KR102021291B1 - 제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법 - Google Patents

제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법 Download PDF

Info

Publication number
KR102021291B1
KR102021291B1 KR1020170177689A KR20170177689A KR102021291B1 KR 102021291 B1 KR102021291 B1 KR 102021291B1 KR 1020170177689 A KR1020170177689 A KR 1020170177689A KR 20170177689 A KR20170177689 A KR 20170177689A KR 102021291 B1 KR102021291 B1 KR 102021291B1
Authority
KR
South Korea
Prior art keywords
information
water
unit
body composition
myotropia
Prior art date
Application number
KR1020170177689A
Other languages
English (en)
Other versions
KR20180074597A (ko
Inventor
김철현
송건형
임대식
남윤영
지준원
Original Assignee
순천향대학교 산학협력단
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 순천향대학교 산학협력단 filed Critical 순천향대학교 산학협력단
Publication of KR20180074597A publication Critical patent/KR20180074597A/ko
Application granted granted Critical
Publication of KR102021291B1 publication Critical patent/KR102021291B1/ko

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
    • A61B5/45—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
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Veterinary Medicine (AREA)
  • Physics & Mathematics (AREA)
  • Oral & Maxillofacial Surgery (AREA)
  • Biophysics (AREA)
  • Pathology (AREA)
  • Engineering & Computer Science (AREA)
  • Dentistry (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Surgery (AREA)
  • Animal Behavior & Ethology (AREA)
  • General Health & Medical Sciences (AREA)
  • Orthopedic Medicine & Surgery (AREA)
  • Rheumatology (AREA)
  • Measurement And Recording Of Electrical Phenomena And Electrical Characteristics Of The Living Body (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

본 발명은 제지방지수에 기초하여 근감소증을 진단하는 기술로서, 일실시예에 따른 근감소증 진단 장치는 측정된 신체 구성 정보로부터 제지방지수를 산출하는 산출부, 및 상기 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단하는 진단부를 포함하고, 상기 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수 분포에 대한 데이터로부터 결정될 수 있다.

Description

제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법{APPARATUS AND METHOD FOR MONITORING SARCOPENIA BASED FAT FREE MASS INDEX}
본 발명은 제지방지수에 기초하여 근감소증을 진단하는 기술로서, 연령대, 인종, 성별을 고려하여 산출된 근감소증 기준치와 측정 대상자의 제지방지수를 비교하여 근감소증 여부를 판단하는 기술적 사상에 관한 것이다.
인체를 이루는 성분은 대표적으로 지방과 체수분, 단백질, 무기질의 4가지 성분으로 나눌 수 있다. 이러한 4가지 성분의 조합에 따라 인체 구성의 이분화모형인 지방과 체지방, 삼분화 모형인 지방, 체수분 및 잔기량 등으로 구분한다. 인체의 성분은 일정한 비율로 유지하여 상호 조화로운 상태가 되었을 때, 항상성(homeostasis)을 유지하며, 인체 기능이 원활하게 된다.
인체의 성분을 분석하기 위한 지표로서 신체질량지수(body mass index, BMI)가 널리 사용되고 있다. 체질량 지수는 단순성과 용이성 때문에 대부분의 역학 연구에서 일상적으로 사용되며, 체지방 비율에 근거하여 비만을 측정할 수도 있다.
특히, 체질량 지수는 제지방지수와 지방지수의 합으로 도출될 수 있다. 이 중에서 제지방지수는 신체를 구성하는 지방을 제외한 몸무게와 측정 대상자의 신장을 이용하여 측정하는 지수로서, 비만뿐만 아니라 근감소증에도 관련이 있다.
한국공개특허 제2015-0077956호 "네트워크를 이용한 체중관리 및 체중관리 상품 광고방법" 한국등록특허 제0682900호 "사용자의 생활 패턴을 고려한 건강 관리 방법 및 장치"
본 발명은 객관적인 통계 자료에 근거하여 측정 대상자의 근감소증 여부를 정확하고 손쉽게 진단하는 것을 목적으로 한다.
본 발명은 측정 대상자의 연령, 인종, 성별을 고려하여 측정 대상자의 근감소증 여부를 진단함으로써, 진단 결과의 신뢰도를 높이는 것을 목적으로 한다.
일실시예에 따른 근감소증 진단 장치는 측정된 신체 구성 정보로부터 제지방지수를 산출하는 산출부, 및 상기 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단하는 진단부를 포함하고, 상기 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수 분포에 대한 데이터로부터 결정될 수 있다.
일실시예에 따른 상기 산출부는, 상기 측정된 신체 구성 정보 중에서 제지방 정보 및 체지방 정보를 이용하여 상기 제지방지수를 산출할 수 있다.
일실시예에 따른 상기 근감소증 기준치는 상기 데이터 중에서 준거 집단의 제지방지수에 대한 백분위수에 해당하고, 상기 진단부는, 상기 백분위수가 상기 근감소증 기준치 미만인 경우에 근감소증으로 판단할 수 있다.
일실시예에 따른 상기 진단부는, 상기 산출된 제지방지수가 상기 준거 집단의 제지방 지수 분포의 5백분위수 보다 작거나 같은 경우에 근감소증으로 판단할 수 있다.
일실시예에 따른 상기 진단부는, 연령대별, 성별, 및 인종별로 서로 다른 근감소증 기준치를 적용하여 근감소증 여부를 판단할 수 있다.
일실시예에 따른 근감소증 진단 장치는 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집하는 수집부, 상기 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출하는 산출부, 상기 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정하는 설정부를 포함할 수 있다.
일실시예에 따른 상기 수집부는, 미리 지정된 기준 이상의 수를 초과하는 측정 대상자들로부터 상기 신장 정보, 상기 체중 정보 및 상기 신체 구성 정보를 수집하고, 상기 신체 구성 정보는 제지방 정보 및 체지방 정보를 포함할 수 있다.
일실시예에 따른 상기 수집부는, 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보를 더 수집하고, 상기 산출부는 상기 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 상기 산출한 제지방지수를 그룹핑하며, 상기 설정부는 상기 근감소증 기준치를 그룹별로 각각 설정할 수 있다.
일실시예에 따른 근감소증 진단 방법은 산출부에서, 측정된 신체 구성 정보로부터 제지방지수를 산출하는 단계, 및 진단부에서, 상기 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단하는 단계를 포함하고, 상기 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수의 백분위수 및 표준 점수(T-Score)에 대한 데이터로부터 결정될 수 있다.
일실시예에 따른 상기 제지방지수를 산출하는 단계는, 상기 측정된 신체 구성 정보 중에서 제지방 정보 및 체지방 정보를 이용하여 상기 제지방지수를 산출하는 단계를 포함할 수 있다.
일실시예에 따른 상기 근감소증 기준치는 상기 데이터 중에서 상기 제지방지수의 백분위수 및 표준 점수(T-Score)에 해당하고, 상기 근감소증 여부를 판단하는 단계는, 상기 제지방지수의 백분위수 및 표준 점수(T-Score)가 상기 근감소증 기준치 미만인 경우에 근감소증으로 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 근감소증 여부를 판단하는 단계는, 상기 산출된 제지방지수가 근감소 진단을 위한 준거 집단의 제지방분포에 5백분위수보다 작거나 같은 경우 또는 상기 표준 점수(T-Score)가 1.96보다 작거나 같은 경우에 근감소증으로 판단하는 단계를 포함할 수 있다.
일실시예에 따른 상기 근감소증 여부를 판단하는 단계는, 연령대별, 성별, 및 인종별로 서로 다른 근감소증 기준치를 적용하여 근감소증 여부를 판단하는 단계를 포함할 수 있다.
일실시예에 따른 근감소증 진단 방법은 수집부에서, 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집하는 단계, 산출부에서, 상기 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출하는 단계, 및 설정부에서, 상기 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정하는 단계를 포함할 수 있다.
일실시예에 따른 상기 수집하는 단계는, 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보를 더 수집하는 단계를 포함하고, 상기 산출하는 단계는, 상기 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 상기 산출한 제지방지수를 그룹핑하는 단계를 더 포함하며, 상기 설정하는 단계는, 상기 근감소증 기준치를 그룹별로 각각 설정하는 단계를 포함할 수 있다.
일실시예에 따르면, 객관적인 통계 자료에 근거하여 측정 대상자의 제지방지수를 검사함으로써, 기존 근감소증 진단 기준을 대비하여 근감소증 진단 여부를 정확하고 손쉽게 진단할 수 있다.
일실시예에 따르면, 측정 대상자의 연령, 인종, 성별을 고려하여 측정 대상자의 근감소증 여부를 진단함으로써, 진단 결과의 신뢰도를 높일 수 있다.
도 1은 일실시예에 따른 근감소증 진단 장치를 설명하는 도면이다.
도 2a는 제지방지수에 대비한 체지방지수의 분포를 나타내는 도면이다.
도 2b는 연령별 제지방지수의 정규 분포를 나타내는 도면이다.
도 3은 다른 일실시예에 따른 근감소증 진단 장치를 설명하는 도면이다.
도 4는 일실시예에 따른 근감소증 진단 방법을 설명하는 도면이다.
도 5는 다른 일실시예에 따른 근감소증 진단 방법을 설명하는 도면이다.
본 명세서에 개시되어 있는 본 발명의 개념에 따른 실시예들에 대해서 특정한 구조적 또는 기능적 설명들은 단지 본 발명의 개념에 따른 실시예들을 설명하기 위한 목적으로 예시된 것으로서, 본 발명의 개념에 따른 실시예들은 다양한 형태로 실시될 수 있으며 본 명세서에 설명된 실시예들에 한정되지 않는다.
본 발명의 개념에 따른 실시예들은 다양한 변경들을 가할 수 있고 여러 가지 형태들을 가질 수 있으므로 실시예들을 도면에 예시하고 본 명세서에 상세하게 설명하고자 한다. 그러나, 이는 본 발명의 개념에 따른 실시예들을 특정한 개시형태들에 대해 한정하려는 것이 아니며, 본 발명의 사상 및 기술 범위에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 상기 구성요소들은 상기 용어들에 의해 한정되어서는 안 된다. 상기 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만, 예를 들어 본 발명의 개념에 따른 권리 범위로부터 이탈되지 않은 채, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다거나 "접속되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다. 반면에, 어떤 구성요소가 다른 구성요소에 "직접 연결되어" 있다거나 "직접 접속되어" 있다고 언급된 때에는, 중간에 다른 구성요소가 존재하지 않는 것으로 이해되어야 할 것이다. 구성요소들 간의 관계를 설명하는 표현들, 예를 들어 "~사이에"와 "바로~사이에" 또는 "~에 직접 이웃하는" 등도 마찬가지로 해석되어야 한다.
본 명세서에서 사용한 용어는 단지 특정한 실시예들을 설명하기 위해 사용된 것으로, 본 발명을 한정하려는 의도가 아니다. 단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 설시된 특징, 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것이 존재함으로 지정하려는 것이지, 하나 또는 그 이상의 다른 특징들이나 숫자, 단계, 동작, 구성요소, 부분품 또는 이들을 조합한 것들의 존재 또는 부가 가능성을 미리 배제하지 않는 것으로 이해되어야 한다.
다르게 정의되지 않는 한, 기술적이거나 과학적인 용어를 포함해서 여기서 사용되는 모든 용어들은 본 발명이 속하는 기술 분야에서 통상의 지식을 가진 자에 의해 일반적으로 이해되는 것과 동일한 의미를 가진다. 일반적으로 사용되는 사전에 정의되어 있는 것과 같은 용어들은 관련 기술의 문맥상 가지는 의미와 일치하는 의미를 갖는 것으로 해석되어야 하며, 본 명세서에서 명백하게 정의하지 않는 한, 이상적이거나 과도하게 형식적인 의미로 해석되지 않는다.
이하, 실시예들을 첨부된 도면을 참조하여 상세하게 설명한다. 그러나, 특허출원의 범위가 이러한 실시예들에 의해 제한되거나 한정되는 것은 아니다. 각 도면에 제시된 동일한 참조 부호는 동일한 부재를 나타낸다.
도 1은 일실시예에 따른 근감소증 진단 장치(100)를 설명하는 도면이다.
본 발명은 제지방지수에 기초하여 근감소증을 진단하는 기술로서, 연령대, 인종, 성별을 고려하여 산출된 근감소증 기준치와 측정 대상자의 제지방지수를 비교하여 근감소증 여부를 판단하는 기술에 관한 것이다.
본 발명을 이용하면 객관적인 통계 자료에 근거하여 측정 대상자의 제지방지수를 검사할 때, 기 근감소증 진단 기준에 대비하여 근감소증 진단 여부를 정확하고 손쉽게 진단할 수 있고, 측정 대상자의 연령, 인종, 성별을 고려하여 근감소증 여부를 진단함으로써, 진단 결과의 신뢰도를 높일 수 있다.
이를 위해, 일실시예에 따른 근감소증 진단 장치(100)는 산출부(110) 및 진단부(120)를 포함할 수 있다.
일실시예에 따른 산출부(110)는 측정된 신체 구성 정보로부터 제지방지수를 산출할 수 있다. 일례로, 신체 구성 정보는 측정 대상자에 대한 제지방 정보 및 체지방 정보를 포함한다.
산출부(110)는 신체 구성 정보로부터 신체질량지수(body mass index, BMI)나, 생체전기 임피던스(Bioelectrical Impedance Analysis, BIA) 및 체성분분석기를 측정하여 제지방지수를 산출할 수 있다. 예를 들어, 체성분분석기를 측정하는 것은 체성분분석기를 통하여 산출되는 데이터를 측정하는 것을 포함한다.
신체질량지수(BMI)란 신장과 체중의 비율을 사용한 체중의 객관적인 지수로 일반적인 사람의 체지방량과 상관관계가 크다고 증명되었다. 체지방은 인체에 있는 지방을 지칭하는데, 측정 대상자의 전체 체중에서 체지방을 제외한 나머지가 제지방으로 산출될 수 있다. 참고로, 신체질량지수(BMI)는 측정 대상자에 대한 체중을 신장의 제곱으로 나눈 값으로서, 제지방지수와 지방지수의 합으로 산출될 수 있다.
한편, 생체전기 임피던스(Bioelectrical Impedance Analysis, BIA) 및 체성분분석기를 이용하여 제지방지수를 산출할 수 있다. 이를 위해, 인체에 미세한 교류 전류를 흘려 보내 인체에서 생겨나는 임피던스 인덱스(Impedance index: Z index = 신장2/Z)를 얻어 체수분을 우선 측정할 수 있다. 체수분은 제지방의 일정 비율로 존재한다. 예를 들면 제지방은 체수분의 0.73의 비율로 존재할 수 있다. 그러나, 이 일정 비율은 연령대, 인종, 성별로 조금씩 달라질 수는 있다. 산출부(110)는 체수분량에 대한 일정 비율을 적용하여, 예를 들면 체수분에 '0.73'을 곱해 제지방을 산출할 수 있다.
일실시예에 따른 진단부(120)는 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단할 수 있다. 이때의 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수의 백분위수 및 표준 점수(T-Score)에 대한 데이터로부터 결정될 수 있다.
일례로, 진단부(120)는 표준 점수(T-Score)가 1.96보다 작거나 같은 경우에 근감소증으로 판단할 수 있다.
예를 들어, 표준 점수(T-Score)에 대비되는 기준값은 근감소증 표준화 연구의 실험값 또는 경험치에 기초하여 1.96으로 설정될 수 있다. 예를 들어, 1.96은 사용자의 설정에 기초하여 다르게 설정될 수 있으며, 해당 수치에 한정되지 않는다.
예를 들어, 표준 점수(T-Score)는 원점수의 평균과 표준 편차를 계산하고, 각 점수의 편차를 계산하며, 계산된 각 편차를 표준편차로 나누어서 Z 점수를 산출하고, Z 점수에 10을 곱하고 50을 더하여 산출될 수 있다.
예를 들어, 제지방지수의 백분위수는 통계 모집단의 전체 제지방지수 중 해당 제지방지수의 위치를 나타낼 수 있다.
일례로, 통계 모집단은 수집부(미도시)에 의하여 수집된 분석 모집단 중 통계에 이용되는 표본을 포함한다.
충분한 분석 모집단을 위해, 대략 2,500명으로부터 수집된 제지방지수로부터 근감소증 기준치가 설정될 수 있다. 근감소증 기준치를 설정하는 구체적인 방법은 이하 도 2a 및 도 2b를 통해서 상세히 설명한다.
도 2a는 제지방지수(Fat-Free Mass Index, FFMI)에 대비한 체지방지수(Fat Mass Index, FMI)의 분포를 나타내는 그래프(210)이다.
그래프(210)의 가로축은 제지방지수에 해당하고, 세로축은 체지방 지수에 해당한다.
그래프(210)에서 보는 바와 같이, 제지방지수가 대략 14.0(kg/ht2)에서 16.0(kg/ht2)의 영역에서는 근감소증으로 예측되는 분석 모집단이 분포할 수 있다. 한편, 제지방지수가 대략 16.0(kg/ht2)에서 22.0(kg/ht2)의 영역에서는 정상으로 예측되는 분석 모집단이 분포할 수 있고, 제지방지수가 대략 22.0(kg/ht2) 이상의 영역에서는 근비대로 예측되는 분석 모집단이 분포할 수 있다.
도 2b는 연령별 제지방지수의 정규 분포를 나타내는 도면이다.
그래프(220)는 그래프(210)에 분포하는 전체 분석 모집단을 연령대별로 그룹핑하여 정규 분포를 나타낸 것이다.
그래프(220)의 가로축은 제지방지수에 해당하고, 세로축은 빈도수에 해당한다.
다수의 분석 모집단으로부터 수집되었던 제지방지수들은 그래프(220)에서 보는 바와 같이 정규 분포로 나타낼 수 있다. 다만, 정규 분포들은 분석 모집단의 연령대, 성별, 인종 등에 따라서 조금씩 다른 분포로 나타날 수 있다. 도면부호 220에서는 분석 모집단에 대한 연령대별 분포의 일례를 나타내며, 도면부호 221은 10대의 제지방지수의 정규 분포, 도면부호 222는 20대의 제지방지수의 정규 분포, 도면부호 223은 30대의 제지방지수의 정규 분포, 도면부호 224는 40대의 제지방지수의 정규 분포, 도면부호 225는 50대의 제지방지수의 정규 분포로 해석될 수 있다.
한편, 각 그래프에서 세로축에 평행한 점선은 각 정규 분포에서의 준거 집단(reference group)의 제지방지수에 대한 백분위수에 해당한다. 기준 비율은 전체 분석 모집단 중에서 특정 비율의 분석 모집단을 의미하는 것으로서, 예를 들면 정규 분포 중에서 준거 집단의 제지방 지수 분포의 5백분위수 보다 하위 그룹을 구분 지을 수 있다. 이러한 제지방지수를 근감소증 기준치로 설정될 수 있다.
예를 들어, 준거 집단은 근감소증을 판단하기 위한 기준 집단을 포함한다.
도 2b에서는 정규 분포를 연령대로 구분하여 각 연령대별로 근감소증 기준치를 설정 하였으나, 연령대뿐만 아니라, 성별, 인종 등을 이용하거나, 연령대, 성별, 인종 등을 조합하여 근감소증 기준치를 설정할 수도 있다.
도 3은 다른 일실시예에 따른 근감소증 진단 장치(300)를 설명하는 도면이다.
일실시예에 따른 근감소증 진단 장치(300)는 근감소증 기준치를 설정할 수 있다.
이를 위해, 일실시예에 따른 근감소증 진단 장치(300)는 수집부(310), 산출부(320), 및 설정부(330)를 포함할 수 있다.
일실시예에 따른 수집부(310)는 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집할 수 있다. 예를 들어, 수집부(310)는 충분한 수의 측정 대상자들에 대한 분석 모집단을 추출할 수 있다. 즉, 수집부(310)는 미리 지정된 기준 이상의 수를 초과하는 측정 대상자들로부터 신장 정보, 체중 정보 및 신체 구성 정보를 수집할 수 있다.
일실시예에 따른 산출부(320)는 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출할 수 있다.
일례로, 산출부(320)는 신체질량지수(body mass index, BMI)나, 생체전기 임피던스(Bioelectrical Impedance Analysis, BIA) 및 체성분분석기를 측정하여 제지방지수를 산출할 수 있다.
일실시예에 따른 설정부(330)는 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정할 수 있다.
설정부(330)는 기준 비율을 고려해서 근감소증 기준치를 설정할 수 있다.
기준 비율은 전체 분석 모집단 중에서 특정 비율의 분석 모집단을 의미하는 것으로서, 예를 들면 정규 분포 중에서 준거 집단의 제지방 지수 분포의 5백분위수 보다 하위 그룹을 구분 지을 수 있다. 설정부(330)는 이러한 제지방지수를 근감소증 기준치로 설정할 수 있다. 또한, 설정부(330)는 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 고려하여 기준 비율을 다르게 설정하고, 결과적으로 근감소증 기준치를 서로 다르게 적용할 수 있다. 예를 들면, 설정부(330)는 연령대에 따라 기준 비율을 4.5%~5.5%로 다양하게 설정할 수 있다. 근감소증 기준치 역시 기준 비율에 상응하도록 다르게 설정될 수 있다.
일실시예에 따른 수집부(310)는 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보를 더 수집할 수 있다. 이에, 산출부(320)는 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 산출한 제지방지수를 그룹핑할 수 있고, 설정부(330)는 그룹별로 근감소증 기준치를 각각 설정할 수 있다.
일실시예에 따른 산출부(320)는 측정 대상자들로부터 산출한 제지방지수, 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나가 데이터베이스에 업데이트 되도록 데이터베이스 매니징 시스템에 요청할 수 있다.
즉, 측정을 위해 측정 대상자로부터 수집한 위 정보들을 이용해서 근감소증 기준치를 설정하기 위해 사용한 빅데이터를 갱신할 수 있다. 이로써, 근감소증에 대한 측정 빈도수가 높아질수록 데이터 학습을 통해 근감소증 진단의 신뢰도 역시 향상될 수 있다.
도 4는 일실시예에 따른 근감소증 진단 방법을 설명하는 도면이다.
일실시예에 따른 근감소증 진단 방법은 우선 신체 구성 정보를 측정할 수 있다(단계 401). 이를 위해, 근감소증 진단 방법은 측정된 신체 구성 정보, 예를 들면 체중 정보, 신장 정보 및 신체 구성 정보를 이용하여 제지방지수를 산출할 수 있다.
다음으로, 근감소증 진단 방법은 측정된 신체 구성 정보로부터 제지방지수를 산출할 수 있다(단계 402).
근감소증 진단 방법은 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단할 수 있다(단계 403).
근감소증 기준치는 데이터 중에서 준거 집단의의 제지방지수에 대한 백분위수에 해당하고, 백분위수가 근감소증 기준치 미만인 경우에 근감소증으로 판단될 수 있다.
예를 들어, 근감소증 진단 방법은 산출된 제지방지수가 준거 집단의 제지방지수 분포의 5백분위수 보다 작거나 같은 경우에 근감소증으로 판단할 수 있다.
또한, 근감소증 진단 방법은 표준 점수(T-Score)가 1.96보다 작거나 같은 경우에 근감소증으로 판단할 수 있다.
예를 들어, 표준 점수(T-Score)에 대비되는 기준값은 근감소증 표준화 연구의 실험값 또는 경험치에 기초하여 1.96으로 설정될 수 있다.
근감소증 진단 방법은 연령대별, 성별, 및 인종별로 서로 다른 근감소증 기준치를 적용하여 근감소증 여부를 판단할 수 있다.
도 5는 다른 일실시예에 따른 근감소증 진단 방법을 설명하는 도면이다.
일실시예에 따른 근감소증 진단 방법은 근감소증 기준치를 설정할 수 있다.
구체적으로, 일실시예에 따른 근감소증 진단 방법은 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집할 수 있다(단계 501).
한편, 일실시예에 따른 근감소증 진단 방법은 측정 대상자들에 대한 연령대 정보, 성 정보, 인종 정보들 더 수집할 수 있다(단계 502). 또한, 일실시예에 따른 근감소증 진단 방법은 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 제지방지수들을 그룹으로 구분함으로써, 그룹핑할 수 있다(단계 503).
일실시예에 따른 근감소증 진단 방법은 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출하고(단계 504), 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정할 수 있다(단계 505).
결국, 본 발명을 이용하면 객관적인 통계 자료에 근거하여 측정 대상자의 근감소증 여부를 정확하고 손쉽게 진단할 수 있고, 측정 대상자의 연령, 인종, 성별을 고려하여 측정 대상자의 근감소증 여부를 진단함으로써, 진단 결과의 신뢰도를 높일 수 있다.
이상에서 설명된 장치는 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시예들에서 설명된 장치 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPA(field programmable array), PLU(programmable logic unit), 마이크로프로세서, 또는 명령(instruction)을 실행하고 응답할 수 있는 다른 어떠한 장치와 같이, 하나 이상의 범용 컴퓨터 또는 특수 목적 컴퓨터를 이용하여 구현될 수 있다. 처리 장치는 운영 체제(OS) 및 상기 운영 체제 상에서 수행되는 하나 이상의 소프트웨어 애플리케이션을 수행할 수 있다. 또한, 처리 장치는 소프트웨어의 실행에 응답하여, 데이터를 접근, 저장, 조작, 처리 및 생성할 수도 있다. 이해의 편의를 위하여, 처리 장치는 하나가 사용되는 것으로 설명된 경우도 있지만, 해당 기술분야에서 통상의 지식을 가진 자는, 처리 장치가 복수 개의 처리 요소(processing element) 및/또는 복수 유형의 처리 요소를 포함할 수 있음을 알 수 있다. 예를 들어, 처리 장치는 복수 개의 프로세서 또는 하나의 프로세서 및 하나의 콘트롤러를 포함할 수 있다. 또한, 병렬 프로세서(parallel processor)와 같은, 다른 처리 구성(processing configuration)도 가능하다.
소프트웨어는 컴퓨터 프로그램(computer program), 코드(code), 명령(instruction), 또는 이들 중 하나 이상의 조합을 포함할 수 있으며, 원하는 대로 동작하도록 처리 장치를 구성하거나 독립적으로 또는 결합적으로(collectively) 처리 장치를 명령할 수 있다. 소프트웨어 및/또는 데이터는, 처리 장치에 의하여 해석되거나 처리 장치에 명령 또는 데이터를 제공하기 위하여, 어떤 유형의 기계, 구성요소(component), 물리적 장치, 가상 장치(virtual equipment), 컴퓨터 저장 매체 또는 장치, 또는 전송되는 신호 파(signal wave)에 영구적으로, 또는 일시적으로 구체화(embody)될 수 있다. 소프트웨어는 네트워크로 연결된 컴퓨터 시스템 상에 분산되어서, 분산된 방법으로 저장되거나 실행될 수도 있다. 소프트웨어 및 데이터는 하나 이상의 컴퓨터 판독 가능 기록 매체에 저장될 수 있다.
실시예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 상기 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 상기 매체에 기록되는 프로그램 명령은 실시예를 위하여 특별히 설계되고 구성된 것들이거나 컴퓨터 소프트웨어 당업자에게 공지되어 사용 가능한 것일 수도 있다. 컴퓨터 판독 가능 기록 매체의 예에는 하드 디스크, 플로피 디스크 및 자기 테이프와 같은 자기 매체(magnetic media), CD-ROM, DVD와 같은 광기록 매체(optical media), 플롭티컬 디스크(floptical disk)와 같은 자기-광 매체(magneto-optical media), 및 롬(ROM), 램(RAM), 플래시 메모리 등과 같은 프로그램 명령을 저장하고 수행하도록 특별히 구성된 하드웨어 장치가 포함된다. 프로그램 명령의 예에는 컴파일러에 의해 만들어지는 것과 같은 기계어 코드뿐만 아니라 인터프리터 등을 사용해서 컴퓨터에 의해서 실행될 수 있는 고급 언어 코드를 포함한다. 상기된 하드웨어 장치는 실시예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기의 기재로부터 다양한 수정 및 변형이 가능하다. 예를 들어, 설명된 기술들이 설명된 방법과 다른 순서로 수행되거나, 및/또는 설명된 시스템, 구조, 장치, 회로 등의 구성요소들이 설명된 방법과 다른 형태로 결합 또는 조합되거나, 다른 구성요소 또는 균등물에 의하여 대치되거나 치환되더라도 적절한 결과가 달성될 수 있다.
그러므로, 다른 구현들, 다른 실시예들 및 특허청구범위와 균등한 것들도 후술하는 특허청구범위의 범위에 속한다.
100: 근감소증 진단 장치 110: 산출부
120: 진단부

Claims (18)

  1. 측정된 신체 구성 정보로부터 제지방지수를 산출하는 산출부; 및
    상기 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단하는 진단부를 포함하고,
    상기 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수 분포에 대한 데이터로부터 결정되는 근감소증 진단 장치.
  2. 제1항에 있어서,
    상기 산출부는,
    상기 측정된 신체 구성 정보 중에서 제지방 정보 및 체지방 정보를 이용하여 상기 제지방지수를 산출하는 근감소증 진단 장치.
  3. 제1항에 있어서,
    상기 근감소증 기준치는 상기 데이터 중에서 준거 집단의 제지방지수에 대한 백분위수에 해당하고,
    상기 진단부는,
    상기 백분위수가 상기 근감소증 기준치 미만인 경우에 근감소증으로 판단하는 근감소증 진단 장치.
  4. 제3항에 있어서,
    상기 진단부는,
    상기 산출된 제지방지수가 상기 준거 집단의 제지방 지수 분포의 5백분위수 보다 작거나 같은 경우에 근감소증으로 판단하는 근감소증 진단 장치.
  5. 제1항에 있어서,
    상기 진단부는,
    연령대별, 성별, 및 인종별로 서로 다른 근감소증 기준치를 적용하여 근감소증 여부를 판단하는 근감소증 진단 장치.
  6. 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집하는 수집부;
    상기 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출하는 산출부; 및
    상기 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정하는 설정부
    를 포함하는 근감소증 진단 장치.
  7. 제6항에 있어서,
    상기 수집부는,
    미리 지정된 기준 이상의 수를 초과하는 측정 대상자들로부터 상기 신장 정보, 상기 체중 정보 및 상기 신체 구성 정보를 수집하고,
    상기 신체 구성 정보는 제지방 정보 및 체지방 정보를 포함하는 근감소증 진단 장치.
  8. 제6항에 있어서,
    상기 수집부는,
    상기 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보를 더 수집하고,
    상기 산출부는, 상기 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 상기 산출한 제지방지수를 그룹핑하고,
    상기 설정부는, 상기 근감소증 기준치를 그룹별로 각각 설정하는 근감소증 진단 장치.
  9. 제8항에 있어서,
    상기 산출부는,
    상기 측정 대상자들로부터 산출한 제지방지수, 상기 연령대 정보, 상기 성 정보, 및 상기 인종 정보 중에서 적어도 하나가 데이터베이스에 업데이트 되도록 데이터베이스 매니징 시스템에 요청하는 근감소증 진단 장치.
  10. 산출부에서, 측정된 신체 구성 정보로부터 제지방지수를 산출하는 단계; 및
    진단부에서, 상기 산출된 제지방지수와 근감소증 기준치를 대비하여 근감소증 여부를 판단하는 단계를 포함하고,
    상기 근감소증 기준치는 통계 모집단으로부터 추출된 제지방지수의 백분위수 및 표준 점수(T-Score)에 대한 데이터로부터 결정되는 근감소증을 모니터링하는 방법.
  11. 제10항에 있어서,
    상기 제지방지수를 산출하는 단계는,
    상기 측정된 신체 구성 정보 중에서 제지방 정보 및 체지방 정보를 이용하여 상기 제지방지수를 산출하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  12. 제10항에 있어서,
    상기 근감소증 기준치는, 상기 데이터 중에서 상기 제지방지수의 백분위수 및 표준 점수(T-Score)에 해당하고,
    상기 근감소증 여부를 판단하는 단계는,
    상기 제지방지수의 백분위수 및 표준 점수(T-Score)가 상기 근감소증 기준치 미만인 경우에 근감소증으로 판단하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  13. 제12항에 있어서,
    상기 근감소증 여부를 판단하는 단계는,
    상기 산출된 제지방지수가 근감소 진단을 위한 준거 집단의 제지방분포에 5백분위수보다 작거나 같은 경우 또는 상기 표준 점수(T-Score)가 1.96보다 작거나 같은 경우에 근감소증으로 판단하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  14. 제10항에 있어서,
    상기 근감소증 여부를 판단하는 단계는,
    연령대별, 성별, 및 인종별로 서로 다른 근감소증 기준치를 적용하여 근감소증 여부를 판단하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  15. 수집부에서, 측정 대상자들에 대한 신장 정보, 체중 정보 및 신체 구성 정보를 수집하는 단계;
    산출부에서, 상기 수집된 신장 정보, 체중 정보 및 신체 구성 정보로부터 제지방지수를 산출하는 단계; 및
    설정부에서, 상기 산출된 제지방지수의 정규 분포로부터 근감소증 기준치를 설정하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  16. 제15항에 있어서,
    상기 수집하는 단계는,
    상기 측정 대상자들에 대한 연령대 정보, 성 정보, 및 인종 정보를 더 수집하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
  17. 제16항에 있어서,
    상기 산출하는 단계는,
    상기 수집한 연령대 정보, 성 정보, 및 인종 정보 중에서 적어도 하나를 기준으로 상기 산출한 제지방지수를 그룹핑하는 단계
    를 더 포함하는 근감소증을 모니터링하는 방법.
  18. 제17항에 있어서,
    상기 설정하는 단계는,
    상기 근감소증 기준치를 그룹별로 각각 설정하는 단계
    를 포함하는 근감소증을 모니터링하는 방법.
KR1020170177689A 2016-12-23 2017-12-22 제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법 KR102021291B1 (ko)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
KR20160177555 2016-12-23
KR1020160177555 2016-12-23

Publications (2)

Publication Number Publication Date
KR20180074597A KR20180074597A (ko) 2018-07-03
KR102021291B1 true KR102021291B1 (ko) 2019-11-05

Family

ID=62918593

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020170177689A KR102021291B1 (ko) 2016-12-23 2017-12-22 제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102021291B1 (ko)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210154561A (ko) 2020-06-12 2021-12-21 경상국립대학교병원 유발 전위 근전도에 기초한 지근에 대한 속근 비율 평가 시스템
KR20210157203A (ko) 2020-06-19 2021-12-28 고려대학교 산학협력단 근감소증 진단 플랫폼 및 이를 이용한 근감소증 분석 방법
KR20230020032A (ko) 2021-08-02 2023-02-10 원광대학교산학협력단 흉부 이미지 기반 중증환자용 근감소증 진단 시스템 및 방법
WO2023068408A1 (ko) * 2021-10-22 2023-04-27 경상국립대학교병원 근감소증 환자의 영양 상태 위험 여부 또는 삶의 질을 예측하기 위한 정보제공방법

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR102206621B1 (ko) 2019-03-11 2021-01-22 가천대학교 산학협력단 딥러닝 알고리즘을 이용한 근감소증 분석 프로그램 및 애플리케이션
RU2710267C1 (ru) * 2019-09-06 2019-12-25 Александр Александрович Яковенко Способ скрининга саркопении у пациента, получающего лечение программным гемодиализом
KR102405320B1 (ko) * 2020-09-28 2022-06-02 연세대학교 원주산학협력단 근감소증 진단장치 및 진단방법
KR102534421B1 (ko) 2021-05-07 2023-05-26 주식회사 엑소시스템즈 근감소증 진단 시스템
WO2022235129A1 (ko) * 2021-05-07 2022-11-10 주식회사 엑소시스템즈 근감소증 진단 시스템 및 근전도 신호를 사용하는 기능성 전기자극 치료 시스템
KR20230054817A (ko) 2021-05-07 2023-04-25 주식회사 엑소시스템즈 근감소증 진단 시스템
KR20230070431A (ko) 2021-05-07 2023-05-23 주식회사 엑소시스템즈 근전도 신호를 사용하는 기능성 전기자극 생성 시스템
KR20230143867A (ko) 2022-04-06 2023-10-13 영남대학교 산학협력단 근감소증 진단을 위한 디지털 측정 장치
KR20240036169A (ko) 2022-09-12 2024-03-20 주식회사 엑소시스템즈 근전도 신호를 사용하는 기능성 전기자극 치료 장치 및 그것의 치료 방법
KR20240036168A (ko) 2022-09-12 2024-03-20 주식회사 엑소시스템즈 근감소증 진단 장치 및 그것의 진단 방법

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR200362781Y1 (ko) 2004-06-15 2004-09-22 주식회사 바이오스페이스 체성분분석 결과지
JP2004344518A (ja) 2003-05-23 2004-12-09 Tanita Corp 筋肉測定装置
JP2007260210A (ja) 2006-03-29 2007-10-11 Tanita Corp 健康管理装置

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR100682900B1 (ko) 2004-11-11 2007-02-15 삼성전자주식회사 사용자의 생활 패턴을 고려한 건강 관리 방법 및 장치
GB0907350D0 (en) * 2009-04-29 2009-06-10 Myotec Therapeutics Ltd Methods
KR20150077956A (ko) 2013-12-30 2015-07-08 박해유 네트워크를 이용한 체중관리 및 체중관리 상품 광고방법

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2004344518A (ja) 2003-05-23 2004-12-09 Tanita Corp 筋肉測定装置
KR200362781Y1 (ko) 2004-06-15 2004-09-22 주식회사 바이오스페이스 체성분분석 결과지
JP2007260210A (ja) 2006-03-29 2007-10-11 Tanita Corp 健康管理装置

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR20210154561A (ko) 2020-06-12 2021-12-21 경상국립대학교병원 유발 전위 근전도에 기초한 지근에 대한 속근 비율 평가 시스템
KR20210157203A (ko) 2020-06-19 2021-12-28 고려대학교 산학협력단 근감소증 진단 플랫폼 및 이를 이용한 근감소증 분석 방법
KR20230020032A (ko) 2021-08-02 2023-02-10 원광대학교산학협력단 흉부 이미지 기반 중증환자용 근감소증 진단 시스템 및 방법
WO2023068408A1 (ko) * 2021-10-22 2023-04-27 경상국립대학교병원 근감소증 환자의 영양 상태 위험 여부 또는 삶의 질을 예측하기 위한 정보제공방법

Also Published As

Publication number Publication date
KR20180074597A (ko) 2018-07-03

Similar Documents

Publication Publication Date Title
KR102021291B1 (ko) 제지방지수에 기초하여 근감소증을 모니터링하는 장치 및 방법
Sadaka et al. Predicting mortality of patients with sepsis: a comparison of APACHE II and APACHE III scoring systems
Jamrozik et al. Multiple-trait estimates of genetic parameters for metabolic disease traits, fertility disorders, and their predictors in Canadian Holsteins
Song et al. Diagnostic accuracy of lung ultrasound for interstitial lung disease in patients with connective tissue diseases: a meta-analysis
Streitberger et al. Timing of brain computed tomography and accuracy of outcome prediction after cardiac arrest
Cavero et al. Mastitis detection in dairy cows by application of neural networks
US20160249863A1 (en) Health condition determination method and health condition determination system
KR102044094B1 (ko) 딥 러닝 기반 유전체 발현량 해석을 통한 암 또는 정상 판별 방법 및 그 장치
Bouvier et al. Utility of S100B serum level for the determination of concussion in male rugby players
JP7269122B2 (ja) データ分析装置、データ分析方法及びデータ分析プログラム
Brugnara et al. Automated volumetric assessment with artificial neural networks might enable a more accurate assessment of disease burden in patients with multiple sclerosis
Scheike et al. Estimating twin concordance for bivariate competing risks twin data
Cullimore et al. Bronchoalveolar lavage fluid cytology and airway hyper‐reactivity in clinically normal horses
JP5963198B2 (ja) 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム
CN115135358A (zh) 使用机器学习的自动传感器追踪验证
Ren et al. Post-stroke epilepsy and risk of all-cause mortality: A systematic review and meta-analysis of cohort studies
Puvvada et al. Relationship between time-weighted head impact exposure on directional changes in diffusion imaging in youth football players
Nishimura et al. Reanalysis of the Japanese experience using the combined COPD assessment of the 2011 GOLD classification
Valeriano et al. Let the data speak: analysing data from multiple health centers of the São Paulo metropolitan area for covid-19 clinical deterioration prediction
Wosiak et al. On integrating clustering and statistical analysis for supporting cardiovascular disease diagnosis
Carroll et al. A protocol to identify and minimise selection and information bias in abattoir surveys estimating prevalence, using Fasciola Hepatica as an example
JP6198161B2 (ja) 動的ネットワークバイオマーカーの検出装置、検出方法及び検出プログラム
JP2022046807A (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム
US11669970B2 (en) System, apparatus, and method for detection of ureteropelvic junction obstruction
JP7093163B2 (ja) 取得方法、算出方法、評価装置、算出装置、評価プログラム、算出プログラム、および評価システム

Legal Events

Date Code Title Description
A201 Request for examination
E902 Notification of reason for refusal
E701 Decision to grant or registration of patent right
GRNT Written decision to grant