JP6830799B2 - 身体状態情報推定方法 - Google Patents
身体状態情報推定方法 Download PDFInfo
- Publication number
- JP6830799B2 JP6830799B2 JP2016225215A JP2016225215A JP6830799B2 JP 6830799 B2 JP6830799 B2 JP 6830799B2 JP 2016225215 A JP2016225215 A JP 2016225215A JP 2016225215 A JP2016225215 A JP 2016225215A JP 6830799 B2 JP6830799 B2 JP 6830799B2
- Authority
- JP
- Japan
- Prior art keywords
- exercise
- physical condition
- information
- user
- condition information
- 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
Links
- 238000000034 method Methods 0.000 title claims description 35
- 239000006185 dispersion Substances 0.000 claims description 6
- 230000001133 acceleration Effects 0.000 description 67
- 230000033001 locomotion Effects 0.000 description 25
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 24
- 201000010099 disease Diseases 0.000 description 19
- 210000003205 muscle Anatomy 0.000 description 15
- 239000000203 mixture Substances 0.000 description 13
- 230000015654 memory Effects 0.000 description 11
- 210000001596 intra-abdominal fat Anatomy 0.000 description 9
- 238000010586 diagram Methods 0.000 description 7
- 238000012545 processing Methods 0.000 description 7
- 210000002027 skeletal muscle Anatomy 0.000 description 7
- 238000003860 storage Methods 0.000 description 7
- 230000003187 abdominal effect Effects 0.000 description 6
- 238000005259 measurement Methods 0.000 description 6
- 238000012935 Averaging Methods 0.000 description 5
- QVGXLLKOCUKJST-UHFFFAOYSA-N atomic oxygen Chemical compound [O] QVGXLLKOCUKJST-UHFFFAOYSA-N 0.000 description 5
- 208000035475 disorder Diseases 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 229910052760 oxygen Inorganic materials 0.000 description 5
- 239000001301 oxygen Substances 0.000 description 5
- 230000000875 corresponding effect Effects 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 210000000577 adipose tissue Anatomy 0.000 description 3
- 238000002591 computed tomography Methods 0.000 description 3
- 238000009826 distribution Methods 0.000 description 3
- 230000005484 gravity Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000000611 regression analysis Methods 0.000 description 3
- 206010012289 Dementia Diseases 0.000 description 2
- 125000002066 L-histidyl group Chemical group [H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H] 0.000 description 2
- 208000001145 Metabolic Syndrome Diseases 0.000 description 2
- 201000000690 abdominal obesity-metabolic syndrome Diseases 0.000 description 2
- 230000008859 change Effects 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 230000007423 decrease Effects 0.000 description 2
- 230000003203 everyday effect Effects 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 230000003137 locomotive effect Effects 0.000 description 2
- 238000007477 logistic regression Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000007659 motor function Effects 0.000 description 2
- 102000004169 proteins and genes Human genes 0.000 description 2
- 108090000623 proteins and genes Proteins 0.000 description 2
- 238000005070 sampling Methods 0.000 description 2
- 208000011580 syndromic disease Diseases 0.000 description 2
- 230000002618 waking effect Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 206010003210 Arteriosclerosis Diseases 0.000 description 1
- 208000006820 Arthralgia Diseases 0.000 description 1
- 208000008035 Back Pain Diseases 0.000 description 1
- 208000032928 Dyslipidaemia Diseases 0.000 description 1
- 206010020772 Hypertension Diseases 0.000 description 1
- 208000017170 Lipid metabolism disease Diseases 0.000 description 1
- 208000008930 Low Back Pain Diseases 0.000 description 1
- 208000008589 Obesity Diseases 0.000 description 1
- 208000002193 Pain Diseases 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 208000011775 arteriosclerosis disease Diseases 0.000 description 1
- 230000000386 athletic effect Effects 0.000 description 1
- 210000000476 body water Anatomy 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 206010008118 cerebral infarction Diseases 0.000 description 1
- 208000026106 cerebrovascular disease Diseases 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000005314 correlation function Methods 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 206010012601 diabetes mellitus Diseases 0.000 description 1
- 230000037149 energy metabolism Effects 0.000 description 1
- 229940088597 hormone Drugs 0.000 description 1
- 239000005556 hormone Substances 0.000 description 1
- 238000002847 impedance measurement Methods 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 230000003834 intracellular effect Effects 0.000 description 1
- 208000024765 knee pain Diseases 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 238000010202 multivariate logistic regression analysis Methods 0.000 description 1
- 238000012314 multivariate regression analysis Methods 0.000 description 1
- 230000003387 muscular Effects 0.000 description 1
- 208000010125 myocardial infarction Diseases 0.000 description 1
- 230000035764 nutrition Effects 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 235000020824 obesity Nutrition 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000284 resting effect Effects 0.000 description 1
