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
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。
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。
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。
(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。
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。
(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。
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。
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。
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。
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。
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、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。
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。
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。
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
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
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
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。
(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。
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。
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。
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。
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。
−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。
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。
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。
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。
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。
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。
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。
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。
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。
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、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)
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。
<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。
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 |