WO2015001686A1 - ヘルスケアシステム - Google Patents

ヘルスケアシステム Download PDF

Info

Publication number
WO2015001686A1
WO2015001686A1 PCT/JP2013/078252 JP2013078252W WO2015001686A1 WO 2015001686 A1 WO2015001686 A1 WO 2015001686A1 JP 2013078252 W JP2013078252 W JP 2013078252W WO 2015001686 A1 WO2015001686 A1 WO 2015001686A1
Authority
WO
WIPO (PCT)
Prior art keywords
weight
user
data
user terminal
aging
Prior art date
Application number
PCT/JP2013/078252
Other languages
English (en)
French (fr)
Inventor
顕能 田邊
Original Assignee
ライフロボ株式会社
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 ライフロボ株式会社 filed Critical ライフロボ株式会社
Priority to US14/351,970 priority Critical patent/US20150269864A1/en
Publication of WO2015001686A1 publication Critical patent/WO2015001686A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G—PHYSICS
    • G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
    • G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
    • G09B19/00—Teaching not covered by other main groups of this subclass
    • G09B19/0076—Body hygiene; Dressing; Knot tying
    • 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

Definitions

  • the present invention relates to a technique for supporting human health maintenance through a service via a network.
  • Patent Document 1 As a document disclosing this kind of technology.
  • the home health management system disclosed in Patent Literature 1 acquires data related to the health management of family members and the names and amounts of food taken by each person using an input device installed in the home.
  • the nutritional value is calculated from each person's food name and quantity, and based on this nutritional value, the disease that each person may suffer is calculated, and the amount of exercise necessary to maintain a healthy life is calculated.
  • the amount of food intake is obtained, and this information is provided via a display means.
  • Patent Document 1 merely provides advice regarding diseases when the health management data and meal data of family members are input. For this reason, the technique of patent document 1 cannot expect a high effect, when each does not have the high consciousness with respect to health.
  • This invention is made in view of such a subject, and it aims at raising the consciousness with respect to a user's health, and being able to make it motivate to improve a lifestyle habit.
  • a health care system is a health care system including a server device and a database device connected to user terminals of each user through a network, and the database device.
  • a plurality of types of recording data recorded during the most recent first period are extracted, a moving average value is obtained for each type of the extracted plurality of types of recording data, and the determined plurality of types of moving average values are determined according to a predetermined algorithm.
  • the health status of the user can be classified into five types of evaluation items: physical strength, anti-age power, beauty, consciousness, and continuity. Seeking a balance parameter indicating a value level, a screen including a balance parameter obtained as a radar chart, characterized in that to be displayed on the user terminal.
  • FIG. 1 is an overall configuration diagram of a health care system according to an embodiment of the present invention. It is a figure which shows the hardware schematic structure of the server apparatus of the system. It is a figure which shows the hardware schematic structure of the database apparatus of the system. It is a figure which shows the personal setting screen which the user terminal of the system displays. It is a figure which shows the personal setting screen which the user terminal of the system displays. It is a figure which shows the outline
  • FIG. 1 is a system configuration diagram of a health care system 1 according to an embodiment of the present invention.
  • the healthcare system 1 includes a user terminal 10, a server device 30, and a database device 50.
  • the user terminal 10 is a smartphone owned by the user.
  • the server device 30 is a computer device that operates under the management of a healthcare service operator.
  • the server device 30 provides a health care service to a user through a health care site.
  • the server device 30 includes a display device 31 (for example, a liquid crystal display device or an organic EL display), an input device 32 (for example, a mouse or a keyboard), and a communication device 33 (for example, a NIC (Network Interface Card). ),
  • a storage device 34 for example, hard disk, RAM, ROM), an arithmetic processing device 35 (for example, CPU), and an internal bus 36 for connecting them.
  • the database device 50 is a computer device that stores various data uploaded from the user terminal 10 in the database DB and provides the data to the server device 30. As shown in FIG. 3, the database device 50 includes a display device 51, an input device 52, a communication device 53, a storage device 54, an arithmetic processing device 55, and an internal bus 56 that connects them.
  • the user installs the healthcare site cooperation application AP from the application market and activates it, and in the personal setting screen (see FIG. 4 and FIG. 5) displayed immediately after the activation, Data D NN indicating the person's nickname, data D BIR indicating the date of birth, data D GDR indicating the gender, data D HGH indicating the height, data D TRG indicating the target weight are input, and these data D NN , D BIR , DGDR , DHGH , and DTRG are registered in the database DB of the database device 50 as personal setting information. After the registration of the personal setting information, the user is provided with a health care service through the health site cooperation application AP at a pace of several times a day.
  • FIG. 6 is a diagram showing an outline of the health care service of the present embodiment.
  • the user terminal 10 accesses the database device 50 and records data D ST , D WT , D FT , D SL of the following six types of recording items.
  • D ML , D RC , and D UP are read from the memory of the user terminal 10 and uploaded to the database device 50.
  • Step count data D ST This is data indicating the measurement value of the number of steps of the user.
  • the user terminal 10 performs daily measurement by the step count measuring device 11 when a link according to a wireless communication standard (for example, Bluetooth) is established with the step count measuring device 11 (FIG. 1) worn by the user.
  • a wireless communication standard for example, Bluetooth
  • Weight record data D WT This is data indicating the measured value of the weight of the user.
  • the user terminal 10 displays the pair of the input weight and the input date as the weight record data. Store in memory as DWT .
  • the user terminal 10 is used from the weight measurement device 12 when a link according to a wireless communication standard (for example, Bluetooth) is established with the weight measurement device 12 (FIG. 1) owned by the user.
  • the person's weight is received, and the pair of the received weight and the date of reception is stored in the memory as weight record data DWT .
  • Body fat record data D FT This is data indicating the measured value of the body fat percentage of the user.
  • the user terminal 10 Is stored in the memory as weight record data DFT .
  • a link according to a wireless communication standard for example, Bluetooth
  • the body fat percentage measuring device 13 The body fat percentage of the user is received from the memory, and the received body fat percentage is stored in the memory as the body fat recording data DFT as a pair of date of reception date.
  • Sleep record data D SL This is data indicating the bedtime and wake-up time of the user.
  • the user terminal 10 is used from the sleep time measurement device 14 when a link according to a wireless standard (for example, Bluetooth) is established with the sleep time measurement device 14 (FIG. 1) worn by the user.
  • the person's bedtime and wake-up time are received, and the received bedtime and wake-up time paired with the date of reception date are stored in the memory as sleep record data DSL .
  • Meal record data D ML This is data indicating a meal record in the application AP.
  • type of meal for example, ramen or beef bowl
  • the user terminal 10 are stored in the memory as meal record data DML .
  • Application launch history record data D RC This is data indicating the activation history of the application AP.
  • the user terminal 10 stores the activation date and time in the memory as application activation history recording data DRC .
  • Upload history record data D UP This is data indicating the upload history of the recording data D ST , D WT , D FT , D SL , D ML , D RC , and D UP to the database device 50.
  • the uploading date is recorded in the upload history.
  • the server device 30 is based on user record data D ST , D WT , D FT , D SL , D ML , D RC , D UP stored in the database DB of the database device 50.
  • the primary analysis is performed to evaluate the current health condition of the body by dividing it into five types of evaluation items of physical strength, anti-age power, beauty, consciousness, and continuity, and the results of this primary analysis are displayed on the body balance screen SCR10.
  • the server device 30 performs a secondary analysis for predicting the future health state of the user from the result of the primary analysis, and presents the result of the secondary analysis to the user as future prediction screens SCR11 and SCR12.
  • the configurations of the screens SCR10, SCR11, and SCR12 will be described later.
  • the operation of the present embodiment includes data accumulation processing, radar chart presentation processing, future face photo presentation processing, and future weight presentation processing. These processes are executed when the user performs a predetermined operation in a state where the top screen SCR5 of the application AP is displayed on the user terminal 10.
  • FIG. 9 is a diagram showing the TOP screen SCR5.
  • a button BT1 is displayed on the upper right side of the top screen SCR5.
  • the latest data D ST (number of steps, in the example of FIG. 9, 2566 steps) in the memory of the user terminal 10 and the calories burned (FIG. 9) obtained by inputting this value into a predetermined basal metabolic function. In the example of 9, 1512 calories) is displayed.
  • the walking distance (6.25 km in the example of FIG. 9) obtained by inputting the latest data D ST (number of steps) into a predetermined distance function is displayed.
  • the sleep time time from bedtime to wake-up time, 7.25 hours in the example of FIG. 9 obtained from the latest data D SL (sleep) in the memory of the user terminal 10 and this sleep
  • a bar BR1 indicating the length of time is displayed.
  • it is determined according to the type of meal (the type of meal input via the meal / intake calorie input screen of FIG. 8) indicated by the latest data D ML (meal) in the memory of the user terminal 10.
  • a bar BR2 indicating the intake calories (1253 kcal in the example of FIG. 9) and the amount of intake calories is displayed.
  • buttons BT2 and BT3 are arranged side by side.
  • a picture simulating a house and a character “Home” are written.
  • a picture simulating a clock and a character “future prediction” are written.
  • the user performs an operation of selecting a desired one of “Home” button BT2 and “Future prediction” button BT3 and touching it with a finger.
  • the “Home” button BT2 is selected, the user terminal 10 redisplays the screen SCR5.
  • the user terminal 10 accesses the database device 50, and data D ST , D WT , D stored in the memory of the terminal 10 from the previous access to the current access.
  • FT , D SL , D ML , D RC , and D UP are read from the memory, and the read recording data D ST , D WT , D FT , D SL , D ML , D RC , and D UP are transmitted to the database device 50.
  • the user terminal 10 accesses the database device 50 every time a predetermined time elapses and performs the same transmission process.
  • the database device 50 When the data D ST , D WT , D FT , D SL , D ML , D RC , and D UP are transmitted from the user terminal 10, the database device 50 performs data accumulation processing. In this data storage process, the database device 50 uses the data D ST , D WT , D FT , D SL , D ML , D RC , and D UP received from the user terminal 10 as unique identification information of the user of the transmission source. And stored in the database DB.
  • the user terminal 10 transmits a message (HTTP (Hyper Text Transfer Protocol) request) requesting provision of a radar chart to the server device 30.
  • HTTP Hyper Text Transfer Protocol
  • the server device 30 performs a radar chart presentation process.
  • Recording data D ST , D WT , D SL , D ML , D RC , D UP recorded during the period of time) are extracted, and the extracted recording data D ST , D WT , D FT , D SL , D
  • the moving average values MA ST , MA WT , MA SL , MA ML , MA RC , MA UP for each type of ML , D RC , D UP are obtained, and the obtained moving average values MA ST , MA WT , MA SL , MA ML are obtained.
  • MA RC by analyzing the MA UP in accordance with a predetermined algorithm, the health state of the user, physical strength, Koyowairyoku, Biryoku, consciousness force, and evaluation of the five types of evaluation items of continued force Seeking a balance parameter PR indicating bell Lv, a process of displaying on the user terminal 10 a screen including a balance parameter PR obtained as a radar chart as body balance screen SCR10.
  • FIG. 10 is a diagram showing a body balance screen SCR10.
  • a regular pentagonal radar chart is displayed at the center of the screen SCR10.
  • the radar chart of screen SCR10 has 5 levels of 1-5 evaluation items of physical strength, anti-age, beauty, continuity, and consciousness, and it corresponds to 5 level axes from the center to each vertex of the regular pentagon.
  • Lv in the example of FIG. 10, physical strength is 1, anti-age power is 2, aesthetics is 1, continuity is 1, consciousness is 2).
  • an average evaluation level Lv AVE Lv1 in the example of FIG. 10) obtained by averaging the evaluation levels Lv of the five evaluation items is displayed.
  • a button BT6 is displayed below the radar chart on the screen SCR10. In the button BT6, characters “GO to the future” are marked. Also, below the button BT6 on the screen SCR10, advice ADV1 (in the example of FIG. 10, “It seems that the sleeping time zone is also related to improve aesthetics”) corresponding to the evaluation level Lv is displayed.
  • advice ADV1 in the example of FIG. 10, “It seems that the sleeping time zone is also related to improve aesthetics”
  • FIG. 11 is a diagram conceptually showing the processing contents of the radar chart presentation processing.
  • the score for each evaluation item is obtained by comparing ML , MA RC and MA UP with the conditions in the storage device 34 and the conditions for each evaluation item indicated in the load ratio table TBL1 (FIGS. 12 and 13).
  • the value added by the weighting ratio for each evaluation item indicated by the table TBL1 is set as the evaluation level Lv of each evaluation item.
  • the procedure (algorithm) for calculating the evaluation level Lv of each evaluation item using this table TBL1 is as follows. a2. Calculation process of physical fitness evaluation level Lv
  • the arithmetic processing device 35 uses the record R1 of the table TBL1 as a reference destination, and is associated with scores 1, 2, 3, 4, and 5 in the record R1 of the reference destination. and refers to the condition that the moving average value MA ST of the recorded data D ST (number of steps), it is determined whether to satisfy any of the conditions, to select a score that is associated with conditions of the relevant. Further, the arithmetic processing device 35 converts the moving average value MA WT of the recording data D WT (body weight) into a BMI (Body Math Index) value.
  • BMI Body Math Index
  • the BMI value is a value obtained by dividing the square of the moving average value MA WT of the recording data D WT (weight) by the user data D HGH (height).
  • the arithmetic processing device 35 corresponds to the combination of the gender indicated by the data D GDR (gender) of the corresponding user and the age determined by the data D BIR (birth date) among the records R2 to R6 of the table TBL1. And the condition associated with the scores 1, 2, 3, 4, and 5 in the reference record R2 (or R3, R4, R5, R6), and the BMI value is Is satisfied, and a score associated with the corresponding condition is selected.
  • the arithmetic processing device 35 adds the score selected from the record R1 of the table TBL1 and the score selected from the record R2 (or R3, R4, R5, R6) at a ratio of 50%: 50%.
  • the result is defined as a physical strength evaluation level Lv.
  • the arithmetic processing device 35 uses the record R7 of the table TBL1 as a reference destination, and corresponds to the scores 1, 2, 3, 4, and 5 in the record R7 of the reference destination. lighted refers to the condition that the moving average value MA ST of the recorded data D ST (number of steps), it is determined whether to satisfy any of the conditions, to select a score that is associated with conditions of the relevant. Moreover, the arithmetic processing device 35 calculates
  • Recommended sleeping time zone coverage R C is sleep time T S of the user (the time between the sleep time indicated by the data D SL to wake-up time) is 2 o'clock 22 secretion of growth hormone to maximize is a value that indicates whether the overlap what extent the time zone T R of up to.
  • the sleep time T S (sleeping) indicated by the data D SL is shown for the data D SL (sleep) of each recording date extracted from the database DB. time performs an operation of division by 4 hours the length of time period T R and overlap time T S 'recommended time period T R of the time) to wake-up time from.
  • the arithmetic processing device 35 uses the record R8 of the table TBL1 as a reference destination, refers to the conditions associated with the scores 1, 2, 3, 4, and 5 in the reference destination record R8, and records data D SL (sleep ) To determine which condition the moving average value MA SL of sleep time and the recommended sleep time zone coverage ratio RC indicate, and select a score associated with the corresponding condition.
  • the arithmetic processing device 35 adds the score selected from the record R7 of the table TBL1 and the score selected from the record R8 at a ratio of 50%: 50%, and sets the addition result as the evaluation level Lv of the anti-aging ability. .
  • the arithmetic processing device 35 uses the record R9 of the table TBL1 as a reference destination, and associates it with the scores 1, 2, 3, 4, and 5 in the reference destination record R9. With reference to the conditions that are set, it is determined which condition the moving average value MA ML of the recorded data D ML (meal) satisfies, and a score associated with the corresponding condition is selected.
  • the arithmetic processing device 35 uses the record R10 of the table TBL1 as a reference destination, refers to the conditions associated with the scores 1, 2, 3, 4, and 5 in the reference destination record R10, and records data D RC determines moving average MA RC of (application start history) satisfies any of the conditions, to select a score that is associated with conditions of the relevant. Then, the arithmetic processing device 35 adds the score selected from the record R9 of the table TBL1 and the score selected from the record R10 at a ratio of 20%: 80%, and sets the added value as the evaluation level Lv of consciousness.
  • the arithmetic processing device 35 uses the record R11 of the table TBL1 as a reference destination, and associates the scores 1, 2, 3, 4, and 5 with the reference destination record R11. With reference to the recorded conditions, it is determined which condition the moving average value MA UP of the recording data D UP (data upload history) satisfies, and a score associated with the corresponding condition is selected. Then, the arithmetic processing device 35 sets the score selected from the record R11 of the table TBL1 as the continuity evaluation level Lv.
  • the arithmetic processing device 35 uses the record R12 of the table TBL1 as a reference destination, and associates it with scores 1, 2, 3, 4, and 5 in the record R12 of the reference destination. It is with reference to the condition that the moving average value MA ST of the recorded data D ST (number of steps), it is determined whether to satisfy any of the conditions, to select a score that is associated with conditions of the relevant.
  • the arithmetic processing device 35 uses the record R13 of the table TBL1 as a reference destination, refers to the conditions associated with the scores 1, 2, 3, 4, and 5 in the reference destination record D13, and records data D SL It is determined which condition the moving average value MA SL of sleep time indicated by (sleep) and the recommended sleep time zone coverage ratio RC obtained thereby satisfies, and a score associated with the corresponding condition is selected.
  • the arithmetic processing device 35 refers to the record R14 to R18 of the table TBL1 that corresponds to the combination of the gender indicated by the user data D GDR (gender) and the age determined by the data D BIR (date of birth).
  • the recorded data DWT (weight) BMI value determined from the moving average value MA WT is determined whether satisfies any of the conditions, to select a score that is associated with conditions of the relevant. Then, the arithmetic processing device 35 obtains the score selected from the record R12 of the table TBL1, the score selected from the record R13, and the score selected from the record R14 (or R15, R16, R17, R18) by 30%: 30%. : 40% is added at a ratio, and this addition result is used as an aesthetic evaluation level Lv.
  • FIG. 15 is a diagram conceptually showing the future weight presentation process and the future face photo presentation process.
  • the user terminal 10 displays the photo selection screen SCR9 shown in FIG. On this screen SCR9, a button BT7 marked “Use profile photo”, a button BT8 marked “Take photo”, and a button BT9 marked “Select from album” are displayed.
  • a message HTTP request
  • provision of future prediction is transmitted to the server device 30.
  • the server device 30 Upon receiving this message, the server device 30 performs future weight presentation processing and future face photo presentation processing, returns a message (HTTP response) including the processing result to the user terminal 10 and sends the message to the terminal 10 on the future prediction screen SCR11. And SCR12 are displayed.
  • recording data extracting D WT calculated linear approximate straight line a of the transition of the recording data D WT of the extracted time T2 minutes, strength coefficients of this linear approximation straight line a magnitude corresponding to the value of the balance parameter PR physical strength of the First weight prediction line A ′ corrected by KWT is obtained, and this first weight prediction line A ′ is determined by the gender (data D GDR ) and age (data D BIR (date of birth)) of the corresponding user.
  • a second weight prediction line A ′′ corrected by the basal metabolic coefficient K MTB having a magnitude corresponding to the combination of the age) is obtained, and a future predicted weight PWT along the slope ⁇ ′′ of the second weight prediction line A ′′ is determined.
  • ( ⁇ ) This is a process of displaying a screen including a transition graph CHRT on the user terminal 10 of the user as the first future prediction screen SCR11.
  • the evaluation level Lv of five kinds of evaluation items of physical strength, anti-aging power, beauty, consciousness, and anti-aging power is converted into an aging level Lv AGING indicating the degree of progress of aging of the user.
  • the future prediction of the user's face image is processed such that the converted aging level Lv AGING appears as wrinkles and dullness on the face, and the inclination ⁇ ”of the weight prediction line A ′′ appears as the lateral expansion and contraction of the face.
  • a screen including a face photograph is displayed on the user terminal 10 of the user as the second future prediction screen SCR12.
  • the arithmetic processing device 35 determines whether or not the future weight of the user can be predicted (ST1).
  • ST1 when there is a record data D WT (weight) group satisfying the following two conditions a3 and b3 in the database device 50 and there is a corresponding user, the prediction of the future weight of the user is performed.
  • FIG. 18 is a diagram illustrating an example of a recording distribution of data D WT (body weight) that satisfies the conditions a3 and b3. a3.
  • the recording data D WT which recording data D WT recorded within the last 14 days is recorded within prior B3.90_Nichimae to seven days to three or more have more than one
  • the calculation device 35 can predict the future weight of the user (ST1: Yes)
  • Values (average value MA WT (0-5) of recording data D WT from 0 to 5 days ago, average value MA WT (6-10) of recording data D WT from 6 to 10 days ago, recording from 86 to 90 days ago
  • the average value MA WT (86-90) of the data D WT is calculated, and these average values MA WT (0-5), MA WT (6-10), and MA WT (86-90) are arranged on the time axis.
  • a linear approximate straight line A of the obtained graph is obtained (ST2).
  • the arithmetic processing device 35 determines whether the sign of the slope ⁇ of the linear approximation line A obtained in step ST2 is positive or negative (ST3). If the user's weight tends to increase, the determination result in step ST3 becomes “plus”, and if the user's weight tends to decrease, the determination result in step ST3 becomes “minus”.
  • Processing device 35 when the sign of the slope ⁇ of the linear approximation line A is positive, obtains the weight expected line A 'obtained by correcting the linear approximation straight line A by increasing a stamina factor K WT (ST4).
  • the arithmetic processing device 35 the one corresponding to the evaluation level Lv of the user's physical strength from increased for strength coefficient K WT stored as increased for strength coefficient table TBL2-1 the storage device 34 Choose.
  • FIG. 19A shows the contents of the table TBL2-1.
  • the increasing physical strength coefficient K WT (5) is 0.8
  • the increasing physical strength coefficient K WT (4) Is 0.9
  • the physical strength coefficient K WT (3) is 1 when the physical strength evaluation level Lv is 3
  • the physical strength coefficient K WT (2) is 1.2 when the physical strength evaluation level Lv is 2
  • the increase physical strength coefficient K WT (1) when the physical strength evaluation level Lv is 1 is 1.5.
  • the arithmetic processing device 35 obtains a weight prediction line A ′′ obtained by correcting the weight prediction line A ′ obtained in step ST4 by the basal metabolic coefficient K MTB for increase (ST5).
  • the storage device 34 stores the weight prediction line A ′′.
  • FIG. 20A shows the contents of the table TBL3-1.
  • the basal metabolic coefficient for increase K MTB (20-24) in the ages of 20 to 24 years is 0.8958
  • the basal metabolic coefficient for increase in the ages of 25 to 29 years is K MTB (25-29) is 0.9042
  • basal metabolic coefficient K for increasing age from 30 to 34 years MTB (30-34) is 0.9125
  • basal metabolic coefficient K for increasing age from 35 to 39 years MTB (35-39) is 0.9208
  • basal metabolic coefficient K for increasing age from 40 to 44 years MTB (40-44) is 0.9292
  • basal metabolic coefficient K for increasing age from 45 to 49 years MTB (45-49) is 0.9646
  • the basal metabolic coefficient K MTB (50-) for increase in the age of 50 years or older is 1.
  • the basal metabolic coefficient K MTB (20-24) for increase in the age from 20 to 24 years old is 0.8625
  • the basal metabolic coefficient K MTB for increase in the age from 25 to 29 years old is K MTB (25-29 ) Is 0.8729
  • the basal metabolic coefficient K MTB (30-34) for the increase from the age of 30 to 34 years is 0.8833
  • the basal metabolism coefficient K MTB for the increase of the age of 35 to 39 years (35-39) ) increase for the basal metabolic coefficient K MTB of 44 years of age from 0.8938,40-year-old (40-44) is age increase for basal metabolic coefficient K MTB of the 49-year-old from 0.9042,45 years (45-49 ) Is 0.9125
  • the basal metabolic coefficient for increase K MTB (50 ⁇ ) in the ages of 50 and over is 0.9208.
  • the arithmetic processing device 35 sets the latest recorded data D WT (LAST) as the latest recorded data D WT among the data D WT for the past six months extracted from the database DB, and records data D WT.
  • LAST latest recorded data
  • the corresponding section of each future age in the example of FIG. 21, section T (40-44) from 40 to 44 years old, section T from 45 to 49 years old (45-49), an interval T (50-)) over 50 years old is obtained, and the basal metabolic coefficient K MTB for increase selected from the table TBL3-1 is used as the slope ⁇ ′ of the section of each age on the weight prediction line A ′.
  • the arithmetic processing device 35 when the sign of the slope ⁇ of the linear approximation line A is negative, determining the weight expected line A 'obtained by correcting the linear approximation straight line A by depleting strength coefficient K WT (ST6).
  • the arithmetic processing device 35 the one corresponding to the evaluation level Lv of the user's physical strength from the depleting strength coefficient K WT stored in the storage device 34 as a decrease for strength coefficient table TBL2-2 Choose.
  • FIG. 19B shows the contents of the table TBL2-2.
  • this table TB2-1 when the physical strength evaluation level Lv is 5, the decreasing physical strength coefficient K WT (5) is 1.5, and when the physical strength evaluation level Lv is 4, the decreasing physical strength coefficient K WT (4) Is 1.2, and when the physical strength evaluation level Lv is 3, the decreasing physical strength coefficient K WT (3) is 1, and when the physical strength evaluation level Lv is 2, the decreasing physical strength coefficient K WT (2) is 0.9.
  • the decreasing physical strength coefficient K WT (1) is 0.8.
  • the arithmetic processing device 35 obtains a weight prediction line A ′′ obtained by correcting the weight prediction line A ′ obtained in step ST6 by the basal metabolic coefficient K MTB for reduction (ST7).
  • the storage device 34 stores the weight prediction line A ′′.
  • Decreased basal metabolism coefficient table TBL3-2 for each age of 5 and 10 memorized basal metabolism coefficient K MTB (20-24), K MTB (25-29), K MTB (30-34) ), K MTB (35-39), K MTB (40-44), K MTB (45-49), K MTB (50-), the one corresponding to the user data D GDR (gender) is selected. .
  • FIG. 20B is a diagram showing the contents of the table TBL3-2.
  • the basal metabolic coefficient for reduction K MTB (20-24) from the age of 20 to 24 years is 1, and the basal metabolic coefficient for reduction K MTB (20 to 24 years of age is K MTB ( 25-29) decrease for the basal metabolic coefficient K MTB of the 34-year-old age from 0.9646,30-year-old (30-34) is age reduction for basal metabolic coefficient K MTB of the 39-year-old from 0.9292,35 years ( 35-39) is 0.9208, the basal metabolic coefficient K MTB (40-44) for the ages from 40 to 44 years is 0.9125, the basal metabolic coefficient K MTB for the ages from 45 to 49 years (K MTB ( 45-49) is 0.9042, and the basal metabolic coefficient K MTB (50-) for decrease in ages over 50 is 0.8958.
  • the basal metabolic coefficient K MTB (20-24) for decrease from the age of 20 to 24 years is 0.9208
  • the basal metabolic coefficient K MTB for decrease from the age of 25 to 29 years is K MTB (25-29).
  • decrease for the basal metabolic coefficient K MTB of the 34-year-old age from 0.9125,30-year-old (30-34) is age reduction for basal metabolic coefficient K MTB of the 39-year-old from 0.9042,35 years (35-39 ) decrease for the basal metabolic coefficient K MTB of 44 years of age from 0.8938,40-year-old (40-44) is age reduction for basal metabolic coefficient K MTB of the 49-year-old from 0.8833,45 years (45-49 ) Is 0.8729
  • the basal metabolic coefficient for reduction K MTB (50 ⁇ ) in the ages of 50 and over is 0.8625.
  • the arithmetic processing device 35 obtains a corresponding section of each future age when the weight prediction line A ′′ is connected to the latest recorded data D WT (LAST), and sets the slope ⁇ ′ of the section of each age on the weight prediction line A ′.
  • Basal metabolic factors for reduction K MTB (20-24), K MTB (25-29), K MTB (30-34), K MTB (35-39), K MTB (40-) selected from the table TBL3-2 44), K MTB (45-49), and K MTB (50-), respectively, are multiplied by the corresponding ones, and a line having an individual slope ⁇ ′′ for each age is defined as a weight prediction line A ′′. .
  • the arithmetic processing device 35 responds to a combination of the sign (plus or minus) of the slope ⁇ of the linear approximation line A and the determination result of the magnitude relation.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the target weight after the weight prediction line A ′′ reaches the target weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the standard weight after the weight prediction line A ′ reaches the standard weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the minimum weight after the weight prediction line A ′ reaches the predetermined minimum weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the target weight after the weight prediction line A ′′ reaches the target weight.
  • the arithmetic processing device 35 does not provide the convergence point of the weight prediction line A ′′, and sets the value at the time point ⁇ days later on the weight prediction line A ′′ as the predicted weight PWT ( ⁇ ) after ⁇ days.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the minimum weight after the weight prediction line A ′ reaches the predetermined minimum weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the target weight after the weight prediction line A ′′ reaches the target weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the minimum weight after the weight prediction line A ′ reaches the predetermined minimum weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the target weight after the weight prediction line A ′′ reaches the target weight.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the standard weight after the weight prediction line A ′′ reaches the standard weight.
  • the arithmetic processing device 35 does not provide the convergence point of the weight prediction line A ′′, and sets the value at the time point ⁇ days later on the weight prediction line A ′′ as the predicted weight PWT ( ⁇ ) after ⁇ days.
  • the arithmetic processing device 35 sets the start point of the weight prediction line A ′′ on the time axis as data D WT (LAST), and the value after ⁇ days in the weight prediction line A ′′ as predicted weight PWT ( ⁇ ). The arithmetic processing device 35 converges the predicted weight PWT ( ⁇ ) to the minimum weight after the weight prediction line A ′ reaches the predetermined minimum weight.
  • the arithmetic processing device 35 obtains a predicted weight PWT ( ⁇ ) at each time point from the present to the predicted end point t END , and then calculates a weight prediction line AP connecting these predicted weights PWT ( ⁇ ), this weight A message (HTTP response) including advice ADV1 determined according to the difference between the predicted weight PWT ( ⁇ ) of the prediction end point on the prediction line AP and the target weight is transmitted to the user terminal 10 (ST09).
  • this weight A message HTTP response
  • advice ADV1 determined according to the difference between the predicted weight PWT ( ⁇ ) of the prediction end point on the prediction line AP and the target weight is transmitted to the user terminal 10 (ST09).
  • the arithmetic processing device 35 has the anti-aging ability among five types of evaluation levels Lv of physical strength, anti-age power, beauty power, consciousness power, and anti-age power. Select the evaluation level Lv of age and the evaluation level Lv of beauty, and divide the sum of these two evaluation levels Lv and the average evaluation level Lv AVE by averaging all kinds of evaluation levels Lv by 3, and use this division result as a reference
  • the evaluation level is Lv BS (ST11).
  • FIG. 24 is a diagram showing a data structure of the addition / subtraction value table TBL4.
  • the addition / subtraction value is “+1”, and the divergence value GP is 1 (5 types
  • the addition / subtraction value is “0”
  • the deviation value GP is 2
  • the addition / subtraction value is “ ⁇ 1”
  • the deviation value GP is 3.
  • the addition / subtraction point value is “ ⁇ 3”.
  • the arithmetic processing device 35 adds the addition / subtraction point value to the reference evaluation level Lv, and sets the addition result as the aging level Lv AGING of the user (ST13).
  • the arithmetic processing device 35 transmits a message (HTTP response) including the aging level Lv AGING obtained in step ST13 to the user terminal 10 (ST14).
  • the user terminal 10 of the user controls the display contents of the two types of future prediction screens SCR11 and SCR12 according to the data in the message transmitted from the server device 30. More specifically, the user terminal 10 displays the future prediction screen SCR12 when the button BT7, BT8, or BT9 on the photo selection screen SCR9 (FIG. 16) is selected. As shown in FIG. 15, in the center of the future prediction screen SCR12, the face photo image PCT of the user selected on the photo selection screen SCR9 (FIG. 16) is displayed. A time axis bar TL is displayed below the face photograph image PCT. A play button BT10 is displayed on the left of the time axis bar TL.
  • buttons BT12 and BT11 are displayed.
  • a “face” character is marked.
  • “weight” is written.
  • the user terminal 10 moves from the left end (current) to the right end (20 years later) of the pointer PT on the time axis bar TL. In accordance with the movement of the user, a process of causing the user's face photo image PCT to appear with spots and wrinkles and expanding or reducing the width in the left-right direction of the face photo image PCT is performed. In this image processing, the user terminal 10 uses an aging year value (a value indicating the degree of aging per year) corresponding to the aging level Lv AGING received from the server device 30 as the aging year in the memory of the user terminal 10.
  • an aging year value a value indicating the degree of aging per year
  • the aging level Lv AGING received from the server device 30 is level 5
  • the aging year value from the present to 5 years in the table TBL5 is 0, the aging from 5 years to 10 years later
  • the year value is 0, the age value after 10 to 15 years is 0.5
  • the age value after 15 to 20 years is 0.5
  • the age value after 20 years is 1. Yes.
  • the user terminal 10 does not cause blots and wrinkles to appear on the face photo image PC until the pointer PT on the time axis bar TL reaches 10 years, and the pointer PT reaches 10 years. After that, blots and wrinkles appear on the face photograph image PC, and an operation of doubling the amount of spots and wrinkles is performed after the pointer PT reaches 20 years later.
  • the user terminal 10 Each time the pointer PT on the time axis bar TL advances for one year, a value obtained by multiplying the increase amount by 1.2, which is a conversion coefficient (12% if the increase amount is 10 kg), is the expansion rate. Is stretched in the lateral direction at this elongation rate (12%).
  • the user terminal 10 Each time the pointer PT on the bar on the time axis advances for one year, a value obtained by multiplying the increase amount by 1.2, which is a conversion coefficient (6% if the increase amount is 5 kg), is a reduction rate. An operation is performed to reduce the horizontal direction at the reduction rate (6%).
  • the user terminal 10 switches the display screen from the future prediction screen SCR12 to the future prediction screen SCR11.
  • a graph CHRT is displayed which shows the weight prediction line PA (solid line) received from the server device 30 and the target weight line SA (a chain line indicating the weight of the data D TGT ).
  • the letters “XX (user's nickname) 's weight change prediction for the next 20 years” are written.
  • the predicted body weight PWT ( ⁇ ) (67.5 kg in the example of FIG. 15) at the predicted end point (after 20 years) is displayed.
  • buttons BT12 and BT11 are displayed side by side in the left-right direction.
  • the user terminal 10 switches the display screen from the future prediction screen SCR11 to the future prediction screen SCR12 again.
  • the database device 50 includes a plurality of types of recording data D ST , D WT , D SL , D ML , D recorded for a plurality of types of recording items in each user terminal 10.
  • Recording data D ST , D WT , D SL , D ML , D RC , D UP are extracted, and a plurality of types of extracted recording data D ST , D WT , D SL , D ML , D RC , D UP the moving average value ST of, MA WT, MA SL, MA ML, MA RC, asked the MA UP, the moving average value of a plurality of types found ST, MA WT, MA SL, MA ML, MA RC, MA
  • determine the health condition of the user, physical fitness, Koyowairyoku, Biryoku, conscious force, and the balance parameter PR shown as the evaluation level Lv of five evaluation items continued force The screen SCR11 including the obtained balance parameter PR as a radar chart is displayed on the user terminal 10.
  • a first body weight prediction line A ′ corrected by a physical strength coefficient K WT of a predetermined size is obtained, and the first body weight prediction line A ′ is calculated based on the combination of the sex and age of the user.
  • a second body weight prediction line A ′′ corrected by MTB is obtained, and a screen SCR12 including a graph CHRT of a transition of the future body weight prediction PWT ( ⁇ ) along the inclination ⁇ ′′ of the second body weight prediction line A ′′ is used.
  • the user terminal 10 Thereby indicated.
  • the user and the elements that affect the evaluation level Lv is motion (number of steps) and body weight of strength can induce to pay attention.
  • the server device 30 uses the evaluation level Lv of five types of evaluation items of physical strength, anti-aging power, aesthetic power, consciousness, and anti-aging power as the degree of progress of user aging.
  • convert aging level Lv aGING showing a converted aging level Lv aGING user the image processing appear as telescopic change in body weight of the face in the manifestation and second weight expected line a "as wrinkles and dull face
  • the screen SCR11 including the future face photograph applied to the face photograph PCT of the user is displayed on the user terminal 10. Therefore, according to the present embodiment, when the user continues the current lifestyle habit, Therefore, according to the present embodiment, it is possible to further enhance the awareness of the lifestyle habit improvement by the user.
  • the user terminal 10 has the step count record data D ST , the weight record data D WT , the body fat record data D FT , the sleep record data D SL , the application activation history record data D RC , and the upload history record.
  • Data D UP was uploaded to the database device 50.
  • the body fat recording data DFT is not used for calculation of the balance parameter PR in the server device 30 and may not be uploaded.
  • the user terminal 10 displays the face when the pointer PT on the time axis bar TL passes each point of the time axis bar TL according to the aging year value and the inclination of the weight prediction line PA.
  • Image processing was performed to change the amount of upper spots and wrinkles and the amount of expansion and contraction in the lateral direction of the face.
  • the facial expression of the user may be changed.
  • the server device 30 sets the expression level as a value obtained by dividing the sum of the evaluation level Lv of consciousness, the evaluation level Lv of continuation power, and the average evaluation level Lv AVE by 3, and this expression level is set as the aging level.
  • a message including the Lv AGING is transmitted to the user terminal 10.
  • the user terminal 10 processes the user's face to a sad expression, and when the expression level is level 4 or 5, The person's face is processed to make a smile. According to this modification, the user's health awareness can be further enhanced.
  • step ST8 of the above embodiment the arithmetic processing device 35 uses the value 90 days before in the linear approximation line A in place of the average value MA WT (86-90), and converges the predicted weight PWT ( ⁇ ). The presence or absence may be determined.

Landscapes

  • Engineering & Computer Science (AREA)
  • Health & Medical Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Public Health (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Theoretical Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Educational Technology (AREA)
  • Educational Administration (AREA)
  • Physics & Mathematics (AREA)
  • Medical Informatics (AREA)
  • Primary Health Care (AREA)
  • Physical Education & Sports Medicine (AREA)
  • Biophysics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Nutrition Science (AREA)
  • Medical Treatment And Welfare Office Work (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができるようにすることを課題とする。サーバ装置３０は、データベース装置５０内における利用者の複数種類のデータの中から直近の期間Ｔ１の間に記録された記録データを抽出し、種類毎の移動平均値を求める。そして、移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、そのレーダーチャートをカラダバランス画面として利用者端末１０に表示させる。　

Description

ヘルスケアシステム
　本発明は、ネットワークを介したサービスにより人の健康維持を支援する技術に関する。
　この種の技術を開示した文献として、特許文献１がある。特許文献１に開示された家庭用健康管理システムは、家庭内に設置される入力装置により、家族の構成員の健康管理に関わるデータ、及び各人が摂取した食料名と量を取得する。そして、このシステムでは、各人の食料名と量から栄養価を演算し、この栄養価に基づいて各人が患う可能性のある疾病を求めるとともに、健康生活を維持するのに必要な運動量と食物摂取量を求め、これらの情報を表示手段を介して提供するようになっている。
特開平１０－０７４２２６号公報
　ところで、所謂生活習慣病と称される疾患は、日々の生活習慣の改善によってある程度の予防効果を期待できる。しかしながら、実際には、何のサポートも無いままに生活習慣の改善に取り組める人は少ない。特許文献１に開示された家庭用健康管理システムは、家族構成員の健康管理データと食事データを入力した場合に疾患に関するアドバイスを提供するものに過ぎない。このため、特許文献１の技術は、各々が健康に対する高い意識を持ち合わせていない場合は高い効果を期待できない。
　本発明は、このような課題に鑑みてなされたものであり、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができるようにすることを目的とする。
　上記課題を解決するため、本発明の好適な態様であるヘルスケアシステムは、各利用者の利用者端末とネットワークを通じて接続されるサーバ装置及びデータベース装置を有するヘルスケアシステムであって、前記データベース装置は、前記各利用者の利用者端末において複数種類の記録項目について記録された複数種類の記録データを記憶し、前記サーバ装置は、前記データベース装置内における利用者の複数種類の記録データの中から直近の第１の期間の間に記録された複数種類の記録データを抽出し、抽出した複数種類の記録データの種類毎の移動平均値を求め、求めた複数種類の移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、求めたバランスパラメータをレーダーチャートとして含む画面を前記利用者端末に表示させることを特徴とする。
　ここで、人間が健康維持のために行う行動の多くは、良い面と悪い面を併せもっている。たとえば、運動は、自律神経の向上や体力の向上という側面から見ればおおいに推奨されるものであるが、過度に行うと身体が酸化して老化を進めてしまう。本発明では、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力という５種類の評価項目で評価した評価結果をレーダーチャートとして利用者に提示する。よって、本発明によると、利用者は、自身の健康に関わるさまざま要素に広く注意を傾けながら自身の生活習慣を改善していくことができる。従って、本発明によると、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができる。
本発明の一実施形態であるヘルスケアシステムの全体構成図である。 同システムのサーバ装置のハードウェア概略構成を示す図である。 同システムのデータベース装置のハードウェア概略構成を示す図である。 同システムの利用者端末が表示する個人設定画面を示す図である。 同システムの利用者端末が表示する個人設定画面を示す図である。 同システムのヘルスケアサービスの概要を示す図である。 同システムの利用者端末が表示する体重・体脂肪率入力画面を示す図である。 同システムの利用者端末が表示する食事／カロリー入力画面を示す図である。 同システムの利用者端末が表示するＴＯＰ画面を示す図である。 同システムの利用者端末が表示するカラダバランス画面を示す図である。 同システムにおけるレーダーチャート提示処理を概念的に示す図である。 同システムにおける条件及び荷重比率テーブルのデータ構造図である。 同システムにおける条件及び荷重比率テーブルのデータ構造図である。 同システムにおける推奨睡眠時間帯カバー率の算出処理を概念的に示す図である。 同システムにおける未来体重提示処理及び未来顔写真提示処理を概念的に示す図である。 同システムの利用者端末が表示する顔写真選択画面を示す図である。 同システムにおける未来体重提示処理の手順を示すフローチャートである。 同システムにおける未来の体重の予測の可否の条件を示す図である。 同システムにおける体力係数テーブルのデータ構造図である。 同システムにおける基礎代謝係数テーブルのデータ構造図である。 同システムにおける基礎代謝係数を作用させる処理を概念的に示す図である。 同システムにおける体重値、目標体重、及び標準体重と未来体重提示処理との関係を示す図である。 同システムにおける未来予想顔写真提示処理の手順を示すフローチャートである。 同システムにおける加減点値テーブルのデータ構造図である。 同システムにおける老化年数値テーブルのデータ構造図である。
　以下、図面を参照しつつ本発明の実施形態について説明する。図１は、本発明の一実施形態であるヘルスケアシステム１のシステム構成図である。図１に示すように、ヘルスケアシステム１は、利用者端末１０、サーバ装置３０、データベース装置５０を有する。利用者端末１０は、利用者が所有するスマートフォンである。
　サーバ装置３０は、ヘルスケアサービスの運営事業者の管理の下に稼働するコンピュータ装置である。サーバ装置３０は、ヘルスケアサイトを通じて利用者にヘルスケアサービスを提供する。図２に示すように、サーバ装置３０は、表示デバイス３１（たとえば、液晶ディスプレイデバイスや有機ＥＬディスプレイ）、入力デバイス３２（たとえば、マウスやキーボード）、通信デバイス３３（たとえば、ＮＩＣ（Network Interface Card））、記憶デバイス３４（たとえば、ハードディスク、ＲＡＭ、ＲＯＭ）、演算処理デバイス３５（たとえば、ＣＰＵ）、及びこれらを接続する内部バス３６を有する。
　データベース装置５０は、利用者端末１０からアップロードされた各種データをデータベースＤＢに蓄積してサーバ装置３０に提供するコンピュータ装置である。図３に示すように、データベース装置５０は、表示デバイス５１、入力デバイス５２、通信デバイス５３、記憶デバイス５４、演算処理デバイス５５、及びこれらを接続する内部バス５６を有する。
　ここで、本実施形態では、利用者は、アプリマーケットからヘルスケアサイト連携アプリＡＰをインストールしてこれを起動し、起動直後に表示される個人設定画面（図４及び図５参照）において、利用者のニックネームを示すデータＤＮＮ、生年月日を示すデータＤＢＩＲ、性別を示すデータＤＧＤＲ、身長を示すデータＤＨＧＨ、目標体重を示すデータＤＴＲＧを入力し、これらのデータＤＮＮ、ＤＢＩＲ、ＤＧＤＲ、ＤＨＧＨ、ＤＴＲＧをデータベース装置５０のデータベースＤＢに個人設定情報として登録する。この個人設定情報の登録の後、利用者は、１日に数回程度のペースでヘルスサイト連携アプリＡＰを介したヘルスケアサービスの提供を受ける。
　図６は、本実施形態のヘルスケアサービスの概要を示す図である。図６に示すように、本実施形態のヘルスケアサービスでは、利用者端末１０は、データベース装置５０にアクセスし、以下の６種類の記録項目の記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを利用者端末１０のメモリから読み出してデータベース装置５０にアップロードする。
ａ１．歩数記録データＤＳＴ
　これは、利用者の歩数の計測値を示すデータである。利用者端末１０は、利用者が身に着ける歩数測定デバイス１１（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、歩数測定デバイス１１によって日々計測される歩数を受信し、受信した歩数と受信日の日付の対を歩数記録データＤＳＴとしてメモリに記録する。
ｂ１．体重記録データＤＷＴ
　これは、利用者の体重の計測値を示すデータである。利用者端末１０は、利用者の体重がアプリＡＰの体重・体脂肪率入力画面（図７参照）を介して入力された場合に、入力された体重と入力日の日付の対を体重記録データＤＷＴとしてメモリに記憶する。また、利用者端末１０は、利用者が所有する体重測定デバイス１２（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、体重測定デバイス１２から利用者の体重を受信し、受信した体重と受信日の日付の対を体重記録データＤＷＴとしてメモリに記憶する。
ｃ１．体脂肪記録データＤＦＴ
　これは、利用者の体脂肪率の計測値を示すデータである。利用者端末１０は、利用者の体脂肪率がアプリＡＰの体重・体脂肪率入力画面（図７参照）を介して入力された場合に、入力された体脂肪率と入力日の日付の対を体重記録データＤＦＴとしてメモリに記憶する。利用者端末１０は、利用者が所有する体脂肪率測定デバイス１３（図１）との間に無線通信規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、体脂肪率測定デバイス１３から利用者の体脂肪率を受信し、受信した体脂肪率を受信日の日付の対を体脂肪記録データＤＦＴとしてメモリに記憶する。
ｄ１．睡眠記録データＤＳＬ
　これは、利用者の就寝時刻及び起床時刻を示すデータである。利用者端末１０は、利用者が身に着ける睡眠時間測定デバイス１４（図１）との間に無線規格（たとえば、ブルートゥース）に従ったリンクが確立された場合に、睡眠時間測定デバイス１４から利用者の就寝時刻及び起床時刻を受信し、受信した就寝時刻及び起床時刻と受信日の日付の対を睡眠記録データＤＳＬとしてメモリに記憶する。
ｅ１．食事記録データＤＭＬ
　これは、アプリＡＰにおける食事の記録を示すデータである。利用者端末１０は、アプリＡＰの食事／摂取カロリ入力画面（図８参照）を介して利用者がとった食事の種類（たとえば、ラーメンや牛丼）が入力された場合に、入力された食事の種類と入力日時の対を食事記録データＤＭＬとしてメモリに記憶する。
ｆ１．アプリ起動履歴記録データＤＲＣ
　これは、アプリＡＰの起動の履歴を示すデータである。利用者端末１０は、アプリＡＰが起動されると、起動日時をアプリ起動履歴記録データＤＲＣとしてメモリに記憶する。
ｇ１．アップロード履歴記録データＤＵＰ
　これは、データベース装置５０への記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰのアップロードの履歴を示すデータである。利用者端末１０は、メモリ内における未送信の記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰをデータベース装置５０にアップロードする度に、アップロード日時をアップロード履歴記録データＤＵＰとしてメモリに記憶する。
　図６において、サーバ装置３０は、データベース装置５０のデータベースＤＢに記憶される利用者の記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを基に、利用者の現在の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目に分けて評価する１次解析を行い、この１次解析の結果をカラダバランス画面ＳＣＲ１０として利用者に提示する。また、サーバ装置３０は、この１次解析の結果から利用者の将来の健康状態を予測する２次解析を行い、この２次解析の結果を未来予測画面ＳＣＲ１１及びＳＣＲ１２として利用者に提示する。画面ＳＣＲ１０、ＳＣＲ１１、ＳＣＲ１２の構成については後述する。
　次に、本実施形態の動作を説明する。本実施形態の動作は、データ蓄積処理、レーダーチャート提示処理、未来顔写真提示処理、及び未来体重提示処理を含む。これらの処理は、利用者端末１０にアプリＡＰのトップ画面ＳＣＲ５を表示させた状態で利用者が所定の操作を行うと実行される。
　図９は、ＴＯＰ画面ＳＣＲ５を示す図である。トップ画面ＳＣＲ５の上段右側には、ボタンＢＴ１が表示されている。ボタンＴＢ１の下には、利用者端末１０のメモリ内の最新のデータＤＳＴ（歩数、図９の例では２５６６歩）とこの値を所定の基礎代謝関数に入力して得られる消費カロリー（図９の例では１５１２カロリー）が表示されている。その下には、最新のデータＤＳＴ（歩数）を所定の距離関数に入力して得られる歩行距離（図９の例では６．２５ｋｍ）が表示されている。
　その下には、利用者端末１０のメモリ内の最新のデータＤＳＬ（睡眠）により求まる睡眠時間（就寝時刻から起床時刻までの間の時間、図９の例では７．２５時間）とこの睡眠時間の長さを示すバーＢＲ１が表示されている。その下には、利用者端末１０のメモリ内の最新のデータＤＭＬ（食事）が示す食事の種類（図８の食事／摂取カロリ入力画面を介して入力された食事の種類）に応じて求まる摂取カロリー（図９の例では１２５３キロカロリー）と摂取カロリーの量を示すバーＢＲ２が表示されている。その下の左には、利用者端末１０のメモリ内の最新のデータＤＷＴ（体重）とその前に記録されたデータＤＷＴ（体重）との差（図９の例では、－０．２ｋｇ）が表示されている。右には、利用者端末１０のメモリ内の最新のデータＤＦＴ（体脂肪率）とその前に記録されたデータＤＦＴとの差（図９の例では、＋０．２％）が表示されている。
　画面ＳＣＲ５の下段には、２つのボタンＢＴ２、ＢＴ３が左右に並べて配置されている。ボタンＢＴ２には、家を模擬した絵と「ホーム」の文字が記されている。ボタンＢＴ３には、時計を模擬した絵と「未来予測」の文字が記されている。この画面ＳＲＣ５において、利用者は、「ホーム」のボタンＢＴ２及び「未来予測」のボタンＢＴ３のうち所望のものを選んで指で触れる操作を行う。利用者端末１０は、「ホーム」のボタンＢＴ２が選択された場合、画面ＳＣＲ５を再表示する。
　利用者端末１０は、画面ＳＲＣ５のボタンＢＴ１が選択された場合、データベース装置５０にアクセスし、前回のアクセスから今回のアクセスまでに端末１０のメモリ内に記憶されたデータＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰをメモリから読み出し、読み出した記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰをデータベース装置５０に送信する。また、利用者端末１０は、アプリＡＰの起動中は、所定の時間が経過する度にデータベース装置５０にアクセスし、同様の送信処理を行う。データベース装置５０は、利用者端末１０からデータＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰが送信された場合、データ蓄積処理を行う。このデータ蓄積処理では、データベース装置５０は、利用者端末１０から受信したデータＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを送信元の利用者の固有の識別情報と対応付けてデータベースＤＢに記憶する。
　また、利用者端末１０は、画面ＳＲＣ５のボタンＢＴ３が選択された場合、レーダーチャートの提供を求めるメッセージ（ＨＴＴＰ（Hyper Text Transfer Protocol）リクエスト）をサーバ装置３０に送信する。サーバ装置３０は、このメッセージを受信すると、レーダーチャート提示処理を行う。レーダーチャート提示処理は、データベース装置５０内における利用者の記録データＤＳＴ、ＤＷＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰの中から直近の第１の期間Ｔ１（たとえば、期間Ｔ１＝７日とする）の間に記録された記録データＤＳＴ、ＤＷＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを抽出し、抽出した記録データＤＳＴ、ＤＷＴ、ＤＦＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰの種類毎の移動平均値ＭＡＳＴ、ＭＡＷＴ、ＭＡＳＬ、ＭＡＭＬ、ＭＡＲＣ、ＭＡＵＰを求め、求めた移動平均値ＭＡＳＴ、ＭＡＷＴ、ＭＡＳＬ、ＭＡＭＬ、ＭＡＲＣ、ＭＡＵＰを所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルＬｖとして示すバランスパラメータＰＲを求め、求めたバランスパラメータＰＲをレーダーチャートとして含む画面をカラダバランス画面ＳＣＲ１０として利用者端末１０に表示させる処理である。
　図１０は、カラダバランス画面ＳＣＲ１０を示す図である。図１０に示すように、この画面ＳＣＲ１０の中央には、正五角形状のレーダーチャートが表示される。画面ＳＣＲ１０のレーダーチャートは、体力、抗齢力、美力、継続力、意識力の評価項目を１～５の５段階評価とし、中心から正五角形の各頂点に至る５つのレベル軸上に該当の評価レベルＬｖ（図１０の例では、体力が１、抗齢力が２、美力が１、継続力が１、意識力が２）をプロットしたものである。画面ＳＣＲ１０におけるレーダーチャートの上には、５つの評価項目の評価レベルＬｖを平均した平均評価レベルＬｖＡＶＥ（図１０の例ではＬｖＡＶＥ＝Ｌｖ１）が表示される。画面ＳＣＲ１０におけるレーダーチャートの下には、ボタンＢＴ６が表示されている。ボタンＢＴ６内には、「未来へＧＯ」の文字が記されている。また、画面ＳＣＲ１０におけるボタンＢＴ６の下には、評価レベルＬｖに応じたアドバイスＡＤＶ１（図１０の例では、「美力を上げるには寝る時間帯も関係しているらしいよ。」）が表示される。
　図１１は、レーダーチャート提示処理の処理内容を概念的に示す図である。図１１に示すように、レーダーチャート提示処理では、サーバ装置３０の演算処理デバイス３５は、記録データＤＳＴ（歩数）、記録データＤＷＴ（体重）、記録データＤＳＬ（睡眠）、記録データＤＭＬ（食事）、記録データＤＲＣ（アプリ起動履歴）、記録データＤＵＰ（アップロード履歴）の各々の直近の期間Ｔ１（Ｔ１＝７日）の移動平均値ＭＡＳＴ、ＭＡＷＴ、ＭＡＳＬ、ＭＡＭＬ、ＭＡＲＣ、ＭＡＵＰを記憶デバイス３４内の条件及び荷重比率テーブルＴＢＬ１（図１２及び図１３）が示す評価項目毎の条件に照らし合わせることにより評価項目毎の得点を求め、求めた得点をテーブルＴＢＬ１が示す評価項目毎の加重比率で加算した値を各評価項目の評価レベルＬｖとする。
　このテーブルＴＢＬ１による各評価項目の評価レベルＬｖの算出処理の手順（アルゴリズム）は次の通りである。
ａ２．体力の評価レベルＬｖの算出処理
　この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１を参照先とし、参照先のレコードＲ１において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＳＴ（歩数）の移動平均値ＭＡＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、記録データＤＷＴ（体重）の移動平均値ＭＡＷＴをＢＭＩ（Body Math Index）値に変換する。ここで、ＢＭＩ値は、記録データＤＷＴ（体重）の移動平均値ＭＡＷＴの２乗を利用者のデータＤＨＧＨ（身長）で除算した値である。その上で、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ２乃至Ｒ６のうち該当の利用者のデータＤＧＤＲ（性別）が示す性別とデータＤＢＩＲ（生年月日）により決まる年代との組み合わせに対応するものを参照先とし、参照先のレコードＲ２（または、Ｒ３、Ｒ４、Ｒ５、Ｒ６）において得点１、２、３、４、及び５と対応付けられている条件を参照し、ＢＭＩ値がいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１から選んだ得点、及びレコードＲ２（または、Ｒ３、Ｒ４、Ｒ５、Ｒ６）から選んだ得点を５０％：５０％の比率で加算し、この加算結果を体力の評価レベルＬｖとする。
ｂ２．抗齢力の評価レベルＬｖの算出処理
　この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ７を参照先とし、参照先のレコードＲ７において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＳＴ（歩数）の移動平均値ＭＡＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、推奨睡眠時間帯カバー率ＲＣを求める。推奨睡眠時間帯カバー率ＲＣは、利用者の睡眠時間ＴＳ（データＤＳＬが示す就寝時刻から起床時刻までの間の時間）が、成長ホルモンの分泌量が最大化する２２時から２時までの時間帯ＴＲとどの程度重なっているかを示す値である。推奨睡眠時間帯カバー率ＲＣの算出処理では、図１４に示すように、データベースＤＢから抽出された各記録日のデータＤＳＬ（睡眠）について、当該データＤＳＬが示す睡眠時間ＴＳ（就寝時刻から起床時刻までの時間）のうち時間帯ＴＲと重なる時間ＴＳ’を推奨時間帯ＴＲの長さである４時間で除算する操作を行う。そして、記録日毎の除算結果ＴＳ’／ＴＲを平均し、この平均値を推奨睡眠時間帯カバー率ＲＣとする。演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ８を参照先とし、参照先のレコードＲ８において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＳＬ（睡眠）が示す睡眠時間の移動平均値ＭＡＳＬと推奨睡眠時間帯カバー率ＲＣがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ７から選んだ得点、及びレコードＲ８から選んだ得点を５０％：５０％の比率で加算し、この加算結果を抗齢力の評価レベルＬｖとする。
ｃ２．意識力の評価レベルＬｖの算出処理
　この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ９を参照先とし、参照先のレコードＲ９において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＭＬ（食事）の移動平均値ＭＡＭＬがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１０を参照先とし、参照先のレコードＲ１０において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＲＣ（アプリ起動履歴）の移動平均値ＭＡＲＣがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ９から選んだ得点、及びレコードＲ１０から選んだ得点を２０％：８０％の比率で加算し、この加算値を意識力の評価レベルＬｖとする。
ｄ２．継続力の評価レベルＬｖの算出処理
　この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１１を参照先とし、参照先のレコードＲ１１において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＵＰ（データアップロード履歴）の移動平均値ＭＡＵＰがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１１から選んだ得点を継続力の評価レベルＬｖとする。
ｅ２．美力の評価レベルＬｖの算出処理
　この算出処理では、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１２を参照先とし、参照先のレコードＲ１２において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＳＴ（歩数）の移動平均値ＭＡＳＴがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１３を参照先とし、参照先のレコードＤ１３において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＳＬ（睡眠）が示す睡眠時間の移動平均値ＭＡＳＬとこれにより求まる推奨睡眠時間帯カバー率ＲＣがいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。また、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１４乃至Ｒ１８のうち利用者のデータＤＧＤＲ（性別）が示す性別とデータＤＢＩＲ（生年月日）により決まる年代との組み合わせと対応するものを参照先とし、参照先のレコードＲ１４（または、Ｒ１５、Ｒ１６、Ｒ１７、Ｒ１８）において得点１、２、３、４、及び５と対応付けられている条件を参照し、記録データＤＷＴ（体重）の移動平均値ＭＡＷＴより求まるＢＭＩ値がいずれの条件を満足するかを判定し、該当の条件と対応付けられた得点を選択する。そして、演算処理デバイス３５は、テーブルＴＢＬ１のレコードＲ１２から選んだ得点、レコードＲ１３から選んだ得点、及びレコードＲ１４（または、Ｒ１５、Ｒ１６、Ｒ１７、Ｒ１８）から選んだ得点を、３０％：３０％：４０％の比率で加算し、この加算結果を美力の評価レベルＬｖとする。
　図１５は、未来体重提示処理及び未来顔写真提示処理を概念的に示す図である。本実施形態では、利用者端末１０は、ＴＯＰ画面ＳＣＲ５（図９）の「未来予測」のボタンＢＴ３をタッチする操作が行われた場合、図１６に示す写真選択画面ＳＣＲ９をディスプレイに表示させる。この画面ＳＣＲ９には、「プロフィール写真を使う」と記したボタンＢＴ７、「写真を撮る」と記したボタンＢＴ８、「アルバムから選択」と記したボタンＢＴ９が表示されている。利用者が、この画面ＳＣＲ９におけるボタンＢＴ７、ＢＴ８、及びＢＴ９のいずれかを選択して自身の写真を撮影または選択すると、未来予測の提供を求めるメッセージ（ＨＴＴＰリクエスト）をサーバ装置３０に送信する。サーバ装置３０は、このメッセージを受信すると、未来体重提示処理及び未来顔写真提示処理を行い、この処理結果を含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に返信して端末１０に未来予測画面ＳＣＲ１１及びＳＣＲ１２を表示させる。
　未来体重提示処理は、データベース装置５０内における利用者の一連の記録データＤＷＴ（体重）の中から直近の第２の期間Ｔ２（Ｔ２＞Ｔ１、たとえば、Ｔ２＝９０日）の間に記録された記録データＤＷＴを抽出し、抽出した時間Ｔ２分の記録データＤＷＴの遷移の線形近似直線Ａを求め、この線形近似直線Ａを体力のバランスパラメータＰＲの値に応じた大きさの体力係数ＫＷＴにより補正した第１の体重予測線Ａ’を求め、この第１の体重予測線Ａ’を該当の利用者の性別（データＤＧＤＲ）及び年代（データＤＢＩＲ（生年月日）により決まる年代）の組み合わせに応じた大きさの基礎代謝係数ＫＭＴＢにより補正した第２の体重予測線Ａ”を求め、この第２の体重予測線Ａ”の傾きα”に沿った将来の予測体重ＰＷＴ（β）の推移のグラフＣＨＲＴを含む画面を第１の未来予測画面ＳＣＲ１１として利用者の利用者端末１０に表示させる処理である。
　未来顔写真提示処理は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルＬｖを利用者の老化の進行の程度を示す老化レベルＬｖＡＧＩＮＧに変換し、変換した老化レベルＬｖＡＧＩＮＧが顔のしわ及びくすみとして現れ且つ体重予測線Ａ”の傾きα”が顔の横方向の伸縮として現れるような画像処理を利用者の顔写真に施した未来予想顔写真を含む画面を第２の未来予測画面ＳＣＲ１２として利用者の利用者端末１０に表示させる処理である。
　より詳細に説明すると、図１７のフローチャートに示すように、未来体重提示処理では、演算処理デバイス３５は、利用者の未来の体重の予測が可能であるか否を判定する（ＳＴ１）。このステップＳＴ１では、データベース装置５０内に以下の２つの条件ａ３及びｂ３を満たす記録データＤＷＴ（体重）群であって該当の利用者のものがある場合に、利用者の未来の体重の予測が可能であるとする。図１８は、条件ａ３及びｂ３を満足すようなデータＤＷＴ（体重）の記録分布の例を示す図である。
ａ３．直近の１４日以内に記録された記録データＤＷＴが３つ以上あること
ｂ３．９０日前～７日前以内に記録された記録データＤＷＴが１つ以上あること
　演算処理デバイス３５は、利用者の未来の体重の予測が可能である場合（ＳＴ１：Ｙｅｓ）、直近の期間Ｔ２（Ｔ２＝９０日）の間に記録された記録データＤＷＴの５日毎の平均値（０～５日前の記録データＤＷＴの平均値ＭＡＷＴ（０－５）、６～１０日前の記録データＤＷＴの平均値ＭＡＷＴ（６－１０）、…８６日～９０日前の記録データＤＷＴの平均値ＭＡＷＴ（８６－９０）を算出し、これらの平均値ＭＡＷＴ（０－５）、ＭＡＷＴ（６－１０）、ＭＡＷＴ（８６－９０）を時間軸上に並べたグラフの線形近似直線Ａを求める（ＳＴ２）。
　演算処理デバイス３５は、ステップＳＴ２で求めた線形近似直線Ａの傾きαの符号がプラスであるかマイナスであるかを判定する（ＳＴ３）。利用者の体重が増加傾向にあればステップＳＴ３の判定結果は「プラス」になり、利用者の体重が減少傾向にあればステップＳＴ３の判定結果は「マイナス」になる。
　演算処理デバイス３５は、線形近似直線Ａの傾きαの符号がプラスである場合、線形近似直線Ａを増加用体力係数ＫＷＴによって補正した体重予測線Ａ’を求める（ＳＴ４）。このステップＳＴ４では、演算処理デバイス３５は、記憶デバイス３４に増加用体力係数テーブルＴＢＬ２－１として記憶されている増加用体力係数ＫＷＴの中から利用者の体力の評価レベルＬｖと対応するものを選ぶ。
　図１９（Ａ）は、テーブルＴＢＬ２－１の内容を示す図である。このテーブルＴＢ２－１では、体力の評価レベルＬｖが５の場合の増加用体力係数ＫＷＴ（５）が０．８、体力の評価レベルＬｖが４の場合の増加用体力係数ＫＷＴ（４）が０．９、体力の評価レベルＬｖが３の場合の増加用体力係数ＫＷＴ（３）が１、体力の評価レベルＬｖが２の場合の増加用体力係数ＫＷＴ（２）が１．２、体力の評価レベルＬｖが１の場合の増加用体力係数ＫＷＴ（１）が１．５となっている。
　演算処理デバイス３５は、テーブルＴＢＬ２－１内から選んだ増加用体力係数ＫＷＴを線形近似直線Ａの傾きαに乗算し、α’（α’＝α・ＫＷＴ）の傾きを持った直線を体重予測線Ａ’とする。
　次に、演算処理デバイス３５は、ステップＳＴ４で求めた体重予測線Ａ’を増加用基礎代謝係数ＫＭＴＢによって補正した体重予測線Ａ”を求める（ＳＴ５）。このステップＳＴ５では、記憶デバイス３４に増加用基礎代謝係数テーブルＴＢＬ３－１として記憶されている男女別の５歳刻み各年代の増加用基礎代謝係数ＫＭＴＢ（２０－２４）、ＫＭＴＢ（２５－２９）、ＫＭＴＢ（３０－３４）、ＫＭＴＢ（３５－３９）、ＫＭＴＢ（４０－４４）、ＫＭＴＢ（４５－４９）、ＫＭＴＢ（５０－）の中から利用者のデータＤＧＤＲ（性別）と対応するものを選ぶ。
　図２０（Ａ）は、テーブルＴＢＬ３－１の内容を示す図である。このテーブルＴＢＬ３－１では、男性については、２０歳から２４歳の年代の増加用基礎代謝係数ＫＭＴＢ（２０－２４）が０．８９５８、２５歳から２９歳の年代の増加用基礎代謝係数ＫＭＴＢ（２５－２９）が０．９０４２、３０歳から３４歳の年代の増加用基礎代謝係数ＫＭＴＢ（３０－３４）が０．９１２５、３５歳から３９歳の年代の増加用基礎代謝係数ＫＭＴＢ（３５－３９）が０．９２０８、４０歳から４４歳の年代の増加用基礎代謝係数ＫＭＴＢ（４０－４４）が０．９２９２、４５歳から４９歳の年代の増加用基礎代謝係数ＫＭＴＢ（４５－４９）が０．９６４６、５０歳以上の年代の増加用基礎代謝係数ＫＭＴＢ（５０－）が１となっている。
　また、女性については、２０歳から２４歳の年代の増加用基礎代謝係数ＫＭＴＢ（２０－２４）が０．８６２５、２５歳から２９歳の年代の増加用基礎代謝係数ＫＭＴＢ（２５－２９）が０．８７２９、３０歳から３４歳の年代の増加用基礎代謝係数ＫＭＴＢ（３０－３４）が０．８８３３、３５歳から３９歳の年代の増加用基礎代謝係数ＫＭＴＢ（３５－３９）が０．８９３８、４０歳から４４歳の年代の増加用基礎代謝係数ＫＭＴＢ（４０－４４）が０．９０４２、４５歳から４９歳の年代の増加用基礎代謝係数ＫＭＴＢ（４５－４９）が０．９１２５、５０歳以上の年代の増加用基礎代謝係数ＫＭＴＢ（５０－）が０．９２０８となっている。
　演算処理デバイス３５は、図２１に示すように、データベースＤＢから抽出された過去６月分のデータＤＷＴのうち記録日が最も新しいものを最新記録データＤＷＴ（ＬＡＳＴ）とし、記録データＤＷＴ（ＬＡＳＴ）に体重予測線Ａ”を繋げた場合における将来の各年代の該当区間（図２１の例では、４０歳から４４歳の区間Ｔ（４０－４４）、４５歳から４９歳の区間Ｔ（４５－４９）、５０歳以上の区間Ｔ（５０－））を求め、体重予測線Ａ’における各年代の区間の傾きα’にテーブルＴＢＬ３－１内から選んだ増加用基礎代謝係数ＫＭＴＢ（２０－２４）、ＫＭＴＢ（２５－２９）、ＫＭＴＢ（３０－３４）、ＫＭＴＢ（３５－３９）、ＫＭＴＢ（４０－４４）、ＫＭＴＢ（４５－４９）、ＫＭＴＢ（５０－）のうち該当のものを各々乗算する。そして、この年代毎の個別の傾きα”を持った線を体重予測線Ａ”とする。
　図１７において、演算処理デバイス３５は、線形近似直線Ａの傾きαの符号がマイナスである場合、線形近似直線Ａを減少用体力係数ＫＷＴによって補正した体重予測線Ａ’を求める（ＳＴ６）。このステップＳＴ６では、演算処理デバイス３５は、記憶デバイス３４に減少用体力係数テーブルＴＢＬ２－２として記憶されている減少用体力係数ＫＷＴの中から利用者の体力の評価レベルＬｖと対応するものを選ぶ。
　図１９（Ｂ）は、テーブルＴＢＬ２－２の内容を示す図である。このテーブルＴＢ２－１では、体力の評価レベルＬｖが５の場合の減少用体力係数ＫＷＴ（５）が１．５、体力の評価レベルＬｖが４の場合の減少用体力係数ＫＷＴ（４）が１．２、体力の評価レベルＬｖが３の場合の減少用体力係数ＫＷＴ（３）が１、体力の評価レベルＬｖが２の場合の減少用体力係数ＫＷＴ（２）が０．９、体力の評価レベルＬｖが１の場合の減少用体力係数ＫＷＴ（１）が０．８となっている。
　演算処理デバイス３５は、テーブルＴＢＬ２－２内から選んだ減少用体力係数ＫＷＴを線形近似直線Ａの傾きαに乗算し、α’（α’＝α・ＫＷＴ）の傾きを持った直線を体重予測線Ａ’とする。
　次に、演算処理デバイス３５は、ステップＳＴ６で求めた体重予測線Ａ’を減少用基礎代謝係数ＫＭＴＢによって補正した体重予測線Ａ”を求める（ＳＴ７）。このステップＳＴ７では、記憶デバイス３４に減少用基礎代謝係数テーブルＴＢＬ３－２として記憶されている男女別の５歳刻み各年代の減少用基礎代謝係数ＫＭＴＢ（２０－２４）、ＫＭＴＢ（２５－２９）、ＫＭＴＢ（３０－３４）、ＫＭＴＢ（３５－３９）、ＫＭＴＢ（４０－４４）、ＫＭＴＢ（４５－４９）、ＫＭＴＢ（５０－）の中から利用者のデータＤＧＤＲ（性別）と対応するものを選ぶ。
　図２０（Ｂ）は、テーブルＴＢＬ３－２の内容を示す図である。このテーブルＴＢＬ３－２では、男性については、２０歳から２４歳の年代の減少用基礎代謝係数ＫＭＴＢ（２０－２４）が１、２５歳から２９歳の年代の減少用基礎代謝係数ＫＭＴＢ（２５－２９）が０．９６４６、３０歳から３４歳の年代の減少用基礎代謝係数ＫＭＴＢ（３０－３４）が０．９２９２、３５歳から３９歳の年代の減少用基礎代謝係数ＫＭＴＢ（３５－３９）が０．９２０８、４０歳から４４歳の年代の減少用基礎代謝係数ＫＭＴＢ（４０－４４）が０．９１２５、４５歳から４９歳の年代の減少用基礎代謝係数ＫＭＴＢ（４５－４９）が０．９０４２、５０歳以上の年代の減少用基礎代謝係数ＫＭＴＢ（５０－）が０．８９５８となっている。
　また、女性については、２０歳から２４歳の年代の減少用基礎代謝係数ＫＭＴＢ（２０－２４）が０．９２０８、２５歳から２９歳の年代の減少用基礎代謝係数ＫＭＴＢ（２５－２９）が０．９１２５、３０歳から３４歳の年代の減少用基礎代謝係数ＫＭＴＢ（３０－３４）が０．９０４２、３５歳から３９歳の年代の減少用基礎代謝係数ＫＭＴＢ（３５－３９）が０．８９３８、４０歳から４４歳の年代の減少用基礎代謝係数ＫＭＴＢ（４０－４４）が０．８８３３、４５歳から４９歳の年代の減少用基礎代謝係数ＫＭＴＢ（４５－４９）が０．８７２９、５０歳以上の年代の減少用基礎代謝係数ＫＭＴＢ（５０－）が０．８６２５となっている。
　演算処理デバイス３５は、最新記録データＤＷＴ（ＬＡＳＴ）に体重予測線Ａ”を繋げた場合における将来の各年代の該当区間を求め、体重予測線Ａ’における各年代の区間の傾きα’にテーブルＴＢＬ３－２内から選んだ減少用基礎代謝係数ＫＭＴＢ（２０－２４）、ＫＭＴＢ（２５－２９）、ＫＭＴＢ（３０－３４）、ＫＭＴＢ（３５－３９）、ＫＭＴＢ（４０－４４）、ＫＭＴＢ（４５－４９）、ＫＭＴＢ（５０－）のうち該当のものを各々乗算する。そして、この年代毎の個別の傾きα”を持った線を体重予測線Ａ”とする。
　図１７において、ステップＳＴ５又はステップＳＴ７の実行後、演算処理デバイス３５は、利用者の体重が体重予測線Ａ”に沿って推移した場合における現時点から期間Ｔ３（たとえば、期間Ｔ３＝２０年とする）後の予測終端点までの間の各時点の予測体重ＰＷＴ（β）を算出する（ＳＴ８）。このステップＳＴ８では、演算処理デバイス３５は、最新記録データＤＷＴ（ＬＡＳＴ）、８６日～９０日前の記録データＤＷＴの平均値ＭＡＷＴ（８６－９０）、目標体重（データＤＴＲＧとして利用者が決めた目標体重）、標準体重（統計値に基づいて予め設定された標準体重）の相互の大小関係を判定する。演算処理デバイス３５は、線形近似直線Ａの傾きαの符号（プラスまたはマイナス）とこの大小関係の判定結果の組み合わせに応じて将来のβ（β＝１，２…）日後の各時点の予測体重ＰＷＴ（β）を以下のようにして算出する。
ａ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）＞目標体重＞標準体重の場合（図２２のケースＰ０１の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。
ｂ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞目標体重＞データＤＷＴ（ＬＡＳＴ）＞標準体重の場合（図２２のケースＰ０２の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が標準体重に達した以降は予測体重ＰＷＴ（β）を標準体重に収束させる。
ｃ４．傾きαの符号がマイナスで、目標体重＞平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）＞標準体重の場合（図２２のケースＰ０３の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｂ４と同様の手順で行う。
ｄ４．傾きαの符号がマイナスで、目標体重＞平均値ＭＡＷＴ（８６－９０）＞標準体重＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０４の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。
ｅ４．傾きαの符号がマイナスで、目標体重＞標準体重＞平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０５の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｄ４と同様の手順で行う。
ｆ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）＜標準体重＜目標体重の場合（図２２のケースＰ０６の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。
ｇ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜標準体重＜データＤＷＴ（ＬＡＳＴ）＜目標体重の場合（図２２のケースＰ０７の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｆ４と同様の手順で行う。
ｈ４．傾きαの符号がプラスで、標準体重＜平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）＜目標体重の場合（図２２のケースＰ０８の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｆ４と同様の手順で行う。
ｉ４．傾きαの符号がプラスで、標準体重＜平均値ＭＡＷＴ（８６－９０）＜目標体重＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ０９の場合）
　この場合、演算処理デバイス３５は、体重予測線Ａ”の収束点を設けずに、この体重予測線Ａ”におけるβ日後の時点の値をβ日後の予測体重ＰＷＴ（β）とする。
ｊ４．傾きαの符号がプラスで、標準体重＜目標体重＜平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１０の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｉ４と同様の手順で行う。
ｋ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞目標体重＞標準体重＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１１の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。
ｌ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜標準体重＜目標体重＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１２の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｉ４と同様の手順で行う。
ｍ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）＞標準体重＞目標体重の場合（図２２のケースＰ１３の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。
ｎ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞標準体重＞データＤＷＴ（ＬＡＳＴ）＞目標体重の場合（図２２のケースＰ１４の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｍ４と同様の手順で行う。
ｏ４．傾きαの符号がマイナスで、標準体重＞平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）＞目標体重の場合（図２２のケースＰ１５の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｍ４と同様の手順で行う。
ｐ４．傾きαの符号がマイナスで、標準体重＞平均値ＭＡＷＴ（８６－９０）＞目標体重＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１６の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。
ｑ４．傾きαの符号がマイナスで、標準体重＞目標体重＞平均値ＭＡＷＴ（８６－９０）＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ１７の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｐ４と同様の手順で行う。
ｒ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）＜目標体重＜標準体重の場合（図２２のケースＰ１８の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が目標体重に達した以降は予測体重ＰＷＴ（β）を目標体重に収束させる。
ｓ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜目標体重＜データＤＷＴ（ＬＡＳＴ）＜標準体重の場合（図２２のケースＰ１９の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ”が標準体重に達した以降は予測体重ＰＷＴ（β）を標準体重に収束させる。
ｔ４．傾きαの符号がプラスで、目標体重＜平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）＜標準体重の場合（図２２のケースＰ２０の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｓ４と同様の手順で行う。
ｕ４．傾きαの符号がプラスで、目標体重＜平均値ＭＡＷＴ（８６－９０）＜標準体重＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２１の場合）
　この場合、演算処理デバイス３５は、体重予測線Ａ”の収束点を設けずに、体重予測線Ａ”におけるβ日後の時点の値をβ日後の予測体重ＰＷＴ（β）とする。
ｖ４．傾きαの符号がプラスで、目標体重＜標準体重＜平均値ＭＡＷＴ（８６－９０）＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２２の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｕ４と同様の手順で行う。
ｗ４．傾きαの符号がマイナスで、平均値ＭＡＷＴ（８６－９０）＞標準体重＞目標体重＞データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２３の場合）
　この場合、演算処理デバイス３５は、時間軸上における体重予測線Ａ”の始点をデータＤＷＴ（ＬＡＳＴ）とし、この体重予測線Ａ”におけるβ日後の値を予測体重ＰＷＴ（β）とする。演算処理デバイス３５は、体重予測線Ａ’が予め決められた最低体重に達した以降は予測体重ＰＷＴ（β）を最低体重に収束させる。
ｘ４．傾きαの符号がプラスで、平均値ＭＡＷＴ（８６－９０）＜目標体重＜標準体重＜データＤＷＴ（ＬＡＳＴ）の場合（図２２のケースＰ２４の場合）
　この場合の予測体重ＰＷＴ（β）の算出はｕ４と同様の手順で行う。
　図１７において、演算処理デバイス３５は、現在から予測終端点ｔＥＮＤまでの各時点の予測体重ＰＷＴ（β）を求めた後、これらの予測体重ＰＷＴ（β）を結ぶ体重予測線ＡＰ、この体重予測線ＡＰ上の予測終端点の予測体重ＰＷＴ（β）と目標体重との差に応じて決まるアドバイスＡＤＶ１を含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に送信する（ＳＴ０９）。
  一方、図２３のフローチャートに示すように、未来顔写真提示処理では、演算処理デバイス３５は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価レベルＬｖのうち抗齢力の評価レベルＬｖと美力の評価レベルＬｖを選び、この２つの評価レベルＬｖと全種類の評価レベルＬｖを平均した平均評価レベルＬｖＡＶＥの和を３で除算し、この除算結果を基準評価レベルＬｖＢＳとする（ＳＴ１１）。
　演算処理デバイス３５は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価レベルＬｖのうちの最大評価レベルＬｖＭＡＸと最小評価レベルＬｖＭＩＮの差である乖離値ＧＰ（ＧＰ＝｜ＬｖＭＡＸ－ＬｖＭＩＮ｜）を求め、この乖離値ＧＰを記憶デバイス３４内の加減点値テーブルＴＢＬ４に照らし合わせることにより、基準評価レベルＬｖＢＳに作用させる加減点値を求める（ＳＴ１２）。
　図２４は、加減点値テーブルＴＢＬ４のデータ構造を示す図である。このテーブルＴＢＬ４では、乖離値ＧＰが０（５種類の評価レベルＬｖのすべてがレベル１または２である場合を除く）の場合の加減点値が「＋１」、乖離値ＧＰが１（５種類の評価レベルＬｖのすべてがレベル２以下である場合を除く）の場合の加減点値が「０」、乖離値ＧＰが２の場合の加減点値が「－１」、乖離値ＧＰが３の場合の加減点値が「－２」、乖離値ＧＰが４の場合の加減点値が「－３」となっている。
　図２３において、演算処理デバイス３５は、基準評価レベルＬｖに加減点値を加算し、この加算結果を利用者の老化レベルＬｖＡＧＩＮＧとする（ＳＴ１３）。演算処理デバイス３５は、このステップＳＴ１３で求めた老化レベルＬｖＡＧＩＮＧを含むメッセージ（ＨＴＴＰレスポンス）を利用者端末１０に送信する（ＳＴ１４）。
　図１５において、利用者の利用者端末１０は、サーバ装置３０から送信されるメッセージ内のデータに応じて２種類の未来予測画面ＳＣＲ１１及びＳＣＲ１２の表示内容を制御する。より詳細に説明すると、利用者端末１０は、写真選択画面ＳＣＲ９（図１６）のボタンＢＴ７、ＢＴ８、またはＢＴ９が選択されると、未来予測画面ＳＣＲ１２を表示させる。図１５に示すように、未来予測画面ＳＣＲ１２の中央には、写真選択画面ＳＣＲ９（図１６）において選択された利用者の顔写真画像ＰＣＴが表示される。そして、この顔写真画像ＰＣＴの下には時間軸バーＴＬが表示される。時間軸バーＴＬの左には再生ボタンＢＴ１０が表示される。また、時間軸バーＴＬの下には、「５年後」、「１０年後」、「２０年後」の各文字が記される。その下には２つのボタンＢＴ１２及びＢＴ１１が表示される。ボタンＢＴ１２内には「顔」の文字が記される。ボタンＢＴ１１内には「体重」の文字が記される。
　この未来予測画面ＳＣＲ１２において、利用者が、再生のボタンＢＴ１０をタッチする操作を行うと、利用者端末１０は、時間軸バーＴＬ上のポインタＰＴの左端（現在）から右端（２０年後）への移動に合わせて利用者の顔写真画像ＰＣＴにしみ及び皺を出現させるとともに顔写真画像ＰＣＴの左右方向の幅を伸縮させる処理を行う。この画像処理では、利用者端末１０は、サーバ装置３０から受信した老化レベルＬｖＡＧＩＮＧと対応する老化年数値（１年あたりの老化の度合いを示す値）を利用者端末１０のメモリ内の老化年数値テーブルＴＢＬ５（図２５）から取り出し、この老化年数値とサーバ装置３０から受信した体重予測線ＰＡの傾きに応じて時間軸バーＴＬ上のポインタＰＴが時間軸バーＴＬの各点を通過したときのしみ及び皺の量と顔の横方向の伸縮量を変化させる。
　より具体的に説明すると、例えば、サーバ装置３０から受信した老化レベルＬｖＡＧＩＮＧがレベル５である場合、テーブルＴＢＬ５における現在～５年後の老化年数値は０、５年後～１０年後の老化年数値は０、１０年後～１５年後の老化年数値は０．５、１５年後～２０年後の老化年数値は０．５、２０年後以降の老化年数値は１となっている。この場合の画像処理では、利用者端末１０は、時間軸バーＴＬ上のポインタＰＴが１０年経過時に達するまでは顔写真画像ＰＣにしみ及び皺を出現させず、ポインタＰＴが１０年経過時に達した以降に顔写真画像ＰＣにしみ及び皺を出現させ、ポインタＰＴが２０年経過時に達した以降にしみ及び皺の量を倍増させる操作を行う。
　また、例えば、サーバ装置３０から受信した体重予測線ＰＡの傾きの符号がプラスでありその時間勾配が１０ｋｇ／１年であった場合の画像処理では、利用者端末１０は、体重の１年あたりの増加量に変換係数である１．２を乗算した値（増加量が１０ｋｇであれば１２％）を伸長率とし、時間軸バーＴＬ上のポインタＰＴが１年分進む毎に顔写真画像ＰＣＴをこの伸長率（１２％）で横方向に伸ばす操作を行う。また、例えば、サーバ装置３０から受信した体重予測線ＰＡの傾きの符号がマイナスでありその時間勾配が６ｋｇ／１年であった場合の画像処理では、利用者端末１０は、体重の１年あたりの増加量に変換係数である１．２を乗算した値（増加量が５ｋｇであれば６％）を縮小率とし、時間軸上バー上のポインタＰＴが１年分進む毎に顔写真画像ＰＣをこの縮小率（６％）で横方向に縮める操作を行う。
　図１５において、利用者が、未来予測画面ＳＣＲ１２の「体重」のボタンＢＴ１１をタッチする操作を行うと、利用者端末１０は、ディスプレイの表示画面を未来予測画面ＳＣＲ１２から未来予測画面ＳＣＲ１１に切り替える。この未来予測画面ＳＣＲ１１の中央には、サーバ装置３０から受信した体重予測線ＰＡ（実線）と目標体重線ＳＡ（データＤＴＧＴの体重を示す鎖線）とを記したグラフＣＨＲＴが表示される。その下には、「○○（ユーザのニックネーム）さんの今後２０年の体重変化予測」の文字が記される。その下には、予測終端点（２０年後）の予測体重ＰＷＴ（β）（図１５の例では、６７．５ｋｇ）が表示される。その下には、サーバ装置３０から受信したアドバイスＡＤＶ１（図１５の例では、「過去の自分が頑張ってくれたからこそ今の自分がある。だから、未来も明るいね。」）が表示される。その下には、ボタンＢＴ１２及びＢＴ１１が左右方向に並べて表示されている。利用者が、ボタンＢＴ１１をタッチする操作を行うと、利用者端末１０は、ディスプレイの表示画面を未来予測画面ＳＣＲ１１から未来予測画面ＳＣＲ１２に再び切り替える。
　以上が、本実施形態の詳細である。本実施形態によると、次の効果が得られる。
　第１に、本実施形態では、データベース装置５０は、各利用者の利用者端末１０において複数種類の記録項目について記録された複数種類の記録データＤＳＴ、ＤＷＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを記憶し、サーバ装置３０は、データベース装置５０内における利用者の複数種類のデータの中から直近の第１の期間Ｔ１（Ｔ１＝７日）の間に記録された複数種類の記録データＤＳＴ、ＤＷＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰを抽出し、抽出した複数種類の記録データＤＳＴ、ＤＷＴ、ＤＳＬ、ＤＭＬ、ＤＲＣ、ＤＵＰの種類毎の移動平均値ＳＴ、ＭＡＷＴ、ＭＡＳＬ、ＭＡＭＬ、ＭＡＲＣ、ＭＡＵＰを求め、求めた複数種類の移動平均値ＳＴ、ＭＡＷＴ、ＭＡＳＬ、ＭＡＭＬ、ＭＡＲＣ、ＭＡＵＰを所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルＬｖとして示すバランスパラメータＰＲを求め、求めたバランスパラメータＰＲをレーダーチャートとして含む画面ＳＣＲ１１を利用者端末１０に表示させる。
　ここで、人間が健康維持のために行う行動の多くは、良い面と悪い面を併せもっている。たとえば、運動は、自律神経の向上や体力の向上という側面から見ればおおいに推奨されるものであるが、過度に行うと身体が酸化して老化を進めてしまう。本実施形態では、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力という５種類の評価項目で評価した評価結果をレーダーチャートとして利用者に提示する。よって、本実施形態によると、利用者は、自身の健康に関わるさまざま要素に広く注意を傾けながら自身の生活習慣を改善していくことができる。従って、本実施形態によると、利用者の健康に対する意識を高め、生活習慣の改善に意欲的に取り組ませることができる。
　第２に、本実施形態では、サーバ装置３０は、データベース装置５０内における利用者の体重記録データＤＷＴの中から直近の第１の期間Ｔ１（Ｔ１＝７日）よりも長い第２の期間Ｔ２（Ｔ２＝６月）の間に記録された体重記録データＤＷＴを抽出し、抽出した体重記録データＤＷＴの線形近似直線Ａを求め、この線形近似直線Ａを体力の評価レベルＬｖに応じた大きさの体力係数ＫＷＴによって補正した第１の体重予測線Ａ’を求め、この第１の体重予測線Ａ’を利用者の性別及び年齢の組み合わせに応じた大きさの基礎代謝係数ＫＭＴＢによって補正した第２の体重予測線Ａ”を求め、この第２の体重予測線Ａ”の傾きα”に沿った将来の予測体重ＰＷＴ（β）の推移のグラフＣＨＲＴを含む画面ＳＣＲ１２を利用者の利用者端末１０に表示させる。よって、本実施形態によると、利用者を、体力の評価レベルＬｖに影響を与える要素である運動（歩数）及び体重に注意を払うように仕向けることができる。
　第３に、本実施形態では、前記サーバ装置３０は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルＬｖを利用者の老化の進行の程度を示す老化レベルＬｖＡＧＩＮＧに変換し、変換した老化レベルＬｖＡＧＩＮＧが顔のしわ及びくすみとして現れ且つ第２の体重予測線Ａ”における体重の変化が顔の伸縮として現れるような画像処理を利用者の顔写真ＰＣＴに施した未来顔写真を含む画面ＳＣＲ１１を利用者の利用者端末１０に表示させる。よって、本実施形態によると、利用者に現在の生活習慣を続けていった場合の自身の姿を見せることができる。従って、本実施形態によると、利用者における生活習慣の改善の意識付けをより一層強めることができる。
　以上、本発明の一実施形態について説明したが、かかる実施形態に以下の変形を加えてもよい。
（１）上記実施形態では、利用者端末１０は、歩数記録データＤＳＴ、体重記録データＤＷＴ、体脂肪記録データＤＦＴ、睡眠記録データＤＳＬ、アプリ起動履歴記録データＤＲＣ、アップロード履歴記録データＤＵＰをデータベース装置５０にアップロードした。しかし、これらのうち体脂肪記録データＤＦＴは、サーバ装置３０におけるバランスパラメータＰＲの算出に利用しないため、アップロードしないようにしてもよい。
（２）上記実施形態では、利用者端末１０は、この老化年数値と体重予測線ＰＡの傾きに応じて時間軸バーＴＬ上のポインタＰＴが時間軸バーＴＬの各点を通過したときの顔上のしみ及び皺の量と顔の横方向の伸縮量を変化させる処理を画像処理として行った。しかし、これに加えて、利用者の顔の表情を変化させるようにしてもよい。具体的に説明すると、サーバ装置３０は、意識力の評価レベルＬｖ、継続力の評価レベルＬｖ、及び平均評価レベルＬｖＡＶＥの和を３で除算した値を表情レベルとし、この表情レベルを老化レベルＬｖＡＧＩＮＧとともに含むメッセージを利用者端末１０に送信する。そして、利用者端末１０は、表情レベルがレベル１または２であった場合は、利用者の顔を悲しんだ表情となるように加工し、表情レベルがレベル４または５であった場合は、利用者の顔を笑みの表情となるように加工する。この変形例によると、利用者における健康に対する意識をより一層高めることができる。
（３）上記実施形態のステップＳＴ８において、演算処理デバイス３５は、平均値ＭＡＷＴ（８６－９０）に代えて線形近似直線Ａにおける９０日前の値を用い、予測体重ＰＷＴ（β）の収束の有無を判定するようにしてもよい。
１…ヘルスケアシステム、１０…利用者端末、３０…サーバ装置、５０…データベース装置、３１、５１…表示デバイス、３２、５２…入力デバイス、３３、５３…通信デバイス、３４、５４…記憶デバイス、３５、５５…演算処理デバイス、３６、５６…内部バス。

Claims (3)

  1. 　各利用者の利用者端末とネットワークを通じて接続されるサーバ装置及びデータベース装置を有するヘルスケアシステムであって、
    　前記データベース装置は、
    　前記各利用者の利用者端末において複数種類の記録項目について記録された複数種類の記録データを記憶し、
    　前記サーバ装置は、前記データベース装置内における利用者の複数種類の記録データの中から直近の第１の期間の間に記録された複数種類の記録データを抽出し、抽出した複数種類の記録データの種類毎の移動平均値を求め、求めた複数種類の移動平均値を所定のアルゴリズムに従って解析することにより、利用者の健康状態を、体力、抗齢力、美力、意識力、及び継続力の５種類の評価項目の評価レベルとして示すバランスパラメータを求め、求めたバランスパラメータをレーダーチャートとして含む画面を前記利用者端末に表示させる
    　ことを特徴とするヘルスケアシステム。
  2. 　前記複数種類の記録データは、利用者の体重を示す体重記録データを含み、
    　前記サーバ装置は、
    　前記データベース装置内における利用者の体重記録データの中から直近の前記第１の期間よりも長い第２の期間の間に記録された体重記録データを抽出し、抽出した体重記録データの線形近似直線を求め、この線形近似直線を前記体力の評価レベルに応じた大きさの体力係数により補正した第１の体重予測線を求め、この第１の体重予測線を該当の利用者の性別及び年齢の組み合わせに応じた大きさの基礎代謝係数により補正した第２の体重予測線を求め、この第２の体重予測線の傾きに沿った将来の予測体重の推移のグラフを含む画面を利用者の利用者端末に表示させる
    　ことを特徴とする請求項１に記載のヘルスケアシステム。
  3. 　前記サーバ装置は、体力、抗齢力、美力、意識力、及び抗齢力の５種類の評価項目の評価レベルを利用者の老化の進行の程度を示す老化レベルに変換し、変換した老化レベルが顔のしわ及びくすみとして現れ且つ前記第２の体重予測線における体重の変化が顔の伸縮として現れるような画像処理を利用者の顔画像に施した未来顔画像を含む画面を利用者の利用者端末に表示させる
    　ことを特徴とする請求項２に記載のヘルスケアシステム。
     
     
     
     
     
     
     
    　    
PCT/JP2013/078252 2013-07-05 2013-10-18 ヘルスケアシステム WO2015001686A1 (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
US14/351,970 US20150269864A1 (en) 2013-07-05 2013-10-18 Health care system

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2013141340A JP5388154B1 (ja) 2013-07-05 2013-07-05 ヘルスケアシステム
JP2013-141340 2013-07-05

Publications (1)

Publication Number Publication Date
WO2015001686A1 true WO2015001686A1 (ja) 2015-01-08

Family

ID=50036665

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2013/078252 WO2015001686A1 (ja) 2013-07-05 2013-10-18 ヘルスケアシステム

Country Status (3)

Country Link
US (1) US20150269864A1 (ja)
JP (1) JP5388154B1 (ja)
WO (1) WO2015001686A1 (ja)

Families Citing this family (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6565016B2 (ja) * 2015-07-09 2019-08-28 株式会社タニタ 老化予測装置及びプログラム
US10332410B2 (en) * 2016-02-02 2019-06-25 Fujitsu Limited Healthcare system to change behavior of a user
US20170301258A1 (en) * 2016-04-15 2017-10-19 Palo Alto Research Center Incorporated System and method to create, monitor, and adapt individualized multidimensional health programs
JP7152736B2 (ja) * 2017-03-30 2022-10-13 株式会社タニタ 情報処理装置、方法及びプログラム
US20230352184A1 (en) * 2020-07-03 2023-11-02 The University Of Tokyo Health support apparatus, health support method, and program
JP7453076B2 (ja) * 2020-07-03 2024-03-19 株式会社日立製作所 生成装置、生成方法、および生成プログラム

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331791A (ja) * 2000-05-23 2001-11-30 Pola Chem Ind Inc 加齢パターンの鑑別方法
JP2002233507A (ja) * 2001-02-08 2002-08-20 Ntt Comware Corp 健康状態管理システム、および同システムにおける健康状態のキャラクタ画像への反映方法、ならびに同方法のプログラムを記録した記録媒体
JP2004164343A (ja) * 2002-11-13 2004-06-10 Health Dynamics Kenkyusho:Kk 生活習慣病改善システム及びその情報管理装置
JP2006110340A (ja) * 2004-10-12 2006-04-27 Samsung Electronics Co Ltd 健康状態によるアバター映像の生成方法及び装置
JP2007244597A (ja) * 2006-03-15 2007-09-27 Toshiba Corp 睡眠判定方法及び睡眠判定装置
JP2010272031A (ja) * 2009-05-22 2010-12-02 Univ Of Tsukuba 携帯電話を用いた双方向的な生活習慣病管理支援システム
JP2011209871A (ja) * 2010-03-29 2011-10-20 Omron Healthcare Co Ltd 健康管理支援装置、健康管理支援システムおよび健康管理支援プログラム

Family Cites Families (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2569717A4 (en) * 2010-05-12 2013-10-23 Zipongo SYSTEM AND METHOD FOR AUTOMATIC, CUSTOMIZED AND COMMUNITY POWER AND ACTIVITY PLANNING IN CONNECTION WITH MULTI-MODEL AUTOMATIC IDENTIFICATION TRACKING AND SIZE ESTIMATION
US20140343371A1 (en) * 2013-05-14 2014-11-20 Ii Thomas Skerik Sowers Wearable sensor device for health monitoring and methods of use

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2001331791A (ja) * 2000-05-23 2001-11-30 Pola Chem Ind Inc 加齢パターンの鑑別方法
JP2002233507A (ja) * 2001-02-08 2002-08-20 Ntt Comware Corp 健康状態管理システム、および同システムにおける健康状態のキャラクタ画像への反映方法、ならびに同方法のプログラムを記録した記録媒体
JP2004164343A (ja) * 2002-11-13 2004-06-10 Health Dynamics Kenkyusho:Kk 生活習慣病改善システム及びその情報管理装置
JP2006110340A (ja) * 2004-10-12 2006-04-27 Samsung Electronics Co Ltd 健康状態によるアバター映像の生成方法及び装置
JP2007244597A (ja) * 2006-03-15 2007-09-27 Toshiba Corp 睡眠判定方法及び睡眠判定装置
JP2010272031A (ja) * 2009-05-22 2010-12-02 Univ Of Tsukuba 携帯電話を用いた双方向的な生活習慣病管理支援システム
JP2011209871A (ja) * 2010-03-29 2011-10-20 Omron Healthcare Co Ltd 健康管理支援装置、健康管理支援システムおよび健康管理支援プログラム

Also Published As

Publication number Publication date
JP2015014913A (ja) 2015-01-22
US20150269864A1 (en) 2015-09-24
JP5388154B1 (ja) 2014-01-15

Similar Documents

Publication Publication Date Title
US20210090709A1 (en) Automated health data acquisition, processing and communication system
JP5388154B1 (ja) ヘルスケアシステム
US10930394B2 (en) Lifestyle management supporting apparatus and lifestyle management supporting method
Sell Predicting long-term sickness absence and early retirement pension from self-reported work ability
Phipps et al. Long-run consequences of parental paid work hours for child overweight status in Canada
JP6566241B2 (ja) 健康管理システム、健康管理装置及び表示方法
Hautala et al. Effects of habitual physical activity on response to endurance training
JP5684097B2 (ja) 表示制御装置
WO2016104326A1 (ja) 生活習慣改善装置及び生活習慣改善方法並びに生活習慣改善システム
KR102124249B1 (ko) 건강 관련 앱과 웨어러블 기기를 이용한 성인초기 대상자를 위한 대사증후군 예방 프로그램
JP2017027157A (ja) 提案装置、提案方法および提案プログラム
Drenowatz et al. Differences in energy expenditure between high-and low-volume training
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
Jurak et al. The ACDSi 2013–the analysis of children’s development in slovenia 2013: study protocol
WO2015107860A1 (ja) 健康管理支援システム
JP6185145B2 (ja) 生活支援サービスシステム及び方法
Fujikawa et al. Factors related to elevated 24-h blood pressure in young adults
Fetherman et al. A pilot study of the application of the transtheoretical model during strength training in older women
JP2021026556A (ja) 生活習慣改善支援装置、端末装置、コンピュータプログラム及び生活習慣改善支援方法
JP6639404B2 (ja) 減量支援方法、減量支援プログラム、及び減量支援装置
Ohta et al. Usefulness of self-monitoring of urinary salt excretion in hypertensive patients
CN113871014A (zh) 一种自主健康的辅助方法和装置
JP6416334B2 (ja) 生活支援サービスシステム及び方法
Lange-Maia et al. Physical function in midlife and older adults from an African American church-based health screening
Haskin et al. Longitudinal Predictive Curves of Health Risk Factors for American Adolescent Girls

Legal Events

Date Code Title Description
WWE Wipo information: entry into national phase

Ref document number: 14351970

Country of ref document: US

121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 13888538

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 13888538

Country of ref document: EP

Kind code of ref document: A1