- 230000028327 secretion Effects 0.000 description 1
- 238000004904 shortening Methods 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
- 208000024891 symptom Diseases 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000003936 working memory Effects 0.000 description 1
Images
Landscapes
- Measurement Of The Respiration, Hearing Ability, Form, And Blood Characteristics Of Living Organisms (AREA)
- Medical Treatment And Welfare Office Work (AREA)
Description
本発明は、利用者の運動情報から身体の状態に関する情報を推定する、身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムに関する。
高血圧や脂質異常症、糖尿病等といった成人病は、本人の自覚がないまま進行し、放置すれば動脈硬化を引き起こして心筋梗塞や脳梗塞等を引き起こすことが知られている。このような症状は、メタボリック症候群とも呼ばれていて、肥満と関係することから腹囲や内臓脂肪面積が予測因子として利用できる。また、高齢になるにしたがって筋肉量が減少し、疾病ではないものの、腰痛や膝痛、転倒といった運動機能に関する不調が表れることがある。このような運動機能の不調は、ロコモティブ症候群とも呼ばれている。メタボリック症候群やロコモティブ症候群を予防、改善するためには、本人が自身の体の脂肪や筋肉量といった身体組成を自覚することが有効である。
身体組成を測定する機器としては、ＤＥＸＡ（Ｄｕａｌ−Ｅｎｅｒｇｙ Ｘ−ｒａｙ Ａｂｓｏｒｐｔｉｏｍｅｔｒｙ）やＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）がある。ただし、このような機器は、いずれも医療機関にしか置かれていないため、利用者が頻繁に利用して身体組成を日常的にチェックすることには使い難い。
身体組成を測定する機器としては、ＤＥＸＡ（Ｄｕａｌ−Ｅｎｅｒｇｙ Ｘ−ｒａｙ Ａｂｓｏｒｐｔｉｏｍｅｔｒｙ）やＣＴ（Ｃｏｍｐｕｔｅｄ Ｔｏｍｏｇｒａｐｈｙ）がある。ただし、このような機器は、いずれも医療機関にしか置かれていないため、利用者が頻繁に利用して身体組成を日常的にチェックすることには使い難い。
また、ＤＥＸＡやＣＴよりも簡易な構成として、生体に微弱な電流を流してインピーダンスを測定することにより身体組成を測定する比較的小型の装置も市販されている。このような小型の装置を使用した測定結果に基づいて身体組成を測定する公知技術は、例えば、特許文献１に記載されている。
さらに、身体組成を測定する機器を使用せず、被験者の活動度を時系列で計測することによって被験者の状態変化を検出する生体解析装置が特許文献２に記載されている。
さらに、身体組成を測定する機器を使用せず、被験者の活動度を時系列で計測することによって被験者の状態変化を検出する生体解析装置が特許文献２に記載されている。
しかしながら、特許文献１に記載されているインピーダンスの計測は、心臓にペースメーカーが入っている者や妊婦には使用することができない。また、身体組成を毎日計測することが習慣化できない利用者もいる。さらに、特許文献２に記載されている技術は、利用者の状態を継続的に計測し、この変化を検出するものに過ぎない。したがって、特許文献２には、計測によって得られたデータを利用者の身体組成と関連付けることは一切記載されていない。
本発明は、利用者が習慣的に自身の身体組成をはじめとする身体を知ることができる身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムを提供することを目的とする。
本発明は、利用者が習慣的に自身の身体組成をはじめとする身体を知ることができる身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムを提供することを目的とする。
本発明の身体状態情報推定方法は、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含むことを特徴とする。
本発明の身体状態情報推定プログラムは、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする。
本発明の身体状態情報推定プログラムは、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする。
本発明の身体状態情報推定装置は、少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含むことを特徴とする。
本発明の身体状態情報推定システムは、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する上記身体状態情報推定装置と、を含むことを特徴とする。
本発明の身体状態情報推定システムは、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する上記身体状態情報推定装置と、を含むことを特徴とする。
以上説明した本発明は、身体組成を直接計測する機器を用いることなく、習慣的に自身の身体組成を知ることができる身体状態情報推定方法、身体状態情報推定プログラム、身体状態情報推定装置及び身体状態情報推定システムを提供することができる。
以下、本発明の一実施形態を図面に基づいて説明する。なお、すべての図面において、同様の構成要素には同様の符号を付し、重複する説明は適宜省略する。
［身体状態情報推定装置及び身体状態情報推定システム］
（身体状態情報推定装置）
図１は、本実施形態の身体状態情報推定装置１０を説明するための図である。身体状態情報推定装置１０は、身体状態情報推定装置の利用者（以下、単に「利用者」と記す）が行った運動及びこの運動が行われた時間帯に関する運動情報に基づいて利用者の身体状態情報を推定する身体状態情報推定部１３２を備えている。身体状態情報の推定は、少なくとも、予め取得された複数の被験者（以下、単に「被験者」と記す）が行った運動及びこの運動が行われた時間帯に関する運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者の運動情報を適用して行われる。
（身体状態情報推定装置）
図１は、本実施形態の身体状態情報推定装置１０を説明するための図である。身体状態情報推定装置１０は、身体状態情報推定装置の利用者（以下、単に「利用者」と記す）が行った運動及びこの運動が行われた時間帯に関する運動情報に基づいて利用者の身体状態情報を推定する身体状態情報推定部１３２を備えている。身体状態情報の推定は、少なくとも、予め取得された複数の被験者（以下、単に「被験者」と記す）が行った運動及びこの運動が行われた時間帯に関する運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者の運動情報を適用して行われる。
上記記載において、「被験者」とは、身体状態関連情報を作成するための運動情報及び身体状態情報を提供した者をいい、利用者とは、この身体状態関連情報を利用した身体状態情報推定方法を利用する者をいう。「運動」とは、被験者及び利用者が意識して身体を動かすことを指す。「時間帯」とは、運動の開始の時刻と終了の時刻とによって定義される時間である。「運動情報」とは、被験者が行った運動の量や強度等と、この運動が行われた時間帯とを対応付ける情報である。
運動の量は、例えば、運動が継続して行われた時間や身体を動かす動作の回数及び消費カロリー等によって表されるものであってもよい。運動強度は、例えば、酸素摂取量や心拍数によって定義するものであってもよい。運動強度の表現としては、安静時の酸素摂取量や心拍数を基準にする「ＭＥＴｓ」が知られていて、直接測定されたパラメータをＭＥＴｓに換算して使用するものであってもよい。
「身体状態情報」は、人の身体の状態を示す情報であって、具体的には、体の脂肪や筋肉等の組成に関する身体組成情報や、腹囲や腰の周長といった身体のサイズに関するサイズ情報が挙げられる。「身体状態関連情報」は、被験者の身体状態情報と、この被験者が行った運動の運動情報とを対応付ける情報である。
運動の量は、例えば、運動が継続して行われた時間や身体を動かす動作の回数及び消費カロリー等によって表されるものであってもよい。運動強度は、例えば、酸素摂取量や心拍数によって定義するものであってもよい。運動強度の表現としては、安静時の酸素摂取量や心拍数を基準にする「ＭＥＴｓ」が知られていて、直接測定されたパラメータをＭＥＴｓに換算して使用するものであってもよい。
「身体状態情報」は、人の身体の状態を示す情報であって、具体的には、体の脂肪や筋肉等の組成に関する身体組成情報や、腹囲や腰の周長といった身体のサイズに関するサイズ情報が挙げられる。「身体状態関連情報」は、被験者の身体状態情報と、この被験者が行った運動の運動情報とを対応付ける情報である。
身体状態情報推定装置１０は、身体状態情報を推定するために、利用者運動情報を取得する加速度センサ１１、制御部１３、表示部１５、タイマ１７、関連情報蓄積用メモリ１９及び入力部２１を備えている。
（加速度センサ）
加速度センサ１１は、ｘ、ｙ、ｚの３軸方向の加速度を検出するセンサであって、ｙ軸方向を重力方向として身体状態情報推定装置１０、ひいては利用者にかかる加速度を検出している。このような加速度センサ１１としては、例えば、スズケン社のライフコーダ（登録商標）ＥＸや、ライフコーダＰＬＵＳ等が使用される。ただし、加速度センサ１１は、一軸センサであってもよい。加速度センサ１１を使って運動情報を取得する本実施形態では、利用者の歩行動作を運動として計測している。歩行を計測する場合、加速度センサ１１は、利用者の腰付近に装着される。
なお、本実施形態は、歩行以外の運動を運動情報の取得に採用してもよい。歩行以外の運動としては、例えば、腕立て伏せ等が考えられる。腕立て伏せの回数や速度を計測する場合には、加速度センサ１１を利用者の上腕付近に装着することが考えられる。
（加速度センサ）
加速度センサ１１は、ｘ、ｙ、ｚの３軸方向の加速度を検出するセンサであって、ｙ軸方向を重力方向として身体状態情報推定装置１０、ひいては利用者にかかる加速度を検出している。このような加速度センサ１１としては、例えば、スズケン社のライフコーダ（登録商標）ＥＸや、ライフコーダＰＬＵＳ等が使用される。ただし、加速度センサ１１は、一軸センサであってもよい。加速度センサ１１を使って運動情報を取得する本実施形態では、利用者の歩行動作を運動として計測している。歩行を計測する場合、加速度センサ１１は、利用者の腰付近に装着される。
なお、本実施形態は、歩行以外の運動を運動情報の取得に採用してもよい。歩行以外の運動としては、例えば、腕立て伏せ等が考えられる。腕立て伏せの回数や速度を計測する場合には、加速度センサ１１を利用者の上腕付近に装着することが考えられる。
（制御部）
制御部１３は、運動情報作成部１３１、身体状態情報推定部１３２及びメッセージ作成部１３３を備えている。運動情報作成部１３１は、加速度センサ１１が取得した加速度データを入力する。そして、加速度データから利用者の歩行の歩数とその運動強度（以下、「歩行強度」とも記す）を検出する。なお、歩行強度は、例えば、歩行の「速度」により検出してもよい。
