非線形教師あり統計学習法を用いて実施される。例えば、以下を挙げることができる。
−例えばBurgesによって1998年に記載されている（Data Mining and Knowledge Discovery. A Tutorial on Support Vector Machines for Pattern Recognition）、カーネル法（例えばラージマージンセパレータ−サポートベクターマシン（ＳＶＭ）、カーネルリッジ回帰）、
−例えばBriemanによって2001年に記載されている（Machine Learning. Random Forests）、アンサンブル法（例えばバギング、ブースティング、決定木、ランダムフォレスト）、又は
−例えばRosenblattによって1958年に記載されている（The perceptron: a probabilistic model for information storage and organization in the brain）、ニューラルネットワーク。

上述のように、本発明の方法の目的は、個人がどのグループに属するかを予測することを超えて、バランスを定量化すること、即ち質の数値又はレベルを個人のバランスと関連付けることである。よって本発明の定量化方法１は、比較ステップ４０の結果に基づいて、個人のバランスを表す値１６０を決定するステップ５０を含む。

好ましくは、バランスを表す値１６０は、集団を構成する個人をランク付けするための、その集団における順序関係の定義に基づくことができる。このステップは、バイナリ順序付け（binary ordering）と呼ぶことができる。実際には、バイナリ順序付けの課題は、ラベルＹ_０が既知でない確率変数Ｘの少なくとも１つの新規の観測値Ｘ_０を順序付けするために、ペア（Ｘ，Ｙ）のコピーのサンプルＳｎ＝｛（Ｘｉ、Ｙｉ），１≦ｉ≦ｎ｝からモデルを学習することからなる。このようなモデルにより、正となる可能性が最も高い観測値を一番上の分類に置き、負となる可能性が最も高い観測値を一番下の分類に置くことによって、新規の観測値を順序付けすることができる。

あるいは、このバランスを表す値１６０の割り当ては、フレキシブルマージンＳＶＭ又はガウス混合モデルなどの複数の統計的方法に基づくことができる。

好ましくは、本発明の定量化方法１は、スコアリングアルゴリズム５００を使用することを含み、スコアリングアルゴリズム５００はデータ処理モジュール２２０に組み込まれることができ、そして以下を実行するように構成されることができる。
−複数の定量化因子１３０の値を、有利には個人の動揺図１１０のＢＭＩカテゴリと同じＢＭＩカテゴリ１５０に分類された参照動揺図１１１から得られた同一の定量化因子の値と比較するステップ４０、及び
−その比較の終了時に、個人のバランスを表す値１６０を決定するステップ５０。

このスコアリングアルゴリズム５００は、異なる教師あり学習モデルから構築されてもよい。更に好ましくは、このスコアリングアルゴリズム５００は、順序付け規則のリスクを最小化することによってより効率的な予測規則を得るように構成された、ＲａｎｋＢｏｏｓｔ、ＡｄａＲａｎｋ、Ｒａｎｋ ＳＶＭ、Ｌａｍｂｄａ ｒａｎｋ、ランキングフォレスト又はニューラルネットワークなどの方法の教師あり統計学習モデルに基づく。更に、バランス定量化のためのＢＭＩ分類の重要性の一部として、本発明の定量化方法１は、ＢＭＩカテゴリ１５０毎に１つのスコアリングアルゴリズム５００を使用することを含んでもよい。

更に好ましくは、この又はこれらのスコアリングアルゴリズム５００は、複数の非線形教師あり統計学習モデルの組み合わせから構築されたものであってもよい。従って好ましくは、スコアリングアルゴリズム５００の生成は、「バギング」ステップ及び／又はブースティングステップを含むことができる。例えばスコアリングアルゴリズム５００は、バギングステップを用いて構築された複数のランキングツリー型の木を含んでもよい。実際には、本発明の状況において本発明者が開発したスコアリングアルゴリズムは、それらがバギングステップを含む場合に極めて有効である。

更に好ましくは、ランキングフォレスト又はランダムフォレスト法を実行することにより、事前に較正されたスコアリングアルゴリズム５００を得た。

バギング、即ちブートストラップアグリゲーティングは、初期学習セットの異なる複数のサブセットで学習アルゴリズムを訓練する方法である。実際には、Ｂ個のサブセットは、そのそれぞれをランダムにＮ回抽出して、これらを初期学習セットに戻すことによって生成される。これらのサブセットはブートストラップサンプルと呼ばれる。バギング及びその実行については、Galarほかの2011年（A Review on Ensembles for the Class Imbalance Problem: Bagging-, Boosting-, and Hybrid-Based Approaches）に詳述されている。バギングは、決定木などの学習アルゴリズムと組み合わせると極めて有効であり、本発明者は、本発明の方法にはアンダーバギング法が特に好適であることも発見した。

ブースティングは、ＡｄａＢｏｏｓｔ、ＬＰＢｏｏｓｔ、ＴｏｔａｌＢｏｏｓｔ、ＢｒｏｗｎＢｏｏｓｔ、ｘｇｂｏｏｓｔ、ＭａｄａＢｏｏｓｔ、ＬｏｇｉｔＢｏｏｓｔなどのアルゴリズムのセットを包む。ブースティングは、複数の「弱い」（即ち可能性の認識と同程度に少なくとも２つの種類を認識することができる）決定規則を組み合わせることによって正確な決定を生成するために、学習アルゴリズムを訓練する方法を指す。ブースティングにより、複数の弱い規則の連続的な反復によって、強い分類規則又は決定規則を生成することができる。従ってブースティングは逐次法であり、各サンプルは、１つ前のサンプルに対する基本規則の実行に従て抽出される。ブースティング及びその実行については、Freund及びSchapireによって1999年（Machine Learning Large. Margin Classification Using the Perceptron Algorithm）に詳述されている。

ランダムフォレスト分析又はランダムフォレストは、教師あり統計学習法の１つである。これはバギングの原理に基づくものであり、この分析の独自性は、少数の変数を用いて構築されたＫ個の木の集合である。各ノードは少数の変数を用いて構築されるが、常に一定であり、ランダムに選択される。例えば、同一の変数Ｙを予測するために、複数の独立したモデルを構築し、これらのモデルの予測を集約する。独立した複数のモデルのこのような集約により変動を低減でき、従って予測誤差を低減することができる。

好ましくは、本発明の定量化方法１により、バランスの質に比例するスコア又は０〜１００の値の形式で、バランス定量化を得ることができる。例えば、３０未満の値は悪いバランスを示す。

好ましくは、比較の結果に基づいてバランスの値を決定するステップの後に、得られたバランスを表す値１６０を記録し、場合によりその値を、その個人に関する固有の識別子と関連付けるステップ６０が続く。

従ってこれにより、その個人は、自身のバランスを表す値１６０を経時的に比較することができる。よって好ましくは、本発明の定量化方法１は、その個人のバランスを表す値１６０の変化、従ってその個人のバランスの質の変化を追跡するために、異なる日に同一の個人に実施されることができる。

図１に示されるように、本発明のバランス定量化方法１は、上記のバランスを表す値１６０をグラフで表すステップ７０もまた含んでもよい。その値は、表示モジュール３４０ａによってディスプレイに表示されることができる。このディスプレイは、値又はグラフを表示する簡単なディスプレイとすることができる。

このグラフは、バランスを表す値１６０の経時的な変化、又は複数の個人のあるグループ内におけるこの値の位置付けを示すことができる。

上記のバランスを表す値１６０は、タブレット、サーバ又はパーソナルコンピュータなどの遠隔システムに伝送されることもできる。従って本発明の定量化方法１は、バランスを表す値１６０、計算された定量化因子、及び／又は計算されたパラメータを、タブレット、サーバ又はコンピュータなどの少なくとも１つの通信システムに、少なくとも１つの通信ネットワークを介して伝送するステップを含んでもよい。

好ましくは、本発明は、静的バランス及び動的バランスを定量化することを含む、バランス定量化方法１に関する。更に好ましくは、本発明は、静的バランスの定量化に関する。

この新規のバランス定量化方法１の開発の一部として、本発明者は、開発した静的モデル及び特にＲＯＣ曲線が使用するスコアリングアルゴリズムによって得られた、バランスを表す値１６０の妥当性を検証した。本発明者が使用する、開発した静的モデル及び特にスコアリングアルゴリズム５００により、０．７より大きい、好ましくは０．８より大きいＡＵＣを得ることができる。

図６は、本発明のある特定の実施形態を示す。本発明者はこの実施形態から、実施例において示されるように４９人の個人の動揺図を分析した。図１０は、本発明のある特定の実施形態を示す。本発明者はこの実施形態から、実施例において示されるように８４人の個人の動揺図を分析した。

図７Ａ及び７Ｂは、ランキングフォレストモデルによって構築された、本発明による２つの決定木を示す。図７Ｂは、ここでは二項選択として表される、個人のＢＭＩ値１６に応じて動揺図１１０をＢＭＩカテゴリ１５０（例えばＢＭＩ＜２１）に分類するステップ１５が先行する決定木を示す。

本発明の意味において、Ｆ１及びＦ２は、圧力中心の位置１２１に関係しているパラメータに関連する定量化因子に相当する。更に、バリスティック間隔の第９０百分位数は、本発明の意味において特に好ましい定量化因子である。

Ｆ３は、圧力中心の安定性１２２に関連する定量化因子に相当する。

スコアリングアルゴリズム５００によるこれらの定量化因子の組み合わせにより、バランスを表す値１６０（例えば０、０．３３、０．６６、１）を生成することができる。

ある態様によると、本発明は、本発明のバランス定量化方法１を実施することができるバランス定量化デバイス２に関する。

より詳細には、本発明のバランス定量化デバイス２は、
−個人の動揺図１１０を受信することができる、例えば個人の少なくとも１つの動揺図を含むデータを受信することができる通信モジュール２１０と、
−記憶手段２８０と、
−データ処理モジュール２２０と
を含む。

あるいは、本発明のバランス定量化デバイス２は、
−個人の少なくとも１つの動揺図１１０と、その個人の肥満度指数データ１６とを含むデータを受信することができる通信モジュール２１０と、
−動揺図１１０及びＢＭＩデータ１６を記録することができる記憶手段２８０と、
−分類モジュール２５０と、
−データ処理モジュール２２０と
を含む。

本発明のバランス定量化デバイス２を、図８に概略的に示す。これらのモジュールは図８では別個のものであるが、本発明は、本明細書に記載の全ての機能を組み合わせた単一のモジュールなど、異なるタイプの構成を提供してもよい。これらのモジュールは複数の電子基板に分割される又は単一の電子基板に集められることができる。

通信モジュール２１０は、プラットフォーム、タブレット、電話、コンピュータ又はサーバなどの遠隔システムに対して、情報を送受信するように構成される。その通信モジュールにより、データを少なくとも１つの通信ネットワークで伝送でき、有線又は無線通信を備えることができる。好ましくは、その通信は、ｗｉｆｉ、３Ｇ、４Ｇ及び／又はＢｌｕｅｔｏｏｔｈ（登録商標）などの無線プロトコルによって作動する。

通信モジュール２１０により、例えば圧力中心の変位の生データ、ＢＭＩデータ１６又は動揺図１１０を受信することができる。通信モジュール２１０はまた、計算されたパラメータに関連するデータ、計算された定量化因子に関連するデータ、及びバランスを表す値１６０に関連するデータを送信するようにも構成される。これらのデータ交換は、圧力センサの生の値を含むファイル；圧力中心の軌跡の座標を含むファイル；並びにパラメータ１２０、定量化因子１３０、カテゴリデータ１５０、その個人の肥満度指数データ１６、及び動揺図１１０から決定されたバランスを表す値１６０を含むファイルの送受信の形態を取ることができる。

交換されたデータは、好ましくは暗号化された形式に変換されて、調べられる個人に固有の鍵に関連付けられることができる。

データ処理モジュール２２０は、
・通信モジュール２１０によって伝送されたある個人の動揺図１１０から、圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータの値、及び圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータの値を抽出し、
・抽出した軌跡パラメータ１２１、１２２の値から、複数の定量化因子１３０を決定し、
・その定量化因子１３０の値を、参照動揺図１１１から得られた同一の定量化因子の値と比較し、
・その比較に基づいてその個人のバランスを表す値１６０を決定する
ように構成される。

あるいは、データ処理モジュール２２０は、
・通信モジュール２１０によって伝送されたある個人の動揺図１１０から、圧力中心の位置１２１、圧力中心の安定性１２２、及び／又は圧力中心の動力学１２３に関連する少なくとも１つの軌跡パラメータの値を抽出し、
・抽出した軌跡パラメータ１２１、１２２、１２３の値から、複数の定量化因子１３０を決定し、
・その定量化因子１３０の値を、その個人の動揺図１１０のＢＭＩカテゴリと同じＢＭＩカテゴリ１５０に分類された参照動揺図１１１から得られた同一の定量化因子の値と比較し、
・その比較に基づいてその個人のバランスを表す値１６０を決定する
ように構成される。

有利には、データ処理モジュール２２０はプロセッサを有し、記憶手段２８０に接続することができる。

記憶手段２８０は、一時的メモリ及び／又は非一時的メモリを備えてもよい。記憶手段２８０は、例えばファイルの形式で、圧力センサの生の値、圧力中心の軌跡の座標、パラメータ１２０、定量化因子１３０、ＢＭＩデータ１６、ＢＭＩカテゴリデータ１５０、及び１つ以上の動揺図１１０から決定されたバランスを表す値１６０を記録することができる。非一時的メモリは、例えばデータ処理モジュールの構成を記録することができ、同時に非一時的メモリは、例えば動揺図１１０を記録することができる。非一時的メモリは、ＣＤ−ＲＯＭ、メモリカード、又はリモートサーバにホストされたハードドライブなどの媒体とすることができる。

好ましくは、データ処理モジュール２２０は、本発明の定量化方法１の異なる複数のステップを実施するように構成される。よって、本発明のバランス定量化方法１の好ましいステップはまた、本発明のデータ処理モジュール２２０についての好ましい構成でもある。

本発明の定量化デバイス２はまた、動揺図１１０を生成するためのモジュール２３０を含んでもよい。このモジュールは、力又は圧力センサによって生成されたものなどの圧力中心の変位の生データから、動揺図１１０に関連するデータ（例えば、時間に応じたｘ及びｙ軸に沿った位置）を生成するように構成される。

本発明の定量化デバイス２はまた、再サンプリングモジュール２４０を含んでもよい。実際には、圧力中心の変位の生データ又は動揺図１１０を生成することができる全てのデバイスが、制御されたサンプリング周波数を提供するわけではない。従って一部のデバイスは、動揺図１１０が第１のランダムな周波数で生成される状態を引き起こすことがあり、その周波数は、取得中に、例えばある同一の動揺図１１０に関して１０〜１０００Ｈｚの間で絶えず変化するため、予測できない。しかしながら、このような周波数の変化は、本発明のバランス定量化方法１の性能の低下をもたらし得る。よって好ましくは、再サンプリングモジュールが、第２の周波数で実質的に一定の周波数を用いて再サンプリングされた動揺図１１０を生成するために、生データ又は動揺図１１０を第１の周波数で処理するように構成される。「実質的に一定の周波数」は、動揺図１１０内で１０％未満だけ変化する、好ましくは５％未満だけ変化する、更に好ましくは１％未満だけ変化する周波数と理解される。

再サンプリングモジュール２４０が生成した第２の周波数の動揺図１１０は、２５Ｈｚ以上のサンプリング周波数を有する。好ましくは、第２の周波数は、参照動揺図１１１の周波数と実質的に同一である。

本発明のバランス定量化方法は、個人の動揺図１１０を、その個人のＢＭＩ１６に応じた肥満度指数（ＢＭＩ）カテゴリ１５０に分類するように構成された分類モジュール２５０を備える。

本発明のバランス定量化デバイスは、干渉信号を削減又は抑制するために、圧力又は力センサによって生成された生データをフィルタリングするように構成されたノイズ除去モジュール２９０を備えてもよい。ノイズ除去は、ウェーブレットノイズ除去、閾値処理、ウィーナーフィルタ、及びデコンボリューションなどの様々な方法に基づくことができる。

そのデバイスはまた、コントロールインタフェース２６０を備えてもよい。このコントロールインタフェースは、ユーザがバランス定量化デバイスと相互作用することができるように構成される。コントロールインタフェースは、例えばユーザコマンドを受信することができる手動の作動装置（例えばボタン）又はタッチスクリーンを備えてもよい。

上記デバイスはまた、表示モジュール２７０を備えてもよい。この表示モジュールは、液晶ディスプレイを備えてもよい。その表示モジュールにより、定量化の結果、バランスを表す値１６０、その値の経時的な進行、及び複数のヒトのグループ内でのバランスを表す値１６０に関するその位置付けなどの様々な情報を表示することができる。

別の態様によると、本発明は、本発明の定量化方法１を実施するようにされた、図９に示されるバランス定量化システム３に関する。好ましくは、個人のバランスを定量化するためのシステム３は、
−プラットフォーム３１０と、ここでプラットフォーム３１０は、個人を載せるようにされ、またプラットフォーム３１０上のその個人の足による圧力に応じて、第１の周波数で生データ３１３を生成するようにされた圧力及び／又は力センサ３１２を備え、
−プラットフォーム３１０によって生成された生データ３１３から、その個人の少なくとも１つの動揺図１１０を得るようにされた生データの処理ユニット３２０と、
−その処理ユニット３２０と通信することができる上述のバランス定量化デバイス２と
を備える。

図９に示されるように、本発明のプラットフォーム３１０は、個人を載せることを意図した支持体であり、力及び／又は圧力センサを用いて圧力中心の変位を測定することができる。圧力中心を測定するためのいずれのセンサシステムも使用することができる。唯一の要件は、プラットフォーム３１０が、圧力中心を位置付けるための生データを生成できなければならないことである。この支持体は、例えば１対のソールや、センサ又はスケールを備えた「インテリジェント」床とすることができる。好ましくは、プラットフォーム３１０はトレイ３１１を有する。通常は、トレイ３１１の一辺の寸法は１５〜７０ｃｍ、好ましくは２５〜４０ｃｍ程度にすることができる。このトレイ３１１は、例えば複数の個人間で、及び同一の個人について経時的に、足の再現性のある配置を可能とするテンプレートを含むことができる。

プラットフォーム３１０は、所与の時点においてトレイ上に与えられた圧力又は力を測定するように構成され、そのためにセンサ３１２を含む。そのセンサは、与えられた力を、生データに対応する電気信号、光信号又は磁気信号に変換する。これらの生データは、圧力中心の座標を特定し、そしてその経時的な変化を追跡するために、組み合わせて処理されることができる。これらのセンサは、圧力又は力センサとすることができる。力センサは、立っている対象者の支持力の結果を測定する。プラットフォームに与えられた力及びモーメントの測定により、圧力中心の座標を特定でき、またその経時的な変化を追跡することができる。圧力センサは、例えばトレイに載っている個人の体重によって生じた圧力、又は個人の足によってプラットフォーム上に与えられた圧力を測定又は検出するように構成された、圧力セルを備えてもよい。これらのセンサから得られたデータは、生データである。プラットフォーム３１０はまた、複数の抵抗式又は圧電式センサ（例えば１０００〜６０００個のセンサ）を備えることもできる。好ましくは、プラットフォームの両端に位置する４個のセンサが存在し、例えば右側のセンサと左側のセンサ、又は上側のセンサと下側のセンサは２０〜５０ｃｍ離れる。例えば図９に示されるように、プラットフォーム３１０は、トレイの４つの隅（左上、右上、左下、右下）に位置する４個のセンサ３１２を有する。

プラットフォーム３１０は有利には時間カウントモジュールを含み、そしてその種々のセンサ３１２の値をランダムな間隔で、例えば１０Ｈｚから１０００Ｈｚまで変化し得る周波数で測定するように構成されることができる。好ましくは、プラットフォーム３１０は、２５Ｈｚ以上、好ましくは５０Ｈｚ以上の周波数で、その種々のセンサ３１２の値を測定するように構成される。

更に好ましくは、プラットフォーム３１０は、動揺図１１０を取得する際に、２５Ｈｚ以上の周波数でかつ実質的に一定の方法で、その種々のセンサ３１２の値を測定するように構成される。実際には、サンプリング周波数が低すぎる、又はあまりにランダムであると、バランスの定量化は十分に正確にはならない。周波数が一定でない場合、好ましくは平均取得周波数を６０Ｈｚ以上、より好ましくは７５Ｈｚ以上とする。

プラットフォーム３１０は表示デバイスを含んでもよく、好ましくはトレイ３１１上に立っている個人がその表示デバイスを見ることができるように配置される。

プラットフォーム３１０はまた、個人に指示（例えばトレイ３１１に乗る、又はトレイ３１１から降りる）を与えることができる、スピーカーデバイスを含んでもよい。これらの指示はまた、表示デバイスによって与えられることもできる。

プラットフォーム３１０はまた、個人の体重、脂肪分、水分、骨、筋肉量、心拍数、及び／又は肥満度指数を測定するためのモジュールを含むこともできる。

バランス定量化システム３はまた、プラットフォームによって生成された生データを処理するためのユニット３２０も含む。この生データの処理ユニット３２０は、センサ３１２によって生成された生データから、個人の少なくとも１つの動揺図１１０を生成するように用意及び／又は構成される。この生データの処理ユニット３２０は、例えば図９に示されるようにプラットフォーム３１０に組み込まれることができる。しかしながら、生データの処理ユニット３２０は、リモートサーバ３３０、定量化デバイス２（例えば、この定量化デバイス２は、それにより動揺図１１０を生成するためのモジュール２３０も組み込む）、又は制御デバイス３４０に組み込まれることもできる。

バランス定量化システム３は、図９に示されるようなリモートサーバ３３０を含んでもよい。例えば、ウェブインタフェースにより、又は制御デバイス３４０に直接実装された適切な機能により直接、このリモートサーバ３３０にアクセスすることができる。１つ以上の制御デバイス３４０とリモートサーバ３３０との間の全ての通信は、例えばＨＴＴＰＳプロトコル及びＡＥＳ５１２暗号化によって保護されることができる。

このリモートサーバは、定量化デバイス２をホストすることができる。よって、単一の定量化デバイス２が複数の個人を追跡することができる。

本発明の定量化システムは、プラットフォーム３１０及びバランス定量化デバイス２と相互作用するように構成された、システム制御デバイス３４０を含んでもよい。このシステム制御デバイス３４０により、例えばプラットフォーム３１０からのデータ取得を制御でき、また定量化デバイス２からの結果を表示することができる。

このシステム制御デバイス３４０は、好ましくはタブレット３４０ａ、ラップトップ、又は腕時計などのモバイル機器である。

本発明の定量化システムは、身長及び体重データから個人のＢＭＩを決定するように構成された、ＢＭＩ決定デバイス３５０を含んでもよい。

別の態様によると、本発明は、本発明のバランス定量化方法１を実施するように構成されたコンピュータプログラム４に関する。コンピュータプログラム４は、非一時的記憶媒体に記録され、コンピュータ、タブレット又はサーバで実行されることができ、そのコンピュータプログラムは少なくとも、
−ある個人の動揺図１１０から、圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータの値、及び圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータの値を抽出するようにされたアルゴリズムと、
−抽出した軌跡パラメータ１２１、１２２の値から、複数の定量化因子１３０を決定するようにされたアルゴリズムと、
−その定量化因子１３０の値を、参照動揺図１１１から得られた同一の定量化因子の値と比較するようにされたアルゴリズムと、
−その比較に基づいてその個人のバランスを表す値１６０を決定するようにされたアルゴリズムと
を含む。

別の態様によると、本発明は、本発明のバランス定量化方法１を実施するように構成されたコンピュータプログラム４に関する。コンピュータプログラム４は、非一時的記憶媒体に記録され、コンピュータ、タブレット又はサーバで実行されることができ、そのコンピュータプログラムは少なくとも、
−ある個人の動揺図１１０を、その個人のＢＭＩ１６に応じた肥満度指数（ＢＭＩ）カテゴリ１５０に分類するようにされたアルゴリズムと、
−ある個人の動揺図１１０から、圧力中心の位置１２１、圧力中心の安定性１２２、及び／又は圧力中心の動力学１２３に関連する少なくとも１つの軌跡パラメータの値を抽出するようにされたアルゴリズムと、
−１つ以上の抽出した軌跡パラメータ１２１、１２２、１２３の値から、複数の定量化因子１３０を決定するようにされたアルゴリズムと、
−その定量化因子１３０の値を、動揺図１１０のＢＭＩカテゴリ１５０と同じＢＭＩカテゴリ１５０に分類された参照動揺図１１１から得られた同一の定量化因子の値と比較するようにされたアルゴリズムと、
−その比較に基づいてその個人のバランスを表す値１６０を決定するようにされたアルゴリズムと
を含む。

より好ましくは、そのコンピュータプログラム４は、非一時的記憶媒体に記録され、コンピュータ、タブレット又はサーバで実行されることができ、そのコンピュータプログラムは少なくとも、
−任意である、ある個人の動揺図１１０を、その個人のＢＭＩ１６に応じた肥満度指数（ＢＭＩ）カテゴリ１５０に分類するようにされたアルゴリズムと、
−ある個人の動揺図１１０から、圧力中心の位置１２１に関連する少なくとも１つの軌跡パラメータの値、圧力中心の安定性１２２に関連する少なくとも１つの軌跡パラメータの値、及び圧力中心の動力学１２３に関連する少なくとも１つの軌跡パラメータの値を抽出するようにされたアルゴリズムと、
−抽出した軌跡パラメータ１２１、１２２、１２３の値から、複数の定量化因子１３０を決定するようにされたアルゴリズムと、
−複数の定量化因子１３０の値を比較し、その比較に基づいてその個人のバランスを表す値１６０を決定するようにされたスコアリングアルゴリズムと
を含む。

本発明の方法、デバイス、システム及びコンピュータプログラムにより、個人のバランスの定量化が可能となり、そしてこれらは多数の用途を有することができる。

実際には、本発明により、個人のバランスに関連する次の３つの主要な質問、
−Ａ］自然な又は治療下でのバランスの変化、
−Ｂ］バランスの質、及びそれによる必然の結果、起こり得るバランス障害の重症度（例えば転倒のリスクの度合い）、並びに
−Ｃ］起こり得るバランス障害の１つ以上の原因
に答えるために、個人のバランスの数字での客観的な値を得るための測定ツール、即ち方法、その方法を実施するためのデバイス、及びそのデバイスを組み込むシステムを提供することができる。

実際には、個人のバランスを表す、その個人のバランスの質を示す値１６０の生成により、その個人又は他の人がこのバランスに数字での客観的な値を割り当てることができる。

これらの値又はスコアは、学習された基準からの偏差を特定するために、経時的な監視の一部として用いられることができる。

同様に、本発明は異なる治療の効果を明らかにするために使用されることができ、更に本発明によるバランスの定量化によって回復率を追跡することができる。よって本発明は、スポーツプログラム、人工器官、スポーツシューズ、補償インソール、リハビリテーションプロトコル、神経学的障害治療及び／又は外科技術の成果評価の状況において実施されることができる。本発明の方法は、特に高齢者に適応される。

更に本発明を用いて、ある個人のバランスの質を他の個人のバランスの質と比較して、例えばその個人が転倒のリスクを有するかどうかを決定することができる。よって本発明は、転倒のリスクの測定の一部として、例えば６ヶ月において実施されることができる。この状況において、本発明の定量化方法１によって決定されたバランスを表す値１６０は、６ヶ月における転倒のリスクの指標値となる。特に本発明の意味において、その個人は６０歳より上の、好ましくは７０歳より上のヒトである。

更に、ある個人で得られた定量化因子１３０の値を、異なるカテゴリのヒトにおいて得られた定量化因子の値と比較することにより、どのようにその個人を看護すべきかの目標を設定し、その個人を適切なサービス（例えば外傷学、リウマチ学、神経学）に誘導することを支援することができる。従って本発明は、バランス障害の原因を決定する状況において実施されることができる。

研究対象となる個人
以下に示す結果は、「Agence National de Securite du Medicament et des produits de sante」によって承認されたプロトコルにより得られたものであり、全ての参加者について書面による同意を得た。

本発明を、以下の特徴を有する４９人の個人の第１グループに対して実施した。
−年齢７０歳より上、
−プラットフォーム上で立つことができる、
−診察時のＢＭＩが２１未満、及び
−インフォームドコンセントが得られている。

この研究において、その４９人の個人には以下が含まれていた。
−２７人は、診察前６ヶ月以内に転倒が報告された、
−７人の転倒は外傷及び入院に至った、
−１６人は外傷に至ったが入院には至らなかった、
−４人は良性として分類された（外傷なし、入院なし）。

本発明を、８４人の個人の第２グループに対しても実施した。参加者は、様々な場所、ヴァル＝ド＝グラース病院（パリ、フランス）の神経科、ベギン病院（パリ、フランス）の救急科、及び診療所（パリ、フランス）の診察室から集められた。試験対象患者基準は第１グループの個人と同様であり、年齢６５歳より上、一般的な医学的又は神経学的診療を受けている、プラットフォーム上で立つことができる、バランス関連の障害に罹患していない、インフォームドコンセントが得られている、というものであった。

健康な個人、即ち臨床検査後に無症状の個人のみをこの研究に含めた。顕著な高血圧（平均収縮期血圧（ＳＢＰ）１４０ｍｍＨｇ、又は平均拡張期血圧（ＤＢＰ）９０ｍｍＨｇ）である対象者、低血圧（ＳＢＰ９０ｍｍＨｇ又はＤＢＰ６０ｍｍＨｇ）である対象者、際だった変化のある対象者、又はバランスを大きく変え得る薬物（血管作用薬、向精神薬など）を摂取している対象者は除外した。

圧力中心の変位の測定
診察中にＷｉｉバランスボード（登録商標）を用いて個人の圧力中心の移動を追跡し、本発明の一部として特別に開発したカスタムアプリケーションを用いて記録した。足を、肩幅を越えずに、患者にとって最も快適な位置に配置した。圧力中心の軌跡を、目を開けた状態で２０秒間、その後に目を閉じた状態で２０秒間記録した。第２グループの個人について、圧力中心の軌跡を、目を開けた状態で２５秒間、その後に目を閉じた状態で２５秒間記録した。過去６ヶ月に発生した転倒についての報告を記録するために、各個人に転倒に関する質問を行った。

予備処理
動揺図の計算の前に、ＷＢＢによる生の信号の出力をノイズ除去処理及び再サンプリングした。

統計的分析
各動揺図に関して、１５個の定量化因子を動揺図から計算した。

参照動揺図から得られた定量化因子により、図７に示される決定木の下位部分のようなランキングフォレストアルゴリズムに基づくスコアリングアルゴリズムを設定することができる。Ｆ１は、バリスティック間隔の第９０百分位数に関する目を閉じた状態／目を開けた状態の比に対応し、Ｆ２は、Ｙ軸上の位置の変動に関する目を閉じた状態／目を開けた状態の比であり、Ｆ３は、目を閉じた状態の時間バランスの変動である。分析対象の動揺図から得られた定量化因子は、このスコアリングアルゴリズムのための入力となり、スコアリングアルゴリズムは、バランスを示す値、より詳細には個人の転倒のリスクを示す値を、０〜１で計算する。低いスコアは転倒のリスクが高いことに対応し、高いスコアは転倒のリスクが低い特性を示す。各動揺図に関して、以下の５個の異なるパラメータを計算した。
１）内側−外側軸に沿ったＣｏＰ（圧力中心）の位置、
２）前−後軸に沿ったＣｏＰの位置、
３）ＣｏＰの位置と軌跡の中心の間の距離、即ち半径、
４）ＣｏＰの瞬間加速度、及び
５）バリスティック間隔、即ち密度ピーク間の距離（ここで動揺密度は、現在位置を中心とする時間的に小さな空間円として定義される）
次にこれらの５つの指数がこれらの信号から算出される（得られる定量化因子は、下の表１に定義されている）。これらは信号の５次元表現をエンコードする。
表１．使用した定量化因子の概要

従って本発明は、従来技術とは異なり、個人のバランスに関する数字での客観的な値を得るための測定ツールを提供する。

第２グループの個人の結果
参加者の年齢、性別、体重、身長に関する基本的なデータを収集した。これを以下の表に示す（表２）。
表２．サンプルに含まれる患者の統計データ。転倒者は、過去６ヶ月に少なくとも１回の転倒を報告した患者である。２つの母集団において、性別、年齢、体重、身長及び肥満度指数（ＢＭＩ）に関する有意差は見られなかった。

この実施例の母集団では、定量化因子（５）を除き、個別に使用されたほとんどの定量化因子は、従来のウィルコクソン検定によって有意な結果（ｐ＜０．０５）を示さず、ＲＯＣ分析におけるこれらの性能はランダムな分類要素の性能に近いものであった（ＡＵＣ＝０．４９〜０．５４）。これは、２つのグループを適切に分類してバランスを定量化するための単一の記述子の能力に疑問を呈する（表３）。
表３．使用した各定量化因子に関する、転倒者及び非転倒者についての平均及び標準偏差、ＡＵＣ、ウィルコクソンランクの合計の試験に関するｐ値

表３において、本発明者は、その指数単独では転倒者と非転倒者とを分類できないことを観察した。これは、実施例の母集団において、一部の転倒者及び非転倒者が極めて類似した動揺図を有しているという事実によるものであり得る。例えば、転倒しやすい一部の対象者は、比較的大きな動揺図及び前−後座標での高い変動を有するが、他の対象者は狭いＣｏＰ軌跡を有し得る。

表３において、本発明者は、これらの本質的に矛盾する特性により、線形アプローチの分類精度に疑問があることを観察した。これは、その方法が転倒者の１つ以上のカテゴリに誤ったラベルを付与する傾向があるためである。

更に、定量化因子（１）単独の使用はランダムに近いＡＵＣを生成するものの、これはウィルコクソン検定では有意なｐ値を示した（表３を参照）。対照的に、全ての定量化因子を複雑かつ非線形的な方法で組み合わせるランキングフォレストアプローチにより、０．７５という有意なＡＵＣを得ることができる。これらの方法によって得られるＲＯＣ曲線は、図１０に示されている。

最後に表４は、この実施例で使用した定量化因子の重要度の相対平均を示す。全ての定量化因子が、アルゴリズムによって重要とみなされたことに留意されたい。これは、動揺図の分析時に異なる複数の定量化因子を使用する必要性を明らかにし得る。
表４．この実施例で使用した定量化因子の重要度（Ｑｕａｎｔ． Ｉｍｐ．）の平均及び標準偏差

結論
この研究では、高齢者の集団（８４人の個人）において転倒者と非転倒者とを分類するための新規のアプローチを提案した。このアプローチは、ランキングフォレスト型アルゴリズムに基づいて、たった２つの単純な統計的測定値を用いながら安定した分類性能を得るという利点を組み合わせる。このモデルでは、動揺図は、多次元空間（５つの定量化因子）において特徴付けられ、全データセット（学習セット）の７０％のサブセットを用いて形成された非線形スコアリングアルゴリズムで評価された。この性能は、残りの３０％において検証された。

結果を各エンティティの性能と比較したところ、各特徴は転倒者と非転倒者との分類においてランダムな性能を有するものの、ランキングフォレストスコアは大幅に高い性能を達成することが示された。

結論として、本発明の方法により、将来の転倒のリスクの予測に関して重要な情報を得ることができ、またその情報を、単純な１分のプロトコルだけで抽出することができる。

Claims (20)

1. 個人のバランスを表す値（１６０）を得るために前記個人のバランスを定量化する方法であって、該方法は、記憶手段（２８０）に接続された少なくとも１つのデータ処理モジュール（２２０）を備えたデバイスによって実施され、前記方法は、
   ａ）圧力及び／又は力センサ（３１２）を備えたプラットフォーム（３１０）から得られた前記個人の少なくとも１つの動揺図（１１０）を前記記憶手段（２８０）に記録するステップ（１０）と、
   ｂ）前記データ処理モジュール（２２０）によって、前記記憶手段（２８０）に記録された前記個人の前記少なくとも１つの動揺図（１１０）から、圧力中心の少なくとも１つの位置軌跡パラメータ（１２１）の値及び前記圧力中心の少なくとも１つの安定軌跡パラメータ（１２２）の値を抽出するステップ（２０）と、
   ｃ）前記データ処理モジュール（２２０）によって、ステップｂ）で抽出された前記軌跡パラメータ（１２１、１２２）の値から、複数の定量化因子（１３０）の値を決定するステップ（３０）と、
   ｄ）前記データ処理モジュール（２２０）によって、前記複数の定量化因子（１３０）の値を、参照動揺図（１１１）から得られた同一の定量化因子の値と比較するステップ（４０）と、
   ｅ）前記データ処理モジュール（２２０）によって、前記比較するステップ（４０）の終了時に前記個人のバランスを表す値（１６０）を決定するステップと
   を含む、定量化方法。
2. 前記方法を実施する前記デバイスは分類モジュール（２５０）を更に備え、
   −前記記録するステップ（１０）は、更に前記個人の肥満度指数（ＢＭＩ）データ（１６）を記録するステップを含み、その後に前記分類モジュール（２５０）によって、記録された前記ＢＭＩデータ（１６）に応じて前記個人の前記少なくとも１つの動揺図（１１０）をＢＭＩカテゴリ（１５０）に分類するステップ（１５）が続き、該分類するステップ（２５０）は、前記記録するステップａ）（１０）の後かつ前記抽出するステップｂ）（２０）の前に行われ、
   −少なくとも２つの前記定量化因子（１３０）の値を比較するステップ（４０）において、少なくとも２つの前記定量化因子（１３０）の値は、前記分類するステップ（１５）で決定された前記ＢＭＩカテゴリ（１５０）と同じＢＭＩカテゴリ（１５０）に分類された参照動揺図（１１１）から得られた同一の定量化因子の値と比較される
   ことを特徴とする、請求項１に記載の定量化方法。
3. 前記分類するステップ（２５０）で決定される前記ＢＭＩカテゴリ（１５０）は、少なくとも３つのＢＭＩカテゴリ（１５０）から選択される、請求項２に記載の定量化方法。
4. ステップｂ）は、更に前記圧力中心の少なくとも１つの動力学軌跡パラメータ（１２３）の値を抽出するステップ（２１）を含むことを特徴とする、請求項１から３のいずれかに記載の定量化方法。
5. 前記圧力中心の少なくとも１つの位置軌跡パラメータ（１２１）は、Ｘ軸に沿った前記圧力中心の位置、Ｙ軸に沿った前記圧力中心の位置、及び極座標における半径から選択されることを特徴とする、請求項１から４のいずれかに記載の定量化方法。
6. 前記圧力中心の少なくとも１つの位置軌跡パラメータ（１２１）は、極座標における半径であることを特徴とする、請求項１から５のいずれかに記載の定量化方法。
7. 前記圧力中心の少なくとも１つの安定軌跡パラメータ（１２２）は、径方向バランス、時間バランス、及びバリスティック間隔から選択されることを特徴とする、請求項１から６のいずれかに記載の定量化方法。
8. 前記圧力中心の少なくとも１つの動力学軌跡パラメータ（１２３）は、前記圧力中心の変位の速度、前記圧力中心の変位の加速度、力、及び偏差から選択されることを特徴とする、請求項４から７のいずれかに記載の定量化方法。
9. ステップｂ）は、ロンベルグ試験で生成された２つの動揺図（１１０）から実施されることを特徴とする、請求項１から８のいずれかに記載の定量化方法。
10. ステップｃ）で決定される前記定量化因子（１３０）のうちの少なくとも１つは、前記軌跡パラメータ（１２１、１２２，１２３）の極値であり、該極値は、前記軌跡パラメータ（１２１、１２２，１２３）の値の５以上１５以下の百分位数、又は８５以上９５以下の百分位数に相当することを特徴とする、請求項１から９のいずれかに記載の定量化方法。
11. ステップｄ）及びｅ）は、ステップｃ）で決定された前記定量化因子（１３０）の値を、前記参照動揺図（１１１）から得られた前記同一の定量化因子の値に基づいて事前に較正されたスコアリングアルゴリズム（５００）で実行することによって実施されることを特徴とする、請求項１から１０のいずれかに記載の定量化方法。
12. 前記スコアリングアルゴリズム（５００）は、ステップａ）で決定された前記ＢＭＩカテゴリ（１５０）と同じＢＭＩカテゴリ（１５０）に分類された前記参照動揺図（１１１）から得られた前記同一の定量化因子の値に基づいて事前に較正されることを特徴とする、請求項１１に記載の定量化方法。
13. 事前に較正された前記スコアリングアルゴリズム（５００）は、教師あり学習統計法、好ましくはランキングフォレスト又はランダムフォレスト法を実施することによって得られることを特徴とする、請求項１２に記載の定量化方法。
14. 事前に較正された前記スコアリングアルゴリズム（５００）は、バギングステップを実施することを含む教師あり学習統計法を実施するステップによって得られる、請求項１２又は１３に記載の定量化方法。
15. ステップｃ）において、少なくとも５個の前記定量化因子（１３０）の値を決定することを含むことを特徴とする、請求項１から１４のいずれかに記載の定量化方法。
16. 個人のバランスを定量化するためのデバイス（２）であって、該デバイスは、
    −前記個人の動揺図（１１０）を受信することができる通信モジュール（２１０）と、
    −前記動揺図（１１０）を記録することができる記憶手段（２８０）と、
    −前記記憶手段（２８０）に接続することができる少なくとも１つのデータ処理モジュール（２２０）と
    を備え、前記データ処理モジュール（２２０）は、
    ○前記通信モジュール（２１０）が受信した前記個人の動揺図（１１０）から、圧力中心の少なくとも１つの位置軌跡パラメータ（１２１）の値及び圧力中心の少なくとも１つの安定軌跡パラメータ（１２２）の値を抽出し、
    ○抽出した前記軌跡パラメータ（１２１、１２２）の値から複数の定量化因子（１３０）を決定し、
    ○前記定量化因子（１３０）の値を、参照動揺図（１１１）から得られた同一の定量化因子の値と比較し、
    ○前記比較に基づいて、前記個人のバランスを表す値（１６０）を決定する
    ように構成される、定量化デバイス。
17. 前記デバイスは、分類モジュール（２５０）を更に備え、
    −前記通信モジュール（２１０）は、更に前記個人のＢＭＩデータ（１６）を受信することができ、
    −前記記憶手段は、更に前記ＢＭＩデータ（１６）を記録することができ、
    −前記分類モジュール（２５０）は、前記個人の動揺図（１１０）を、前記個人の前記ＢＭＩデータ（１６）に応じたＢＭＩカテゴリ（１５０）に分類するように構成され、
    −前記データ処理モジュール（２２０）は、更に前記定量化因子（１３０）の値を、前記個人の動揺図（１１０）の前記ＢＭＩカテゴリ（１５０）と同じＢＭＩカテゴリ（１５０）に分類された参照動揺図（１１１）から得られた同一の定量化因子の値と比較するように構成される
    ことを特徴とする、請求項１６に記載の定量化デバイス。
18. 個人のバランスを定量化するためのシステム（３）に関し、該システムは、
    −プラットフォーム（３１０）と、ここで該プラットフォーム（３１０）は個人を載せるようにされ、また前記プラットフォーム（３１０）上の前記個人の足による圧力に応じて、第１の周波数で生データ（３１３）を生成するように構成された圧力及び／又は力センサ（３１２）を備え、
    −前記プラットフォーム（３１０）によって生成された前記生データ（３１３）から、前記個人の少なくとも１つの動揺図（１１０）を得るようにされた生データの処理ユニット（３２０）と、
    −前記処理ユニット（３２０）と通信することができる、請求項１６又は１７に記載の定量化デバイスと
    を備える、定量化システム。
19. 前記プラットフォーム（３１０）は、２５Ｈｚ以上の周波数でその異なる複数のセンサ（３１２）の値を測定するように構成されることを特徴とする、請求項１９に記載の定量化システム（３）。
20. 前記定量化デバイスは更に再サンプリングモジュールを備え、該再サンプリングモジュールは、前記生データ又は前記動揺図（１１０）を第１の周波数で処理することにより、第２の周波数で再サンプリングされた動揺図を生成するように構成され、前記第２の周波数は、実質的に一定の周波数を有することを特徴とする、請求項１９に記載の定量化システム（３）。