JP5223042B2 - Body composition meter - Google Patents

Body composition meter Download PDF

Info

Publication number
JP5223042B2
JP5223042B2 JP2013000017A JP2013000017A JP5223042B2 JP 5223042 B2 JP5223042 B2 JP 5223042B2 JP 2013000017 A JP2013000017 A JP 2013000017A JP 2013000017 A JP2013000017 A JP 2013000017A JP 5223042 B2 JP5223042 B2 JP 5223042B2
Authority
JP
Grant status
Grant
Patent type
Prior art keywords
age
body composition
future
value
change
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
JP2013000017A
Other languages
Japanese (ja)
Other versions
JP2013081800A (en )
Inventor
知子 竹原
Original Assignee
株式会社タニタ
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Grant date

Links

Images

Description

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

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

特開2007−323246号公報 JP 2007-323246 JP

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

そこで、本発明は、加齢が体組成に及ぼす影響を考慮して、体組成の指標の長期的な変化を予測することが可能な体組成計、および過去のある時点から現在までの変化を評価することが可能な体組成判定装置を提供することを解決課題とする。 Accordingly, the present invention is aging in consideration of the influence on body composition, long-term changes to be able to predict body composition meter indicator body composition, and a change from a previous time to the current providing a body composition determination apparatus capable evaluate and resolve object.

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

次に、ステップS7において、CPU110は、体組成の未来値の予測が被験者によって指示されているか否か判定する。 Next, in step S7, CPU 110 is the prediction of future values ​​of the body composition is determined whether it is instructed by the subject. 体組成の未来値の予測とは、体組成の指標の5年後、10年後といった未来の値を予測することを意味する。 The prediction of the future value of the body composition, after 5 years of indicators of the body composition, means predicting the value of the future such as 10 years.
本実施形態では、CPU110は、ステップS7において、表示部50に、「未来値を予測しますか?」というメッセージを表示し、被験者に、「はい」または「いいえ」のいずれかを選択させる。 In the present embodiment, CPU 110, in step S7, the display unit 50 displays a message "Do you want to predict the future value?", The subject, to select either "Yes" or "No". 「いいえ」が選択された場合、ステップS7の判定はNOに進み、CPU110は、体組成予測処理を実行することなく、次のステップS13に進む。 If "NO" is selected, the process proceeds to the judgment in step S7 NO, CPU 110 does not execute the body composition prediction processing proceeds to the next step S13.

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

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

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

図6は、女性の体脂肪率について、年齢に対応した体脂肪率%FATの観測値と、観測値の回帰曲線(2次曲線)を示すグラフである。 6, the female body fat percentage is a graph showing the observed values ​​of the body fat percentage% FAT corresponding to age regression curve observed values ​​(quadratic curve). 同グラフに示されるように、体脂肪率は、加齢と共に少しずつ増加するが、直線的な増加ではなく、緩やかな曲線に集約される。 As shown in the graph, the body fat percentage is increased gradually with age, rather than a linear increase, it is aggregated into a gentle curve. よって、18歳以上25歳未満の平均値をゼロとした場合の変化量Y1(%)を、年齢を独立変数として回帰式を作成すると、 Therefore, a change amount when the average value of less than 25 years of age 18 years or older was zero Y1 (%), when creating a regression expression as independent variables age,
体脂肪率の変化量Y1=a1・X +b1・X+c1……(A) Change in body fat percentage amount Y1 = a1 · X 2 + b1 · X + c1 ...... (A)
となる。 To become. ただし、Xは年齢であり、a1、b1およびc1は回帰分析によって見出された係数である。 However, X is age, a1, b1 and c1 are coefficients found by regression analysis.

図7は、女性の除脂肪量について、年齢に対応した除脂肪量FFMの観測値と、観測値の回帰曲線(2次曲線)を示すグラフである。 7, the fat free mass of women is a graph showing the observed values ​​of the fat free mass FFM corresponding to age regression curve observed values ​​(quadratic curve). 同グラフに示されるように、除脂肪量は、加齢と共に増加するが、直線的な増加ではなく、また、加齢と共に一旦増加するが、40歳前後をピークに減少に転じる、湾曲した曲線に集約される。 Curve As shown in the graph, the fat free mass, increases with age, rather than a linear increase, also, although temporarily increased with age, which begin to decline in peak around 40 years of age, curved It is aggregated into. よって、18歳以上25歳未満の平均値をゼロとした場合の変化量Y2(kg)を、年齢を独立変数として回帰式を作成すると、 Therefore, the change amount Y2 (kg) when the average value of less than 25 years of age 18 years or older was zero, creating a regression expression as independent variables age,
除脂肪量の変化量Y2=a2・X +b2・X+c2……(B) The amount of change in lean mass Y2 = a2 · X 2 + b2 · X + c2 ...... (B)
となる。 To become. ただし、Xは年齢であり、a2、b2およびc2は回帰分析によって見出された係数である。 However, X is age, a2, b2 and c2 are coefficients found by regression analysis.

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

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

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

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

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

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

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

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

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

次に、CPU110は、再びステップSa7において、他に予測すべき未来値があるか否かを判定する。 Next, CPU 110 determines again in step Sa7, whether there is a future value to be predicted otherwise. 体脂肪率の未来値の取得は完了したので、この場合、判定結果はNOとなり、続いて、CPU110は、ステップSa9において、予測すべき別の指標があるか否かについて判定する。 Since acquisition of the future value of the body fat percentage was completed, this case, the determination result is NO, followed by, CPU 110, in step Sa9, it determines whether there is another index to be predicted. この場合、次に除脂肪量の未来値を予測すべきなので、判定結果はYESとなり、CPU110は、処理をステップSa1に戻す。 In this case, since the next should we predict the future value of the fat free mass, the decision result is YES, CPU 110 returns the process to step Sa1.

続いて、CPU110は、体脂肪率の場合と同様にして、除脂肪量について5年後および10年後の未来値を各々取得し(ステップSa1:YES〜Sa9:YES)、取得した未来値を各々FFM(p+5)およびFFM(p+10)としてRAM301に一時的に記憶する。 Subsequently, CPU 110, as in the case of the body fat percentage, the fat free mass of each acquires a future value after 5 years and 10 years (step Sa1: YES~Sa9: YES), the acquired future value each of which is temporarily stored in the FFM (p + 5) and FFM (p + 10) as a RAM 301. そして、CPU110は、再び、ステップSa1の処理において、次の体組成の指標が直接予測可能な指標か否か判定する。 Then, CPU 110 again in the process of step Sa1, the index of the next body composition judged whether directly predictable indicator. この場合、次に予測すべき体組成の指標は体脂肪量であるので、ステップSa1の判定結果はNOとなり、続いて、ステップSa11の判定結果はYESとなる。 In this case, then since the indicator of to be body composition prediction is body fat mass, the judgment result becomes NO in step Sa1, followed by the determination result of step Sa11 is YES.

次に、CPU110は、ROM302から体脂肪量を求めるための式(3)を読み出し(ステップSa13)、RAM301に一旦記憶しておいた、FFM(p+5)および%FAT(p+5)を演算式に代入して、体脂肪量FMの5年後の未来値を求める(ステップSa15)。 Next, CPU 110 reads the equation (3) for determining the body fat mass from the ROM 302 (step Sa13), which had been temporarily stored in RAM 301, FFM and (p + 5) and% FAT (p + 5) It is substituted into the arithmetic expression, determining the future value after 5 years of fat mass FM (step Sa15). 取得された値は、FM(p+5)として、RAM301に一旦記憶される。 Obtained value as FM (p + 5), is temporarily stored in the RAM 301. CPU110は、次に、ステップSa17において、同じ指標について予測すべき未来値が他にあるか否かを判定する。 CPU110 determines, then, in step Sa17, whether future values ​​to be expected for the same indicators in other. この場合、10年後の未来値を予測すべきであるので、ステップSa17の判定結果はYESとなり、CPU110は体脂肪量FMの10年後の未来値について、ステップSa15の処理を実行する。 In this case, it should predict the future value after 10 years, the determination result is YES in step Sa17, CPU 110 is the future value after 10 years of fat mass FM, executes step Sa15. すなわち、RAM301に一旦記憶しておいた、FFM(p+10)および%FAT(p+10)を演算式(3)に代入する。 In other words, had been temporarily stored in RAM 301, is substituted into the FFM (p + 10) and% arithmetic expressions FAT (p + 10) (3). そして、取得した未来値をFM(p+10)として、RAM301に一旦記憶する。 Then, the acquired future value as FM (p + 10), is temporarily stored in the RAM301. 続いて、CPU110は、ステップSa17において、同じ指標について予測すべき未来値が他にあるか否かを再び判定し、この判定結果はNOとなるので、処理をステップSa9に進める。 Subsequently, the CPU 110, in step Sa17, the future values ​​to be expected for the same indicator determines whether or not another again, since this decision is NO, and the process proceeds to step Sa9. この場合、予測すべき別の指標があるので、ステップSa9の判定結果はYESとなり、処理はステップSa1に戻る。 In this case, there is another indicator to be predicted, the determination result is YES in step Sa9, the process returns to step Sa1.

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

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

ステップS13において、CPU110は、体組成の判定が被験者によって指示されているか否か判定する。 In step S13, CPU 110 may determine the body composition determines whether it is instructed by the subject. 体組成の判定とは、体組成の指標について過去のある時点(例えば、5年前)から現在までの実変化と、同じ年齢における平均的な変化とを比較して、その良否の程度を判定(すなわち、評価)することを意味する。 The determination of body composition, compared some point in the past for an index of body composition (e.g., 5 years ago) and the actual change from up to now, the average change in the same age, determined degree of acceptability (ie, evaluation) means that.
本実施形態では、CPU110は、ステップS13において、表示部50に、「体組成の変化を評価しますか?」というメッセージを表示し、被験者に、「はい」または「いいえ」のいずれかを選択させる。 In the present embodiment, CPU 110 is selected in step S13, the display unit 50 displays a message "Do you want to evaluate changes in body composition?", To a subject, either "Yes" or "No" make. 「いいえ」が選択された場合、ステップS13の判定はNOに進み、CPU110は、体組成判定処理を実行することなく、次のステップS19に進む。 If "NO" is selected, the determination in step S13, the process proceeds to NO, CPU 110 does not execute the body composition determination processing proceeds to the next step S19. すなわち、上述のステップ7において、体組成の予測が被験者によって指示されていると判定され、ステップS11における体組成予測処理を実行した場合には、ステップS19において、CPU110は、表データIMG1および画面データIMG2をRAM301から読み出して画面50に順に表示して処理を終了する。 That is, in step 7 above, the prediction of the body composition is determined to be instructed by the subject, in the case of executing the body composition prediction process in step S11, in step S19, CPU 110 is table data IMG1 and screen data read IMG2 from RAM301 to end the display and the process in order to screen 50. また、上述のステップ7において、体組成の予測が被験者によって指示されていると判定されなかった場合であり、且つ、ステップS13における判定結果がNOとなった場合には、ステップS19において、CPU110は、RAM301に記憶しておいた体組成の指標の各現在値を表示部50に表示して処理を終了する。 Further, in step 7 above, the case where the prediction of body composition is not determined to have been instructed by the subject, and, if the determination result in step S13 becomes NO in step S19, the CPU110 , and it terminates the display and the process on the display unit 50 of each current value of the index of body composition that has been stored in RAM 301.

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

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

図9は、図3のステップS17における体組成判定処理の詳細な流れを示すフローチャートである。 Figure 9 is a flowchart showing a detailed flow of the body composition determination processing in step S17 in FIG. CPU110は、ROM302から読み出された体組成判定プログラムP2にしたがって、当該体組成判定処理を実行する。 CPU110 according body composition determination program P2 read from the ROM 302, executes the body composition determination processing.
図9に示されるように、まず、CPU110は、ステップSc1において、評価すべき指標の過去の値(5年前の値)をRAM301から読み出すとともに、同指標について、ステップS5(図3)で測定した現在値を読み出す。 As shown in FIG. 9, first, CPU 110, in step Sc1, reads past values ​​of the index to be evaluated (the value 5 years ago) from RAM 301, for the same index, measured in the step S5 (FIG. 3) It was read the current value. 続いて、ステップSc3において、現在値から過去の値を減算することにより実変化量を求める。 Subsequently, in step Sc3, determining an actual amount of change by subtracting the previous value from the current value. 具体的には、CPU110は、体脂肪率%FATについて、上記実変化量を求め、%FAT(f)としてRAM301に一旦記憶する。 Specifically, CPU 110, for the body fat percentage% FAT, obtains the actual variation,% temporarily stored in RAM301 as FAT (f).

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

続いて、ステップSb5において、CPU110は、m年前(mは自然数)の年齢を回帰式(A)に代入して、変化量Y1(p−m)を得る。 Subsequently, in step Sb5, CPU 110 is, m years ago (m is a natural number) by substituting the age of the regression equation (A), to obtain the amount of change Y1 a (p-m). なお、この場合、過去の値の年数として「5年前」が指定されているので、m=5となる。 It should be noted that, in this case, because "five years ago" as the number of years of past values ​​is specified, the m = 5. そして、ステップSd7において、m年前の年齢から現在までの体脂肪率%FATの変化量Y1(m)=Y1(p)−Y1(p−m)を求め、処理を図9のステップSc7に戻す。 In step Sd7, the m years age determined body fat percentage% FAT variation to date Y1 (m) = Y1 (p) -Y1 (p-m), the processing to step Sc7 9 return.

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

CPU110は、「優良」と判定されなかった場合について、例えば、以下のような判定を行う。 CPU110, for if it is not determined as "good", for example, makes a determination as follows.
一例として、現在(30歳)の体脂肪率が23.00%であり、25歳の時の体脂肪率が22.00%であった被験者A(女性)について説明する。 As an example, the body fat percentage of the current (30 years) is 23.00%, the body fat percentage at the age of 25 will be described subject A (female) was 22.00%. 過去−現在変化量演算処理において回帰式(A)に基づいて、25歳〜30歳女性の平均的な体脂肪率変化量が1.09%であると求められたとする。 Past - based on the current change amount calculation process in the regression equation (A), and was determined to average body fat index variation of 25-year-old to 30-year-old female is 1.09%. 良否の程度の判定においては、まず、実変化量1.00%と平均的な変化量1.09%とが比較される。 In the determination of the degree of acceptability, firstly, the actual amount of change 1.00% and the average amount of change 1.09% are compared. この比較は、平均的な変化量1.09%を基準として実変化量を点数化することにより行われる。 This comparison is performed by scoring the actual variation based on the 1.09% average variation. すなわち、平均的な変化量1.09%を50点とし、0%(すなわち、変化なし)を100点として、実変化量を点数(以下「キープ点」という)に換算する。 That is, 1.09% average change amount as a 50-point, 0% (i.e., no change) 100 points and converts the actual amount of change in score (hereinafter referred to as "keep point"). 具体的には、(x,y)=(1.09,50)、(x,y)=(0,100)を満たす方程式y=−45.875x+100を見出す。 Specifically, (x, y) = (1.09,50), find the equation y = -45.875x + 100 satisfying (x, y) = (0,100). 次に、この方程式にx=1(実変化量)を代入してy=54.1(小数点以下を四捨五入して54点)を求める。 Next, determine the y = 54.1 by substituting x = 1 (actual amount of change) in the equation (54 points by rounding off the decimal point). CPU110は、算出したキープ点に基づいて、実変化の良否の程度を判定する。 CPU110 based on the calculated keep-point, determining the degree of quality of the actual changes. 本実施形態では、キープ点が40点未満のときに、変化が「過大」であったと判定し、40点以上60点未満のときに「年齢相当」であったと判定し、60点以上80点未満のときに「ほぼキープ」、80点以上のときに「キープ」であると判定する。 In the present embodiment, when the keep point is less than 40 points, the change is determined to have been "excessive", when less than 60 points or more 40 points is determined to have been "age equivalent", 80 points or more 60 points when less than "almost keep" determines that a "keep" when more than 80 points.
上述の例の場合、キープ点は54点なので、「年齢相当」であると判定される。 If the above example, since the keep point is a 54-point, is judged to be "age equivalent". CPU110は、この判定結果とキープ点の点数とをRAM301に一旦記憶する。 CPU110 will temporarily stores the number of the determination result and keep points RAM 301.

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

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

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

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

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

また、上記実施形態においては、第1未来予測指標である体脂肪率および除脂肪量について、体組成判定処理を実行可能な態様について説明したが、第2未来予測指標である他の指標についても、体組成判定処理を実行可能である。 In the above embodiment, the body fat percentage and fat free mass is first future predictors have been described body composition determination processing executable manner on, for the other indicators is a second future predictor , it is capable of executing the body composition determination processing. すなわち、回帰式が利用可能でない体組成の指標についても体組成判定処理を行うことが可能である。 That is, it is possible to perform body composition determination processing for an index of body composition regression formula is not available. 例えば、体脂肪量について体組成判定処理を行う場合、図9におけるステップSc5における処理は以下のようになる。 For example, when performing body composition determination processing for a body fat mass, the process of step Sc5 in Figure 9 is as follows.
CPU110は、まず、回帰式(A)に基づいて過去の年齢における体脂肪率の平均的な変化量Y1(p−m)および現在の年齢における平均的な変化量Y1(p)を得る。 CPU110, first, obtain an average change amount Y1 (p) in the average amount of change Y1 (p-m) and the current age of the body fat percentage in a past age based on the regression equation (A). 同様に、回帰式(B)に基づいて過去の年齢における除脂肪量の平均的な変化量Y2(p−m)および現在の年齢における平均的な変化量Y2(p)を得る。 Similarly, to obtain the regression equation (B) an average change amount Y2 (p) in the average amount of change Y2 (p-m) and the current age of the fat free mass in the past age based on. 体脂肪量は式(3)(FM=FFM・%Fat/(100−%Fat))によって求められるから、Y1(p−m)およびY2(p−m)を式(3)に代入して、過去の年齢における体脂肪量の平均的な変化量FM(p−m)を得る。 Since the body fat amount is calculated by the equation (3) (FM = FFM ·% Fat / (100-% Fat)), by substituting Y1 a (p-m) and Y2 (p-m) in equation (3) to obtain an average change amount FM of body fat mass in a past age (p-m). 同様にして、現在の年齢における体脂肪量の平均的な変化量FM(p)を得る。 Similarly, to obtain an average change amount FM of body fat mass in the current age (p). そして、両者の差(FM(p)−FM(p−m))を体脂肪量の平均的な変化量として取得する。 Then, to obtain the difference between both the (FM (p) -FM (p-m)) as the average amount of change in body fat mass. CPU110は、この平均的な変化量と実変化量とを比較して、良否判定処理(ステップSc7)を実行する。 CPU110 compares the average change amount and the actual amount of change, executes quality determination processing (step Sc7).

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

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

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

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

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

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

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

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

5…電源キー、10…本体、30…記憶部、40…操作入力部、50…表示部、60…重量測定装置、70…生体インピーダンス測定装置、70A…電流供給部、70B…電圧検出部、71…電流供給用電極、72…電圧測定用電極、100…体組成計、110…CPU、301…RAM、302…ROM、303…書き換え可能メモリ,F1〜F5…機能指定ボタン、IMG1…表データ、IMG2,IMG3…画面データ。 5 ... power key, 10 ... main body, 30 ... storage unit, 40 ... operation input unit, 50 ... display unit, 60 ... weight measuring device, 70 ... bioimpedance measuring device, 70A ... current supply section, 70B ... voltage detection unit, 71 ... current supply electrodes, 72 ... voltage detection electrode, 100 ... body composition meter, 110 ... CPU, 301 ... RAM, 302 ... ROM, 303 ... rewritable memory, F1 to F5 ... function designation button, IMG1 ... table data , IMG2, IMG3 ... screen data.

Claims (6)

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

Priority Applications (1)

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

Applications Claiming Priority (1)

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

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2008212254 Division 2008-08-20

Publications (2)

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

Family

ID=48527597

Family Applications (1)

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

Country Status (1)

Country Link
JP (1) JP5223042B2 (en)

Family Cites Families (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2968581B2 (en) * 1990-11-30 1999-10-25 カシオ計算機株式会社 Weight management system
JPH11332845A (en) * 1998-05-22 1999-12-07 Omron Corp Apparatus for advising health care guideline and system therefor
JP3874243B2 (en) * 2001-08-29 2007-01-31 株式会社タニタ Growth process graph display function biological information management apparatus
US20090118589A1 (en) * 2004-12-28 2009-05-07 Hiromu Ueshima Health management support system and recording medium
JP5314827B2 (en) * 2005-04-01 2013-10-16 株式会社日立製作所 Health management support system
JP2007323246A (en) * 2006-05-31 2007-12-13 Omron Healthcare Co Ltd Exercise plan proposal apparatus
JP4957403B2 (en) * 2006-07-05 2012-06-20 株式会社日立製作所 Health guidance support system
JP4935583B2 (en) * 2007-08-28 2012-05-23 オムロンヘルスケア株式会社 Health management guideline advising apparatus

Also Published As

Publication number Publication date Type
JP2013081800A (en) 2013-05-09 application

Similar Documents

Publication Publication Date Title
McCarthy Body fat measurements in children as predictors for the metabolic syndrome: focus on waist circumference
Janmahasatian et al. Quantification of lean bodyweight
Van Loan The How and Why of Body Composition Assessment
Bonomi et al. Improving assessment of daily energy expenditure by identifying types of physical activity with a single accelerometer
US20050247494A1 (en) Electronic scale and body fat measuring apparatus
Assah et al. Accuracy and validity of a combined heart rate and motion sensor for the measurement of free-living physical activity energy expenditure in adults in Cameroon
Mei et al. Do skinfold measurements provide additional information to body mass index in the assessment of body fatness among children and adolescents?
Pietrobelli et al. New bioimpedance analysis system: improved phenotyping with whole-body analysis
Leeson et al. Impact of low birth weight and cardiovascular risk factors on endothelial function in early adult life
US6472617B1 (en) Body fat scale with hand grips
US6850797B2 (en) Visceral fat meter
Taittonen et al. Prenatal and postnatal factors in predicting later blood pressure among children: cardiovascular risk in young Finns
Weston et al. Insular dwarfism in hippos and a model for brain size reduction in Homo floresiensis
Kim et al. Total-body skeletal muscle mass: estimation by dual-energy X-ray absorptiometry in children and adolescents–
Wells et al. Body-composition reference data for simple and reference techniques and a 4-component model: a new UK reference child–
Kuster et al. Reference equations for lung function screening of healthy never-smoking adults aged 18–80 years
Widhalm et al. Does the BMI reflect body fat in obese children and adolescents? A study using the TOBEC method
Chow et al. Accuracy of survival prediction by palliative radiation oncologists
US4949727A (en) Portable physical checker
US6621013B2 (en) Living body measuring device having function for determining measured subject
de Vries et al. Clinimetric review of motion sensors in children and adolescents
Daida et al. Peak exercise blood pressure stratified by age and gender in apparently healthy subjects
Fricke et al. Mechanography—a new device for the assessment of muscle function in pediatrics
Tyrrell et al. Obesity in Auckland school children: a comparison of the body mass index and percentage body fat as the diagnostic criterion
JP3722678B2 (en) Body fat meter

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20130123

A871 Explanation of circumstances concerning accelerated examination

Free format text: JAPANESE INTERMEDIATE CODE: A871

Effective date: 20130123

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

Free format text: JAPANESE INTERMEDIATE CODE: A971005

Effective date: 20130215

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

Free format text: JAPANESE INTERMEDIATE CODE: A01

Effective date: 20130226

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20130311

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

Free format text: PAYMENT UNTIL: 20160315

Year of fee payment: 3

R150 Certificate of patent or registration of utility model

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250