さらに、歩数または歩行強度にタイマ１７から取得した時刻の情報を対応つけて運動情報を作成する。このような制御部１３は、所謂コンピュータであり、図示しないＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やデータ蓄積用のメモリ及びワーキングメモリといった公知の構成を備えている。運動情報作成部１３１、身体状態情報推定部１３２及びメッセージ作成部１３３は、各々、制御部１３上において、所定の機能を発揮するハードウェア及びこのハードウェアを制御するプログラムにより構成される。
運動情報作成部１３１は、加速度センサ１１から出力された加速度信号を読み取り、以下に説明するように各種の演算処理によって運動の量及び運動強度を算出する。本実施形態は、運動量として歩行の歩数を加速度が加わった回数によって計測する。また、運動の強度を歩行強度とし、歩行強度を加わった加速度の強さによって計測する。
制御部１３は、運動情報作成部１３１、身体状態情報推定部１３２及びメッセージ作成部１３３を備えている。運動情報作成部１３１は、加速度センサ１１が取得した加速度データを入力する。そして、加速度データから利用者の歩行の歩数とその運動強度（以下、「歩行強度」とも記す）を検出する。なお、歩行強度は、例えば、歩行の「速度」により検出してもよい。
さらに、歩数または歩行強度にタイマ１７から取得した時刻の情報を対応つけて運動情報を作成する。このような制御部１３は、所謂コンピュータであり、図示しないＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）やデータ蓄積用のメモリ及びワーキングメモリといった公知の構成を備えている。運動情報作成部１３１、身体状態情報推定部１３２及びメッセージ作成部１３３は、各々、制御部１３上において、所定の機能を発揮するハードウェア及びこのハードウェアを制御するプログラムにより構成される。
運動情報作成部１３１は、加速度センサ１１から出力された加速度信号を読み取り、以下に説明するように各種の演算処理によって運動の量及び運動強度を算出する。本実施形態は、運動量として歩行の歩数を加速度が加わった回数によって計測する。また、運動の強度を歩行強度とし、歩行強度を加わった加速度の強さによって計測する。
運動情報作成部１３１は、加速度センサ１１で取得した加速度信号から重力方向の加速度成分を抽出してもよい。加速度信号から歩数や速度を算出する演算処理はこれまで各種が提案されており特に限定されない。以下に例を示す。
はじめに、運動情報作成部１３１は、加速度センサ１１から逐次出力される加速度信号を電圧信号に変換し、デジタル変換及びノイズ除去し、三軸加速度の合成または重力方向成分の抽出等の処理を行って加速度データを生成する。なお、本実施形態において加速度とは、地球の重力加速度の影響を除去したものをいう。すなわち、歩行中の利用者には重力加速度と併せて１Ｇ以上の加速度（例えば１．２Ｇ）が負荷される。ただし、運動情報作成部１３１は、計測された加速度から重力加速度の影響を適宜排除した値（この場合、０．２Ｇ）を加速度として取得してもよい。
はじめに、運動情報作成部１３１は、加速度センサ１１から逐次出力される加速度信号を電圧信号に変換し、デジタル変換及びノイズ除去し、三軸加速度の合成または重力方向成分の抽出等の処理を行って加速度データを生成する。なお、本実施形態において加速度とは、地球の重力加速度の影響を除去したものをいう。すなわち、歩行中の利用者には重力加速度と併せて１Ｇ以上の加速度（例えば１．２Ｇ）が負荷される。ただし、運動情報作成部１３１は、計測された加速度から重力加速度の影響を適宜排除した値（この場合、０．２Ｇ）を加速度として取得してもよい。
歩数を計測する場合、運動情報作成部１３１は、加速度データを閾値と比較して加速度の値が閾値を上回ったことにより利用者の歩行を計測する。歩行の計測回数は、歩数としてカウントされる。また、歩行の運動強度を計測する場合、運動情報作成部１３１は、加速度データを閾値と比較して加速度の大きさを判定し、その判定結果に基づいて運動強度を算出する。閾値は運動情報作成部１３１に予め記憶されている。運動情報作成部１３１は、加速度センサ１１が装着された状態で活動する利用者から加速度を常時計測し、所定の時間間隔（以下、強度決定間隔という）毎に時々刻々と歩数や歩行による運動強度を算出する。
本実施形態では、運動情報作成部１３１が、計測された加速度データをその大きさに基づいて例えば０から９及び０．５の１１段階に分類する。分類された加速度データは、強度決定間隔の間に計測されたデータを１単位として前記したデータ蓄積用のメモリに記憶される。
本実施形態では、運動情報作成部１３１が、計測された加速度データをその大きさに基づいて例えば０から９及び０．５の１１段階に分類する。分類された加速度データは、強度決定間隔の間に計測されたデータを１単位として前記したデータ蓄積用のメモリに記憶される。
強度決定間隔は、１秒以上１０秒以下、たとえば４秒間や６秒間等とすることができる。強度決定間隔を１０秒以下とすることで、利用者の運動を詳細に解析することができる。
運動情報作成部１３１は、強度決定間隔毎に加速度センサ１１からの加速度信号に基づいて１個または複数個の加速度データを生成して加速度の大きさを判定する。好ましくは、強度決定間隔毎に複数個の加速度データを生成してそれぞれ加速度の大きさを判定するとよい。この場合、加速度センサ１１が加速度信号を取得するサンプリング間隔は、上記の強度決定間隔よりも短く設定し、より好ましくは強度決定間隔の時間内に加速度センサ１１は加速度信号を複数回に亘って計測するように設定する。このため、強度決定間隔を１秒以上とすることで、加速度センサ１１のサンプリング間隔を過度に短くすることなく、強度決定間隔の時間内に多くの加速度信号を加速度センサ１１で計測することができる。
運動情報作成部１３１は、強度決定間隔毎に加速度センサ１１からの加速度信号に基づいて１個または複数個の加速度データを生成して加速度の大きさを判定する。好ましくは、強度決定間隔毎に複数個の加速度データを生成してそれぞれ加速度の大きさを判定するとよい。この場合、加速度センサ１１が加速度信号を取得するサンプリング間隔は、上記の強度決定間隔よりも短く設定し、より好ましくは強度決定間隔の時間内に加速度センサ１１は加速度信号を複数回に亘って計測するように設定する。このため、強度決定間隔を１秒以上とすることで、加速度センサ１１のサンプリング間隔を過度に短くすることなく、強度決定間隔の時間内に多くの加速度信号を加速度センサ１１で計測することができる。
運動情報作成部１３１は、判定された加速度の大きさ毎の発生回数に基づいて、強度決定間隔の時間内における利用者の運動強度を決定する。これにより、瞬間的に大きな加速度が検出されたことに起因して運動強度が過大に判定されることが抑制される。また、検出された加速度の大きさが同等であっても、加速度の発生頻度の大小に基づいて運動強度を異なる強度段階に区別することができる。
運動情報作成部１３１は、強度決定間隔の時間内にカウントされた加速度を平均して運動強度を決定してもよい。これにより、利用者が立ち上がったり倒れたりした瞬間に記録される大きな加速度によって過度に高い運動強度が計測されることが防止される。このようにして、運動情報作成部１３１は強度決定間隔毎に、この強度決定間隔の時間内に取得された複数個の加速度データに基づいて１個の運動強度を生成することができる。
運動情報作成部１３１は、強度決定間隔の時間内にカウントされた加速度を平均して運動強度を決定してもよい。これにより、利用者が立ち上がったり倒れたりした瞬間に記録される大きな加速度によって過度に高い運動強度が計測されることが防止される。このようにして、運動情報作成部１３１は強度決定間隔毎に、この強度決定間隔の時間内に取得された複数個の加速度データに基づいて１個の運動強度を生成することができる。
身体状態情報推定部１３２は、関連情報蓄積用メモリ１９から身体状態関連情報を読み出す。そして、身体状態関連情報に運動情報作成部１３１が作成した運動情報を適用して利用者の身体状態情報を推定する。なお、身体状態関連情報については、後に詳述する。
メッセージ作成部１３３は、利用者の運動情報を被験者の身体状態情報及び被験者の運動情報と比較して、利用者に運動及びこの運動を行う時間帯を示唆するアドバイス情報を含んだメッセージを作成する。アドバイス情報の作成にあたっては、入力部２１を介して利用者が予め入力した目標値や条件を使用することもできる。利用者の目標値とは、例えば、利用者が目標とする脂肪や筋力の身体状態情報が挙げられる。また、条件としては、利用者が希望する運動量または運動強度の上限値が挙げられる。入力部２１は、キーボード、ペンタブ、タッチパネル、音声入力装置など、種々のものを用いることができる。
メッセージ作成部１３３は、利用者の身体状態情報が目標の身体状態情報に近づき、かつ上限値を超えないように運動を行うアドバイス情報を作成する。メッセージ作成部１３３によって作成されたアドバイス情報を含むメッセージは、表示部１５に出力され、表示される。表示部１５として、公知のディスプレイ装置を用いることができる。また、本実施形態では、メッセージを表示部１５にテキストで表示させる構成に限定されるものでなく、それに替えてあるいはそれに加えて、運動すべき時間帯や運動量等を音声や光で利用者に通知することもできる。
メッセージ作成部１３３は、利用者の運動情報を被験者の身体状態情報及び被験者の運動情報と比較して、利用者に運動及びこの運動を行う時間帯を示唆するアドバイス情報を含んだメッセージを作成する。アドバイス情報の作成にあたっては、入力部２１を介して利用者が予め入力した目標値や条件を使用することもできる。利用者の目標値とは、例えば、利用者が目標とする脂肪や筋力の身体状態情報が挙げられる。また、条件としては、利用者が希望する運動量または運動強度の上限値が挙げられる。入力部２１は、キーボード、ペンタブ、タッチパネル、音声入力装置など、種々のものを用いることができる。
メッセージ作成部１３３は、利用者の身体状態情報が目標の身体状態情報に近づき、かつ上限値を超えないように運動を行うアドバイス情報を作成する。メッセージ作成部１３３によって作成されたアドバイス情報を含むメッセージは、表示部１５に出力され、表示される。表示部１５として、公知のディスプレイ装置を用いることができる。また、本実施形態では、メッセージを表示部１５にテキストで表示させる構成に限定されるものでなく、それに替えてあるいはそれに加えて、運動すべき時間帯や運動量等を音声や光で利用者に通知することもできる。
このような本実施形態の身体状態情報推定装置１０は、例えば、歩数計機能を持ったスマートフォンとして構成してもよい。身体状態情報推定装置１０をスマートフォンとして構成した場合、加速度センサ１１、タイマ１７、関連情報蓄積用メモリ１９、入力部２１及び表示部１５にスマートフォンが備える公知の構成を利用することもできる。
（身体状態情報推定システム）
また、本発明の実施形態は、上記した身体状態情報推定装置１０の構成に限定されるものではなく、運動情報を取得する運動情報取得装置と、取得された運動情報を演算処理して身体状態情報を推定する身体状態情報推定装置とを別体とすることもできる。
図２（ａ）、図２（ｂ）は、運動情報取得装置と身体状態情報推定装置とを別体とした構成を例示した図である。なお、本実施形態では、運動情報取得装置と身体状態情報推定装置とを別体とした構成を「身体状態情報推定システム」とも記す。図２（ａ）に示した構成は、運動情報取得装置３０と、身体状態情報を使って身体状態情報を推定する身体状態情報推定装置５０と、によって身体状態情報推定システムを構築した例を示している。運動情報取得装置３０は、加速度センサ１１、運動情報作成部１３１及びタイマ１７に加えて出力インターフェース（Ｉ／Ｆ）３１を備えている。身体状態情報推定装置５０は、身体状態情報推定部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９及び入力部２１及び表示部１５に加えて入力インターフェース（Ｉ／Ｆ）５１を備えている。
また、本発明の実施形態は、上記した身体状態情報推定装置１０の構成に限定されるものではなく、運動情報を取得する運動情報取得装置と、取得された運動情報を演算処理して身体状態情報を推定する身体状態情報推定装置とを別体とすることもできる。
図２（ａ）、図２（ｂ）は、運動情報取得装置と身体状態情報推定装置とを別体とした構成を例示した図である。なお、本実施形態では、運動情報取得装置と身体状態情報推定装置とを別体とした構成を「身体状態情報推定システム」とも記す。図２（ａ）に示した構成は、運動情報取得装置３０と、身体状態情報を使って身体状態情報を推定する身体状態情報推定装置５０と、によって身体状態情報推定システムを構築した例を示している。運動情報取得装置３０は、加速度センサ１１、運動情報作成部１３１及びタイマ１７に加えて出力インターフェース（Ｉ／Ｆ）３１を備えている。身体状態情報推定装置５０は、身体状態情報推定部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９及び入力部２１及び表示部１５に加えて入力インターフェース（Ｉ／Ｆ）５１を備えている。
出力Ｉ／Ｆ３１及び入力Ｉ／Ｆ５１は、データの記録媒体を使って運動情報取得装置３０から身体状態情報推定装置５０に運動情報を入力するものであってもよい。また、有線あるいは無線で運動情報を授受するものであってもよく、赤外線通信によって運動情報を送受信するものであってもよい。
また、本実施形態は、図２（ｂ）に示したように、加速度センサ１１、運動情報作成部１３１及びタイマ１７を備えた運動情報取得装置２０と、身体状態情報推定部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９、入力部２１及び表示部１５を備えた身体状態情報推定装置４０とをネットワークＮに接続してコンピュータシステムを構築してもよい。
また、本実施形態は、図２（ｂ）に示したように、加速度センサ１１、運動情報作成部１３１及びタイマ１７を備えた運動情報取得装置２０と、身体状態情報推定部１３２、メッセージ作成部１３３、関連情報蓄積用メモリ１９、入力部２１及び表示部１５を備えた身体状態情報推定装置４０とをネットワークＮに接続してコンピュータシステムを構築してもよい。
本実施形態を図２（ａ）のように運動情報取得装置３０と身体状態情報推定装置５０とに分けて構成した場合、利用者が身体に装着する運動情報取得装置を小型化し、利用者の運動情報取得装置の装着にかかる負荷を軽減することができる。また、身体状態情報推定部１３２やメッセージ作成部１３３を大型の機器とすることができるので、身体状態情報を高い精度で推定することができる。また、推定し、あるいは表示できる身体状態情報の種別やメッセージの内容を多様化し、あるいは充実することができる。
また、図２（ｂ）のように、本実施形態を運動情報取得装置２０と身体状態情報推定装置４０とに分けてネットワークＮに接続した場合、取得した運動情報を逐次身体状態情報推定装置に送信し、リアルタイムで歩数や運動強度を計測することができる。そして、利用者に対してリアルタイムにメッセージを送信することができる。
また、図２（ｂ）のように、本実施形態を運動情報取得装置２０と身体状態情報推定装置４０とに分けてネットワークＮに接続した場合、取得した運動情報を逐次身体状態情報推定装置に送信し、リアルタイムで歩数や運動強度を計測することができる。そして、利用者に対してリアルタイムにメッセージを送信することができる。
［身体状態情報推定方法］
次に、本実施形態の身体状態情報推定方法を説明する。
本実施形態の身体状態情報推定方法は、少なくとも、被験者の運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及びこの運動が行われた時間帯に関する利用者の運動情報を適用して利用者の身体状態情報を推定する工程を含んでいる。本実施形態では、このような身体状態情報推定方法の説明に先立って、先ず、身体状態関連情報について説明する。
次に、本実施形態の身体状態情報推定方法を説明する。
本実施形態の身体状態情報推定方法は、少なくとも、被験者の運動情報と、被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及びこの運動が行われた時間帯に関する利用者の運動情報を適用して利用者の身体状態情報を推定する工程を含んでいる。本実施形態では、このような身体状態情報推定方法の説明に先立って、先ず、身体状態関連情報について説明する。
（身体状態関連情報）
本発明者らは、５００人の男性を被験者として各人の運動情報を取得した。運動情報の取得は、被験者の歩行を運動の指標とし、歩行の歩数を「運動量」、歩行強度を「運動強度」とした。また、運動情報の取得は、図２（ａ）に示した運動情報取得装置３０を被験者が２８日間起床から就寝の間腰につけて行った。さらに、運動情報の取得は、３時間の時間範囲内に行われた歩行を１単位として行った。このため、本実施形態では、被験者の２８日間の歩行の歩数と歩行強度とが３時間毎に時間帯と対応つけられて記録される。
本発明者らは、５００人の男性を被験者として各人の運動情報を取得した。運動情報の取得は、被験者の歩行を運動の指標とし、歩行の歩数を「運動量」、歩行強度を「運動強度」とした。また、運動情報の取得は、図２（ａ）に示した運動情報取得装置３０を被験者が２８日間起床から就寝の間腰につけて行った。さらに、運動情報の取得は、３時間の時間範囲内に行われた歩行を１単位として行った。このため、本実施形態では、被験者の２８日間の歩行の歩数と歩行強度とが３時間毎に時間帯と対応つけられて記録される。
本発明者らは、被験者の歩行の歩数、歩行強度及び歩行が行われた時間帯と、被験者の身体状態情報との間に相関性があることを見出した。例えば、昼から午後にかけての時間帯はエネルギー代謝が他の時間より高く、ホルモンの分泌も活発に行われている。本発明者らの調査によれば、このような時間帯に運動を行うと、脂肪を効率的に燃焼することができる。また、夕方から夜の時間帯は、スピードや持久力が他の時間帯より高まって運動能力を発揮させやすい。さらに、夜間の運動は、細胞がたんぱく質を他の時間帯より多く生成するため、重量挙げ等の筋力の増強に効果的である。このような調査の結果は、運動学、栄養学の観点からも妥当であると考えられる。本発明者らは、このような運動学等に加え、被験者の実際の身体状態情報と運動情報との対応を使って利用者の要望に即したトレーニングをアドバイスすることに想到し、本発明を完成させた。
運動を歩行（走行を含む）とした場合、本実施形態は、以下の（１）から（１０）に示した４４種類のパラメータを定める。そして、このパラメータを使って被験者の身体状態情報を推定する身体状態関連情報を作成する。
（１） １〜８；各時間帯の歩数の平均値
設定された３時間の時間帯（例えば３−６時）毎の歩数（Ｎｓ３−６）を計測する。そして、各時間帯の歩数の２８日間の平均値（Ｎｓ３−６ａｖｅ）を算出して、各時間帯の歩数の平均値とする。
Ｎｓ３−６ａｖｅ、Ｎｓ６−９ａｖｅ、Ｎｓ９−１２ａｖｅ、Ｎｓ１２−１５ａｖｅ、Ｎｓ１５−１８ａｖｅ、Ｎｓ１８−２１ａｖｅ、Ｎｓ２１−２４ａｖｅ、Ｎｓ２４−３ａｖｅ
設定された３時間の時間帯（例えば３−６時）毎の歩数（Ｎｓ３−６）を計測する。そして、各時間帯の歩数の２８日間の平均値（Ｎｓ３−６ａｖｅ）を算出して、各時間帯の歩数の平均値とする。
Ｎｓ３−６ａｖｅ、Ｎｓ６−９ａｖｅ、Ｎｓ９−１２ａｖｅ、Ｎｓ１２−１５ａｖｅ、Ｎｓ１５−１８ａｖｅ、Ｎｓ１８−２１ａｖｅ、Ｎｓ２１−２４ａｖｅ、Ｎｓ２４−３ａｖｅ
（２） ９〜１６；各時間帯の歩行強度の平均値
設定された３時間の時間帯（例えば３−６時）毎の歩行の強度（Ｎｐ３−６）を計測し、前記した１秒以上１０秒以下、たとえば４秒間や６秒間等の決定間隔で歩行強度を決定する。歩行強度は３時間の間に変化するから、利用者が歩行中であると運動情報作成部１３１が判断した時間内における歩行強度を強度決定間隔ごとに算出し、それらを時間平均した値を、その時間帯の平均歩行強度とする。そして、各時間帯の平均歩行強度に関して２８日間の平均値（Ｎｐ３−６ａｖｅ）を算出して、各時間帯の歩行強度の平均値とする。
Ｎｐ３−６ａｖｅ、Ｎｐ６−９ａｖｅ、Ｎｐ９−１２ａｖｅ、Ｎｐ１２−１５ａｖｅ、Ｎｐ１５−１８ａｖｅ、Ｎｐ１８−２１ａｖｅ、Ｎｐ２１−２４ａｖｅ、Ｎｐ２４−３ａｖｅ
設定された３時間の時間帯（例えば３−６時）毎の歩行の強度（Ｎｐ３−６）を計測し、前記した１秒以上１０秒以下、たとえば４秒間や６秒間等の決定間隔で歩行強度を決定する。歩行強度は３時間の間に変化するから、利用者が歩行中であると運動情報作成部１３１が判断した時間内における歩行強度を強度決定間隔ごとに算出し、それらを時間平均した値を、その時間帯の平均歩行強度とする。そして、各時間帯の平均歩行強度に関して２８日間の平均値（Ｎｐ３−６ａｖｅ）を算出して、各時間帯の歩行強度の平均値とする。
Ｎｐ３−６ａｖｅ、Ｎｐ６−９ａｖｅ、Ｎｐ９−１２ａｖｅ、Ｎｐ１２−１５ａｖｅ、Ｎｐ１５−１８ａｖｅ、Ｎｐ１８−２１ａｖｅ、Ｎｐ２１−２４ａｖｅ、Ｎｐ２４−３ａｖｅ
（３） １７〜２７；各段階（０〜９及び０．５）の強度の出現頻度の平均値
１日において、決定間隔ごとに出現した強度を強度毎（Ｎｆ０、Ｎｆ０．５、Ｎｆ１、Ｎｆ２、Ｎｆ３、Ｎｆ４、Ｎｆ５、Ｎｆ６、Ｎｆ７、Ｎｆ８、Ｎｆ９）に毎日カウントする。そして、各強度の出現頻度に関して２８日間の平均値（Ｎｆ０ａｖｅ）を算出して、各段階の強度の頻度の平均値とする。
Ｎｆ０ａｖｅ、Ｎｆ０．５ａｖｅ、Ｎｆ１ａｖｅ、Ｎｆ２ａｖｅ、Ｎｆ３ａｖｅ、Ｎｆ４ａｖｅ、Ｎｆ５ａｖｅ、Ｎｆ６ａｖｅ、Ｎｆ７ａｖｅ、Ｎｆ８ａｖｅ、Ｎｆ９ａｖｅ
１日において、決定間隔ごとに出現した強度を強度毎（Ｎｆ０、Ｎｆ０．５、Ｎｆ１、Ｎｆ２、Ｎｆ３、Ｎｆ４、Ｎｆ５、Ｎｆ６、Ｎｆ７、Ｎｆ８、Ｎｆ９）に毎日カウントする。そして、各強度の出現頻度に関して２８日間の平均値（Ｎｆ０ａｖｅ）を算出して、各段階の強度の頻度の平均値とする。
Ｎｆ０ａｖｅ、Ｎｆ０．５ａｖｅ、Ｎｆ１ａｖｅ、Ｎｆ２ａｖｅ、Ｎｆ３ａｖｅ、Ｎｆ４ａｖｅ、Ｎｆ５ａｖｅ、Ｎｆ６ａｖｅ、Ｎｆ７ａｖｅ、Ｎｆ８ａｖｅ、Ｎｆ９ａｖｅ
（４） ２８；歩数の変動係数
２８日間の歩数の標準偏差Ｎｓｓｄを算出する。また、計測された歩数を２８日間で平均した平均値（Ｎｓａｖｅ）を算出する。そして、標準偏差Ｎｓｓｄを平均値（Ｎｓａｖｅ）で除算した以下の値を歩数の変動係数とする。
Ｎｓｓｄ／Ｎｓａｖｅ
２８日間の歩数の標準偏差Ｎｓｓｄを算出する。また、計測された歩数を２８日間で平均した平均値（Ｎｓａｖｅ）を算出する。そして、標準偏差Ｎｓｓｄを平均値（Ｎｓａｖｅ）で除算した以下の値を歩数の変動係数とする。
Ｎｓｓｄ／Ｎｓａｖｅ
（５） ２９；装着時間変動係数
２８日間の装着時間の標準偏差Ｎｉｓｄを算出する。また、計測された装着時間を２８日間で平均した平均値（Ｎｉａｖｅ）を算出する。そして、標準偏差Ｎｉｓｄを平均値Ｎｉａｖｅで除算した以下の値を装着時間変動係数とする。
Ｎｉｓｄ／Ｎｉａｖｅ
２８日間の装着時間の標準偏差Ｎｉｓｄを算出する。また、計測された装着時間を２８日間で平均した平均値（Ｎｉａｖｅ）を算出する。そして、標準偏差Ｎｉｓｄを平均値Ｎｉａｖｅで除算した以下の値を装着時間変動係数とする。
Ｎｉｓｄ／Ｎｉａｖｅ
（６） ３０；歩行強度変動係数
２８日間の歩行強度の標準偏差Ｎｐｓｄを算出する。また、計測された歩行強度を２８日間で平均した平均値（Ｎｐａｖｅ）を算出する。そして、標準偏差Ｎｐｓｄを平均値Ｎｐａｖｅで除算した以下の値を歩行強度変動係数とする。
Ｎｐｓｄ／Ｎｐａｖｅ
２８日間の歩行強度の標準偏差Ｎｐｓｄを算出する。また、計測された歩行強度を２８日間で平均した平均値（Ｎｐａｖｅ）を算出する。そして、標準偏差Ｎｐｓｄを平均値Ｎｐａｖｅで除算した以下の値を歩行強度変動係数とする。
Ｎｐｓｄ／Ｎｐａｖｅ
（７） ３１〜４１；各段階（０〜９及び０．５）の歩行強度の頻度の変動係数
各段階（０〜９及び０．５）の強度で歩行が行われた頻度（Ｎｆ０、Ｎｆ０．５、Ｎｆ１、Ｎｆ２、Ｎｆ３、Ｎｆ４、Ｎｆ５、Ｎｆ６、Ｎｆ７、Ｎｆ８、Ｎｆ９）を毎日カウントする。また、カウントされた頻度の標準偏差を強度毎に算出する（Ｎｓｄ０、Ｎｓｄ０．５、Ｎｓｄ１、Ｎｓｄ２、Ｎｓｄ３、Ｎｓｄ４、Ｎｓｄ５、Ｎｓｄ６、Ｎｓｄ７、Ｎｓｄ８、Ｎｓｄ９）。そして、上記標準偏差（Ｎｓｄ０、Ｎｓｄ０．５、Ｎｓｄ１、Ｎｓｄ２、Ｎｓｄ３、Ｎｓｄ４、Ｎｓｄ５、Ｎｓｄ６、Ｎｓｄ７、Ｎｓｄ８、Ｎｓｄ９）を（３）に示した各強度の２８日間の平均値（Ｎｆ０ａｖｅ、Ｎｆ０．５ａｖｅ、Ｎｆ１ａｖｅ、Ｎｆ２ａｖｅ、Ｎｆ３ａｖｅ、Ｎｆ４ａｖｅ、Ｎｆ５ａｖｅ、Ｎｆ６ａｖｅ、Ｎｆ７ａｖｅ、Ｎｆ８ａｖｅ、Ｎｆ９ａｖｅ）で除算して、各段階の歩行強度の頻度の変動係数とする。
Ｎｓｄ０／Ｎｆ０ａｖｅ、Ｎｓｄ０．５／Ｎｆ０．５ａｖｅ、Ｎｓｄ１／Ｎｆ１ａｖｅ、Ｎｓｄ２／Ｎｆ２ａｖｅ、Ｎｓｄ３／Ｎｆ３ａｖｅ、Ｎｓｄ４／Ｎｆ４ａｖｅ、Ｎｓｄ５／Ｎｆ５ａｖｅ、Ｎｓｄ６／Ｎｆ６ａｖｅ、Ｎｓｄ７／Ｎｆ７ａｖｅ、Ｎｓｄ８／Ｎｆ８ａｖｅ、Ｎｓｄ９／Ｎｆ９ａｖｅ
ただし、上記Ｎｓｄ０、Ｎｆ０ａｖｅは、いずれも被験者が運動情報取得装置３０を装着していない時間帯の情報を除くものとする。
（８） ４２；年齢
（９） ４３；身長
（１０） ４４；体重
各段階（０〜９及び０．５）の強度で歩行が行われた頻度（Ｎｆ０、Ｎｆ０．５、Ｎｆ１、Ｎｆ２、Ｎｆ３、Ｎｆ４、Ｎｆ５、Ｎｆ６、Ｎｆ７、Ｎｆ８、Ｎｆ９）を毎日カウントする。また、カウントされた頻度の標準偏差を強度毎に算出する（Ｎｓｄ０、Ｎｓｄ０．５、Ｎｓｄ１、Ｎｓｄ２、Ｎｓｄ３、Ｎｓｄ４、Ｎｓｄ５、Ｎｓｄ６、Ｎｓｄ７、Ｎｓｄ８、Ｎｓｄ９）。そして、上記標準偏差（Ｎｓｄ０、Ｎｓｄ０．５、Ｎｓｄ１、Ｎｓｄ２、Ｎｓｄ３、Ｎｓｄ４、Ｎｓｄ５、Ｎｓｄ６、Ｎｓｄ７、Ｎｓｄ８、Ｎｓｄ９）を（３）に示した各強度の２８日間の平均値（Ｎｆ０ａｖｅ、Ｎｆ０．５ａｖｅ、Ｎｆ１ａｖｅ、Ｎｆ２ａｖｅ、Ｎｆ３ａｖｅ、Ｎｆ４ａｖｅ、Ｎｆ５ａｖｅ、Ｎｆ６ａｖｅ、Ｎｆ７ａｖｅ、Ｎｆ８ａｖｅ、Ｎｆ９ａｖｅ）で除算して、各段階の歩行強度の頻度の変動係数とする。
Ｎｓｄ０／Ｎｆ０ａｖｅ、Ｎｓｄ０．５／Ｎｆ０．５ａｖｅ、Ｎｓｄ１／Ｎｆ１ａｖｅ、Ｎｓｄ２／Ｎｆ２ａｖｅ、Ｎｓｄ３／Ｎｆ３ａｖｅ、Ｎｓｄ４／Ｎｆ４ａｖｅ、Ｎｓｄ５／Ｎｆ５ａｖｅ、Ｎｓｄ６／Ｎｆ６ａｖｅ、Ｎｓｄ７／Ｎｆ７ａｖｅ、Ｎｓｄ８／Ｎｆ８ａｖｅ、Ｎｓｄ９／Ｎｆ９ａｖｅ
ただし、上記Ｎｓｄ０、Ｎｆ０ａｖｅは、いずれも被験者が運動情報取得装置３０を装着していない時間帯の情報を除くものとする。
（８） ４２；年齢
（９） ４３；身長
（１０） ４４；体重
表１、表２及び表３は、上記パラメータのうち、被験者の身体状態情報と、この身体状態情報を推定するために使用されるパラメータを例示するものである。また、表１から表３は、被験者の身体状態情報の実測値と推定値との相関性を示している。パラメータの欄において、「；」の後に続く括弧付き数字は上記した各パラメータの括弧付き数字に対応する。
表１においては、身体状態情報として、内臓脂肪、腹囲、骨格筋指数及び体脂肪率を挙げている。表２は、表１に続く表であり、表２においては、身体状態情報として、腹囲と腰の周長との比（腹囲／腰の周長、以下、「ウェスト・ヒップ比」と記す）及び握力を挙げている。特に握力は、全身の筋力と相関性の高いパラメータである。さらに、表３においては、身体状態情報として、細胞内水分量、細胞外水分量、タンパク質量、ミネラル量、体水分量及びＥＣＷ／ＴＢＣを挙げている。表１から表３に示すように、本実施形態のパラメータを使った握力及びＥＣＷ／ＴＢＣを除く身体状態情報の推定では、実測値との相関関数Ｒが０．７０９から０．９４、決定係数Ｒ２が０．５０２から０．８８３の高い値をとっている。
表１においては、身体状態情報として、内臓脂肪、腹囲、骨格筋指数及び体脂肪率を挙げている。表２は、表１に続く表であり、表２においては、身体状態情報として、腹囲と腰の周長との比（腹囲／腰の周長、以下、「ウェスト・ヒップ比」と記す）及び握力を挙げている。特に握力は、全身の筋力と相関性の高いパラメータである。さらに、表３においては、身体状態情報として、細胞内水分量、細胞外水分量、タンパク質量、ミネラル量、体水分量及びＥＣＷ／ＴＢＣを挙げている。表１から表３に示すように、本実施形態のパラメータを使った握力及びＥＣＷ／ＴＢＣを除く身体状態情報の推定では、実測値との相関関数Ｒが０．７０９から０．９４、決定係数Ｒ２が０．５０２から０．８８３の高い値をとっている。
上記パラメータのうち、（１）の歩行強度の平均値は、利用者の歩行速度の推定に使用することができる。歩行強度の推定は、歩行強度の平均値を重回帰式に適用して行われる。歩行速度を推定する重回帰式は、以下のとおりである。
（男性）
推定歩行速度（Ｋｍ／ｈ）＝０．８６２（歩行強度平均値）＋０．０３５（身長（ｃｍ））−４．７０５
（女性）
推定歩行速度（Ｋｍ／ｈ）＝０．６８４（歩行強度平均値）＋１．８５１
（男性）
推定歩行速度（Ｋｍ／ｈ）＝０．８６２（歩行強度平均値）＋０．０３５（身長（ｃｍ））−４．７０５
（女性）
推定歩行速度（Ｋｍ／ｈ）＝０．６８４（歩行強度平均値）＋１．８５１
本実施形態の歩行強度「５」等の数値は、例えば、ＭＥＴｓで定められる最大酸素摂取量の酸素を利用者が摂取すると考えられる歩行強度を最大値とし、安静時の酸素摂取量を最小値とし、この間を分割することによって定めることができる。なお、ＭＥＴｓでは、例えば、３ＭＥＴｓを６７ｍ／分で平地を歩く程度、３．３ＭＥＴｓを８１ｍ／分で平地を歩く程度、３．８ＭＥＴｓを９４ｍ／分で平地を歩く程度、４ＭＥＴｓを９５ｍ〜１００ｍ／分で平地を歩く程度、５ＭＥＴｓを１０７ｍ／分で平地を速歩する程度と定めている。
本実施形態の回帰分析は、市販の統計計算用のソフトウェアを使って行った。回帰分析には、多変量回帰分析や、ロジスティック回帰分析が使用される。回帰分析では、説明変数に使用されるパラメータに変数増加法、変数減少法あるいはその両方を行って組み合わせを変えながら正答率が高くなるパラメータが選択される。さらに、パラメータに付される係数は適宜選択される。
本実施形態の回帰分析は、市販の統計計算用のソフトウェアを使って行った。回帰分析には、多変量回帰分析や、ロジスティック回帰分析が使用される。回帰分析では、説明変数に使用されるパラメータに変数増加法、変数減少法あるいはその両方を行って組み合わせを変えながら正答率が高くなるパラメータが選択される。さらに、パラメータに付される係数は適宜選択される。
また、本実施形態の身体状態情報推定方法では、表１から表３に示すように、身体状態情報の推定にあたり、身体状態情報の他、さらに、身長、体重及び年齢の少なくとも一つを使って身体状態情報を推定している。本実施形態では、被験者の身長、体重及び年齢の少なくとも一つを被験者の運動情報と共に使って身体状態関連情報を決定し、決定した身体状態関連情報に対して利用者の運動情報と共に身長、体重及び年齢の少なくとも一つを適用して利用者の身体状態情報を推定する。
さらに、本実施形態の身体状態情報推定方法では、表１から表３に示すように、被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報を被験者の運動情報として使用している。
表１から表３中に示した身体状態情報や身長等のパラメータの末尾に付された（＋）は、そのパラメータが大きくなれば身体状態情報の推定値が大きくなることを示している。また、（−）は、そのパラメータが大きくなれば身体状態情報の推定値が小さくなることを示している。
さらに、本実施形態の身体状態情報推定方法では、表１から表３に示すように、被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報を被験者の運動情報として使用している。
表１から表３中に示した身体状態情報や身長等のパラメータの末尾に付された（＋）は、そのパラメータが大きくなれば身体状態情報の推定値が大きくなることを示している。また、（−）は、そのパラメータが大きくなれば身体状態情報の推定値が小さくなることを示している。
また、本実施形態は、身体状態情報の推定に使用するパラメータとして、計測された運動情報そのものばかりでなく、被験者が行った運動の運動量または運動強度の分散の程度を使用している。運動量または運動強度の分散の程度は、例えば、運動量または運動強度の計測期間内における「ばらつき」を示すパラメータであり、本実施形態では上記変動係数によって表される。
さらに、本実施形態は、運動の一日のうちの運動量の分布に関する情報をも運動情報として推定に使用することができる。運動量の分布とは、例えば、「朝運動時間割合」、「昼運動時間割合」及び「夜運動時間割合」等によって表される。朝運動時間割合は、３時から９時に行われた歩行の歩数が１日の歩数に占める割合を示す。昼運動時間割合は、９時から１８時に行われた歩行の歩数が１日の歩数に占める割合を示す。夜運動時間割合は、１８時から３時に行われた歩行の歩数が１日の歩数に占める割合を示す。
さらに、本実施形態は、運動の一日のうちの運動量の分布に関する情報をも運動情報として推定に使用することができる。運動量の分布とは、例えば、「朝運動時間割合」、「昼運動時間割合」及び「夜運動時間割合」等によって表される。朝運動時間割合は、３時から９時に行われた歩行の歩数が１日の歩数に占める割合を示す。昼運動時間割合は、９時から１８時に行われた歩行の歩数が１日の歩数に占める割合を示す。夜運動時間割合は、１８時から３時に行われた歩行の歩数が１日の歩数に占める割合を示す。
ただし、本実施形態の運動情報を含むパラメータは、以上説明した例に限定されるものではない。例えば、運動情報は、３時間毎に１単位として計測されるものに限定されず、任意の時間を単位として計測するものであってもよい。パラメータの平均値は、計測時間中の平均に限定されるものでなく、任意の単位時間あたりの平均値であってもよいし、１日あたりの平均値であってもよい。
また、本実施形態は、被験者の歩数と歩行強度とを２８日間に亘って記録するものに限定されるものではない。歩数等の記録は、７日間以上行えばよい。
また、本実施形態は、被験者の歩数と歩行強度とを２８日間に亘って記録するものに限定されるものではない。歩数等の記録は、７日間以上行えばよい。
表１から表３に示した相関係数Ｒ及び決定係数Ｒ２は、被験者の各身体状態情報の実測値と、パラメータを使って推定された推定値との相関性を示している。各身体状態情報の実測値は、いずれも被験者の身体に微弱な電流を流して計測されたインピーダンスから測定された値である。内臓脂肪では、相関係数Ｒが０．８０５、決定係数Ｒ２が０．６４９の高い相関性を得た。また、腹囲では、相関係数Ｒが０．９１１、決定係数Ｒ２が０．８３０、骨格筋指数では相関係数Ｒが０．８４６、決定係数Ｒ２が０．７１５、体脂肪率では相関係数Ｒが０．７８１、決定係数Ｒ２が０．６１０、ウェスト・ヒップ比では相関係数Ｒが０．７０９、決定係数Ｒ２が０．５０２と、いずれも高い相関性を得た。
以上のことにより、本実施形態は、被験者の身体状態情報を高い信頼性を持って推定することが可能である。
以上のことにより、本実施形態は、被験者の身体状態情報を高い信頼性を持って推定することが可能である。
次に、以上説明した被験者の身体状態情報の実測値と推定値との関係の具体例を示す。
図３は、身体状態情報のうち、内臓脂肪面積（ＶＦＡ）の実測値と推定値との関係を示した図である。図３の縦軸は実測値を示し、横軸は推定値を示している。この例では、横軸に示した推定値が以下の式（１）によって算出されている。式（１）は、運動情報と推定値との関係を統計的にロジスティック回帰分析した結果得られた関数である。
図３は、身体状態情報のうち、内臓脂肪面積（ＶＦＡ）の実測値と推定値との関係を示した図である。図３の縦軸は実測値を示し、横軸は推定値を示している。この例では、横軸に示した推定値が以下の式（１）によって算出されている。式（１）は、運動情報と推定値との関係を統計的にロジスティック回帰分析した結果得られた関数である。
（数１）
−４×１０−３（６時から９時の間の歩数の平均）−７×１０−３（１２時から１５時の間の歩数の平均値）＋３．４７９（体重）−１．５８７（身長）＋０．７０６（年齢）
...式（１）
図３に示した実測値と推定値は、相関係数Ｒが０．８０５、決定係数Ｒ２が０．６４９の高い相関性を有している。式（１）は、被験者の運動情報と身体状態情報（内臓脂肪面積）との関係性を示す身体状態関連情報の一例となる。本実施形態は、式（１）中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
−４×１０−３（６時から９時の間の歩数の平均）−７×１０−３（１２時から１５時の間の歩数の平均値）＋３．４７９（体重）−１．５８７（身長）＋０．７０６（年齢）
...式（１）
図３に示した実測値と推定値は、相関係数Ｒが０．８０５、決定係数Ｒ２が０．６４９の高い相関性を有している。式（１）は、被験者の運動情報と身体状態情報（内臓脂肪面積）との関係性を示す身体状態関連情報の一例となる。本実施形態は、式（１）中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
図４は、身体状態情報のうち、骨格筋指数（ＳＭＩ）の実測値と、骨格筋指数の推定値との関係を示した図である。図４の縦軸は実測値を示し、横軸は推定値を示している。この例では、横軸に示した推定値が以下の式（２）によって算出されている。式（２）は、運動情報と推定値との関係を統計的にロジスティック回帰分析した結果得られた関数である。
（数２）
１．３８×１０−４（９時から１２時の間の歩数の平均）＋８×１０−５（１５時から１８時の間の歩数の平均）＋０．２０６（１８時から２１時の間の歩行強度の平均値）＋０．０６２（体重）−０．１１（身長） ...式（２）
図４に示した実測値と推定値は、相関係数Ｒが０．８４６、決定係数Ｒ２が０．７１５の高い相関性を有している。式（２）は、被験者の運動情報と身体状態情報（骨格筋指数）との関係性を示す身体状態関連情報の一例となる。本実施形態は、式（２）中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
１．３８×１０−４（９時から１２時の間の歩数の平均）＋８×１０−５（１５時から１８時の間の歩数の平均）＋０．２０６（１８時から２１時の間の歩行強度の平均値）＋０．０６２（体重）−０．１１（身長） ...式（２）
図４に示した実測値と推定値は、相関係数Ｒが０．８４６、決定係数Ｒ２が０．７１５の高い相関性を有している。式（２）は、被験者の運動情報と身体状態情報（骨格筋指数）との関係性を示す身体状態関連情報の一例となる。本実施形態は、式（２）中の括弧内に示したパラメータに利用者のものを適用し、利用者の身体状態情報を推定する。
さらに、本発明者は、表２に示した握力が以下の式（３）、式（４）で表される身体状態関連情報によって推定できることを見出した。式（３）は、男性についてパラメータから握力を推定する身体状態関連情報であり、式（４）は、女性についてパラメータから握力を推定する身体状態関連情報である。
（数３）
７×１０−４（１２−１５時の間の歩数の平均）＋５×１０−４（１８−２１時の間の歩数の平均値）−０．３２８（年齢）＋０．２３２（身長）＋０．１２６（体重）＋１０．５９９ 式（３）
（数４）
０．３８５（３−６時の歩行強度の平均値）＋０．７５４（１５−１８時に行った歩の強度の平均値）−０．１６３（年齢）＋０．２０４（身長）＋０．１０８（体重）−４．８６ 式（４）
また、本実施形態の身体状態関連情報は、当然のことながら、式（１）から式（４）のような一次式の形式に限定されるものではない。身体状態関連情報は、利用者の運動情報や身長等を入力して身体状態情報を得るものであればどのようなものであってもよく、例えば、一次式以外の演算式であってもよいし、テーブル等の対応表であってもよい。
７×１０−４（１２−１５時の間の歩数の平均）＋５×１０−４（１８−２１時の間の歩数の平均値）−０．３２８（年齢）＋０．２３２（身長）＋０．１２６（体重）＋１０．５９９ 式（３）
（数４）
０．３８５（３−６時の歩行強度の平均値）＋０．７５４（１５−１８時に行った歩の強度の平均値）−０．１６３（年齢）＋０．２０４（身長）＋０．１０８（体重）−４．８６ 式（４）
また、本実施形態の身体状態関連情報は、当然のことながら、式（１）から式（４）のような一次式の形式に限定されるものではない。身体状態関連情報は、利用者の運動情報や身長等を入力して身体状態情報を得るものであればどのようなものであってもよく、例えば、一次式以外の演算式であってもよいし、テーブル等の対応表であってもよい。
（メッセージ）
次に、上記した身体状態関連情報に運動情報を適用して得られた結果に基づいて作成されるアドバイス情報を含むメッセージの例について説明する。
メッセージ作成部１３３は、利用者が目標とする身体状態情報及び、この身体状態情報に対応する身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成する。
上記記載において、アドバイスとは、利用者に対して運動の量、強度、運動すべき時間帯等を示唆する情報であり、アドバイス情報に適宜必要な情報を付加してメッセージが作成される。アドバイス情報に付加される情報としては、例えば、図５に示した図等がある。
次に、上記した身体状態関連情報に運動情報を適用して得られた結果に基づいて作成されるアドバイス情報を含むメッセージの例について説明する。
メッセージ作成部１３３は、利用者が目標とする身体状態情報及び、この身体状態情報に対応する身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成する。
上記記載において、アドバイスとは、利用者に対して運動の量、強度、運動すべき時間帯等を示唆する情報であり、アドバイス情報に適宜必要な情報を付加してメッセージが作成される。アドバイス情報に付加される情報としては、例えば、図５に示した図等がある。
図５は、アドバイスに付加されるメッセージを例示した図である。図５では、利用者の握力が同年代、同性の握力の平均値と比較して何パーセントであるかを示した「筋力」を示している。「筋力」は、５０％を平均値としているため、利用者の握力が平均値以下である場合には５０％以下の数値がメッセージに表示される。また、利用者の握力が平均値以上である場合には５０％以上の数値がメッセージに表示される。
さらに、図５に例示したメッセージには、筋力レベルを五角形のグラフで示した「筋力レベル」と、当該筋力が利用者と同性のどの年代の平均値に該当するかを示す「筋力年齢」と、が含まれている。「筋力レベル」では、「２」で示した領域が平均値を示し、「１」で示した領域が平均値以下、「３」で示した領域が平均値以上を示す。メッセージにおいては、例えば、利用者の握力に対応する領域が所定の色に着色されて利用者に表示されるようにしてもよい。
さらに、図５に示したメッセージには、利用者の握力が同性のどの年代に該当するかを示す「筋力年齢」が含まれる。握力は、全身の筋力と高い相関性を持つため、利用者の気筋力の推定する指標に好適である。
さらに、図５に例示したメッセージには、筋力レベルを五角形のグラフで示した「筋力レベル」と、当該筋力が利用者と同性のどの年代の平均値に該当するかを示す「筋力年齢」と、が含まれている。「筋力レベル」では、「２」で示した領域が平均値を示し、「１」で示した領域が平均値以下、「３」で示した領域が平均値以上を示す。メッセージにおいては、例えば、利用者の握力に対応する領域が所定の色に着色されて利用者に表示されるようにしてもよい。
さらに、図５に示したメッセージには、利用者の握力が同性のどの年代に該当するかを示す「筋力年齢」が含まれる。握力は、全身の筋力と高い相関性を持つため、利用者の気筋力の推定する指標に好適である。
上記したメッセージは、さらに紙媒体に印字されて出力されるようにしてもよいし、利用者のスマートフォン等にメール等として送信してもよい。このようなメールは、本人の他、予め登録された第三者（家族等）にも送信するようにしてもよい。さらに、本実施形態は、運動情報取得装置３０にも図示しない表示部を設け、メッセージを運動情報取得装置３０の表示部を通じて両者に提示してもよい。さらに、本実施形態は、運動情報取得装置３０を身体状態情報推定装置５０に接続したとき、身体状態情報推定装置５０の表示部１５にメッセージが表示されるようにすることができる。
本実施形態では、図１、図２に示した入力部２１により、利用者が目標とする内臓脂肪面積等の身体状態情報（以下、「目標値」と記す）や利用者が設定した運動量や運動強度の上限値を予め入力することができる。メッセージ作成部１３３は、式（１）に示した身体状態関連情報に利用者の身長、体重、年齢を入力し、目標値に対応して利用者が歩行すべき６時から９時、及び１２時から１５時の歩数を算出する。
次に、メッセージ作成部１３３は、算出された歩数と取得された利用者の歩数との差分を算出し、例えば、「６時の歩行の歩数をあと○○○歩増やしましょう」等のアドバイス情報を含んだメッセージを送信する。
このような処理において、利用者の体重、身長及び年齢は、利用者が本実施形態の身体状態情報推定方法の利用開始にあたり、入力部２１を使って身体状態情報推定装置５０に予め登録しておいてもよいし、入力部２１から任意のタイミングで入力するものであってもよい。
次に、メッセージ作成部１３３は、算出された歩数と取得された利用者の歩数との差分を算出し、例えば、「６時の歩行の歩数をあと○○○歩増やしましょう」等のアドバイス情報を含んだメッセージを送信する。
このような処理において、利用者の体重、身長及び年齢は、利用者が本実施形態の身体状態情報推定方法の利用開始にあたり、入力部２１を使って身体状態情報推定装置５０に予め登録しておいてもよいし、入力部２１から任意のタイミングで入力するものであってもよい。
また、本実施形態では、上記の処理において、増やすべき運動量や運動強度が利用者の設定した上限値を上回った場合、メッセージ作成部１３３は、上限値に設定された歩数や強度の歩行をするように利用者にアドバイスするメッセージを作成する。このような処理によれば、利用者の実際の身体状態情報と目標値との差分が比較的大きくても、時間をかけることによって利用者の苦痛を抑えながら身体状態情報を目標値に近づけることができる。
さらに、メッセージ作成部１３３は、利用者の身体状態情報が目標値に達した場合、「内臓脂肪面積が×××まで減りました、目標達成です」等のメッセージを作成してもよい。
さらに、メッセージ作成部１３３は、利用者の身体状態情報が目標値に達した場合、「内臓脂肪面積が×××まで減りました、目標達成です」等のメッセージを作成してもよい。
（利用者の身体状態情報の推定）
図６は、本実施形態の身体状態情報推定方法を説明するためのフローチャートである。また、図６のフローチャートは、図２（ａ）に示した身体状態情報推定装置５０として構成されるコンピュータによって行われる例を示している。このフローチャートでは、利用者の運動情報として運動強度を３時間計測し、計測値の平均値を算出する処理を例示するものとする。また、図６のフローチャートでは、説明の簡単のため、１つの運動情報を一回取得する例を示している。しかし、表１から表３に示すように、本実施形態は、複数種の運動情報を複数回取得する場合も多い。
本実施形態の身体状態情報推定方法では、処理が開始されると、運動情報取得装置３０の加速度センサ１１が、利用者の運動情報の取得を開始する（ステップＳ５０１）。なお、このような処理は、例えば、利用者が望んでいる身体状態情報の推定内容に応じた時刻に自動的に開始するものであってもよいし、起床と同時に開始するものであってもよい。
「利用者が望んでいる身体状態情報の推定内容に応じた時刻」とは、例えば、利用者が表１に示した内蔵脂肪の減少を望んでいる場合の６時または１２時を指す。
図６は、本実施形態の身体状態情報推定方法を説明するためのフローチャートである。また、図６のフローチャートは、図２（ａ）に示した身体状態情報推定装置５０として構成されるコンピュータによって行われる例を示している。このフローチャートでは、利用者の運動情報として運動強度を３時間計測し、計測値の平均値を算出する処理を例示するものとする。また、図６のフローチャートでは、説明の簡単のため、１つの運動情報を一回取得する例を示している。しかし、表１から表３に示すように、本実施形態は、複数種の運動情報を複数回取得する場合も多い。
本実施形態の身体状態情報推定方法では、処理が開始されると、運動情報取得装置３０の加速度センサ１１が、利用者の運動情報の取得を開始する（ステップＳ５０１）。なお、このような処理は、例えば、利用者が望んでいる身体状態情報の推定内容に応じた時刻に自動的に開始するものであってもよいし、起床と同時に開始するものであってもよい。
「利用者が望んでいる身体状態情報の推定内容に応じた時刻」とは、例えば、利用者が表１に示した内蔵脂肪の減少を望んでいる場合の６時または１２時を指す。
利用者の運動情報の取得が開始されると、タイマ１７は、３時間が経過するまで計時を継続して行う（ステップＳ５０２）。加速度センサ１１は、タイマ１７が計時を行っている間は利用者にかかる加速度を検出し、運動情報作成部１３１に運動強度として出力し続ける。３時間の計時が終了した場合（ステップＳ５０２：Ｙｅｓ）、運動情報作成部１３１は、加速度センサ１１が計測した運動強度の３時間の平均値を算出する（ステップＳ５０３）。また、運動情報作成部１３１は、算出された平均値に計測が行われた時間帯を対応つけて運動情報を作成する。作成された運動情報は、出力Ｉ／Ｆ３１及び入力Ｉ／Ｆ５１を介して身体状態情報推定部１３２に送られる。身体状態情報推定部１３２は、関連情報蓄積用メモリ１９から身体状態関連情報を読み出し、利用者の運動情報を適用して身体状態情報を推定する（ステップＳ５０４）。
メッセージ作成部１３３は、例えば、推定された利用者の身体状態情報と実際の身体状態情報の差分に基づいて利用者に歩数や運動強度をアドバイスするアドバイス情報を作成する。そして、アドバイス情報に身体状態情報等を付加してメッセージを作成する（ステップＳ５０５）。メッセージは、表示部１５に出力される（ステップＳ５０６）。
なお、メッセージの出力は、図６に示したフローチャートに記載されたものに限定されるものではない。例えば、表１に示した骨格筋指数のように、９時から１２時、１５時から１８時、１８時から２１時の３回に渡って行われる運動から運動情報を取得する場合、２１時までに行われた運動の運動情報から身体状態情報を推定する。そして、推定された身体状態情報に基づいて作成されたメッセージを、例えば、翌日の運動開始時に利用者に提供するようにしてもよい。
なお、メッセージの出力は、図６に示したフローチャートに記載されたものに限定されるものではない。例えば、表１に示した骨格筋指数のように、９時から１２時、１５時から１８時、１８時から２１時の３回に渡って行われる運動から運動情報を取得する場合、２１時までに行われた運動の運動情報から身体状態情報を推定する。そして、推定された身体状態情報に基づいて作成されたメッセージを、例えば、翌日の運動開始時に利用者に提供するようにしてもよい。
以上説明したフローチャートの少なくともステップＳ５０４からステップＳ５０６は、例えば、身体状態情報推定装置５０において図示しないコンピュータによって実現されるプログラムによって処理される。
以上説明した本実施形態は、利用者が行った運動に基づいて利用者の身体状態情報を推定している。このため、利用者は特別な機器を用いることなく身体状態情報を推定することができる。また、本実施形態は、自動的に利用者から運動情報を取得することができるので、利用者に負担をかけることなく身体状態情報の推定を習慣化することができる。
また、本実施形態は、時間行動学の原理に基づいて被験者の実測値を考慮した身体状態関連情報に運動情報を適用して身体状態情報を推定している。このため、実測値と相関性が高い推定値を得ることができる。
また、本実施形態は、時間行動学の原理に基づいて被験者の実測値を考慮した身体状態関連情報に運動情報を適用して身体状態情報を推定している。このため、実測値と相関性が高い推定値を得ることができる。
［変形例］
また、本実施形態は、以上説明したように、運動情報から身体状態情報を推定することに限定されるものではない。例えば、利用者の運動情報を被験者の運動情報と比較して、利用者が将来発生し得る障害または疾病（以下、「疾病等」と記す）を予測する疾病予測工程をさらに含む、ようにすることもできる。
疾病等を予測する場合、図２に示した関連情報蓄積用メモリ１９には身体状態関連情報に代えて、疾病関連情報が蓄積される。疾病関連情報とは、被験者の活動に関する情報をパラメータにして表される活動と疾病の予測値（ＩＮＤＥＸ）との関係を示す情報である。例えば、認知症（疾病）に関するＩＮＤＥＸを得るための疾病関連情報は、以下のように表される。
−１．６２９（３〜６時に行った歩行の強度の平均値）−０．０２（２１〜２４時に行った歩行の歩数の平均値）＋０．１９２（年齢）−１７．１３９ 式（５）
また、本実施形態は、以上説明したように、運動情報から身体状態情報を推定することに限定されるものではない。例えば、利用者の運動情報を被験者の運動情報と比較して、利用者が将来発生し得る障害または疾病（以下、「疾病等」と記す）を予測する疾病予測工程をさらに含む、ようにすることもできる。
疾病等を予測する場合、図２に示した関連情報蓄積用メモリ１９には身体状態関連情報に代えて、疾病関連情報が蓄積される。疾病関連情報とは、被験者の活動に関する情報をパラメータにして表される活動と疾病の予測値（ＩＮＤＥＸ）との関係を示す情報である。例えば、認知症（疾病）に関するＩＮＤＥＸを得るための疾病関連情報は、以下のように表される。
−１．６２９（３〜６時に行った歩行の強度の平均値）−０．０２（２１〜２４時に行った歩行の歩数の平均値）＋０．１９２（年齢）−１７．１３９ 式（５）
本変形例にあっては、図６に示したフローチャートにおいて、図２に示した身体状態情報推定部１３２が関連情報蓄積用メモリ１９から例えば式（５）の疾病関連情報を読み出し、式（５）に示した括弧（）内に利用者の活動（歩行）に関するパラメータや年齢等のパラメータを適用することにより、利用者が認知症を発症する可能性の有無やその度合いを予測することができる。
なお、本変形例において、疾病関連情報は、身体状態関連情報と同様に、式の形に限定されずテーブル等の活動情報を与えて疾病の予測値を得られるものであれば、どのような形式のものであってもよい。
なお、本変形例において、疾病関連情報は、身体状態関連情報と同様に、式の形に限定されずテーブル等の活動情報を与えて疾病の予測値を得られるものであれば、どのような形式のものであってもよい。
上記実施形態及び実施例は以下の技術思想を包含するものである。
＜１＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含むことを特徴とする、身体状態情報推定方法。
＜２＞
前記身体状態情報推定工程においては、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の身体状態情報が推定される、＜１＞に記載の身体状態情報推定方法。
＜３＞
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜４＞
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分散の程度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜５＞
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分布の程度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜６＞
前記利用者が目標とする前記身体状態情報に対応する前記身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む＜１＞から＜５＞のいずれか１項に記載の身体状態情報推定方法。
＜７＞
前記被験者運動情報と、前記被験者の疾病または障害に関する被験者疾病情報と、の関連性を表す疾病関連情報に前記利用者運動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程をさらに含む、＜１＞から＜６＞のいずれか１項に記載の身体状態情報推定方法。
＜８＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする身体状態情報推定プログラム。
＜９＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含むことを特徴とする、身体状態情報推定装置。
＜１０＞
利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、
前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する＜９＞に記載の身体状態情報推定装置と、
を含むことを特徴とする身体状態情報推定システム。
＜１＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含むことを特徴とする、身体状態情報推定方法。
＜２＞
前記身体状態情報推定工程においては、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の身体状態情報が推定される、＜１＞に記載の身体状態情報推定方法。
＜３＞
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜４＞
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分散の程度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜５＞
前記被験者運動情報は、前記被験者が行った運動の運動量または運動強度の分布の程度に関する情報である、＜１＞または＜２＞に記載の身体状態情報推定方法。
＜６＞
前記利用者が目標とする前記身体状態情報に対応する前記身体状態関連情報に基づいて、利用者が行うべき運動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む＜１＞から＜５＞のいずれか１項に記載の身体状態情報推定方法。
＜７＞
前記被験者運動情報と、前記被験者の疾病または障害に関する被験者疾病情報と、の関連性を表す疾病関連情報に前記利用者運動情報を適用して前記利用者が発症する疾病または障害を予測する疾病予測工程をさらに含む、＜１＞から＜６＞のいずれか１項に記載の身体状態情報推定方法。
＜８＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定方法ステップを含むことを特徴とする身体状態情報推定プログラム。
＜９＞
少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含むことを特徴とする、身体状態情報推定装置。
＜１０＞
利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、
前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する＜９＞に記載の身体状態情報推定装置と、
を含むことを特徴とする身体状態情報推定システム。
１０，４０，５０ 身体状態情報推定装置
１１ 加速度センサ
１３ 制御部
１５ 表示部
１７ タイマ
１９ 関連情報蓄積用メモリ
２０，３０ 運動情報取得装置
２１ 入力部
３１ 出力Ｉ／Ｆ
５１ 入力Ｉ／Ｆ
１３１ 運動情報作成部
１３２ 身体状態情報推定部
１３３ メッセージ作成部
Ｎ ネットワーク
１１ 加速度センサ
１３ 制御部
１５ 表示部
１７ タイマ
１９ 関連情報蓄積用メモリ
２０，３０ 運動情報取得装置
２１ 入力部
３１ 出力Ｉ／Ｆ
５１ 入力Ｉ／Ｆ
１３１ 運動情報作成部
１３２ 身体状態情報推定部
１３３ メッセージ作成部
Ｎ ネットワーク
Claims (6)
- 少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定工程を含み、
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量もしくは運動強度に関する情報、または前記被験者が行った運動の運動量もしくは運動強度の分散の程度に関する情報であることを特徴とする、身体状態情報推定方法。 - 前記身体状態情報推定工程においては、さらに、前記利用者の身長、体重及び年齢の少なくとも一つに関する情報に基づいて前記利用者の身体状態情報が推定される、請求項１に記載の身体状態情報推定方法。
- 前記利用者が目標とする前記身体状態情報に対応する前記身体状態関連情報に基づいて、前記利用者が行うべき運動に関するアドバイスを含むメッセージを作成するメッセージ作成工程、をさらに含む請求項１または２に記載の身体状態情報推定方法。
- 少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定機能を含み、
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報、または前記被験者が行った運動の運動量または運動強度の分散の程度に関する情報であることを特徴とする身体状態情報推定プログラム。 - 少なくとも、予め取得された複数の被験者が行った運動及び当該運動が行われた時間帯に関する被験者運動情報と、前記被験者の身体に関する被験者身体状態情報と、の関連性を表す身体状態関連情報に、利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を適用して前記利用者の身体状態情報を推定する身体状態情報推定部を含み、
前記被験者運動情報は、前記被験者が一日のうちの特定の時間帯に行った運動の運動量または運動強度に関する情報、または前記被験者が行った運動の運動量または運動強度の分散の程度に関する情報であることを特徴とする、身体状態情報推定装置。 - 利用者が行った運動及び当該運動が行われた時間帯に関する利用者運動情報を取得する運動情報取得装置と、
前記運動情報取得装置から前記利用者運動情報を入力し、前記利用者運動情報に基づいて前記利用者の身体に関する身体状態情報を推定する請求項５に記載の身体状態情報推定装置と、
を含むことを特徴とする身体状態情報推定システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016225215A JP6830799B2 (ja) | 2016-11-18 | 2016-11-18 | 身体状態情報推定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2016225215A JP6830799B2 (ja) | 2016-11-18 | 2016-11-18 | 身体状態情報推定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2018079220A JP2018079220A (ja) | 2018-05-24 |
| JP6830799B2 true JP6830799B2 (ja) | 2021-02-17 |
Family
ID=62196998
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016225215A Active JP6830799B2 (ja) | 2016-11-18 | 2016-11-18 | 身体状態情報推定方法 |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6830799B2 (ja) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6681429B2 (ja) * | 2018-05-25 | 2020-04-15 | シャープ株式会社 | ネットワークシステム、サーバ、および情報処理方法 |
| JP7209199B2 (ja) * | 2019-04-09 | 2023-01-20 | パナソニックＩｐマネジメント株式会社 | 筋力管理システム及び筋力管理方法 |
| WO2023127007A1 (ja) * | 2021-12-27 | 2023-07-06 | 日本電気株式会社 | 筋力指標推定装置、筋力指標推定システム、筋力指標推定方法、および記録媒体 |
Family Cites Families (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP4449617B2 (ja) * | 2003-12-22 | 2010-04-14 | パナソニック電工株式会社 | 運動状態センシングシステム |
| JP5636859B2 (ja) * | 2010-10-14 | 2014-12-10 | セイコーエプソン株式会社 | 血糖値予測システム |
| JP6232746B2 (ja) * | 2013-05-24 | 2017-11-22 | セイコーエプソン株式会社 | 情報処理システム、情報処理装置、プログラム及び情報処理方法 |
-
2016
- 2016-11-18 JP JP2016225215A patent/JP6830799B2/ja active Active
Also Published As
| Publication number | Publication date |
|---|---|
| JP2018079220A (ja) | 2018-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Tedesco et al. | Accuracy of consumer-level and research-grade activity trackers in ambulatory settings in older adults | |
| CN106166063B (zh) | 体力监测方法和装置 | |
| AU2013220945B2 (en) | Exercise system and method | |
| CN107077523B (zh) | 健康风险指标确定 | |
| JP6236862B2 (ja) | 老年障害リスクの算出方法 | |
| WO2012117632A1 (ja) | 活動量計 | |
| JP2006345990A (ja) | 筋活動推定システム | |
| JP6727473B1 (ja) | 関心健康領域の健康度と予防的介入行動のそれぞれとの関連性を評価する方法、装置、及びプログラム | |
| JP6830799B2 (ja) | 身体状態情報推定方法 | |
| JP6186310B2 (ja) | 運動支援装置及び方法 | |
| JP6535778B1 (ja) | 運動能力評価システム | |
| JP6483180B2 (ja) | トレーニングメニュー提示システム、及びトレーニングメニュー提示プログラム | |
| da Silva Vieira et al. | The effect of virtual reality on a home-based cardiac rehabilitation program on body composition, lipid profile and eating patterns: a randomized controlled trial | |
| Ladlow et al. | Impact of anatomical placement of an accelerometer on prediction of physical activity energy expenditure in lower-limb amputees | |
| Pires et al. | Limitations of energy expenditure calculation based on a mobile phone accelerometer | |
| JP6864460B2 (ja) | 疾病予測装置 | |
| Burgess et al. | Do Fitflops™ increase lower limb muscle activity? | |
| JP2010172481A (ja) | 下肢協調性評価システム | |
| US20180256114A1 (en) | Exercise assistance system, information device, measurement device, exercise assistance method, and program | |
| US20230129375A1 (en) | Device, system and method for generating information on musculoskeletal recovery | |
| JP2010264088A (ja) | 健康増進プログラム | |
| De Man et al. | Validity and inter-device reliability of dominant and non-dominant wrist worn activity trackers in suburban walking. | |
| Yang et al. | Quantifying mental arousal levels in daily living using additional heart rate | |
| Asai et al. | Changes in step time variability, not changes in step length and width, are associated with lower-trunk sway during dual-task gait in older adults | |
| JP2016119006A (ja) | 運動プログラム自動作成方法およびシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20190904 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20200714 |
|
| A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20200715 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20200910 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20201027 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20201111 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20210105 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20210127 |
|
| R151 | Written notification of patent or utility model registration |
Ref document number: 6830799 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R151 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |