JP6885583B2 - 体組成変化予測装置、方法、及びプログラム - Google Patents

体組成変化予測装置、方法、及びプログラム Download PDF

Info

Publication number
JP6885583B2
JP6885583B2 JP2017050417A JP2017050417A JP6885583B2 JP 6885583 B2 JP6885583 B2 JP 6885583B2 JP 2017050417 A JP2017050417 A JP 2017050417A JP 2017050417 A JP2017050417 A JP 2017050417A JP 6885583 B2 JP6885583 B2 JP 6885583B2
Authority
JP
Japan
Prior art keywords
body composition
information
predicted value
user
composition 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
Application number
JP2017050417A
Other languages
English (en)
Other versions
JP2018155511A (ja
Inventor
児玉　美幸
美幸 児玉
あゆみ 草間
あゆみ 草間
望月　計
計 望月
真弓 久米川
真弓 久米川
伸治 金成
伸治 金成
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tanita Corp
Original Assignee
Tanita Corp
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
Application filed by Tanita Corp filed Critical Tanita Corp
Priority to JP2017050417A priority Critical patent/JP6885583B2/ja
Priority to US15/918,396 priority patent/US20180263541A1/en
Priority to EP18161519.6A priority patent/EP3376505A1/en
Priority to CN201810204669.0A priority patent/CN108618754A/zh
Publication of JP2018155511A publication Critical patent/JP2018155511A/ja
Priority to JP2021078759A priority patent/JP7166667B2/ja
Application granted granted Critical
Publication of JP6885583B2 publication Critical patent/JP6885583B2/ja
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/082—Evaluation by breath analysis, e.g. determination of the chemical composition of exhaled breath
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/08—Detecting, measuring or recording devices for evaluating the respiratory organs
    • A61B5/083—Measuring rate of metabolism by using breath test, e.g. measuring rate of oxygen consumption
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/45—For evaluating or diagnosing the musculoskeletal system or teeth
    • A61B5/4519—Muscles
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4833—Assessment of subject's compliance to treatment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4866—Evaluating metabolism
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • A61B5/4869—Determining body composition
    • A61B5/4872—Body fat
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7275—Determining trends in physiological measurement data; Predicting development of a medical condition based on physiological measurements, e.g. determining a risk factor
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/72—Signal processing specially adapted for physiological signals or for diagnostic purposes
    • A61B5/7271—Specific aspects of physiological measurement analysis
    • A61B5/7278—Artificial waveform generation or derivation, e.g. synthesising signals from measured signals
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2503/00—Evaluating a particular growth phase or type of persons or animals
    • A61B2503/10—Athletes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B2505/00—Evaluating, monitoring or diagnosing in the context of a particular type of medical care
    • A61B2505/09—Rehabilitation or training
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/30—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to physical therapies or activities, e.g. physiotherapy, acupressure or exercising
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H20/00—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance
    • G16H20/60—ICT specially adapted for therapies or health-improving plans, e.g. for handling prescriptions, for steering therapy or for monitoring patient compliance relating to nutrition control, e.g. diets

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Veterinary Medicine (AREA)
  • Biophysics (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • Physiology (AREA)
  • Psychiatry (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Signal Processing (AREA)
  • Artificial Intelligence (AREA)
  • Pulmonology (AREA)
  • Obesity (AREA)
  • Emergency Medicine (AREA)
  • Optics & Photonics (AREA)
  • Epidemiology (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Primary Health Care (AREA)
  • Dentistry (AREA)
  • Databases & Information Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Description

本発明は、体組成変化予測装置、方法、及びプログラムに関する。
特許文献１には、生体排出物に含まれている物質の濃度を測定した結果に基づいて、基準時間あたりの脂肪の燃焼量を導出し、算出した脂肪の燃焼量を食品の体積に換算し、換算した食品の体積を表す情報を提示する技術が開示されている。
従来の体組成計では、過去から現在までの習慣的な食生活及び／又は生活活動から蓄積されてきた脂肪量、筋肉量、及び骨量などの、過去からの蓄積が反映された現状の体組成情報を測定することができる。また、従来のケトン体（呼気アセトン、皮膚アセトン、血中ケトン、尿中ケトン）の濃度を測定するケトン体濃度測定装置では、その時の食事摂取量（エネルギー量は増加）と活動量（エネルギー量は減少）のバランスによるエネルギー収支の増減によって引き起こされる脂質代謝の活発度が測定でき、今後体脂肪が減る方向にあるのか否かを予測することができる。
特開２０１６−７５５３３号公報
上記特許文献１に記載されているケトン体濃度評価装置で判断できる体脂肪変化の予測は、測定者の現時点の測定結果に基づいた予測であり、直近又は比較的短期間経過後（例えば数日経過後）の予測を対象としている。また、特許文献１に記載されている予測式を用いて、比較的長期間経過後（例えば１週間以上経過後）の予測を、精度良く行うことは困難であることを本発明者は認識した。
本発明は、体組成の変化を精度良く予測することができる体組成変化予測装置、方法、及びプログラムを提供することを目的とする。
本発明に従う第１の態様の体組成変化予測装置は、ユーザーから排出されるケトン体を測定した測定ケトン体濃度を取得するケトン体濃度取得部と、前記ユーザーの現在の体組成情報及び過去の体組成情報を取得する体組成情報取得部と、前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を算出する予測値算出部と、前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを判定する燃焼スタイル判定部と、前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を重み付け計算する重み付け計算部と、重み付け計算された前記予測値に応じた情報を出力する出力部と、を備える。
本発明に従う第２の態様では、第１の態様において、前記重み付け計算部は、前記測定ケトン体濃度に基づいて前記ユーザーの脂肪燃焼量を算出し、算出した脂肪燃焼量に基づいて、重み付け計算された前記予測値を補正する。
本発明に従う第３の態様では、第１又は第２の態様において、前記任意の将来の時点は、予測先日数が経過した後であり、前記重み付け計算部は、前記予測先日数が予め定めた閾値以上の場合は、前記ユーザーに関するユーザー情報に基づいて、重み付け計算された前記予測値を、長期補正式を用いて補正する。
本発明に従う第４の態様では、第３の態様において、前記重み付け計算部は、活動量計から取得した前記ユーザーの消費エネルギーに基づいて、重み付け計算された前記予測値を、長期補正式を用いて補正する。
本発明に従う第５の態様では、第１〜第４の何れかの態様において、前記任意の将来の時点は、予測先日数が経過した後であり、前記予測値算出部は、前記過去の体組成情報を取得した期間が予め定めた期間以上である場合、前記過去の体組成情報及び前記予測先日数に基づいて、変化傾向を近似する任意の手法を用いて前記予測値を算出する。
本発明に従う第６の態様では、第１〜第５の何れかの態様において、前記任意の将来の時点は、予測先日数が経過した後であり、前記予測値算出部は、前記過去の体組成情報を取得した期間が予め定めた期間未満である場合、前記過去の体組成情報の１日当たりの変化量の平均値を算出し、算出した１日当たりの変化量の平均値と前記予測先日数に基づいて、前記予測値を算出する。
本発明に従う第７の態様では、第１〜第６の何れかの態様において、前記任意の将来の時点は、予測先日数が経過した後であり、前記予測値算出部は、前記過去の体組成情報が取得できない場合、前記ユーザーの食傾向情報及び活動量情報を取得し、取得した前記ユーザーの食傾向情報及び活動量情報と、前記予測先日数と、に基づいて前記予測値を算出する。
本発明に従う第８の態様の体組成変化予測方法は、ユーザーから排出されるケトン体を測定した測定ケトン体濃度を取得し、前記ユーザーの現在の体組成情報及び過去の体組成情報を取得し、前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を算出し、前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを判定し、前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を重み付け計算し、重み付け計算された前記予測値に応じた情報を出力する。
本発明に従う第９の態様の体組成変化予測プログラムは、コンピュータに、ユーザーから排出されるケトン体を測定した測定ケトン体濃度を取得し、前記ユーザーの現在の体組成情報及び過去の体組成情報を取得し、前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を算出し、前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを判定し、前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を重み付け計算し、重み付け計算された前記予測値に応じた情報を出力することを含む処理を実行させるためのプログラムである。
本発明によれば、体組成の変化を精度良く予測することができる、という効果を有する。
体組成変化予測ユニットのブロック図である。 センサ装置の外観図である。 体組成変化予測装置の機能ブロック図である。 体組成変化予測処理のフローチャートである。 筋肉量指数の分布を示す線図である。 体型を判定するためのマトリクスについて説明するための図である。 体型のイメージを表す図である。 燃焼スタイルを判定するための判定表を示す図である。 第１の予測処理のフローチャートである。 重みの変化幅について説明するための表である。 第２の予測処理のフローチャートである。 第３の予測処理のフローチャートである。
以下、本発明の実施形態について説明する。
図１は、本実施形態に係る体組成変化予測ユニット１０の構成図である。図１に示すように、体組成変化予測ユニット１０は、体組成変化予測装置としての体組成変化予測装置１２及びセンサ装置１４を備える。体組成変化予測装置１２は、コントローラ１６、表示部１８、操作部２０、計時部２２、及び通信部２４を備えている。センサ装置１４は、半導体式ガスセンサ２６及び圧力センサ２８を備える。
コントローラ１６は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１６Ａ、ＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）１２Ｂ、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）１６Ｃ、不揮発性メモリ１６Ｄ、及び入出力インターフェース（Ｉ／Ｏ）１６Ｅがバス１６Ｆを介して各々接続された構成となっている。この場合、後述する体組成変化予測処理をコントローラ１６のＣＰＵ１６Ａに実行させる体組成変化予測プログラムを、例えば不揮発性メモリ１６Ｄに書き込んでおき、これをＣＰＵ１６Ａが読み込んで実行する。なお、体組成変化予測プログラムは、ＣＤ−ＲＯＭ、メモリーカード等の記録媒体により提供するようにしてもよく、図示しないサーバからダウンロードするようにしてもよい。
Ｉ／Ｏ１６Ｅには、表示部１８、操作部２０、計時部２２、通信部２４、半導体式ガスセンサ２６、及び圧力センサ２８が接続されている。
表示部１８は、例えば液晶パネル等で構成される。表示部１８には、例えば各種設定画面、検知結果等の各種結果表示画面が表示される。
操作部２０は、各種操作を行うための操作部である。
なお、表示部１８及び操作部２０をタッチパネルを用いて一体に構成し、このタッチパネルに直接タッチすることで操作が可能な構成としてもよい。
計時部２２は、現在時刻を取得する機能及び時間を計時する計時機能を有する。
通信部２４は、体組成計２９等の外部装置と無線通信又は有線通信により情報の送受信を行う機能を有する。
体組成変化予測装置１２は、例えば専用の装置としてもよいし、パーソナルコンピュータ、スマートフォン、携帯電話、及びタブレット端末等の汎用の情報処理装置としてもよい。
半導体式ガスセンサ２６は、ユーザーにより吹きかけられた呼気等の生体ガスに感度を有するガスセンサである。半導体式ガスセンサ２６は、生体ガスを検知し、検知した生体ガスの濃度を電圧値で出力する。呼気中の生体ガスには、例えばケトン体、エタノール、アセトアルデヒド、水素、水蒸気、メタン、口臭等の様々な種類のガスが含まれる。ここで、ケトン体とは、アセト酢酸、３−ヒドロキシ酪酸（β−ヒドロキシ酪酸）、アセトンの総称であり、これらのうちの少なくとも一つを表す。
具体的には、半導体式ガスセンサ２６は、ＳｎＯ２等の金属酸化物半導体とヒータ及び電極を備えている。金属酸化物半導体は、干渉ガスあるいは妨害ガスが吸着すると、抵抗値が変化する。半導体式ガスセンサ２６はガスに対する定量性及び選択性が不足するが、微量のアセトン等に高感度である。本実施形態では、生体ガスを検知するセンサとして半導体式ガスセンサを用いた場合について説明するが、ガスクロマトグラフィー等の他の装置を用いて生体ガスを検知してもよい。
なお、本実施形態では、測定する生体ガスがアセトンである場合について説明する。アセトンは、脂質代謝の副産物であり、アセトンの濃度は脂肪の燃焼量に相当する。体内に糖質エネルギーが余っている場合には脂肪が燃焼されないためアセトンの濃度は低くなり、体内に糖質エネルギーが足りなくなった場合には脂肪が燃焼されるためアセトンの濃度は高くなる。従って、アセトンの濃度により脂肪の燃焼量を知ることができる。
圧力センサ２８は、ユーザーから吹きかけられた呼気の圧力を検知する。圧力センサ２８は、検知した圧力の大きさを電圧値で出力する。
図２には、センサ装置１４の外観図を示した。図２に示すように、センサ装置１４は、ユーザーが呼気を吹き込むための吹き込み口３０を備えている。ユーザーが吹き込み口３０に呼気を吹き込むと、生体ガスが半導体式ガスセンサ２６によって検知される。なお、図２に示したセンサ装置１４は、有線により体組成変化予測装置１２と接続されるが、これに限らず、無線で体組成変化予測装置１２と接続されてもよい。また、センサ装置１４と体組成変化予測装置１２とが一体に形成されていてもよい。
コントローラ１６のＣＰＵ１６Ａは、機能的には図３に示すように、アセトン濃度取得部４０と、体組成情報取得部４２と、予測値算出部４４と、燃焼スタイル判定部４６と、重み付け計算部４８と、出力部５０と、を備える。
ケトン体濃度取得部としてのアセトン濃度取得部４０は、ユーザーから排出されるアセトンを測定したアセトン濃度を取得する。
体組成情報取得部４２は、ユーザーの現在の体組成情報及び過去の体組成情報を取得する。
予測値算出部４４は、ユーザーの体組成に関する情報に基づいて、任意の将来の時点の体組成情報を予測した予測値を算出する。なお、任意の将来の時点とは、例えば今後の体組成変化を予測したい日までの日数である予測先日数が経過した後（例えば１００日後）、将来の日付（例えば２０１７年７月１日）等である。本実施形態では、任意の将来の時点が、予測先日数が経過した後である場合について説明する。
具体的には、予測値算出部４４は、過去の体組成情報を取得した期間が予め定めた期間以上である場合、過去の体組成情報及び予測先日数に基づいて、変化傾向を近似する任意の手法を用いて予測値を算出する。ここで、変化傾向を近似する任意の手法としては、最小二乗法、移動平均法等が挙げられるが、これに限られるものではない。本実施形態では、最小二乗法等を用いて予測値を算出する場合について説明する。
燃焼スタイル判定部４６は、アセトン濃度及び現在の体組成情報に基づいて、ユーザーの脂肪の燃焼スタイルを判定する。なお、燃焼スタイルとは、体脂肪率と筋肉度指数とから分類された各体型に対して、アセトン濃度から判定される脂質代謝を用いてさらに分類した指標である。
重み付け計算部４８は、燃焼スタイルに応じて設定されると共に、アセトン濃度が高くなるに従って大きくなる重みに基づいて予測値を重み付け計算する。ここで、重みとは、体組成が良好な方向に変化する影響の大きさの指標である。体組成が良好な方向に変化するとは、例えば、体重が減少すること、体脂肪率が減少すること、及び筋肉量が増加すること、の少なくとも１つの変化をすることをいう。本実施形態では、重みが大きくなるに従って、体組成が良好な方向に変化する影響が大きくなるものとして説明する。
また、重み付け計算とは、重みを用いて予測値（例えば最小二乗法等を用いて算出された予測値）を補正することである。
出力部５０は、重み付け計算された予測値に応じた情報を出力する。
なお、アセトン濃度取得部４０、体組成情報取得部４２、予測値算出部４４、燃焼スタイル判定部４６、重み付け計算部４８、及び出力部５０の少なくとも１つが、ＡＳＩＣ（Application Specific Integrated Circuit）等によって個別のハードウェアによって構成されていてもよい。
次に、本実施形態の作用として、コントローラ１６のＣＰＵ１６Ａにおいて実行される体組成変化予測プログラムによる処理について、図４に示すフローチャートを参照して説明する。なお、図４に示す処理は、ユーザーが体組成変化予測装置１２の操作部２０を操作して、体組成変化予測プログラムの実行を指示した場合に実行される。なお、ユーザーによる吹きかけを検知することによって図４に示す処理が実行されてもよい。
ステップＳ１００では、アセトン濃度取得部４０が、呼気を吹き込み口３０に吹きかけるようユーザーに促すメッセージを表示部１８に表示し、吹き込み口３０に呼気を吹きかけさせる。そして、半導体式ガスセンサ２６の出力値、すなわちアセトン濃度αを取得する。なお、吹き掛け開始直後の呼気には、大気中のガス成分が多く含まれている。そのため、脂肪の燃焼量に関連するアセトンの濃度を算出するときには、大気中のガス成分を排出し切った終末呼気を利用することが好ましい。すなわち、終末呼気が得られるタイミングの半導体式ガスセンサ２６の出力値を取得することが好ましい。従って、呼気の吹き掛けが検出された時点で計時部２２による計時を開始させ、予め定めた時間（例えば４秒）経過した時点の半導体式ガスセンサ２６の出力値を取得することが好ましい。
なお、呼気が吹き掛けられたか否かの判定は、例えば圧力センサ２８の出力値を取得し、取得した圧力センサ２８の出力値が予め定めた閾値以上であるか否かを判定すればよい。
ステップＳ１０２では、体組成情報取得部４２が、ユーザーに体組成情報を測定するよう促すメッセージを表示部１８に表示して体組成情報を測定させ、測定された体組成情報を体組成計２９から取得する。本実施形態では、一例として体重、体脂肪率、及び筋肉量を体組成情報として測定する。なお、他の装置、例えばスマートフォンのアプリ等を用いて入力又は取得された体組成情報を無線通信又は有線通信により取得してもよい。
ステップＳ１０４では、燃焼スタイル判定部４６が、ステップＳ１００で取得したアセトン濃度αと、ステップＳ１０２で取得した体組成情報と、に基づいて、ユーザーの脂肪の燃焼スタイルを判定する。
具体的には、ステップＳ１０２で取得した体組成情報のうち筋肉量Ｍとユーザーの身長Ｈとに基づいて筋肉量指数ＩＤＸを次式により算出する。ユーザーの身長は、体組成計２９から取得してもよいし、ユーザーに入力させてもよい。なお、筋肉量指数とは、身長を基準とした筋肉量の多さを指標化したものである。
ＩＤＸ＝Ｍ／Ｈ２ ・・・（１）
なお、上記（１）式ではＨを二乗しているが、二乗に限られるものではない。また、筋肉量指数ＩＤＸは、例えば図５に示すような分布となる。
そして、ステップＳ１０２で取得した体組成情報のうち体脂肪率％ＦＡＴと、筋肉量Ｍと、に基づいて、分類された複数の体型のなかから対応する１つの体型を判定する。具体的には、図６に示すようなマトリクスを用いて、ユーザーの体脂肪率％ＦＡＴ及び筋肉量Ｍに対応する体型が体型１〜９の中のどの体型に対応するかを判定する。
図７には、体型１〜９のイメージを示した。図６、７に示すように、体型１はかくれ肥満型、体型２は肥満型、体型３はかた太り型、体型４は運動不足型、体型５は標準型、体型６は筋肉質（１）型、体型７は痩せ型、体型８は細身筋肉質型、体型９は筋肉質（２）型である。なお、図６の例では、体型が９種類の場合について示したが、体型の数はこれに限られるものではない。
次に、ステップＳ１００で取得したアセトン濃度αと、上記のように判定した体型と、に基づいて燃焼スタイルを判定する。具体的には、図８に示すような燃焼スタイル判定表を用いて燃焼スタイルを判定する。図８に示す燃焼スタイル判定表は、体型、アセトン濃度α、燃焼スタイル及びアドバイス、及び重み（体脂肪率、筋肉量）の対応関係を表すテーブルデータである。
アセトン濃度は一例として高い（高）、標準（標）、低い（低）の３段階に分けられ、体型とアセトン濃度αとの組み合わせに応じて燃焼スタイルが判定される。例えば体型１（かくれ肥満型）でアセトン濃度が「高」の場合、燃焼スタイルは「これまでダラダラ生活気味でも今日は燃えている！」と判定される。
ステップＳ１０６では、出力部５０が、ステップＳ１０４で判定した燃焼スタイルに基づくアドバイス情報を表示部１８に表示する。例えば図８に示すように、燃焼スタイルが「これまでダラダラ生活気味でも今日は燃えている！」と判定された場合は、「太っていないけど筋肉少なめな「隠れ肥満」・・・でも、このところ、食事には気を使っているようですね。脂肪は今とても燃えていて、代謝が高まっています。スリムになるチャンス到来です！あとはたんぱく質を摂ってもうひと押し筋肉を鍛えましょう！」というメッセージをアドバイス情報として表示部１８に表示する。
ステップＳ１０８では、予測値算出部４４が、今後の体組成変化を予測するか否かを判定する。例えば今後の体組成変化を予測するか否かを選択するための選択画面を表示部１８に表示し、ユーザに今後の体組成変化を予測するか否かを選択させる。そして、今後の体組成変化を予測することが選択された場合はステップＳ１０９へ移行し、予測しないことが選択された場合は本ルーチンを終了する。
ステップＳ１０９では、予測値算出部４４が、今後の体組成変化を予測したい日までの日数である予測先日数を設定する。具体的には、予測先日数を設定する画面を表示部１８に表示し、ユーザーに予測先日数を入力させる。例えば１週間後の体組成情報を予測したい場合は、予測先日数は７日となる。
ステップＳ１１０では、予測値算出部４４が、今回が初めての測定か否かを判定する。例えば過去の体組成情報（体重、体脂肪率、筋肉量）の測定結果が不揮発性メモリ１６Ｄに一つも記憶されていない場合は今回が初めての測定と判定し、ステップＳ１１８へ移行する。一方、過去の体組成情報の測定結果が不揮発性メモリ１６Ｄに記憶されている場合は今回が初めての測定ではないと判定し、ステップＳ１１２へ移行する。なお、他の装置、例えばスマートフォンのアプリ等を用いて入力又は取得された過去の体組成情報を無線通信又は有線通信により取得できない場合を初めての測定と判定し、過去の体組成情報を無線通信又は有線通信により取得できる場合を初めての測定ではないと判定するようにしてもよい。
ステップＳ１１２では、予測値算出部４４が、不揮発性メモリ１６Ｄに過去の体組成情報の測定結果が予め定めた期間以上記憶されているか否かを判定する。例えば、過去の予め定めた期間以上（例えば１週間分以上）の体組成情報が不揮発性メモリ１６Ｄに記憶されているか否かを判定する。そして、不揮発性メモリ１６Ｄに過去の予め定めた期間以上の体組成情報が記憶されている場合はステップＳ１１４へ移行し、不揮発性メモリ１６Ｄに過去の予め定めた期間以上の体組成情報が記憶されていない場合、すなわち予め定めた期間未満の体組成情報しか記憶されていない場合はステップＳ１１６へ移行する。なお、不揮発性メモリ１６Ｄに過去の体組成情報の測定結果が予め定めた期間以上で且つ予め定めたデータ数以上記憶されているか否かを判定することが好ましい。
ステップＳ１１４では、図９に示す第１の予測処理が実行される。
ステップＳ２００では、予測値算出部４４が、最少二乗法を用いて、過去の体組成情報及び予測先日数に基づいて、ステップＳ１０９で設定された予測先日数の体組成情報（体重、体脂肪率、筋肉量）の予測値を算出する。
予測先日数後の体組成情報の予測値をｙ’、予測先日数をｄとすると、予測値ｙ’は次式で表される。
ｙ’＝ａ０＋ａ１×ｄ ・・・（２）
ここで、切片ａ０、傾きａ１は、次の連立方程式を解くことで得られる。
Figure 0006885583
 ・・・（３）
Figure 0006885583
・・・（４）
ｘｉは起点日からｉ日目の日数を表す。ｙｉは起点日からｉ日目の体組成情報を表す。ｎは、体組成情報の測定回数が１日当たり１回の場合は、過去に体組成情報を測定した日の数を表す。起点日は、過去の体組成情報のうち最も古い日に体組成情報を測定した日である。
上記（３）、（４）式を切片ａ０、傾きａ１の式で表すと次式のようになる。
Figure 0006885583
 ・・・（５）
Figure 0006885583
・・・（６）
従って、例えば過去３０日分の体組成情報を用いて３０日後の体組成情報の予測値ｙを得たい場合は、３０日前から現在までの日数ｘ１〜ｘ３０、３０日前から現在までの体組成情報ｙ１〜ｙ３０を上記（５）、（６）式に代入して切片ａ０、傾きａ１を算出し、上記（２）式によりｄ日後の予測値ｙ’を算出する。
ステップＳ２０２では、重み付け計算部４８が、ステップＳ２００で求めた予測値に対して、図４のステップＳ１０４で判定した燃焼スタイルに対応する重みを用いて重み付けする。例えば体型が「かくれ肥満型」でアセトン濃度が「高」の燃焼スタイルだった場合、図８に示すように、体脂肪率についての重みはａ１、筋肉量についての重みはｂ１に設定される。体脂肪率の予測値に対しては重みａ１を乗算する。また、筋肉量の予測値に対しては重みｂ１を乗算する。
なお、図１０に示すように、体脂肪率についての重みａ１〜ａ２７及び筋肉量についての重みｂ１〜ｂ２７は、同じ体型内においては、アセトン濃度が高い燃焼スタイルになるに従って大きくなる。その理由としては、同じ体型であっても、アセトン濃度が高くなるに従って脂質代謝量が大きくなるため、これを考慮するためである。また、図１０に示すように、体脂肪率についての重みａ１〜ａ２７及び筋肉量についての重みｂ１〜ｂ２７は、重み付けの変化幅が一例として「大」、「中」、「小」の３段階に分類されている。
すなわち、体脂肪率についての重みは、図６に示される筋肉量指数の分類（ＡｖｅｒａｇｅよりＬｏｗ側、Ａｖｅｒａｇｅ、及びＡｖｅｒａｇｅよりＨｉｇｈ側）毎に、異なる重み付けの変化幅（大、中、及び小）が設定されている。また、各重み付けの変化幅のなかで最も小さい重み同士（変化幅「大」ではａ２７、変化幅「中」ではａ２４、変化幅「小」ではａ２１）は、ほぼ同じ大きさである（ａ２７≒ａ２４≒ａ２１）。しかしながら、各重み付けの変化幅のなかで最も大きい重み同士（変化幅「大」ではａ７、変化幅「中」ではａ４、変化幅「小」ではａ１）は、変化幅が大きくなるに従って重みは大きくなる（ａ７＞ａ４＞ａ１）。なお、同じ重み付けの変化幅のなかの各重みは、体脂肪率が多くなるに従って大きくなる。その理由としては、体脂肪が多いほど、将来に向かって減少可能な体脂肪の量が多いため、体組成が良好な方向に変化する影響が大きいからである。
図１０の例では、体脂肪率についての重みａ７〜ａ９、ａ１６〜ａ１８、ａ２５〜ａ２７が「大」、重みａ４〜ａ６、ａ１３〜ａ１５、ａ２２〜ａ２４が「中」、重みａ１〜ａ３、ａ１０〜ａ１２、ａ１９〜ａ２１が「小」に分類されている。すなわち、筋肉量指数が高いほど、重み付けの変化幅が大きくなるように分類されている。その理由としては、筋肉量が多くなるに従って基礎代謝量が大きくなるため、体脂肪が減少し易くなるためである。
そして、重み付けの変化幅が「大」の重みは、（ａ７＞ａ８＞ａ９）＞（ａ１６＞ａ１７＞ａ１８）＞（ａ２５＞ａ２６＞ａ２７）のような関係となっている。また、重み付けの変化幅が「中」の重みは、（ａ４＞ａ５＞ａ６）＞（ａ１３＞ａ１４＞ａ１５）＞（ａ２２＞ａ２３＞ａ２４）のような関係となっている。さらに、重み付けの変化幅が「小」の重みは、（ａ１＞ａ２＞ａ３）＞（ａ１０＞ａ１１＞ａ１２）＞（ａ１９＞ａ２０＞ａ２１）のような関係となっている。すなわち、図６、８、１０を参照すれば判るように、筋肉量指数が高い体型ほど重み付けの変化幅が大きくなると共に、同じ体型の中ではアセトン濃度が高くなるほど重みが大きくなる。
また、筋肉量についての重みは、図６に示される脂肪率の分類（ＨｅａｌｔｈｙよりＵｎｄｅｒｆａｔ側、Ｈｅａｌｔｈｙ、及びＨｅａｌｔｈｙよりＯｖｅｒｆａｔ側）毎に、異なる重み付けの変化幅（大、中、及び小）が設定されている。また、各重み付けの変化幅のなかで最も小さい重み同士（変化幅「大」ではｂ２１、変化幅「中」ではｂ１２、変化幅「小」ではｂ３）は、ほぼ同じ大きさである（ｂ２１≒ｂ１２≒ｂ３）。しかしながら、各重み付けの変化幅のなかで最も大きい重み同士（変化幅「大」ではｂ２５、変化幅「中」ではｂ１６、変化幅「小」ではｂ７）は、属する重み付けの変化幅が大きくなるに従って大きくなる（ｂ２５＜ｂ１６＜ｂ７）。なお、同じ重み付けの変化幅のなかの各重みは、筋肉度指数が高くなるに従って大きくなる。その理由としては、筋肉量が多いほど、基礎代謝量が増加するため、体組成が良好な方向に変化する影響が大きいからである。
図１０の例では、筋肉量についての重みｂ７〜ｂ９、ｂ４〜ｂ６、ｂ１〜ｂ３が「小」、重みｂ１６〜ｂ１８、ｂ１３〜ｂ１５、ｂ１０〜ｂ１２が「中」、重みｂ２５〜ｂ２７、ｂ２２〜ｂ２４、ｂ１９〜ｂ２１が「大」に分類されている。すなわち、体脂肪率が高いほど、重み付けの変化幅が小さくなるように分類されている。その理由としては、体組成が良好な方向に変化する上記筋肉による影響を、脂肪が阻害するからである。
そして、重み付けの変化幅が「小」の重みは、（ｂ７＞ｂ８＞ｂ９）＞（ｂ４＞ｂ５＞ｂ６）＞（ｂ１＞ｂ２＞ｂ３）のような関係となっている。また、重み付けの変化幅が「中」の重みは、（ｂ１６＞ｂ１７＞ｂ１８）＞（ｂ１３＞ｂ１４＞ｂ１５）＞（ｂ１０＞ｂ１１＞ｂ１２）のような関係となっている。さらに、重み付けの変化幅が「大」の重みは、（ｂ２５＞ｂ２６＞ｂ２７）＞（ｂ２２＞ｂ２３＞ｂ２４）＞（ｂ１９＞ｂ２０＞ｂ２１）のような関係となっている。すなわち、図６、８、１０を参照すれば判るように、体脂肪率が高い体型ほど重み付けの変化幅が小さくなると共に、同じ体型の中ではアセトン濃度が高くなるほど重みが大きくなる。
ステップＳ２０３では、重み付け計算部４８が、アセトン濃度に基づいて１日当たりの脂肪燃焼量を算出する。なお、算出方法としては、例えば特開２０１６−７５５３３号公報に記載された方法を用いることができるが、これに限られるものではない。そして、算出した脂肪燃焼量に基づいて、ステップＳ２０２で重み付けした予測値を例えば予め定めた補正式又はテーブルデータを用いて補正する。
ステップＳ２０４では、予測値算出部４４が、予測先日数ｄが予め定めた閾値ＴＨ（例えば数十日）以上か否かを判定し、予測先日数ｄが閾値ＴＨ以上であればステップＳ２０６へ移行し、予測先日数ｄが閾値ＴＨ未満であればステップＳ２０８へ移行する。
ステップＳ２０６では、予測値算出部４４が、予め定めた以下に述べる第１から第５の少なくとも１つの長期補正式を用いて、ステップＳ２０３で補正された予測値を補正する。
例えば数日先や１週間程度先の短期的な体組成情報の予測であれば直線近似で予測できるが、１か月以上先の長期予測では、直線的な変化がそのまま続くわけではなく、変化が緩やかになり曲線的になる。また、曲線的になる要因には様々な要素が複合的に関係し、変化の仕方も年齢や性別、元の体格などの条件によって異なる。
例えば、体重が変化することで、動く際に身体にかかる負荷が変わり、同じ行動をしていても消費エネルギーが異なってくる。そこで、ユーザー情報としての体重をパラメータとして含み、体重変化による消費エネルギー変化が考慮された第１の長期補正式を用いて予測値を補正する。
また、体重が変化することで、身体を支えたり姿勢を保つ除脂肪組織への負荷が変化し、除脂肪組織量自体も変化する。そこで、ユーザー情報としての体重をパラメータとして含み、除脂肪組織量変化による基礎代謝量が考慮された第２の長期補正式を用いて予測値を補正する。
また、生活習慣の差により太りにくさの傾向も異なり、長期になると行動意識の差が大きく影響する。そこで、例えば図示しない活動量計から消費エネルギー等の測定結果が得られる場合、ユーザー情報としての消費エネルギーをパラメータとして含み、生活習慣の差により太りにくさの傾向が考慮された第３の長期補正式を用いて予測値を補正する。なお、活動量計は、ユーザーの歩数量、運動量等を取得可能な装置である。
また、年齢により基礎代謝変化の傾向は異なる。例えば若者と高齢の人では同じ期間であっても基礎代謝の変化が異なる。そこで、ユーザー情報としての年齢をパラメータとして含み、年齢による長期の基準基礎代謝の変化が考慮された第４の長期補正式を用いて予測値を補正する。
また、加齢による体重変化の傾向を考慮すべきである。そこで、ユーザー情報としての年齢をパラメータとして含み、国民栄養調査の変化傾向が反映された第５の長期補正式を用いて予測値を補正する。
なお、第１〜第５の長期補正式は、統計的手法を用いて導き出された式である。
ステップＳ２０８では、予測値算出部４４が、ステップＳ２０６で補正された予測値が予め定めた範囲内となるように予測値を修正する。すなわち、予測値が予め定めた上限値を超えていれば、予測値を上限値に修正し、予測値が予め定めた下限値未満であれば、予測値を下限値に修正する。予測値が予め定めた範囲内の場合は修正しない。これにより、長期補正後の予測値が現実的でない値となってしまうのを防ぐことができる。
ステップＳ２１０では、出力部５０が、予測値に対応したアドバイス情報を表示部１８に表示する。例えば、予測値とアドバイス情報との対応関係を表すテーブルデータから予測値に対応するアドバイス情報を取得し、これを表示部１８に表示する。
図４のステップＳ１１６では、図１１に示す第２の予測処理が実行される。
ステップＳ３００では、予測値算出部４４が、過去の体組成情報に基づいて、１日当たりの体組成情報の変化量を算出する。例えば過去７日分の体組成情報がある場合、１日当たりの体組成情報の変化量ΔＢを次式により算出する。
ΔＢ＝ΔＷ／ｎ ・・・（７）
ここで、ΔＷは、過去の体組成情報のうち最も古い体組成情報から現在の体組成情報までの変化量である。また、ｎは、前述したように体組成情報の測定回数が１日当たり１回の場合は、過去に体組成情報を測定した日の数を表す。
ステップＳ３０２では、予測値算出部４４が、ステップＳ３００で算出した１日当たりの体組成情報の変化量ΔＢに予測先日数ｄを乗算することにより、予測値を算出する。
ステップＳ３０４〜Ｓ３１２の処理は図９のステップＳ２０２〜Ｓ２１０と同様であるので、説明は省略する。このように、ステップＳ１１２の判定結果がＮＯのときに、第２の予測処理（ステップＳ１１６）が実行される。その結果、不揮発性メモリ１６Ｄに記憶されている過去の体組成情報の測定結果が予め定めた期間に満たない場合であっても、予測値算出部４４が予測値を算出できる。
図４のステップＳ１１８では、図１２に示す第３の予測処理が実行される。
ステップＳ４００では、予測値算出部４４が、日常の食傾向情報及び活動量情報を入力する。例えば、日常の食傾向情報及び活動量情報を入力するための入力画面を表示部１８に表示し、ユーザーに日常の食傾向情報及び活動量情報を入力させる。入力画面は、例えば質問形式でユーザーに回答を選択させる。ここで、日常の食傾向情報とは、例えば食事の規則性、食事の回数、食事の内容、食事の嗜好等をいう。また、活動量情報とは、例えば活動量そのもの、活動量が推定可能な情報等をいう。
食傾向情報としては、例えば１日の食事の内容及び食事の量、甘いものを食べるか否か等の嗜好情報等を入力させる。また、活動量情報としては、例えば１日の運動の内容及び量等を入力させる。
ステップＳ４０２では、予測値算出部４４が、ステップＳ４００で入力された食傾向情報及び活動量情報に関する質問の回答を点数化し、予測値を算出する。例えば、質問に対する回答と点数との対応関係を表すテーブルデータを予め定めた不揮発性メモリ１６Ｄに記憶しておき、このテーブルデータを用いて、食傾向情報及び活動量情報に関する質問の回答を点数化する。
そして、食傾向情報の点数及び活動量情報の点数に基づいて、体組成情報の予測値を算出する。例えば、食傾向情報の点数及び活動量情報の点数と体組成情報との対応関係を表すテーブルデータ又は演算式を不揮発性メモリ１６Ｄに記憶しておき、このテーブルデータ又は演算式を用いて、体組成情報の予測値を求める。
ステップＳ４０４〜Ｓ４１２の処理は図９のステップＳ２０２〜Ｓ２１０と同様であるので、説明は省略する。このように、ステップＳ１１０の判定結果がＹＥＳのときに、第３の予測処理（ステップＳ１１８）が実行される。その結果、過去の体組成情報の測定結果が不揮発性メモリ１６Ｄに記憶されていない場合、すなわち体組成情報の測定が初回の場合であっても、予測値算出部４４が予測値を算出できる。
なお、図９の第１の予測処理において、例えばステップＳ２００の後に図１１のステップＳ３００，Ｓ３０２の処理を実行し、ステップＳ２００で算出した予測値と、図１１のステップＳ３００，Ｓ３０２の処理を実行することにより算出された予測値と、に基づいて最終的な予測値を算出するようにしてもよい。これにより、予測値を精度良く算出することができる。
また、図９の第１の予測処理において、例えばステップＳ２００の後に図１２のステップＳ４００，Ｓ４０２の処理を実行し、ステップＳ２００で算出した予測値と、図１２のステップＳ４００，Ｓ４０２の処理を実行することにより算出された予測値と、に基づいて最終的な予測値を算出するようにしてもよい。これにより、予測値を精度良く算出することができる。
また、図１１の第２の予測処理において、例えばステップＳ３０２の後に図１２のステップＳ４００，Ｓ４０２の処理を実行し、ステップＳ３０２で算出した予測値と、図１２のステップＳ４００，Ｓ４０２の処理を実行することにより算出された予測値と、に基づいて最終的な予測値を算出するようにしてもよい。これにより、予測値を精度良く算出することができる。
以下、具体的な計算例について説明する。
一例として、身長１６０ｃｍ、体重５４ｋｇ、年齢２４歳の女性ユーザーを対象として半年後（１８０日後）の体重、体脂肪率、及び筋肉量を予測する場合について説明する。
上記の女性ユーザーの現在のアセトン濃度が１０００ｐｐｂ（高め）、体脂肪率が２８％（標準）、筋肉量が３０ｋｇ（少なめ）であり、過去の体組成情報が過去３週間に測定した６回分の過去の体組成情報があったとする。
この場合、図４のステップＳ１０４の燃焼スタイル判定では、体型は図８の「かくれ肥満型」と判定され、燃焼スタイルは「これまでダラダラ生活：でも今日は燃えてる！」と判定される。
そして、ステップＳ１０６では、アドバイス情報として、「太っていないけど筋肉少なめ「隠れ肥満」・・・でも、このところ、食事に気を使っているようですね。脂肪は今とても燃えていて、代謝が高まっています。スリムになるチャンス到来です！あとはたんぱく質を摂ってもうひと押し筋肉を鍛えましょう！」というメッセージが表示部１８に表示される。
そして、ステップＳ１０８で今後の体組成変化を予測すると判定され、ステップＳ１１０で初めての測定ではないと判定され、ステップＳ１１２で過去の体組成情報は十分と判定されると、ステップＳ１１４の第１の予測処理が実行される。
第１の予測処理では、図９のステップＳ２００において、最小二乗法を用いて半年後の体重、体脂肪、筋肉量の予測値が上記（２）式により計算される。
そして、ステップＳ２０２において、重み付け計算部４８が、ステップＳ１０４で判定された燃焼スタイルに応じて設定された体脂肪率の重みａ１、筋肉量の重みｂ１を各々の予測値に乗算することで重み付け計算を行う。
次に、ステップＳ２０３で、重み付け計算部４８が、アセトン濃度に基づいて１日当たりの脂肪燃焼量が算出される。ここでは、アセトン濃度１０００ｐｐｂに対応する１日当たりの脂肪燃焼量が例えば３００ｇ／日と算出される。そして、算出された脂肪燃焼量に基づいてステップＳ２０２で重み付けされた予測値が補正される。
次に、ステップＳ２０６で、重み付け計算部４８が、第１〜第５の長期補正式を用いて半年後の体重、体脂肪率、及び筋肉量を補正する。
この結果、女性ユーザーの半年後の体重は５０ｋｇ、体脂肪率は２０％、筋肉量は３３ｋｇと算出され、体型としては筋肉多めに引き締まった標準体型と判定され、表示部１８に表示される。
また、例えば「※この予測結果は、あなたの体組成と脂質代謝測定結果の値を元に、統計的に割り出した一般的な長期変化傾向を考慮した予測計算を実施しています。」のようなメッセージを表示部１８に表示してもよい。
このように、本実施形態では、アセトン濃度及び現在の体組成情報に基づいて、ユーザーの脂肪の燃焼スタイルを判定し、燃焼スタイルに応じて設定された重みに基づいて将来の体組成情報の予測値を重み付け計算するので、体組成の変化を精度良く予測することができる。
また、予想する任意の将来の時点が所定の時点より後の時点である場合は、長期補正式を用いて予測値を補正するので、長期の体組成変化を精度良く予測することができる。
これにより、個人の生活状況に即した精度の高い「将来の体組成変化傾向」を評価することが可能となり、減量目標の調整がしやすくなる。更に、従来のようにケトン体濃度を単独で評価した結果から予測するよりも、より長期的な将来の体組成変化予測が可能となるため、直近の減量目標だけでなく、長期視点に立った取り組みやすい生活改善アドバイス提示やゲーム的に楽しめるアプリケーションへの利用が可能となる。
また、アセトン濃度に基づいて算出した脂肪燃焼量に基づいて、重み付け計算された予測値を補正するので、脂肪燃焼量が反映された体組成情報を精度良く予測することができる。
また、活動量計から取得したユーザーの消費エネルギーに基づいて、重み付け計算された予測値を、長期補正式を用いて補正するので、長期間経過した後の体組成情報を精度良く予測することができる。
また、過去の体組成情報を取得した期間が予め定めた期間以上である場合、過去の体組成情報及び予測先日数に基づいて、変化傾向を近似する任意の手法を用いて予測値を算出するので、体組成情報が非線形に変化するような場合でも精度良く体組成情報を予測することができる。
また、過去の体組成情報の１日当たりの変化量の平均値を算出し、算出した１日当たりの変化量の平均値と予測先日数に基づいて予測値を算出するので、過去の体組成情報が十分でない場合でも体組成情報を予測することができる。
また、ユーザーの食傾向情報及び活動量情報と予測先日数とに基づいて予測値を算出するので、過去の体組成情報が無い場合でも体組成情報を予測することができる。
１０ 体組成変化予測ユニット
１２ 体組成変化予測装置
１４ センサ装置
１６ コントローラ
１８ 表示部
２０ 操作部
２２ 計時部
２４ 通信部
２６ 半導体式ガスセンサ
２８ 圧力センサ
２９ 体組成計
４０ アセトン濃度取得部
４２ 体組成情報取得部
４４ 予測値算出部
４６ 燃焼スタイル判定部
４８ 計算部
５０ 出力部

Claims (9)

  1. ユーザーから排出されるケトン体を測定した測定ケトン体濃度を取得するケトン体濃度取得部と、
    前記ユーザーの現在の体組成情報及び過去の体組成情報を取得する体組成情報取得部と、
    前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を算出する予測値算出部と、
    前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを判定する燃焼スタイル判定部と、
    前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を重み付け計算する重み付け計算部と、
    重み付け計算された前記予測値に応じた情報を出力する出力部と、
    を備えた体組成変化予測装置。
  2. 前記重み付け計算部は、前記測定ケトン体濃度に基づいて前記ユーザーの脂肪燃焼量を算出し、算出した脂肪燃焼量に基づいて、重み付け計算された前記予測値を補正する
    請求項１記載の体組成変化予測装置。
  3. 前記任意の将来の時点は、予測先日数が経過した後であり、
    前記重み付け計算部は、前記予測先日数が予め定めた閾値以上の場合は、前記ユーザーに関するユーザー情報に基づいて、重み付け計算された前記予測値を、長期補正式を用いて補正する
    請求項１又は請求項２記載の体組成変化予測装置。
  4. 前記重み付け計算部は、活動量計から取得した前記ユーザーの消費エネルギーに基づいて、重み付け計算された前記予測値を、長期補正式を用いて補正する
    請求項３記載の体組成変化予測装置。
  5. 前記任意の将来の時点は、予測先日数が経過した後であり、
    前記予測値算出部は、前記過去の体組成情報を取得した期間が予め定めた期間以上である場合、前記過去の体組成情報及び前記予測先日数に基づいて、変化傾向を近似する任意の手法を用いて前記予測値を算出する
    請求項１〜４の何れか１項に記載の体組成変化予測装置。
  6. 前記任意の将来の時点は、予測先日数が経過した後であり、
    前記予測値算出部は、前記過去の体組成情報の１日当たりの変化量の平均値を算出し、算出した１日当たりの変化量の平均値と前記予測先日数に基づいて、前記予測値を算出する
    請求項１〜５の何れか１項に記載の体組成変化予測装置。
  7. 前記任意の将来の時点は、予測先日数が経過した後であり、
    前記予測値算出部は、前記ユーザーの食傾向情報及び活動量情報を取得し、取得した前記ユーザーの食傾向情報及び活動量情報と、前記予測先日数と、に基づいて前記予測値を算出する
    請求項１〜６の何れか１項に記載の体組成変化予測装置。
  8. プロセッサを備える体組成変化予測装置において行われる方法であって、
    ユーザーから排出されるケトン体を測定した測定ケトン体濃度を前記プロセッサが取得し、
    前記ユーザーの現在の体組成情報及び過去の体組成情報を前記プロセッサが取得し、
    前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を前記プロセッサが算出し、
    前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを前記プロセッサが判定し、
    前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を前記プロセッサが重み付け計算し、
    重み付け計算された前記予測値に応じた情報を前記プロセッサが出力する
    体組成変化予測方法。
  9. コンピュータに、
    ユーザーから排出されるケトン体を測定した測定ケトン体濃度を取得し、
    前記ユーザーの現在の体組成情報及び過去の体組成情報を取得し、
    前記ユーザーの体組成に基づいて、任意の将来の時点の前記体組成情報を予測した予測値を算出し、
    前記測定ケトン体濃度及び前記現在の体組成情報に基づいて、前記ユーザーの脂肪の燃焼スタイルを判定し、
    前記燃焼スタイルに応じて設定されると共に、前記測定ケトン体濃度が高くなるに従って大きくなる重みに基づいて前記予測値を重み付け計算し、
    重み付け計算された前記予測値に応じた情報を出力する
    ことを含む処理を実行させるための体組成変化予測プログラム。
JP2017050417A 2017-03-15 2017-03-15 体組成変化予測装置、方法、及びプログラム Active JP6885583B2 (ja)

Priority Applications (5)

Application Number Priority Date Filing Date Title
JP2017050417A JP6885583B2 (ja) 2017-03-15 2017-03-15 体組成変化予測装置、方法、及びプログラム
US15/918,396 US20180263541A1 (en) 2017-03-15 2018-03-12 Body Composition Change Prediction Device, Method, and Computer-Readable Storage Medium
EP18161519.6A EP3376505A1 (en) 2017-03-15 2018-03-13 Body composition change prediction device, method, and computer-readable storage medium
CN201810204669.0A CN108618754A (zh) 2017-03-15 2018-03-13 身体组成变化预测装置、方法、以及计算机可读存储介质
JP2021078759A JP7166667B2 (ja) 2017-03-15 2021-05-06 燃焼スタイル判定装置、方法、及びプログラム

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2017050417A JP6885583B2 (ja) 2017-03-15 2017-03-15 体組成変化予測装置、方法、及びプログラム

Related Child Applications (1)

Application Number Title Priority Date Filing Date
JP2021078759A Division JP7166667B2 (ja) 2017-03-15 2021-05-06 燃焼スタイル判定装置、方法、及びプログラム

Publications (2)

Publication Number Publication Date
JP2018155511A JP2018155511A (ja) 2018-10-04
JP6885583B2 true JP6885583B2 (ja) 2021-06-16

Family

ID=61691241

Family Applications (2)

Application Number Title Priority Date Filing Date
JP2017050417A Active JP6885583B2 (ja) 2017-03-15 2017-03-15 体組成変化予測装置、方法、及びプログラム
JP2021078759A Active JP7166667B2 (ja) 2017-03-15 2021-05-06 燃焼スタイル判定装置、方法、及びプログラム

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2021078759A Active JP7166667B2 (ja) 2017-03-15 2021-05-06 燃焼スタイル判定装置、方法、及びプログラム

Country Status (4)

Country Link
US (1) US20180263541A1 (ja)
EP (1) EP3376505A1 (ja)
JP (2) JP6885583B2 (ja)
CN (1) CN108618754A (ja)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102640995B1 (ko) * 2022-10-27 2024-02-27 주식회사 유투메드텍 혈당 데이터를 이용한 인공지능 기반의 체중 변화 예측 방법 및 장치

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP7214207B2 (ja) 2019-03-06 2023-01-30 株式会社タニタ 体内測定システム及びプログラム
AU2021231730A1 (en) * 2020-03-02 2022-09-01 Dexcom, Inc. Evaluation of data to provide decision support for a ketogenic lifestyle

Family Cites Families (14)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001349888A (ja) * 2000-06-08 2001-12-21 Matsushita Electric Ind Co Ltd 体脂肪燃焼量測定装置および有酸素運動器具
JP4935583B2 (ja) * 2007-08-28 2012-05-23 オムロンヘルスケア株式会社 健康管理指針アドバイス装置
WO2013038959A1 (ja) * 2011-09-14 2013-03-21 株式会社 エヌ・ティ・ティ・ドコモ ダイエット支援システムおよびダイエット支援方法
JP5949163B2 (ja) * 2012-05-28 2016-07-06 オムロンヘルスケア株式会社 個人認証装置及び体重体組成計
JP2014010046A (ja) * 2012-06-29 2014-01-20 Seiko Epson Corp 物質検出装置、腕時計型体脂肪燃焼測定装置
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
JP6240937B2 (ja) * 2013-07-16 2017-12-06 株式会社タニタ 身体指標変化予測装置
JP2015141458A (ja) * 2014-01-27 2015-08-03 株式会社タニタ ダイエット支援装置、方法、及びプログラム
JP6213963B2 (ja) * 2014-02-13 2017-10-18 株式会社タニタ 身体変化評価装置、方法、及びプログラム
JP2015167575A (ja) * 2014-03-04 2015-09-28 株式会社タニタ 体脂肪燃焼状態判定装置、方法、及びプログラム
JP2015204900A (ja) * 2014-04-17 2015-11-19 セイコーエプソン株式会社 減量支援システム、減量支援サーバー、減量支援端末、減量支援装置、及び減量支援プログラム
US9351684B1 (en) * 2014-07-23 2016-05-31 Invoy Technologies, Inc. Ketone measurement system with user interface for efficient categorization of measurements
JP6424387B2 (ja) * 2014-10-03 2018-11-21 株式会社タニタ 脂肪燃焼量提示装置、脂肪燃焼量提示方法、及び、脂肪燃焼量提示プログラム
CN107111855A (zh) * 2015-01-07 2017-08-29 株式会社Ntt都科摩 信息处理装置、卡路里管理系统、卡路里收支估计方法和程序

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102640995B1 (ko) * 2022-10-27 2024-02-27 주식회사 유투메드텍 혈당 데이터를 이용한 인공지능 기반의 체중 변화 예측 방법 및 장치

Also Published As

Publication number Publication date
US20180263541A1 (en) 2018-09-20
EP3376505A1 (en) 2018-09-19
CN108618754A (zh) 2018-10-09
JP2018155511A (ja) 2018-10-04
JP2021144036A (ja) 2021-09-24
JP7166667B2 (ja) 2022-11-08

Similar Documents

Publication Publication Date Title
JP7166667B2 (ja) 燃焼スタイル判定装置、方法、及びプログラム
JP6213963B2 (ja) 身体変化評価装置、方法、及びプログラム
JP5676630B2 (ja) フィットネステストシステム
JP4521040B2 (ja) 消費カロリ測定装置及び消費カロリ測定方法
US8932062B2 (en) Body weight management device
JP6240861B2 (ja) 健康支援装置、方法、及びプログラム
JP2015141458A (ja) ダイエット支援装置、方法、及びプログラム
JP2021107829A (ja) 生体ガス検知装置、方法、及びプログラム
WO2020195682A1 (ja) 生活習慣改善提案装置、生活習慣改善提案方法、及び生活習慣改善提案プログラム
JP6500290B2 (ja) 身体変化評価装置、方法、及びプログラム
KR102050559B1 (ko) 유전적 특이성을 고려한 사용자 맞춤 건강 관리 시스템
US11759123B2 (en) Ketone body concentration estimation device, method, and computer-readable storage medium
JP6609573B2 (ja) 情報処理装置、カロリー管理システム、カロリー収支推定方法及びプログラム
JP6674079B2 (ja) 減量支援装置、方法及びプログラム
JP6327606B2 (ja) 摂取食事量提示装置、方法、及びプログラム
JP2015167575A (ja) 体脂肪燃焼状態判定装置、方法、及びプログラム
JP6861931B2 (ja) 代謝評価装置、方法及びプログラム
JP2016075533A (ja) 脂肪燃焼量提示装置、脂肪燃焼量提示方法、及び、脂肪燃焼量提示プログラム
JP7090927B2 (ja) 代謝評価装置、方法及びプログラム
WO2021199324A1 (ja) 臨床検査項目決定装置、健康行動支援装置、臨床検査項目決定方法、健康行動支援方法及びコンピュータプログラム
JP7437549B2 (ja) 画像表示装置
JP2016075536A (ja) 情報提示装置、情報提示方法、及び、情報提示プログラム
Haig A critique of models for body composition and energy-balance components in childhood and adolescence

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20200310

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20201117

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20210115

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: 20210406

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20210506

R150 Certificate of patent or registration of utility model

Ref document number: 6885583

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150

R250 Receipt of annual fees

Free format text: JAPANESE INTERMEDIATE CODE: R250