KR102114656B1 - 목표 체중 정보 제공 장치 및 방법 - Google Patents

목표 체중 정보 제공 장치 및 방법 Download PDF

Info

Publication number
KR102114656B1
KR102114656B1 KR1020200023580A KR20200023580A KR102114656B1 KR 102114656 B1 KR102114656 B1 KR 102114656B1 KR 1020200023580 A KR1020200023580 A KR 1020200023580A KR 20200023580 A KR20200023580 A KR 20200023580A KR 102114656 B1 KR102114656 B1 KR 102114656B1
Authority
KR
South Korea
Prior art keywords
body fat
user
time point
target weight
fat percentage
Prior art date
Application number
KR1020200023580A
Other languages
English (en)
Inventor
김정국
Original Assignee
주식회사 급시우
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 주식회사 급시우 filed Critical 주식회사 급시우
Priority to KR1020200023580A priority Critical patent/KR102114656B1/ko
Application granted granted Critical
Publication of KR102114656B1 publication Critical patent/KR102114656B1/ko

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/22—Social work or social welfare, e.g. community support activities or counselling services
    • 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
    • G16H10/00—ICT specially adapted for the handling or processing of patient-related medical or healthcare data
    • G16H10/60—ICT specially adapted for the handling or processing of patient-related medical or healthcare data for patient-specific data, e.g. for electronic patient records
    • 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
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Primary Health Care (AREA)
  • General Health & Medical Sciences (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Tourism & Hospitality (AREA)
  • Epidemiology (AREA)
  • Biomedical Technology (AREA)
  • Marketing (AREA)
  • Child & Adolescent Psychology (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Data Mining & Analysis (AREA)
  • Strategic Management (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)

Abstract

사용자의 목표 체중 정보 제공 방법은 상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하는 단계, 상기 사용자의 개인 특성값에 기반하여 상기 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정하는 단계, 상기 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 상기 사용자의 체지방 감량 속도를 계산하는 단계, 상기 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산하는 단계, 상기 사용자의 기준 시점의 골격근량을 기준으로 하여, 상기 권장 체지방률에 도달하기 위한 목표 체중 정보를 생성하는 단계, 및 상기 목표 체중 정보를 출력하는 단계를 포함할 수 있다.

Description

목표 체중 정보 제공 장치 및 방법 {APPARATUS AND METHOD FOR PROVIDING TARGET WEIGHT INFORMATION}
이하의 설명은 체중 관리를 하려는 사용자를 위한 목표 체중 정보 제공 장치 및 방법에 관한 것이다.
다이어트를 통해 감량된 체중이 다시 증가하는 현상은 관용적으로 요요 현상이라고 불리고, 영어로는 weight cycling이라고 불린다. 단기간에 무리한 체중 감량을 진행하는 경우, 요요 현상이 발생될 가능성이 높아질 수 있으며, 요요 현상을 방지할 수 있는 적정 속도의 체중 감량은 개인 특성에 따라 상이할 수 있다. 요요 현상 이외에도, 무리한 체중 조절은 건강에 악영향을 미칠 수 있기 때문에, 개인의 나이나 성별 등과 같은 특성에 따라 건강에 해를 끼치지 않는 적절한 목표 체중을 제시할 필요성이 존재한다.
특히,무리한 체중 감량은 여성 건강에 악영향을 줄 수 있는데, 여성의 경우 무리한 체중 감량을 시도하는 경우에 무월경 현상이 발생할 수 있으며, 이외에도 무리한 체중 감량은 여러 질환을 초래할 수 있다.
따라서, 보다 건강한 다이어트를 위하여 개인 별로 적합한 목표 체중을 제공하여 다이어트를 보조하는 시스템이 요구될 수 있다.
대한민국 등록특허 제10-2032224호
일 측면에 따르면, 사용자의 목표 체중 정보를 제공하는 방법이 제공된다. 상기 사용자의 목표 체중 정보를 제공하는 방법은 상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하는 단계; 상기 사용자의 개인 특성값에 기반하여 상기 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정하는 단계; 상기 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 상기 사용자의 체지방 감량 속도를 계산하는 단계; 상기 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산하는 단계; 상기 사용자의 기준 시점의 골격근량을 기준으로 하여, 상기 사용자의 권장 체지방률에 도달하기 위한 목표 체중 정보를 생성하는 단계; 및 상기 목표 체중 정보를 출력하는 단계를 포함할 수 있다.
일 실시 예에 따르면, 상기 제1 시점에서의 사용자의 목표 체지방률의 한계값을 설정하는 단계는 상기 사용자의 성별에 따라 서로 다른 목표 체지방률의 한계값을 설정하는 단계를 포함하고, 상기 서로 다른 목표 체지방률의 한계값을 설정하는 단계는 상기 사용자가 여성인 경우, 상기 사용자가 남성인 경우보다 상기 한계값을 더 높은 값으로 설정할 수 있다.
다른 일 실시 예에 따르면, 제1 시점에서의 사용자의 목표 체지방률의 한계값을 설정하는 단계는, 상기 사용자가 월경이 종료된 갱년기(更年期)의 여성인 경우에 빅데이터에 기초하여 골다공증 발생 확률을 낮추도록 미리 결정된 체지방률 한계값을 상기 목표 체지방률의 한계값으로 설정할 수 있다.
다른 일 측면에 따른 사용자의 목표 체중을 계산하는 컴퓨팅 장치는 메모리; 상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하는 프로세서를 포함하고, 상기 프로세서는 상기 사용자의 기준 시점의 체성분 데이터를 획득하고, 상기 사용자의 개인 특성값에 기반하여 상기 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정하고, 상기 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 상기 사용자의 체지방 감량 속도를 계산하고, 상기 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산하고, 상기 사용자의 제1 시점의 골격근량을 기준으로 하여, 상기 제2 시점에서의 사용자의 권장 체지방률에 도달하기 위한 목표 체중을 계산하고, 계산된 목표 체중을 출력 기기를 통해 출력할 수 있다.
도 1은 일 실시 예에 따라 목표 체중 정보를 제공하는 컴퓨팅 장치의 동작을 설명하는 예시도이다.
도 2는 도 1에서 설명된 컴퓨팅 장치를 보다 상세하게 설명하는 블록도이다.
도 3은 일 실시 예에 따라 사용자에게 목표 체중 정보를 제공하는 방법을 설명하는 흐름도이다.
도 4는 일 실시 예에 따른 컴퓨팅 장치가 목표 체중 정보를 생성하는 과정에서 참조하는 빅데이터의 일례를 도시하는 도면이다.
도 5는 일 실시 예에 따른 컴퓨팅 장치가 목표 체중에 따른 상세 정보를 도시하는 과정을 나타내는 예시도이다.
실시 예들에 대한 특정한 구조적 또는 기능적 설명들은 단지 예시를 위한 목적으로 개시된 것으로서, 다양한 형태로 변경되어 실시될 수 있다. 따라서, 실시 예들은 특정한 개시형태로 한정되는 것이 아니며, 본 명세서의 범위는 기술적 사상에 포함되는 변경, 균등물, 또는 대체물을 포함한다.
제1 또는 제2 등의 용어를 다양한 구성요소들을 설명하는데 사용될 수 있지만, 이런 용어들은 하나의 구성요소를 다른 구성요소로부터 구별하는 목적으로만 해석되어야 한다. 예를 들어, 제1 구성요소는 제2 구성요소로 명명될 수 있고, 유사하게 제2 구성요소는 제1 구성요소로도 명명될 수 있다.
어떤 구성요소가 다른 구성요소에 "연결되어" 있다고 언급된 때에는, 그 다른 구성요소에 직접적으로 연결되어 있거나 또는 접속되어 있을 수도 있지만, 중간에 다른 구성요소가 존재할 수도 있다고 이해되어야 할 것이다.
단수의 표현은 문맥상 명백하게 다르게 뜻하지 않는 한, 복수의 표현을 포함한다. 본 명세서에서, "포함하다" 또는 "가지다" 등의 용어는 기재된 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 해당 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, 실시 예들을 첨부된 도면들을 참조하여 상세하게 설명한다. 첨부 도면을 참조하여 설명함에 있어, 도면 부호에 관계없이 동일한 구성 요소는 동일한 참조 부호를 부여하고, 이에 대한 중복되는 설명은 생략하기로 한다.
도 1은 일 실시 예에 따라 목표 체중 정보를 제공하는 컴퓨팅 장치의 동작을 설명하는 예시도이다. 도 1을 참조하면, 다이어트를 수행하는 사용자의 개인 특성에 따라 적합한 목표 체중 정보를 제공하는 컴퓨팅 장치(100)가 도시된다.
오늘날 체중 관리를 하는 사람들은 감량된 체중이 다시 원래 체중으로 복귀되는 현상을 나타내는 요요 현상을 방지하기 위해 노력한다. 다이어트를 통해 체지방률이 급격히 감소하는 경우, 요요 현상의 발생 빈도는 통상적으로 높아지는 것이 밝혀져 있다. 따라서, 다이어트를 수행하는 사용자가 적정한 속도로 체지방을 줄여 나갈 수 있도록 체지방 감량 속도를 조절해주는 시스템이 요구될 수 있다.
이와 더불어, 추가적인 연구에서는 여성의 경우 체지방률이 제1 임계치까지 감소하게 될 경우 무월경 현상이 발생할 수 있으며, 갱년기 여성의 경우에는 체지방률이 제2 임계치 이하로 내려가는 경우 골다공증의 확률이 높아진다는 사실이 밝혀져 있다. 따라서, 사용자의 성별이나 연령 등과 같은 개인적인 특성에 따라서 적절한 체지방률 한계값을 설정해주는 시스템이 요구될 수 있다.
이와 더불어, 앞서 설명된 적정 수준의 체지방률을 달성하기 위한 목표 체중은 개인마다 차이가 있을 수 있어, 이를 보다 정확하게 제시해줄 수 있는 시스템이 요구될 수 있다.
일 실시 예에 따른 컴퓨팅 장치(100)는 사용자의 체성분 데이터와 개인 특성값에 기초하여 사용자의 목표 체중 정보를 제공함으로써, 개인적인 특성에 따라 건강한 다이어트를 할 수 있는 체지방률 한계값을 사용자에게 제공할 수 있으며, 요요 현상을 방지할 수 있는 적정 수준의 권장 체지방률을 제공함으로써 사용자가 적정 속도로 다이어트를 수행할 수 있는 수단을 제공할 수 있다. 앞서 언급한 체지방률 한계값은 특정 질환 등이 발생하지 않기 위한 체지방률의 마지노선을 의미할 수 있고, 권장 체지방률은 요요 현상을 방지하기 위한 체지방률 감량 속도를 조절하기 위한 체지방률을 의미할 수 있다. 다만, 권장 체지방률은 예시적으로 설명된 바와 같이 요요 현상을 방지하는 목적으로 한정되어 결정되는 것은 아니고, 빅데이터에 기반하여 임의의 부작용을 방지하기 위해 미리 설정될 수 있음은 통상의 기술자가 이해할 것이다.
이와 더불어, 컴퓨팅 장치(100)는 빅데이터에 기반하여 권장 체지방률에 도달하기 위한 보다 정확도 높은 목표 체중 정보를 사용자에게 제공할 수 있다.
도 2는 도 1에서 설명된 컴퓨팅 장치를 보다 상세하게 설명하는 블록도이다. 도 2를 참조하면, 컴퓨팅 장치(100)는 통신부(110), 프로세서(120) 및 디스플레이(130)를 포함할 수 있다.
컴퓨팅 장치(110)는 통신부(110)를 통하여 다른 컴퓨팅 장치(미도시)와 직간접적으로 통신할 수 있다. 통신부(110)는 통신 인터페이스를 포함할 수 있다. 이를테면, 통신 인터페이스는 WLAN(Wireless LAN), WiFi(Wireless Fidelity) Direct, DLNA(Digital Living Network Alliance), Wibro(Wireless broadband), Wimax(World Interoperability for Microwave Access), HSDPA(High Speed Downlink Packet Access) 등의 무선 인터넷 인터페이스와 블루투스(Bluetooth™), RFID(Radio Frequency Identification), 적외선 통신(Infrared Data Association; IrDA), UWB(Ultra Wideband), ZigBee, NFC(Near Field Communication) 등의 근거리 통신 인터페이스를 포함할 수 있다. 뿐만 아니라, 통신 인터페이스는 외부와 통신을 수행할 수 있는 모든 인터페이스(예를 들어, 유선 인터페이스)를 나타낼 수 있다.
구체적으로, 상기 컴퓨팅 장치(100)는, 전형적인 컴퓨터 하드웨어(예컨대, 컴퓨터 프로세서, 메모리, 스토리지, 입력 장치 및 출력 장치, 기타 기존의 컴퓨팅 장치의 구성요소들을 포함할 수 있는 장치; 라우터, 스위치 등과 같은 전자 통신 장치; 네트워크 부착 스토리지(NAS; network-attached storage) 및 스토리지 영역 네트워크(SAN; storage area network)와 같은 전자 정보 스토리지 시스템)와 컴퓨터 소프트웨어(즉, 컴퓨팅 장치로 하여금 특정의 방식으로 기능하게 하는 명령어들)의 조합을 이용하여 원하는 시스템 성능을 달성하는 것일 수 있다.
이와 같은 컴퓨팅 장치의 통신부(110)는 연동되는 타 컴퓨팅 장치와 요청과 응답을 송수신할 수 있는 바, 일 예시로서 그러한 요청과 응답은 동일한 TCP(transmission control protocol) 세션(session)에 의하여 이루어질 수 있지만, 이에 한정되지는 않는 바, 예컨대 UDP(user datagram protocol) 데이터그램(datagram)으로서 송수신될 수도 있을 것이다. 덧붙여, 넓은 의미에서 상기 통신부(110)는 명령어 또는 지시 등을 전달받기 위한 키보드, 마우스, 기타 외부 입력장치, 프린터, 디스플레이, 기타 외부 출력장치를 포함할 수 있다.
또한, 컴퓨팅 장치의 프로세서(120)는 MPU(micro processing unit), CPU(central processing unit), GPU(graphics processing unit), NPU(neural processing unit) 또는 TPU(tensor processing unit), 캐시 메모리(cache memory), 데이터 버스(data bus) 등의 하드웨어 구성을 포함할 수 있다. 또한, 운영체제, 특정 목적을 수행하는 애플리케이션의 소프트웨어 구성을 더 포함할 수도 있다.
통신부(110)는 사용자의 개인 특성값 및 사용자의 체성분 데이터 중 적어도 하나를 획득할 수 있다. 이하의 설명에서, 개인 특성값은 사용자의 성별, 나이, 소정의 건강 상태(예를 들어, 갱년기 여부, 질환 여부 등)등과 같이 개인의 특성에 대한 정보를 포함할 수 있고, 체성분 데이터는 사용자의 체중 데이터, 체지방량 데이터, 체수분량 데이터, 골격근량 데이터 중 적어도 하나를 포함할 수 있다.
프로세서(120)는 통신부(110)를 통해 획득한 데이터에 기초하여 사용자의 목표 체중 정보를 산출하고, 산출된 목표 체중 정보를 디스플레이(130)를 통해 출력할 수 있다. 더불어, 프로세서(120)는 사용자 별로 건강의 이상을 초래하지 않을 체지방률 한계값을 계산하고, 계산된 체지방률 한계값을 디스플레이(130)를 통해 출력할 수 있다.
프로세서(120)가 목표 체중 정보를 산출하고, 이를 제공하는 구체적인 방식은 도 3을 통해 보다 상세하게 설명된다.
도 3은 일 실시 예에 따른 목표 체중 정보 제공 방법을 설명하기 위한 흐름도이다. 도 3을 참조하면, 컴퓨팅 장치는 단계(310)에서 사용자의 기준 시점의 체성분 데이터를 이용하여 기준 시점에서의 체지방률을 계산할 수 있다. 체지방률은 사용자의 체지방의 중량 및 체중의 비율에 기초하여 산정될 수 있다.
컴퓨팅 장치는 단계(320)에서 사용자의 개인 특성값에 기반하여 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정할 수 있다. 제1 시점은 다이어트 목표 시점으로 미리 설정될 수 있고, 그 시점이 소정의 범위로 한정되는 것은 아니다. 예시적으로, 사용자의 체성분 데이터가 획득된 기준 시점이 2020년 2월 1일이라면, 제1 시점은 1 개월 뒤인 2020년 3월 1일로 설정될 수 있을 것이다. 앞서 설명된 제1 시점에 대한 예시는 이해를 돕기 위한 기재일 뿐, 다른 실시 예를 제한하거나 한정하는 것으로 해석되어서는 안될 것이다.
보다 구체적으로, 컴퓨팅 장치는 사용자의 성별에 따라 서로 다른 목표 체지방률의 한계값을 설정할 수 있다. 예를 들어, 컴퓨팅 장치는 사용자가 여성인 경우, 사용자가 남성인 경우보다 한계값을 더 높은 값으로 설정할 수 있다. 여성의 경우 과도하게 체지방을 감량하는 경우, 무월경 현상이 발생할 수 있기 때문이다.
또한, 컴퓨팅 장치는 사용자가 월경이 종료된 갱년기(更年期)의 여성인 경우, 빅데이터에 기초하여 미리 결정된, 골다공증 발생 확률을 낮추는 소정의 한계값으로 상기 사용자의 체지방률의 한계값을 설정할 수 있다.
컴퓨팅 장치는 단계(330)에서 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 사용자의 체지방 감량 속도를 계산할 수 있다. 예를 들어, 체지방 감량 속도는 단위 기간 동안 감량된 체지방량에 기초하여 산출될 수 있다. 앞서 설명된 바와 같이, 사용자의 체성분 데이터가 획득된 기준 시점이 2020년 2월 1일이라면, 제2 시점은 1 개월 이전인 2020년 1월 1일을 나타낼 수 있다. 마찬가지로, 제2 시점에 대한 예시는 이해를 돕기 위한 기재일 뿐, 다른 실시 예를 제한하거나 한정하는 것으로 해석되어서는 안될 것이다.
컴퓨팅 장치는 단계(340)에서 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산할 수 있다. 예를 들어, 요요 현상이 발생하지 않는 체지방 감량 속도에 대한 임계값은 매달 1kg로 통계적으로 미리 결정될 수 있고, 컴퓨팅 장치는 미리 결정된 임계값에 기초하여 권장 체지방률을 계산할 수 있다. 상기 예시에서 컴퓨팅 장치는 지난달 사용자가 1.5 kg의 체지방을 감량한 경우에 이번 한 달 동안 0.5kg의 체지방량이 감량되도록 유도함으로써 미리 결정된 임계값을 만족시킬 수 있도록 권장 체지방률을 계산할 수 있다. 앞서 설정된 임계값은 예시적인 값에 불과할 뿐, 요요 현상과 관련된 임계값은 모집단의 선정(예를 들어, 모집단의 나이, 기초 대사량, 골격근 량 등)에 통계적으로 다른 값으로 설정될 수 있음은 통상의 기술자가 이해할 것이다.
컴퓨팅 장치는 단계(350)에서 사용자의 기준 시점의 골격근량을 기준으로 하여, 사용자의 권장 체지방률에 도달하기 위한 목표 체중 정보를 생성하고, 단계(360)를 통해 생성된 목표 체중 정보를 출력할 수 있다.컴퓨팅 장치는 빅데이터에 기초하여 목표 체중 정보를 생성하고, 이를 디스플레이를 이용하여 출력할 수 있다.
일 실시 예에 따르면,빅데이터는 각각의 골격근량에 대응하여, 감량 체중 대비 골격근 변화량 및 감량 체중 대비 체지방 변화량에 대한 정보를 포함할 수 있다. 컴퓨팅 장치는 기준 시점의 골격근량을 기준으로, 권장 체지방률에 도달하기 위한 체지방 변화량 및 골격근 변화량을 결정할 수 있다. 예를 들어, 동일한 70kg의 체중을 갖는 성인 남성 A(골격근 28kg), B(골격근 20kg)라고 할 지라도, 동일한 5kg의 체중 감량을 수행하는 과정에서 감량되는 체지방량에 차이가 있을 수 있다. 이에 상기의 차이는 골격근량을 기준으로 하여 감량 체중 대비 골격근 변화량 및 체지방 변화량에 대한 정보를 포함하는 빅데이터에 기초하여 결정될 수 있다.
상기 방식에 따라, 컴퓨팅 장치는 결정된 체중 변화량 및 골격근 변화량에 기초하여 목표 체중을 계산할 수 있다. 구체적으로, 컴퓨팅 장치는 아래의 수학식 1 내지 수학식 3에 기초하여 목표 체중을 계산할 수 있다.
Figure 112020020313061-pat00001
Figure 112020020313061-pat00002
는 목표 체중(target weight),
Figure 112020020313061-pat00003
는 현재 체중(current weight),
Figure 112020020313061-pat00004
는 목표 체중을 달성하기 위한 골격근 변화량,
Figure 112020020313061-pat00005
는 목표 체중을 달성하기 위한 체지방 변화량을 나타낼 수 있다.
Figure 112020020313061-pat00006
TFP는 권장 체지방률(target body fat percentage),
Figure 112020020313061-pat00007
는 현재 체지방량(current body fat weight),
Figure 112020020313061-pat00008
는 목표 체중을 달성하기 위한 골격근 변화량,
Figure 112020020313061-pat00009
는 목표 체중을 달성하기 위한 체지방 변화량을 나타낼 수 있다.
Figure 112020020313061-pat00010
Figure 112020020313061-pat00011
는 목표 체중을 달성하기 위한 체지방 변화량,
Figure 112020020313061-pat00012
는 목표 체중을 달성하기 위한 골격근 변화량, k는 빅데이터에 기초하여 결정되는 상관 파라미터를 나타낼 수 있다. 예를 들어, k는 빅데이터 상에서 골격근량 변화에 따라 골격근 감소량 및 체지방 감소량의 관계에 대한 회귀 분석에 기초하여 결정될 수 있다. 구체적으로, 상기 k는 동일한 개인 특성을 공유하는 모집단의 체성분 데이터 내에서 골격근 감소량과 체지방 감소량의 비율을 나타낼 수 있다. 예시적으로, k1은 남성의 골격근 감소량과 체지방 감소량의 비율이고, k2는 갱년기 이전 여성의 골격근 감소량과 체지방 감소량의 비율이고, k3는 갱년기 이후 여성의 골격근 감소량과 체지방 감소량의 비율을 나타낼 수 있다.
다른 실시 예에 따르면, 컴퓨팅 장치는 체중 감량 과정에서 골격근이 유지되는 정도를 나타내는 골격근 유지 파라미터에 기초하여 목표 체중 정보를 생성할 수 있다. 골격근 유지 파라미터는 체중 감량 방식(예를 들어, 식이요법만 사용하는 경우, 식이요법과 운동을 병행하는 경우 등), 사용자의 개인 특성(체중, 성별, 나이, 초기 골격근량 등)에 따라, 체중 감량이 진행되는 과정에서 골격근이 유지되는 정도를 나타낼 수 있으며, 이는 빅데이터에 기반한 분석에 기초하여 산출될 수 있다.
골격근 유지 파라미터
Figure 112020020313061-pat00013
는 빅데이터에 기초하여, 적용되는 다이어트 방식, 개인 특성별로 산출될 수 있다. 또한, 골격근 유지 파라미터
Figure 112020020313061-pat00014
는 산출 기준 대상 기간에 따라 20일 동안 골격근이 유지되는 정도에 따라 산출되는
Figure 112020020313061-pat00015
, 60일 동안 골격근이 유지되는 정도에 따라 산출되는
Figure 112020020313061-pat00016
, 100일 동안 골격근이 유지되는 정도에 따라 산출되는
Figure 112020020313061-pat00017
등으로 산출될 수 있으나, 산출 기간은 제시된 예시에 한정되지 않음은 통상의 기술자가 이해할 것이다.
각각의 골격근 유지 파라미터는 각각의 다이어트 방법에 대한 평가 지표로서 사용될 수 있다.
보다 구체적으로 컴퓨팅 장치는 수학식 4 내지 수학식 10에 따라 골격근 유지 파라미터를 이용하여 목표 체중 정보를 생성할 수 있다.
Figure 112020020313061-pat00018
Figure 112020020313061-pat00019
는 목표 체중(target weight),
Figure 112020020313061-pat00020
는 현재 체중(current weight),
Figure 112020020313061-pat00021
는 목표 체중을 달성하기 위한 골격근 변화량,
Figure 112020020313061-pat00022
는 목표 체중을 달성하기 위한 체지방 변화량을 나타낼 수 있다.
Figure 112020020313061-pat00023
Figure 112020020313061-pat00024
는 현재 골격근량,
Figure 112020020313061-pat00025
는 목표 골격근량,
Figure 112020020313061-pat00026
는 골격근 유지 파라미터를 나타낼 수 있다.
Figure 112020020313061-pat00027
Figure 112020020313061-pat00028
는 골격근 변화량,
Figure 112020020313061-pat00029
는 현재 골격근량,
Figure 112020020313061-pat00030
는 목표 골격근량,
Figure 112020020313061-pat00031
는 골격근 유지 파라미터를 나타낼 수 있다.
Figure 112020020313061-pat00032
Figure 112020020313061-pat00033
는 체지방량 변화량,
Figure 112020020313061-pat00034
는 현재 체지방량,
Figure 112020020313061-pat00035
는 목표 체지방량을 나타낼 수 있다.
Figure 112020020313061-pat00036
TFP는 권장 체지방율,
Figure 112020020313061-pat00037
는 목표 체지방량,
Figure 112020020313061-pat00038
는 목표 체중을 나타낼 수 있다.
수학식 5 내지 수학식 8에 기초하여, 수학식 4는 수학식 9와 같이 표현될 수 있고, 수학식 9의 연산을 통해 획득되는 수학식 10를 통해 목표 체중
Figure 112020020313061-pat00039
이 산출될 수 있다.
Figure 112020020313061-pat00040
Figure 112020020313061-pat00041
도 4는 일 실시 예에 따른 컴퓨팅 장치가 목표 체중 정보를 생성하는 과정에서 참조하는 빅데이터의 일례를 도시하는 도면이다. 도 4에 도시된, 데이터는 미리 결정된 성별, 나이, 신체 사이즈에 연관되는 사용자에 관한 것으로, 본 발명의 사상이 활용될 수 있는 빅데이터가 해당 조건에 한정되는 것이 아님은 통상의 기술자가 이해할 것이다.
해당 데이터를 참조하면, 기준 체중(70kg)에 대응되는 사용자의 골격근량에 따라 동일한 체중 감소량에 대해 서로 다른 체지방 감소량이 대응되는 것을 확인할 수 있다. 이를 통해 본원의 방법은 권장 체지방률을 달성하는 과정에서 필요한 목표 체중 정보를 보다 정확도 높게 제공할 수 있다.
도 5는 일 실시 예에 따른 컴퓨팅 장치가 목표 체중에 따른 상세 정보를 도시하는 과정을 나타내는 예시도이다. 도 5를 참조하면, 특정한 사용자의 체성분 데이터에 기반으로 목표 체중과 해당 체중에서의 상세 정보가 표시된 디스플레이 화면이 도시된다.
본 실시 예의 사용자는 2016년 6월 2일을 기준으로 약 30.1%의 체지방률을 가진다. 또한, 해당 사용자는 갱년기 이전의 여성으로서의 개인 특성을 가진다. 이 경우에, 본 실시 예에 따른 컴퓨팅 장치는 갱년기 이전의 여성이라는 개인 특성값에 기반하여 목표 다이어트 기간(예. 5 개월) 이후의 사용자의 체지방률의 한계값을 설정할 수 있다. 예를 들면, 해당 사용자의 체지방률이 약 20% 이하가 되면 생리불순 문제가 발생될 수 있고, 해당 사용자의 체지방률이 약 16% 이하가 되면 무월경 상태가 발생될 수 있다. 이에 기반하여, 컴퓨팅 장치는 해당 사용자에게 "22%"라는 체지방률의 한계값을 설정할 수 있다. 본 실시 예의 경우에는 다이어트 시작 단계의 사용자를 나타내지만, 해당 사용자가 다이어트 중인 경우에는 이전 구간에서의 체지방 감량 속도에 따라 권장 체지방률이 다르게 설정될 수도 있을 것이다.
또한, 컴퓨팅 장치는 해당 사용자의 골격근량이 갱년기 이전의 여성의 기본 골격근량 이하에 해당되므로 다이어트 도중의 근손실이 거의 없을 것이라는 것을 빅데이터 분석에 기반하여 예측할 수 있다. 이에 따라, 컴퓨팅 장치는 기준 시점(2016년 6월 2일)의 골격근량(21kg)을 기준으로 하여 권장 체지방률 22%에 도달하기 위한 목표 체중 정보를 51.4kg으로서 생성할 수 있다.
이상에서 설명된 실시 예들은 하드웨어 구성요소, 소프트웨어 구성요소, 및/또는 하드웨어 구성요소 및 소프트웨어 구성요소의 조합으로 구현될 수 있다. 예를 들어, 실시 예들에서 설명된 장치, 방법 및 구성요소는, 예를 들어, 프로세서, 콘트롤러, ALU(arithmetic logic unit), 디지털 신호 프로세서(digital signal processor), 마이크로컴퓨터, FPGA(field programmable gate 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.
실시 예에 따른 방법은 다양한 컴퓨터 수단을 통하여 수행될 수 있는 프로그램 명령 형태로 구현되어 컴퓨터 판독 가능 매체에 기록될 수 있다. 컴퓨터 판독 가능 매체는 프로그램 명령, 데이터 파일, 데이터 구조 등을 단독으로 또는 조합하여 포함할 수 있다. 컴퓨터 판독 가능 매체에 기록되는 프로그램 명령은 실시 예를 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 실시 예의 동작을 수행하기 위해 하나 이상의 소프트웨어 모듈로서 작동하도록 구성될 수 있으며, 그 역도 마찬가지이다.
이상과 같이 실시 예들이 비록 한정된 도면에 의해 설명되었으나, 해당 기술분야에서 통상의 지식을 가진 자라면 상기를 기초로 다양한 기술적 수정 및 변형을 적용할 수 있다. 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.

Claims (6)

  1. 사용자의 목표 체중 정보 제공 방법에 있어서,
    상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하는 단계;
    상기 사용자의 개인 특성값에 기반하여 상기 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정하는 단계;
    상기 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 상기 사용자의 체지방 감량 속도를 계산하는 단계;
    상기 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산하는 단계;
    상기 사용자의 골격근량을 기준으로 하여, 상기 권장 체지방률에 도달하기 위한 목표 체중 정보를 생성하는 단계; 및
    상기 목표 체중 정보를 출력하는 단계
    를 포함하는 사용자의 목표 체중 정보 제공 방법.
  2. 제1항에 있어서,
    상기 제1 시점에서의 사용자의 목표 체지방률의 한계값을 설정하는 단계는,
    상기 사용자의 성별에 따라 서로 다른 목표 체지방률의 한계값을 설정하는 단계
    를 포함하고,
    상기 서로 다른 목표 체지방률의 한계값을 설정하는 단계는
    상기 사용자가 여성인 경우, 상기 사용자가 남성인 경우보다 상기 한계값을 더 높은 값으로 설정하는, 목표 체중 정보 제공 방법.
  3. 제2항에 있어서,
    상기 제1 시점에서의 사용자의 목표 체지방률의 한계값을 설정하는 단계는,
    상기 사용자가 월경이 종료된 갱년기(更年期)의 여성인 경우, 빅데이터에 기초하여 골다공증이 발생하지 않도록 미리 결정된 체지방률 한계값을 상기 목표 체지방률의 한계값으로 설정하는, 목표 체중 정보 제공 방법.
  4. 제1항에 있어서,
    상기 목표 체중 정보를 생성하는 단계,
    각각의 골격근량에 대응하여, 감량 체중 대비 골격근 변화량 및 감량 체중 대비 체지방 변화량에 대한 정보를 포함하는 빅데이터에 기초하여, 상기 기준 시점의 골격근량을 기준으로, 상기 권장 체지방률에 도달하기 위한 체지방 변화량 및 골격근 변화량을 결정하는 단계; 및
    결정된 체중 변화량 및 골격근 변화량에 기초하여 목표 체중을 계산하는 단계
    를 포함하고,
    상기 목표 체중 정보를 생성하는 단계,
    수학식 1 내지 수학식 3에 기초하여 상기 목표 체중을 계산하고,
    상기 수학식 1은
    Figure 112020020313061-pat00042
    =
    Figure 112020020313061-pat00043

    Figure 112020020313061-pat00044
    는 목표 체중(target weight),
    Figure 112020020313061-pat00045
    는 현재 체중(current weight),
    Figure 112020020313061-pat00046
    는 목표 체중을 달성하기 위한 골격근 변화량,
    Figure 112020020313061-pat00047
    는 목표 체중을 달성하기 위한 체지방 변화량을 나타내고,
    상기 수학식 2는
    Figure 112020020313061-pat00048

    TFP는 권장 체지방률(target body fat percentage),
    Figure 112020020313061-pat00049
    는 현재 체지방량(current body fat weight),
    Figure 112020020313061-pat00050
    는 목표 체중을 달성하기 위한 골격근 변화량,
    Figure 112020020313061-pat00051
    는 목표 체중을 달성하기 위한 체지방 변화량을 나타내고,
    상기 수학식 3은
    Figure 112020020313061-pat00052

    Figure 112020020313061-pat00053
    는 목표 체중을 달성하기 위한 체지방 변화량,
    Figure 112020020313061-pat00054
    는 목표 체중을 달성하기 위한 골격근 변화량, k는 빅데이터에 기초하여 결정되는 상관 파라미터를 나타내는, 목표 체중 정보 제공 방법.
  5. 제1항에 있어서,
    상기 목표 체중 정보를 생성하는 단계는,
    골격근이 유지되는 정도에 기초하여 상기 목표 체중 정보를 생성하고,
    상기 목표 체중 정보는 수학식 10에 기초하여 산출되고,
    상기 수학식 10은,
    Figure 112020020313061-pat00055
    이고,
    상기
    Figure 112020020313061-pat00056
    는 목표 체중, 상기
    Figure 112020020313061-pat00057
    는 현재 체중, 상기
    Figure 112020020313061-pat00058
    는 현재 골격근량, 상기
    Figure 112020020313061-pat00059
    는 골격근 유지 파라미터, 상기
    Figure 112020020313061-pat00060
    는 현재 체지방량, 상기 TFP는 권장 체지방률을 나타내는, 목표 체중 정보 제공 방법.
  6. 사용자의 목표 체중을 계산하는 컴퓨팅 장치에 있어서,
    메모리;
    상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하는 프로세서
    를 포함하고,
    상기 프로세서는,
    상기 사용자의 기준 시점의 체성분 데이터를 이용하여 상기 기준 시점에서의 체지방률을 계산하고,
    상기 사용자의 개인 특성값에 기반하여 상기 기준 시점으로부터 소정 기간이 경과된 제1 시점에서의 사용자의 체지방률의 한계값을 설정하고,
    상기 기준 시점보다 소정 시간 이전인 제2 시점에서의 사용자의 체성분 데이터를 이용하여 상기 사용자의 체지방 감량 속도를 계산하고,
    상기 사용자의 체지방 감량 속도를 미리 설정된 임계값과 비교함으로써 권장 체지방률을 계산하고,
    상기 사용자의 제1 시점의 골격근량을 기준으로 하여, 상기 제2 시점에서의 사용자의 권장 체지방률에 도달하기 위한 목표 체중 정보를 생성하고,
    상기 목표 체중 정보를 디스플레이를 통해 출력하는 컴퓨팅 장치.
KR1020200023580A 2020-02-26 2020-02-26 목표 체중 정보 제공 장치 및 방법 KR102114656B1 (ko)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020200023580A KR102114656B1 (ko) 2020-02-26 2020-02-26 목표 체중 정보 제공 장치 및 방법

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020200023580A KR102114656B1 (ko) 2020-02-26 2020-02-26 목표 체중 정보 제공 장치 및 방법

Publications (1)

Publication Number Publication Date
KR102114656B1 true KR102114656B1 (ko) 2020-05-25

Family

ID=70914464

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020200023580A KR102114656B1 (ko) 2020-02-26 2020-02-26 목표 체중 정보 제공 장치 및 방법

Country Status (1)

Country Link
KR (1) KR102114656B1 (ko)

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000024161A (ja) * 1998-05-01 2000-01-25 Ya Man Ltd ウエイトマシンの負荷自動調整装置
JP2002279075A (ja) * 2001-03-15 2002-09-27 Chisato Hirotsu 目標体脂肪率達成運動計画システムおよび運動計画システム情報の提供方法
KR20060007236A (ko) * 2004-07-19 2006-01-24 삼성전자주식회사 체중 관리 방법 및 시스템
KR20150057244A (ko) * 2013-11-19 2015-05-28 (주)녹십자헬스케어 생체 정보 및 활동량 정보를 활용한 건강관리 방법, 이를 이용한 건강관리 서버 및 시스템
KR20160080347A (ko) * 2014-12-29 2016-07-08 (주)도넛시스템엘에스아이 체성분 분석장치 및 이를 이용한 분석방법
KR102032224B1 (ko) 2019-02-26 2019-10-15 김민철 네트워크를 통한 다이어트 관리 방법 및 이에 사용되는 관리 서버

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2000024161A (ja) * 1998-05-01 2000-01-25 Ya Man Ltd ウエイトマシンの負荷自動調整装置
JP2002279075A (ja) * 2001-03-15 2002-09-27 Chisato Hirotsu 目標体脂肪率達成運動計画システムおよび運動計画システム情報の提供方法
KR20060007236A (ko) * 2004-07-19 2006-01-24 삼성전자주식회사 체중 관리 방법 및 시스템
KR20150057244A (ko) * 2013-11-19 2015-05-28 (주)녹십자헬스케어 생체 정보 및 활동량 정보를 활용한 건강관리 방법, 이를 이용한 건강관리 서버 및 시스템
KR20160080347A (ko) * 2014-12-29 2016-07-08 (주)도넛시스템엘에스아이 체성분 분석장치 및 이를 이용한 분석방법
KR102032224B1 (ko) 2019-02-26 2019-10-15 김민철 네트워크를 통한 다이어트 관리 방법 및 이에 사용되는 관리 서버

Similar Documents

Publication Publication Date Title
Andrinopoulou et al. Bayesian shrinkage approach for a joint model of longitudinal and survival outcomes assuming different association structures
Chen et al. Bayesian nonparametric k-sample tests for censored and uncensored data
Barnwell‐Ménard et al. Effects of categorization method, regression type, and variable distribution on the inflation of Type‐I error rate when categorizing a confounding variable
Scheike et al. Estimating twin concordance for bivariate competing risks twin data
Yan et al. Dynamic prediction of disease progression for leukemia patients by functional principal component analysis of longitudinal expression levels of an oncogene
Wang et al. Causal mediation analysis for the Cox proportional hazards model with a smooth baseline hazard estimator
KR102114656B1 (ko) 목표 체중 정보 제공 장치 및 방법
TW201438407A (zh) 資料傳送裝置及資料傳送方法以及程式產品
To Duc et al. Bias–corrected methods for estimating the receiver operating characteristic surface of continuous diagnostic tests
Rizopoulos et al. Dynamic predictions with time-dependent covariates in survival analysis using joint modeling and landmarking
Zhang et al. Generalized degrees of freedom and adaptive model selection in linear mixed-effects models
Szabo et al. Semiparametric sieve maximum likelihood estimation for accelerated hazards model with interval-censored data
Chiou et al. Semiparametric regression analysis of panel count data: A practical review
Choi et al. Semiparametric accelerated failure time cure rate mixture models with competing risks
Azarang et al. Direct modeling of regression effects for transition probabilities in the progressive illness–death model
KR102020483B1 (ko) 체성분 변화 성과를 비교하기 위한 지수값을 생성하는 장치 및 방법
Barrett et al. Dynamic risk prediction for cardiovascular disease: an illustration using the ARIC study
KR102174816B1 (ko) 체성분 변화 성과를 비교하기 위한 지수값을 생성하는 장치 및 방법
Goodman et al. Survival analysis with change point hazard functions
Choi et al. Efficient semiparametric mixture inferences on cure rate models for competing risks
Meira-Machado Smoothed landmark estimators of the transition probabilities
Mell et al. Bias reduction through analysis of competing events (BRACE): a novel method to mitigate bias from residual confounding in observational data
KR20220046415A (ko) 빅데이터를 이용한 비만 위험도 정보 제공 방법 및 그 장치
Rizopoulos An introduction to the joint modeling of longitudinal and survival data, with applications in R
Choi et al. A class of semiparametric transformation models for survival data with a cured proportion

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant