WO2023276948A1 - 骨格筋量推定システム及びプログラム - Google Patents

骨格筋量推定システム及びプログラム Download PDF

Info

Publication number
WO2023276948A1
WO2023276948A1 PCT/JP2022/025563 JP2022025563W WO2023276948A1 WO 2023276948 A1 WO2023276948 A1 WO 2023276948A1 JP 2022025563 W JP2022025563 W JP 2022025563W WO 2023276948 A1 WO2023276948 A1 WO 2023276948A1
Authority
WO
WIPO (PCT)
Prior art keywords
subject
skeletal muscle
processor
muscle mass
egfr
Prior art date
Application number
PCT/JP2022/025563
Other languages
English (en)
French (fr)
Inventor
貞夫 吉田
Original Assignee
貞夫 吉田
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 貞夫 吉田 filed Critical 貞夫 吉田
Publication of WO2023276948A1 publication Critical patent/WO2023276948A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
    • G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
    • G01N33/48—Biological material, e.g. blood, urine; Haemocytometers
    • G01N33/50—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing
    • G01N33/70—Chemical analysis of biological material, e.g. blood, urine; Testing involving biospecific ligand binding methods; Immunological testing involving creatine or creatinine

Definitions

  • the present invention relates to a skeletal muscle mass estimation system and program for calculating skeletal muscle mass and judging sarcopenia and malnutrition using the analysis results of substances in blood.
  • the aging population is increasing worldwide, and the population is rapidly aging. Japan is no exception, and in 2020, the population aged 65 and over exceeded 36 million, and the population aged 80 and over exceeded 10 million.
  • sarcopenia in which skeletal muscle mass decreases and physical function declines.
  • elderly people are often in a state of frailty that makes walking unstable, repeats falls and fractures, and is at risk of hospitalization.
  • Both sarcopenia and frailty are considered to be caused mainly by a decrease in skeletal muscle mass, with malnutrition as the background.
  • the skeletal muscle mass index (SMI) is used.
  • Instruments such as dual-energy X-ray absorptiometry (DXA) or bioelectrical impedance analysis (BIA) are used to calculate the SMI. It is said that there are more than 3,000 DXA devices in operation in Japan. However, these DXA instruments are specialized for evaluating osteoporosis and cannot measure the skeletal muscle mass of the whole body. In addition, since DXA equipment uses X-rays, there is the problem of exposure to radiation, albeit weakly. Devices for measuring the skeletal muscle mass of the whole body are large and are not widely used in Japan.
  • Non-Patent Documents 3 and 4 Fractures of the femur and lumbar vertebrae are common in the elderly, requiring long-term hospitalization. According to the FY2018 National Medical Expenditure Overview, medical expenses for diseases of the musculoskeletal system and connective tissue in the elderly in Japan amounted to 1,738.3 billion yen. Long-term nursing care is often required even after treatment is completed, and this is a heavy burden on the medical and nursing care administration in Japan.
  • sarcopenia By simply calculating skeletal muscle mass, sarcopenia can be determined at an early stage and appropriate measures can be taken to prevent the onset of bone fractures and other diseases, protect the health of the general public, especially the elderly, and improve medical and nursing care. Reducing the burden is considered to be extremely important in the future of Japanese society.
  • Non-Patent Document 7 In studies using N-terminal type 3 procollagen propeptide, C-terminal agrin fragment 22 (CAF22), osteonectin, iridine, fatty acid binding protein 3, or macrophage migration inhibitory factor, CAF22, osteonectin and iridine have A correlation with muscle mass was observed, but the correlation is not very strong (Non-Patent Document 7) and cannot be used for estimating skeletal muscle mass. In addition, all of them are indicators used at the research level, and analysis requires time and a large amount of money, and analysis of a large amount of samples is difficult.
  • An embodiment of the present invention provides a skeletal muscle mass estimation system and program that can easily, quickly, and inexpensively calculate skeletal muscle mass using relatively common blood data.
  • the skeletal muscle mass estimation system of the embodiment includes a processing unit.
  • the processing unit determines the SMI or SMM of the first target using the eGFRcys of the first target and the eGFR of the first target and a first function indicating the relationship between the eGFRcys and the eGFR of the first target and the SMI or SMM is determined, and if the estimated value is equal to or less than a first threshold and the grip strength of the first subject is equal to or less than a second threshold, the first subject is determined to have sarcopenia.
  • the present invention can easily, quickly, and inexpensively calculate skeletal muscle mass using relatively common blood data.
  • FIG. 1 is a block diagram showing an example of a main configuration of a diagnostic system according to an embodiment and components included in the diagnostic system;
  • FIG. 2 is a flowchart showing an example of processing by a processor of the terminal device in FIG. 1;
  • 2 is a flowchart showing an example of processing by a processor of the terminal device in FIG. 1;
  • FIG. 2 is a flowchart showing an example of processing by a processor of the server device in FIG. 1;
  • FIG. FIG. 2 is a flowchart showing an example of processing by a processor of the server device in FIG. 1;
  • FIG. FIG. 2 is a diagram showing an example of an input screen displayed on the display device in FIG. 1; Graph plotting SMI and eGFR ratio values for multiple male subjects.
  • FIG. 2 is a diagram showing an example of a determination input screen displayed on the display device in FIG. 1;
  • the figure which shows an example of the undernutrition result screen displayed on the display device in FIG. Graph showing the difference between eGFR and eGFRcys results in men.
  • Graph showing the difference in eGFR and eGFRcys results for women.
  • Graph showing an example of the distribution of sarcopenia determination results when there is no data on skeletal muscle mass.
  • FIG. 1 is a block diagram showing an example of a main configuration of a diagnostic system 1 according to an embodiment and components included in the diagnostic system 1.
  • the diagnostic system 1 is, for example, a system for estimating the skeletal muscle mass of a user such as a patient and determining sarcopenia.
  • the diagnostic system 1 includes a server device 100 and a terminal device 200 as an example.
  • the diagnostic system 1 is an example of a skeletal muscle mass estimation system.
  • Network NW is a communication network typically including the Internet.
  • the network NW is typically a communication network including a WAN (wide area network).
  • the network NW may be a communication network including a private network such as an intranet.
  • the network NW may be a communication network including a LAN (local area network).
  • the network NW may be a wireless line, a wired line, or a mixture of wireless and wired lines.
  • the network NW may be a communication network including a dedicated line or a public mobile telephone network.
  • the server device 100 stores and processes various data used for estimating skeletal muscle mass and determining sarcopenia.
  • the server device 100 includes, as an example, a processor 110 , a ROM (read-only memory) 120 , a RAM (random-access memory) 130 , an auxiliary storage device 140 and a communication I/F (interface) 150 .
  • a bus 160 or the like connects these units.
  • Server device 100 is an example of a skeletal muscle mass estimation device.
  • Server device 100 is an example of a database device.
  • the processor 110 is an example of a processing unit.
  • the processor 110 is a central part of a computer that performs processing such as calculation and control required for the operation of the server device 100, and performs various calculations and processing.
  • Processor 110 for example, CPU (central processing unit), MPU (micro processing unit), SoC (system on a chip), DSP (digital signal processor), GPU (graphics processing unit), ASIC (application specific integrated circuit), PLD (programmable logic device) or FPGA (field-programmable gate array).
  • processor 110 is a combination of several of these.
  • the processor 110 may be a combination of these with a hardware accelerator or the like.
  • the processor 110 controls each part to realize various functions of the server device 100 based on programs such as firmware, system software, and application software stored in the ROM 120, the auxiliary storage device 140, or the like. Also, the processor 110 executes processing described below based on the program. Part or all of the program may be incorporated in the circuit of processor 110 .
  • the ROM 120 and RAM 130 are the main memory devices of the computer with the processor 110 at its core.
  • the ROM 120 is a non-volatile memory exclusively used for reading data.
  • the ROM 120 stores, for example, firmware among the above programs.
  • the ROM 120 also stores data used when the processor 110 performs various processes.
  • the RAM 130 is a memory used for reading and writing data.
  • the RAM 130 is used as a work area or the like for storing data temporarily used when the processor 110 performs various processes.
  • RAM 130 is typically volatile memory.
  • the auxiliary storage device 140 is an auxiliary storage device of a computer with the processor 110 at its core.
  • the auxiliary storage device 140 is, for example, an EEPROM (electric erasable programmable read-only memory), a HDD (hard disk drive), or a flash memory.
  • the auxiliary storage device 140 stores, for example, system software and application software among the above programs. Further, the auxiliary storage device 140 stores data used by the processor 110 to perform various processes, data generated by the processes performed by the processor 110, various setting values, and the like.
  • the application software stored in the auxiliary storage device 140 includes application software for the server device 100 (hereinafter referred to as "server application”) among application software for estimating skeletal muscle mass and judging sarcopenia.
  • the auxiliary storage device 140 includes a skeletal muscle mass DB (database) 141 and a user DB 142.
  • the skeletal muscle mass DB 141 is a database that stores and manages data used for estimation of skeletal muscle mass, determination of sarcopenia, and the like.
  • the user DB 142 is a database that stores and manages data of each user who uses the diagnostic system 1 .
  • Processor 110 creates skeletal muscle mass DB 141 and user DB 142 .
  • a device other than the server device 100 creates the skeletal muscle mass DB 141 and the user DB 142 .
  • the auxiliary storage device 140 is an example of a storage unit that stores the skeletal muscle mass measurement value, eGFRcys, and eGFR of the subject.
  • the communication I/F 150 is an interface for the server device 100 to communicate via the network NW or the like.
  • the bus 160 includes a control bus, an address bus, a data bus, etc., and transmits signals exchanged with each part of the server device 100 .
  • the terminal device 200 is, for example, a device operated by a medical worker or a patient for estimating skeletal muscle mass and judging sarcopenia.
  • the terminal device 200 may be a dedicated device used for estimating skeletal muscle mass and determining sarcopenia, or may be a general-purpose device such as a PC (personal computer), tablet terminal, or smart phone.
  • the terminal device 200 includes, as an example, a processor 210, a ROM 220, a RAM 230, an auxiliary storage device 240, a communication I/F 250, an input device 260 and a display device 270.
  • a bus 280 or the like connects these units.
  • the processor 210 is a central part of a computer that performs processing such as calculation and control necessary for the operation of the terminal device 200, and performs various calculations and processing.
  • Processor 210 is, for example, a CPU, MPU, SoC, DSP, GPU, ASIC, PLD, FPGA, or the like.
  • processor 210 is a combination of several of these.
  • the processor 210 may be a combination of these with a hardware accelerator or the like.
  • Processor 210 controls each part to realize various functions of terminal device 200 based on programs such as firmware, system software, and application software stored in ROM 220 or auxiliary storage device 240 .
  • the processor 210 executes processing described below based on the program. Part or all of the program may be incorporated in the circuit of processor 210 .
  • the processor 210 is an example of a processing unit.
  • the ROM 220 and RAM 230 are the main storage devices of the computer with the processor 210 at its core.
  • the ROM 220 is a non-volatile memory exclusively used for reading data.
  • the ROM 220 stores, for example, firmware among the above programs.
  • the ROM 220 also stores data used when the processor 210 performs various processes.
  • the RAM 230 is a memory used for reading and writing data.
  • the RAM 230 is used as a work area for storing data temporarily used when the processor 210 performs various processes.
  • RAM 230 is typically volatile memory.
  • Auxiliary storage device 240 is an auxiliary storage device of a computer centered on processor 210 .
  • Auxiliary storage device 240 is, for example, EEPROM, HDD, or flash memory.
  • the auxiliary storage device 240 stores, for example, system software and application software among the above programs. Further, the auxiliary storage device 240 stores data used by the processor 210 in performing various processes, data generated by the processes in the processor 210, various setting values, and the like.
  • the application software stored in the auxiliary storage device 240 includes application software for the terminal device 200 (hereinafter referred to as “terminal application”) among application software for estimating skeletal muscle mass and judging sarcopenia.
  • the communication I/F 250 is an interface for the terminal device 200 to communicate via the network NW or the like.
  • the input device 260 accepts operations by the operator of the terminal device 200 .
  • the input device 260 is, for example, a keyboard, keypad, touchpad, mouse or controller. Also, the input device 260 may be a device for voice input.
  • the display device 270 displays a screen for notifying the operator of the terminal device 200 of various information.
  • the display device 270 is, for example, a display such as a liquid crystal display or an organic EL (electro-luminescence) display.
  • a touch panel can also be used as the input device 260 and the display device 270 . That is, a display panel included in the touch panel can be used as the display device 270 , and a touch pad included in the touch panel can be used as the input device 260 .
  • the bus 280 includes a control bus, an address bus, a data bus, etc., and transmits signals exchanged with each part of the terminal device 200 .
  • FIGS. 2 and 3 are flowcharts showing an example of processing by the processor 210 of the terminal device 200.
  • the processor 210 executes the processes of FIGS. 2 and 3 based on a program such as a terminal application stored in the ROM 220 or the auxiliary storage device 240, for example.
  • the processor 210 starts the processes shown in FIGS. 2 and 3, for example, when the terminal application is activated.
  • 4 and 5 are flowcharts showing an example of processing by the processor 110 of the server device 100.
  • the processor 110 executes the processes of FIGS. 4 and 5 based on a program such as a server application stored in the ROM 120 or the auxiliary storage device 140, for example.
  • the processor 110 starts the processes shown in FIGS. 4 and 5, for example, when the server application is activated.
  • the processor 210 generates an image corresponding to the login screen.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 displays the login screen.
  • a character is a kind of image.
  • the login screen is, for example, a screen for entering information required for login.
  • the login screen includes, for example, entry fields for entering a login ID (identifier) and a password as information necessary for login.
  • the login screen also includes, for example, a login button for operation when starting login.
  • the login screen may be a screen for waiting for input of biometric information for biometric authentication as information necessary for login.
  • the login screen may be a screen for waiting for input of information stored in a card such as an IC (integrated circuit) card for login or a magnetic stripe card as information necessary for login.
  • the login screen also includes, for example, a registration start button for starting user registration.
  • the processor 210 determines whether or not an operation to start user registration has been performed. That is, processor 210 determines whether or not a predetermined operation such as operating a registration start button has been performed. If an operation to start user registration is not performed, processor 210 determines No in step ST12 and proceeds to step ST13.
  • the processor 210 determines whether or not to transmit the information required for login. For example, when the login button is operated with the login ID and password entered, the processor 210 determines to transmit the information required for login. The processor 210 determines to transmit the information required for login, for example, when biometric information is input. For example, the processor 210 determines to transmit the information required for login when information stored in a login card or the like is input. If processor 210 does not determine to transmit the information required for login, it determines No in step ST13 and returns to step ST12. Thus, the processor 210 enters a standby state in which steps ST12 and ST13 are repeated until an operation to start user registration is performed or until it is determined that information required for login is transmitted.
  • the processor 210 determines Yes in step ST12 and proceeds to step ST14 if an operation to start user registration is performed in the standby state of steps ST12 and ST13. At step ST14, processor 210 generates an image corresponding to the registration screen. Processor 210 then directs display device 270 to display this generated image. Upon receiving the display instruction, the display device 270 displays the registration screen.
  • the registration screen is, for example, a screen for entering information necessary for user registration.
  • Information required for registration includes user information and authentication information.
  • the user information includes, for example, information indicating the user's age and the user's gender. Information indicating the user's age is, for example, the date of birth of the user.
  • the authentication information is information used for authentication at the time of login.
  • the authentication information is, for example, a login ID and password, biometric information for biometric authentication, or information stored in a card for login.
  • the registration screen also includes, for example, a registration button.
  • the registration button is, for example, a button to be operated after input of information necessary for user registration.
  • the registration button is, for example, a button that is operated when instructing the terminal device 200 to transmit information required for user registration to the server device 100 .
  • the user is an example of a target for which the estimated skeletal muscle mass is to be obtained.
  • step ST15 the processor 210 waits for an operation to instruct transmission of information necessary for registration. That is, processor 210 waits for a predetermined operation such as operating a registration button. Processor 210 determines Yes in step ST ⁇ b>15 and proceeds to step ST ⁇ b>16 if an operation to instruct transmission of information necessary for registration has been performed.
  • the processor 210 generates registration information.
  • the registration information includes information required for registration input on the registration screen.
  • the registration information is information requesting the server device 100 to perform registration processing.
  • processor 210 instructs communication I/F 250 to transmit the registration information to server device 100 .
  • communication I/F 250 transmits the registration information to server device 100 .
  • the transmitted registration information is received by communication I/F 150 of server device 100 .
  • step ST41 of FIG. 4 the processor 110 of the server device 100 determines whether or not the communication I/F 150 has received the registration information. If the registration information is not received, processor 110 determines No in step ST41 and proceeds to step ST42.
  • step ST42 the processor 110 determines whether or not the login information has been received by the communication I/F 150. If the login information is not received, processor 110 determines No in step ST42 and proceeds to step ST43.
  • step ST43 the processor 110 determines whether or not the communication I/F 150 has received measurement value information. If the measured value information is not received, processor 110 determines No in step ST43 and proceeds to step ST44.
  • step ST44 the processor 110 determines whether or not input information has been received by the communication I/F 150. If the input information is not received, processor 110 determines No in step ST44 and returns to step ST41. Thus, processor 110 enters a standby state in which steps ST41 to ST44 are repeated until registration information, login information, measured value information, or input information is received. The login information, measured value information, and input information will be described later.
  • processor 110 If processor 110 receives the registration information while it is in the standby state of steps ST41 to ST44, it determines Yes in step ST41 and proceeds to step ST45. At step ST45, the processor 110 performs registration processing for user registration based on the registration information. For this reason, the processor 110 associates the user ID with information necessary for registration included in the registration information and stores them in the user DB 142, for example.
  • the user ID is identification information unique to each user. Also, the user ID and the login ID may be common.
  • the processor 110 generates registration result information.
  • the registration result information is information for notifying the result of registration processing.
  • the registration result information notifies, for example, that user registration has been completed normally or that registration has failed.
  • the registration result information includes the user's user ID, age and gender.
  • processor 110 instructs communication I/F 150 to transmit the registration result information to terminal device 200 .
  • the communication I/F 150 transmits the registration result information to the terminal device 200 .
  • the transmitted registration result information is received by communication I/F 250 of terminal device 200 .
  • the processor 110 returns to step ST41 after the process of step ST46.
  • step ST17 of FIG. 2 the processor 210 of the terminal device 200 waits for registration result information to be received by the communication I/F 250. If the registration result information is received, processor 210 determines Yes in step ST17 and proceeds to step ST18.
  • the processor 210 causes the display device 270 to display an image indicating that the registration process has been completed or failed based on the received registration result information.
  • step ST19 the processor 210 determines whether or not user registration has been completed based on the received registration result information. If the user registration fails, the processor 210 determines No in step ST19 and returns to step ST14.
  • processor 210 determines Yes in step ST13 and proceeds to step ST20.
  • processor 210 generates login information.
  • the login information includes, for example, information required for login entered on the login screen.
  • the login information is, for example, information for requesting the server device 100 to perform processing for login based on information necessary for login.
  • processor 210 instructs communication I/F 250 to transmit the login information to server device 100 .
  • communication I/F 250 transmits the login information to server device 100 .
  • the transmitted login information is received by communication I/F 150 of server device 100 .
  • processor 110 of server device 100 receives the login information during the standby state of steps ST41 to ST44 of FIG. 4, it determines Yes in step ST42 and proceeds to step ST47.
  • the processor 110 performs login processing for login.
  • the processor 110 refers to the user DB 142 and identifies the user ID from information required for login.
  • Processor 110 also identifies the age and sex of the user identified by the user ID from the information associated with the user ID. Note that the processor 110 may perform known processing for the login processing.
  • the processor 110 generates login result information.
  • the login result information is information indicating the result of login processing.
  • the login result information notifies, for example, that the login process has been completed normally or that the login process has failed. Also, if the login process has been completed, the login result information includes the user's user ID, age, and gender.
  • processor 110 instructs communication I/F 150 to transmit the login result information to terminal device 200 . Upon receiving this transmission instruction, the communication I/F 150 transmits the login result information to the terminal device 200 .
  • the transmitted login result information is received by communication I/F 250 of terminal device 200 .
  • the processor 110 returns to step ST41 after the process of step ST48.
  • step ST21 of FIG. 2 the processor 210 of the terminal device 200 waits for login result information to be received by the communication I/F 250. If the login result information is received, the processor 210 determines Yes in step ST21 and proceeds to step ST22.
  • the processor 210 causes the display device 270 to display an image indicating that the login process has been completed or failed based on the received login result information.
  • step ST23 the processor 210 determines whether the login is completed based on the received login result information. If the login is not completed, the processor 210 determines No in step ST23 and returns to step ST11.
  • step ST23 determines Yes in step ST23 and proceeds to step ST24. Further, when the user registration is completed, the processor 210 determines Yes in step ST19 and proceeds to step ST24.
  • the log-in result information and the registration result information are collectively referred to as result information.
  • the processor 210 generates an image corresponding to the input screen SC1 as shown in FIG.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 displays the input screen SC1.
  • FIG. 6 is a diagram showing an example of the input screen SC1.
  • the input screen SC1 is a screen for inputting data used for estimation of skeletal muscle mass and determination of sarcopenia.
  • the input screen SC1 includes, for example, areas AR101 to AR111, an input end button B11, and a measured value input button B12.
  • Data input to the input screen SC1 is manually input using the input device 260, for example.
  • the data may be input from a device other than terminal device 200 via communication I/F 250 or the like.
  • Area AR101 is an area for displaying a user ID.
  • the user ID is, for example, a user ID included in result information.
  • Area AR102 is an area for displaying the measurement date of each measurement input to area AR105 to area AR111.
  • the date of measurement is, for example, the current date.
  • an arbitrary measurement date may be entered in area AR102.
  • Area AR103 is an area for displaying the gender of the user. The gender is, for example, the gender included in the result information.
  • Area AR104 is an area for displaying the age of the user. The age is, for example, the age included in the result information.
  • Area AR105 is an input field for inputting the user's creatinine concentration.
  • Area AR106 is an input field for inputting the user's cystatin C concentration.
  • Area AR107 is an input field for inputting the user's eGFR (estimated glomerular filtration rate).
  • Area AR108 is an input field for entering the user's eGFRcys (cystatin C-based estimated glomerular filtration rate).
  • Input can be made to either the area AR105 or the area AR107. Only one of the areas AR106 and AR108 may be entered.
  • Area AR109 is an input field for inputting the user's grip strength.
  • Area AR110 is an input field for inputting the user's walking speed.
  • Area AR111 is an input field for inputting the time required for the user to walk a predetermined distance.
  • the predetermined distance is 6 meters as an example. Note that each of the user's walking speed and the time required for the user to walk a predetermined distance is information indicating the user's walking speed.
  • the input end button B11 is a button to be operated when input to each input field of the input screen SC1 is completed.
  • the input end button B11 is a button for instructing to estimate skeletal muscle mass and, if necessary, to determine sarcopenia.
  • the measured value input button B12 is a button to be operated when inputting the measured value of skeletal muscle mass. The input of the measured value of the skeletal muscle mass will be described later.
  • the enzyme method (creatininase-sarcosine oxidase-POD method) is used to measure the serum creatinine concentration of the user who is the subject.
  • the user's serum cystatin C concentration is measured using, for example, an ELISA (enzyme-linked immunosorbent assay) method (sandwich enzyme assay method).
  • the user's serum is collected by allowing approximately 10 mL of blood collected from the user to stand at room temperature for 30 minutes or longer, and then centrifuging the blood at 3000 rpm for 5 minutes.
  • eGFR and eGFRcys in the user's serum are calculated using the following formulas (1) to (4).
  • Formulas (1) and (2) for calculating eGFR are disclosed in Non-Patent Document 8, for example.
  • the formulas (3) and (4) for calculating eGFRcys are disclosed in Non-Patent Document 9, for example.
  • Formula (1) is a formula for calculating male eGFR.
  • Formula (2) is a formula for calculating female eGFR.
  • Formula (3) is a formula for calculating male eGFRcys.
  • Formula (4) is a formula for calculating female eGFRcys.
  • Cre in the following formula indicates the user's creatinine concentration. Cys indicates the user's cystatin C concentration.
  • eGFR (male) 194 ⁇ Cre - 1.094 - 0.154 ⁇ age - 0.287 (1)
  • eGFR (female) 194 ⁇ Cre - 1.094 - 0.154 ⁇ age - 0.287 ⁇ 0.739 (2)
  • eGFRcys (male) (104 ⁇ Cys -1.019 ⁇ 0.996 age ) - 8 (3)
  • eGFRcys (female) (104 ⁇ Cys -1.019 ⁇ 0.996 age ⁇ 0.929) - 8 (4)
  • step ST25 the processor 210 determines whether or not an operation has been performed to start processing for inputting the measured value of skeletal muscle mass. That is, the processor 210 determines whether or not a predetermined operation such as operating the measurement value input button B12 has been performed. Processor 210 determines No in step ST25 and proceeds to step ST26 if the operation for starting the process for inputting the measured value of skeletal muscle mass is not performed.
  • the processor 210 determines whether or not an operation has been performed to end the input to each input field on the input screen SC1. That is, the processor 210 determines whether or not a predetermined operation such as operating the input end button B11 has been performed. Processor 210 determines No in step ST26 and returns to step ST25 if an operation is not performed to end the input to each input field of input screen SC1. Thus, the processor 210 repeats step ST25 and step ST26 until an operation for starting the processing for inputting the measured value of skeletal muscle mass or an operation for ending the input to each input field of the input screen SC1 is performed. It will be in a standby state repeatedly.
  • the processor 210 determines Yes in step ST26 and proceeds to the step of FIG. Go to ST27.
  • the processor 210 generates input information.
  • the input information includes each information included in the areas AR101 to AR111 of the input screen SC1.
  • the input information is information for transmitting the respective information.
  • the input information is information requesting the server device 100 to estimate skeletal muscle mass and, if necessary, to determine sarcopenia.
  • processor 210 instructs communication I/F 150 to transmit the input information to terminal device 200 .
  • the communication I/F 150 transmits the input information to the terminal device 200 .
  • the transmitted input information is received by communication I/F 250 of terminal device 200 .
  • processor 110 of server device 100 determines Yes in step ST44 and proceeds to step ST49 in FIG. move on.
  • processor 110 determines whether to calculate eGFR. The processor 110 determines to calculate the eGFR if the received input information does not include the eGFR. If processor 110 calculates the eGFR, it determines No in step ST49 and proceeds to step ST50.
  • the processor 110 calculates the user's eGFR.
  • Processor 110 calculates the user's eGFR using, for example, equation (1) or (2). Alternatively, processor 110 may calculate eGFR in other known ways.
  • step ST50 the processor 110 proceeds to step ST51. If processor 110 does not calculate eGFR, it determines No in step ST49 and proceeds to step ST51. In step ST51, processor 110 determines whether or not to calculate eGFRcys. The processor 110 determines to calculate the eGFRcys if the received input information does not include the user's eGFRcys. If processor 110 calculates eGFRcys, it determines Yes in step ST51 and proceeds to step ST52.
  • the processor 110 calculates the user's eGFRcys.
  • Processor 110 calculates eGFRcys using, for example, equation (3) or (4).
  • processor 110 may calculate eGFRcys in other known ways.
  • step ST52 the processor 110 proceeds to step ST53. If processor 110 does not calculate eGFRcys, it determines No in step ST51 and proceeds to step ST53.
  • the processor 110 calculates an estimated skeletal muscle mass indicating an estimated skeletal muscle mass.
  • the processor 110 uses, for example, an estimated skeletal muscle mass index (eSMI) [kg/m 2 ] or an estimated limb skeletal muscle mass (eSMM) as an index indicating the estimated skeletal muscle mass. [kg] is used.
  • eSMI is an estimate of SMI [kg/m 2 ].
  • eSMM is an estimate of estimated limb skeletal muscle mass (SMM) [kg].
  • Processor 110 uses the ratio of eGFRcys to eGFR (hereinafter "eGFR ratio") to calculate eSMI and eSMM.
  • eGFR ratio eGFRcys/eGFR (5)
  • the processor 110 creates a relational expression between the estimated skeletal muscle mass and the eGFR ratio by referring to the skeletal muscle mass DB 141 in order to obtain the estimated skeletal muscle mass.
  • the skeletal muscle mass DB 141 stores measured skeletal muscle mass and eGFR ratios of a plurality of subjects.
  • the skeletal muscle mass DB 141 stores, for example, SMI or SMM as an index indicating skeletal muscle mass.
  • the skeletal muscle mass is measured using, for example, BIA. Alternatively, the skeletal muscle mass may be skeletal muscle mass measured by other methods.
  • the skeletal muscle mass DB 141 stores the skeletal muscle mass of each subject in association with the subject ID.
  • the skeletal muscle mass DB 141 is preferably anonymized for the subject in order to ensure the subject's privacy.
  • the skeletal muscle mass DB 141 preferably does not associate, for example, subject IDs with data that can identify individuals.
  • the skeletal muscle mass DB 141 may exclude, among the skeletal muscle mass data, data such as outliers or abnormal values that deviate significantly from the skeletal muscle mass DB 141 by an administrator of the skeletal muscle mass DB 141 or the like. Excluded data are not used in formulating the equations.
  • FIG. 7 is an example graph plotting SMI and eGFR ratio values for multiple male subjects.
  • a curve L1 is a curve showing a relational expression between SMI and eGFR ratio.
  • a curve L1 shown in FIG. 7 is a linear curve (straight line). However, the curve L1 may be any curve.
  • Processor 110 determines curve L1 by curve fitting, such as by least squares method. Processor 110 may determine curve L1 by methods that reduce the effects of outliers and outliers, such as robust estimation.
  • the processor 110 can estimate male eSMI by the following relational expression (6), as an example.
  • equation (6) is an example in which the curve L1 is a linear curve.
  • coefficient a1 and coefficient b1 are coefficients obtained by curve fitting.
  • FIG. 8 is an example of a graph plotting SMI and eGFR ratio values for multiple female subjects.
  • Curve L2 is a curve showing the relational expression between SMI and eGFR ratio.
  • a curve L2 shown in FIG. 8 is a linear curve (straight line). However, the curve L2 may be any curve.
  • the processor 110 can estimate female eSMI according to the following relational expression (7). Note that equation (7) is an example in which the curve L1 is a linear curve.
  • coefficient a2 and coefficient b2 are coefficients obtained by curve fitting.
  • Expression (8) is a relational expression for estimating male eSMM.
  • Expression (9) is a relational expression for estimating female eSMM.
  • coefficient a3, coefficient b3, coefficient a4, and coefficient b4 are coefficients obtained by curve fitting.
  • the value of the correlation coefficient squared R2 is larger with eSMM than with eSMI. Therefore, it is considered that the estimated skeletal muscle mass can be estimated more accurately using eSMM than eSMI.
  • the functions f1 to f4 are functions of the eGFR ratio.
  • the eGFR ratio includes eGFRcys and eGFR. Therefore, functions f1 to f4 are functions of eGFRcys and eGFR. Therefore, each of the functions f1 to f4 is an example of a first function indicating the relationship between eGFRcys and eGFR and skeletal muscle mass.
  • processor 110 obtains each relational expression, for example, when a new measured value is added to the skeletal muscle mass DB 141.
  • Processor 110 obtains each relational expression periodically, for example, every predetermined period.
  • the processor 110 functions as a determination unit that determines the first function by finding each relational expression.
  • the processor 110 obtains the user's estimated skeletal muscle mass from the user's eGFR ratio using the relational expressions (6) to (9) described above. It should be noted that the processor 110 obtains the estimated skeletal muscle mass using a male relational expression when the user is male. The processor 110 determines the estimated skeletal muscle mass using a female relational expression if the user is female.
  • step ST54 the processor 110 determines whether or not the user's skeletal muscle mass has decreased from the estimated skeletal muscle mass obtained in step ST53. For example, if the user is male, the processor 110 determines that skeletal muscle mass is declining when the eSMI is less than a predetermined threshold TH1.
  • the threshold TH1 is, for example, 7.0 [kg/m 2 ].
  • the processor 110 determines that skeletal muscle mass is declining if the eSMI is less than a predetermined threshold TH2.
  • the threshold TH2 is, for example, 5.7 [kg/m 2 ].
  • the processor 110 determines that skeletal muscle mass is declining if the eSMM is less than a predetermined threshold TH3.
  • Threshold TH3 is 20.2 [kg] as an example.
  • the processor 110 determines that the skeletal muscle mass is declining if the eSMM is less than a predetermined threshold TH4.
  • Threshold TH4 is 12.8 [kg] as an example. Note that the threshold TH3 and the threshold TH4 are examples of the first threshold.
  • step ST55 the processor 110 determines whether or not to determine sarcopenia.
  • the processor 110 determines to make a determination of sarcopenia if the received input information includes the user's grip strength and walking speed, or grip strength and time taken to walk a predetermined distance. If processor 110 determines sarcopenia, it determines Yes in step ST55 and proceeds to step ST56.
  • step ST56 the processor 110 determines whether or not the user has sarcopenia, using the user's estimated skeletal muscle mass obtained in step ST53, the user's grip strength, and the user's walking speed. In addition, if the received input information does not include the walking speed of the user, the processor 110 obtains the walking speed from the time taken to walk the predetermined distance. Also, when the processor 110 determines that the user has sarcopenia, the processor 110 determines the severity of the sarcopenia. For example, the processor 110 determines that the skeletal muscle mass is decreasing in step ST54, and determines that the user has sarcopenia when the user's grip strength is equal to or less than the threshold TH5.
  • Threshold TH5 is 18.0 kg as an example. Note that the threshold TH5 may vary depending on user conditions such as the user's gender. In addition, the processor 110 determines that the user has sarcopenia and that the user has severe sarcopenia if the user's walking speed is equal to or less than the threshold TH6.
  • the threshold TH6 is, for example, 1.0 [m/sec]. Note that the threshold TH6 may vary depending on user conditions such as the user's gender. Note that the threshold TH5 is an example of a second threshold. Threshold TH6 is an example of a third threshold. Processor 110 may also make a determination of frailty.
  • the processor 110 compares the user's estimated skeletal muscle mass obtained in step ST53 with the user's past estimated skeletal muscle mass, and if the estimated skeletal muscle mass has decreased by a predetermined amount or more, the user's Weight, grip strength, walking speed, etc. are used to determine whether the user is frail. Note that the processor 110 acquires the estimated skeletal muscle mass associated with the user ID included in the received input information as the past estimated skeletal muscle mass by referring to the user DB 142 .
  • step ST56 the processor 110 proceeds to step ST57. If the processor 110 does not determine that sarcopenia should be determined, the processor 110 determines No in step ST55 and proceeds to step ST57.
  • step ST ⁇ b>57 processor 110 associates the user ID and estimated ID included in the received input information and stores them in user DB 142 .
  • the estimated ID is identification information that is uniquely assigned for each calculation of estimated skeletal muscle mass.
  • Processor 110 stores each piece of information included in the input information in user DB 142 in association with the estimated ID.
  • processor 110 stores the eGFR obtained in step ST50 in user DB 142 in association with the estimated ID.
  • processor 110 stores eGFRcys obtained in step ST52 in estimation DB 142 in association with the estimated ID.
  • Processor 110 also stores the eGFR ratio and estimated skeletal muscle mass obtained in step ST53 in user DB 142 in association with the estimated ID.
  • Processor 110 also stores the determination result obtained in step ST54 in user DB 142 in association with the estimated ID.
  • the processor 110 stores the determination result obtained in step ST56 in the user DB 142 in association with the estimated ID.
  • the processor 110 generates calculation result information.
  • the calculation result information includes the estimated skeletal muscle mass obtained in step ST53 and the determination result of step ST54.
  • calculation result information includes the determination result of step ST56.
  • processor 110 instructs communication I/F 150 to transmit the calculation result information to terminal device 200 .
  • the communication I/F 150 transmits the calculation result information to the terminal device 200 .
  • the transmitted calculation result information is received by the communication I/F 250 of the terminal device 200 .
  • the processor 110 returns to step ST41 after the process of step ST58.
  • step ST28 of FIG. 3 the processor 210 of the terminal device 200 waits for the communication I/F 250 to receive the calculation result information. If the calculation result information is received, the processor 210 determines Yes in step ST28 and proceeds to step ST29.
  • the processor 210 generates an image corresponding to the result screen SC2 as shown in FIG.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 displays the result screen SC2.
  • FIG. 9 is a diagram showing an example of the result screen SC2.
  • the result screen SC2 is a screen for informing the operator of the terminal device 200 or the like of various information included in the received calculation result information.
  • the result screen SC2 includes, as an example, an area AR101, an area AR102, and areas AR21 to AR23.
  • the area AR21 includes, for example, the estimated skeletal muscle mass obtained in step ST53 of FIG. 5 and the determination result of step ST54.
  • Area AR22 includes an image showing the determination result of sarcopenia using grip strength.
  • Area AR22 displays, for example, threshold TH5 and user's grip strength.
  • Area AR23 includes an image showing the determination result of sarcopenia using walking speed.
  • the area AR23 displays, for example, the threshold TH6 and the walking speed of the user.
  • the area AR24 includes an image showing the determination result of sarcopenia and the like. Also, the area AR22 to the area AR24 may include an image showing the frailty determination result.
  • the processor 210 may notify by controlling a printer or the like to print an image having the same content as the result screen SC2. Further, the processor 210 may notify by outputting a sound similar to that of the result screen SC2 from a speaker or the like. Also, the processor 210 may notify in other ways.
  • step ST30 the processor 210 determines whether to end without determining malnutrition. For example, the processor 210 determines to terminate without determining malnutrition if an operation instructing to terminate without determining malnutrition is performed. If the processor 210 does not determine to end without determining malnutrition, it determines No in step ST30 and proceeds to step ST31.
  • step ST31 the processor 210 determines whether or not to determine malnutrition. For example, the processor 210 determines to perform the malnutrition determination if an operation instructing to perform the malnutrition determination is performed. If the processor 210 does not determine to determine malnutrition, it determines No in step ST31 and returns to step ST30. Thus, the processor 210 enters a standby state in which step ST30 and step ST31 are repeated until it determines to end without determining malnutrition or determines to perform a determination of malnutrition.
  • processor 210 determines to end without determining malnutrition while in the standby state of steps ST30 and ST31, it determines Yes in step ST30 and returns to step ST11 in FIG.
  • processor 210 determines that malnutrition should be determined in the standby state of steps ST30 and ST31 of FIG. 3, it determines Yes in step ST31 and proceeds to step ST32.
  • the processor 210 generates an image corresponding to the judgment input screen SC3 as shown in FIG.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 displays the determination input screen SC3.
  • FIG. 10 is a diagram showing an example of the determination input screen SC3.
  • the determination input screen SC3 includes, for example, an area AR101, an area AR102, an area AR31 to an area AR33, and an input end button B31.
  • the area AR31 is an entry field for entering the user's height and weight. Note that the area AR31 may be an input field for inputting the user's BMI (body mass index).
  • Area AR32 displays the user's estimated skeletal muscle mass. For the area AR32, for example, the estimated skeletal muscle mass included in the calculation result information received in step ST28 is input. It should be noted that the area AR32 may optionally be able to input the estimated skeletal muscle mass.
  • the area AR33 is an input field for inputting the physical condition of the user. It includes areas AR331 to AR333. Area AR331 is an input field for weight loss. The area AR331 is an input field for selecting and inputting an applicable item from, for example, "weight loss of 5% or more within 6 months" or "weight loss of 10% or more in 6 months or more".
  • the area AR332 is an input field regarding meal intake. Area AR332: "Can't eat half of your meals for more than 1 week", “Decreased food intake continues for more than 2 weeks”, “Diarrhea, vomiting, abnormal digestive absorption, chronic digestive symptoms” This is an input field for selecting and inputting the one that applies. Eating only half a meal means that the energy intake is less than 50% of the required amount.
  • the area AR333 is an input field related to disease.
  • An area AR333 is an input field for selecting and inputting one of "severe illness or injury” and "chronic illness”. Also, the area AR333 may allow selective input of "digestion and absorption disorder", “chronic digestive symptoms”, “acute disease/trauma”, “chronic disease”, and the like.
  • the input end button B31 is a button to be operated when input to each input field of the determination input screen SC3 is completed.
  • the input end button B31 is a button for instructing the terminal device 200 to determine malnutrition.
  • the operator of the terminal device 200 operates the input end button B31 after inputting information in each input column.
  • step ST33 the processor 210 waits for an operation to terminate the input to the determination input screen SC3. That is, processor 210 waits for a predetermined operation such as operation of input end button B31. If an operation to terminate the input to the determination input screen SC3 is performed, the processor 210 determines Yes in step ST33 and proceeds to step ST34.
  • the processor 210 determines malnutrition.
  • Undernutrition is known to be one of the causes of sarcopenia and frailty. It has been reported that approximately 20-40% of the elderly are undernourished. However, the elderly themselves and their families are often unaware of malnutrition. In many cases, sarcopenia progresses before malnutrition is noticed, and eventually bone fractures and other diseases develop. In order to solve these problems, applications that can easily assess nutritional status have been released, but the current situation is that they are not widespread due to their low specificity. Accurate diagnosis of undernutrition is relatively difficult.
  • GLIM Global Leadership Initiative on Malnutrition
  • Non-Patent Document 5 international diagnostic criteria for malnutrition
  • Processor 210 determines the user's BMI from the height and weight entered in area AR31.
  • the processor 210 calculates BMI, for example, using the following formula (10). However, the processor 210 does not need to obtain the BMI when the BMI is input to the area AR31.
  • BMI weight [kg] 1 / height [cm] / height [cm] ⁇ 10000 (10)
  • the processor 210 determines malnutrition when one or more of "weight loss,” “low BMI,” and “decreased skeletal muscle” and one or more of “dietary intake,” and “disease” apply.
  • the processor 210 determines that "weight loss” is applicable when any of the items in the area AR331 is selected.
  • the processor 210 determines that BMI is less than 18.5 kg/m 2 for those under 70 years old and less than 20.0 kg/m 2 for those over 70 years old, and falls under "low BMI”.
  • Processor 210 uses the estimated skeletal muscle mass input to area AR32 to determine skeletal muscle loss. For example, when the processor 210 determines that the skeletal muscle mass is reduced by the same determination method as in step ST54, the processor 210 determines that it corresponds to "decreased skeletal muscle". The processor 210 determines that it corresponds to "meal intake” when any of the items in the area AR332 is selected. The processor 210 determines that it corresponds to "disease” when any of the items in the area AR333 is selected.
  • the processor 210 generates an image corresponding to the undernutrition result screen SC4 as shown in FIG.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 displays the undernutrition result screen SC4.
  • FIG. 11 is a diagram showing an example of the undernutrition result screen SC4.
  • the malnutrition result screen SC4 is, for example, a screen for notifying whether or not the user is malnourished.
  • the undernutrition result screen SC4 includes, as an example, an area AR101, an area AR102, and an area AR41 to an area AR43.
  • the area AR41 displays whether or not each of "weight loss", "low BMI” and "skeletal muscle loss” is applicable.
  • Area AR41 also displays the user's BMI value and skeletal muscle loss.
  • the area AR42 displays whether or not each of "meal intake” and "disease” is applicable.
  • Area AR43 includes an image indicating whether or not the subject is undernourished. Also, the area AR43 may include an image showing a comment to the user or the like.
  • step ST36 the processor 210 waits for a determination to end the display of the undernutrition result screen SC4. If the processor 210 determines to end the display of the malnutrition result screen SC4, it determines Yes in step ST36 and returns to step ST11 in FIG.
  • the operator of the terminal device 200 can add data to the skeletal muscle mass DB 141 by inputting the measured value of the user's skeletal muscle mass.
  • the operator of the terminal device 200 operates the measured value input button B12 in FIG. 6, for example.
  • the processor 210 determines Yes in step ST25 and proceeds to step ST37 if an operation to start processing for inputting the measured value of skeletal muscle mass is performed while in the standby state of steps ST25 and ST26. proceed to
  • the processor 210 generates an image corresponding to the measurement value input screen.
  • Processor 210 then directs display device 270 to display this generated image.
  • the display device 270 Upon receiving the display instruction, the display device 270 displays the measurement value input screen.
  • the measured value input screen is a screen for inputting the measured value of the user's skeletal muscle mass.
  • the measured value is, for example, a value measured by BIA.
  • the measured value input screen includes input fields for inputting the measured value of the user's skeletal muscle mass, the date of measurement, and information about the user's physical condition.
  • step ST38 the processor 210 waits for the completion of input to the measurement value input screen.
  • the processor 210 determines Yes in step ST38 and proceeds to step ST39.
  • the processor 210 At step ST39, the processor 210 generates measured value information.
  • the measured value information includes the user ID of the user, the measured value input on the measured value input screen, the date of measurement, and the physical condition information.
  • the measured value information is information requesting the skeletal muscle mass DB 141 to newly add data based on the measured value information.
  • processor 210 instructs communication I/F 250 to transmit the measured value information to server device 100 .
  • communication I/F 250 transmits the measured value information to server device 100 .
  • the transmitted measured value information is received by communication I/F 150 of server device 100 .
  • the processor 210 returns to step ST11 after the process of step ST39.
  • step ST43 the processor 110 of the server device 100 receives the measured value information while in the standby state of steps ST41 to ST44 in FIG. 4, it determines Yes in step ST43 and proceeds to step ST59.
  • the processor 110 determines whether or not to register data based on the measured value information in the skeletal muscle mass DB 141.
  • Processor 110 refers to user DB 142, and among each estimated ID associated with the user ID included in the measurement value information, the measurement date included in the associated input information is the measurement date included in the measurement value information. Identify the day and the closest match.
  • the estimated ID specified here is hereinafter referred to as a "specified estimated ID”.
  • the processor 110 determines not to register the data in the skeletal muscle mass DB 141 when the measurement date associated with the specific estimated ID and the measurement date included in the measurement value information are longer than or equal to a predetermined period.
  • the predetermined period is two weeks, for example.
  • the processor 110 determines not to register the data in the skeletal muscle mass DB 141 when the information about the physical condition of the user included in the measured value information corresponds to a predetermined condition.
  • the predetermined state is, for example, a state in which the user's body weight has fluctuated more than a predetermined amount, or the user has contracted a disease.
  • the processor 110 determines to register the data in the skeletal muscle DB 141 unless it determines that the data is not registered in the skeletal muscle DB 141 . If the processor 110 determines not to register the data in the skeletal muscle mass DB 141, it determines No in step ST59 and returns to step ST41. On the other hand, if the processor 110 determines to register the data in the skeletal muscle mass DB 141, it determines Yes in step ST59 and proceeds to step ST60.
  • step ST ⁇ b>60 processor 110 registers data based on the received measured value information in skeletal muscle mass DB 141 . That is, the processor 110 newly generates a subject ID. Then, the processor 110 associates the subject ID with the gender included in the input information associated with the user ID, the skeletal muscle mass included in the measured value information, and the eGFR ratio associated with the specific estimated ID to determine the skeletal muscle mass. Store in DB 141 . The processor 110 returns to step ST41 after the process of step ST60. Note that even with the data registered by the process of step ST60, the administrator of the skeletal muscle mass DB 141 can operate a terminal or the like to exclude data determined not to be registered from the skeletal muscle mass DB 141. Also good.
  • the diagnostic system 1 of the embodiment can calculate the skeletal muscle mass more easily, quickly, and inexpensively than before from a combination of relatively common blood data. Moreover, the diagnostic system 1 of the embodiment can calculate the estimated skeletal muscle mass without performing a special test. Moreover, the diagnostic system 1 of the embodiment can determine sarcopenia, severe sarcopenia, and malnutrition by using the calculated skeletal muscle mass. As a result, it is thought that appropriate support can be provided from an early stage to elderly people who are at risk of developing bone fractures or diseases, and costs and manpower related to medical and nursing care can be reduced. In addition, it is thought that disease prevention and health promotion of the elderly can be achieved.
  • Embodiments of the present invention take advantage of the differential results of eGFR and eGFRcys, both of which are used as indicators of renal function.
  • eGFR uses creatinine produced in skeletal muscle as an indicator. Creatinine has been used to estimate renal glomerular filtration rate because it is not reabsorbed in the renal tubules after being filtered out of the renal glomeruli. However, it has been suggested that the amount of creatinine produced decreases in elderly people with decreased skeletal muscle mass, and that renal function is overestimated.
  • eGFRcys has come to be used to improve this.
  • eGFRcys is indexed by cystatin C. Cystatin C is a type of protease inhibitor that is calculated from cells in the body.
  • FIG. 12 is an example of a graph showing the difference in eGFR and eGFRcys results for men.
  • FIG. 13 is an example of a graph showing the difference in eGFR and eGFRcys results for women.
  • the main reason for the low eGFR relative to eGFRcys is the decrease in skeletal muscle, and it was thought possible to estimate the decrease in skeletal muscle from the ratio of eGFRcys to eGFR.
  • the skeletal muscle index (SMI) and limb skeletal muscle mass (SMM) of the above 50 subjects were measured by BIA, and compared with the eGFRcys/eGFR ratio, the above formulas for each gender were obtained.
  • FIG. 14 and FIG. 15 are plotted for each cutoff value, with sensitivity on the vertical axis and specificity on the horizontal axis.
  • FIG. 14 is a graph showing an example of a ROC curve for men.
  • FIG. 15 is a graph showing an example of a female ROC curve.
  • the cutoff value at which the curve is closest to the upper left corner is the optimal cutoff value.
  • the optimal cutoff value was 0.900, with a specificity of 0.833 and a sensitivity of 0.857.
  • the AUC was 0.857 (95% confidence interval 0.682 - 1) with moderate or better precision.
  • the optimal cutoff value was 0.869, with a specificity of 0.857 and a sensitivity of 0.870.
  • the AUC was 0.870 (95% confidence interval 0.722 - 1), again with moderate or better accuracy.
  • eGFR and eGFRcys indices for evaluating renal function. These indexes are values per body surface area, and are characterized in that they are not affected by differences in physique such as the height of the subject and the presence or absence of obesity.
  • 16 is a graph showing an example of the distribution of sarcopenia determination results when there is no skeletal muscle mass data.
  • 8 of the 39 patients who were judged to have "probable sarcopenia” had no decrease in skeletal muscle mass, and it was found that muscle strength was decreased due to causes other than sarcopenia.
  • 7 cases showed decreased skeletal muscle and slowed walking speed, so they were judged to have sarcopenia. was done.
  • FIG. 17 is a graph showing an example of the distribution of sarcopenia determination results after calculation of skeletal muscle mass.
  • the algorithm of EWGSOP2 was able to determine severe sarcopenia in 31 cases, and the algorithm of AWG2019 was able to newly determine sarcopenia in 7 cases that had been overlooked, and muscle weakness due to causes other than sarcopenia8 It became possible to distinguish the cases, and it was possible to determine severe sarcopenia in 31 cases.
  • FIG. 18 is an example of a graph showing the number of people judged to be malnourished and their ratio.
  • FIG. 18 shows graphs G1 to G3. The graph G1 is a graph when the skeletal muscle mass is not determined.
  • a graph G2 is a graph when the skeletal muscle mass is determined from the formula.
  • Graph G3 is a graph when skeletal muscle mass is determined by BIA.
  • Graphs G1 to G3 respectively show the number of people judged to be malnourished and their ratio, and the number of people judged not to be malnourished and their ratio. Accuracy was evaluated in order to examine whether the GLIM assessment of malnutrition using the eSMI calculated by this formula could replace the assessment based on the BIA measurements.
  • Creatinine and eGFR are measured in the specific medical checkups currently being conducted for people aged 40 and over. By adding cystatin C measurement with subsidies from local governments, etc., it is possible to understand the prevalence of sarcopenia in the community, and collect data that will serve as the basis for sarcopenia and frailty prevention policies in the local government. can do.
  • business operators who conduct physical examinations such as medical checkups can provide a new service of determining skeletal muscle mass and support health promotion. Since past data can also be referenced, it is possible to provide information on changes over time. If it is considered that the decrease in skeletal muscle has progressed more than the previous measurement, the person can be alerted to help in health management.
  • creatinine and cystatin C are test items that are approved for use in insurance medical treatment
  • business operators who perform clinical tests use the present invention from these measured values, and skeletal muscle mass (eSMI) is used as a reference value.
  • eSMI skeletal muscle mass
  • a company that manufactures and sells oral supplements containing proteins, amino acids, energy, etc. to prevent sarcopenia in the elderly uses the present invention in cooperation with doctors and companies that conduct health examinations. By doing so, it is possible to provide some of the data that will serve as a reference for providing foods suitable for elderly people who have been judged to have sarcopenia and malnutrition. In addition, we can provide some of the data that is the basis for investigations such as whether oral supplements improve sarcopenia.
  • the above embodiment can also be modified as follows.
  • the diagnostic system 1 may use other than SMI and SMM as skeletal muscle mass.
  • the diagnostic system 1 may use other than eSMI and eSMM as the estimated skeletal muscle mass.
  • the diagnostic system 1 may use other indexes indicating the degree of obesity instead of BMI.
  • the diagnostic system 1 diagnoses malnutrition after estimating skeletal muscle mass.
  • the diagnostic system 1 may be able to diagnose malnutrition independently of estimating skeletal muscle mass.
  • the diagnostic system 1 may be used only by those who are authorized, such as those who have contracted a service for using the diagnostic system 1. In this case, the diagnostic system 1 determines whether or not the operator of the terminal device 200 is authorized by various authentication processes. Then, the diagnosis system 1 starts the processing shown in FIGS. 2 to 5, for example, when it determines that it is permitted.
  • the diagnostic system 1 may be able to view various types of information about the user previously stored in step ST57.
  • Past data is stored in the user DB 142 in association with the user ID. Therefore, the server device 100 can transmit past data to the terminal device 200 in response to a request from the terminal device 200 .
  • the terminal device 200 notifies the received past data by displaying it on the display device 270 or the like.
  • the processor 110 of the server device 100 may correct the value of the estimated skeletal muscle mass using a predetermined function or the like when the physical condition of the user is in a specific condition. For example, the processor 110 makes corrections if the user has edema or if the user is obese.
  • the input screen SC1 includes an input field for inputting the user's physical condition.
  • the input information includes the input physical condition of the user.
  • the processor 110 of the server device 100 obtained a function indicating the relationship between the skeletal muscle mass and the eGFR ratio by curve fitting.
  • the processor 110 may obtain the function by other methods such as using AI (artificial intelligence).
  • AI artificial intelligence
  • processor 110 may use machine learning results to determine a function representing the relationship between skeletal muscle mass and eGFR ratio.
  • the processor 110 may perform machine learning using variables other than gender, skeletal muscle mass, and eGFR ratio.
  • the variable is, for example, the user's degree of obesity, BMI, age, or the like.
  • the diagnostic system 1 may use the ratio of Cre to Cys (hereinafter referred to as "Cre/Cys ratio”) instead of the eGFR ratio.
  • Processor 110 uses functions f5 to f8 instead of functions f1 to f4 when using the Cre/Cys ratio.
  • Processor 110 uses equations (12) to (15) instead of equations (6) to (9) when using the Cre/Cys ratio.
  • functions f5 to f8 are functions of the Cre/Cys ratio.
  • the squared R 2 of the correlation coefficient between male SMI and Cre/Cys ratio was 0.4235.
  • the squared R 2 of the correlation coefficient between female SMI and Cre/Cys ratio was 0.4497.
  • equation (14) the squared R 2 of the correlation coefficient between male SMM and Cre/Cys ratio was 0.4874.
  • each of the functions f5 to f8 is an example of the second function indicating the relationship between the creatinine concentration, the cystatin C concentration, and the skeletal muscle mass.
  • the terminal device 200 may perform part or all of the processing performed by the server device 100 in the above embodiment. A part or all of the processing performed by the terminal device 200 in the above embodiment may be performed by the server device 100 .
  • the diagnostic system 1 includes the server device 100 and the terminal device 200. However, the diagnostic system of the embodiment may operate with one device.
  • the processor 110 or the processor 210 may implement part or all of the processing implemented by the program in the above embodiments by means of a circuit hardware configuration.
  • a program that implements the processing of the embodiment is transferred, for example, in a state stored in a device.
  • the device may be transferred without the program stored.
  • the program may be transferred separately and written into the device. Transfer of the program at this time can be realized, for example, by recording it on a removable storage medium or downloading it via a network such as the Internet or LAN.
  • diagnostic system 100 server device 110, 210 processor 120, 220 ROM 130, 230 RAM 140, 240 auxiliary storage device 141 skeletal muscle mass DB 142 User database 150, 250 Communication I/F 160, 280 bus 200 terminal device 260 input device 270 display device

Landscapes

  • Life Sciences & Earth Sciences (AREA)
  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Molecular Biology (AREA)
  • Biomedical Technology (AREA)
  • Chemical & Material Sciences (AREA)
  • Hematology (AREA)
  • Immunology (AREA)
  • Urology & Nephrology (AREA)
  • Cell Biology (AREA)
  • Microbiology (AREA)
  • Biotechnology (AREA)
  • Food Science & Technology (AREA)
  • Medicinal Chemistry (AREA)
  • Physics & Mathematics (AREA)
  • Analytical Chemistry (AREA)
  • Biochemistry (AREA)
  • General Health & Medical Sciences (AREA)
  • General Physics & Mathematics (AREA)
  • Pathology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)
  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

比較的一般的な血液データを用いて、従来よりも簡便で、迅速で、安価に骨格筋量を算出することが可能な骨格筋量推定システム及びプログラムを提供する。実施形態の骨格筋量推定システムは、処理部を備える。処理部は、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する。

Description

骨格筋量推定システム及びプログラム
　本発明は、血液中の物質の分析結果を用いた骨格筋量の計算とサルコペニア、低栄養の判定を行う骨格筋量推定システム及びプログラムに関する。
　ＷＨＯ（World Health Organization）などによれば、世界的に高齢者人口の増加が認められ、急速に高齢化が進行している。日本も例外ではなく、2020年には、65歳以上の人口は、3600万人を超え、80歳以上の人口も1000万人を超えた。
　高齢者は、骨格筋量が低下し、身体機能が低下するサルコペニアの状態となることが多い。また、高齢者は、歩行が不安定となり、転倒、骨折を繰り返し、入院のリスクとなるフレイルの状態であることも多い。サルコペニア及びフレイルは、いずれも、おもな原因は骨格筋量の低下で、その背景には低栄養があると考えられている。
　サルコペ二アの評価に使用するアルゴリズムには、ＥＷＧＳＯＰ２（European Working Group on Sarcopenia in Older People）（非特許文献１）及びＡＷＧＳ2019（Asian Working Group for Sarcopenia）（非特許文献２）などがある。しかしながら、これらのアルゴリズムを使用する場合、サルコペニアを確定するためには、骨格筋量の測定が必須である。
　骨格筋量の測定は、例えば骨格筋指標（ＳＭＩ（skeletal muscle mass index））を用いる。ＳＭＩの算出には、例えば二重Ｘ線エネルギー吸収法（ＤＸＡ（dual-energy X-ray absorptiometry））又は生体インピーダンス法（ＢＩＡ（bioelectrical impedance analysis））などの機器を用いる。本邦には、3000台以上のＤＸＡ機器が稼働しているといわれている。しかしながら、これらＤＸＡ機器は、骨粗鬆症の評価に特化したもので、全身の骨格筋量を測定できるものではない。また、ＤＸＡ機器は、Ｘ線を使用するため、弱いながらも放射線被曝の問題がある。全身の骨格筋量を測定する装置は大型で、本邦ではほとんど普及していない。また、現在１万台以上のＢＩＡ機器が稼働しているといわれているが、測定前に30分ほどの安静が必要で、安静時間も含めると測定には１時間弱を要することもある。このため、１日に測定できる人数は限られている。また、ＤＸＡ機器及びＢＩＡ機器は、高額である。このため、個人病院、診療所及び高齢者施設などではＤＸＡ機器及びＢＩＡ機器の購入が困難である。したがって、高齢者のケアを行う現場において、骨格筋量の測定は普及しているとはいいがたい。
　また、ふくらはぎの周囲長などを測定し、骨格筋量を推測する試みも行われている。しかしながら、測定者によって数値がばらつき、精度は高くなく、浮腫などの影響を受けると、過大評価となるリスクが高い。
　このように骨格筋量の測定ができない現状では、サルコペニアの判定を正しく行うことができないばかりか、サルコペニアの前段階とも考えられているフレイルについても、適切な対応を開始することができない。
　フレイルを放置し、サルコペニアが進行すると、転倒、骨折の原因となる（非特許文献３、非特許文献４）。高齢者では、大腿骨及び腰椎などの骨折が多く、長期の入院が必要となる。平成30年度国民医療費の概況によれば、本邦の高齢者の筋骨格系及び結合組織の疾患に対する医療費は1兆7383億円にものぼる。治療が終了しても、長期間にわたり介護が必要となることも多く、本邦の医療、介護行政の大きな負担となっている。
　転倒、骨折がなくても、サルコペニアは日常生活動作（ＡＤＬ（activities of daily living））及び手段的日常生活動作（ＩＡＤＬ（instrumental activities of daily living））が低下する原因となり、長期間にわたり介護が必要となる。このため、介護に関する、コスト、マンパワーのさらなる増大が危惧される。
　また、サルコペニアは、心血管疾患、慢性呼吸器疾患、糖尿病、認知症などを発症するリスクとなることが報告されている。これらの疾患による医療費も膨大で、本邦の医療行政の大きな負担となる。
　骨格筋量を簡便に算出することで、サルコペニアを早期に判定し、適切な対策を行うことで、骨折や疾患の発症を防ぎ、高齢者を中心とした国民の健康を守り、医療、介護の負担を軽減することは、今後の本邦の社会において、きわめて重要なことだと考えられる。
　骨格筋量の減少の最大の原因は加齢であるが、低栄養も原因のひとつと考えられている。国際的に制定された低栄養の診断基準であるＧＬＩＭ（Global Leadership Initiative on Malnutrition）クライテリアでは、低栄養の表現型のひとつとして、骨格筋量の減少が挙げられている。したがって、骨格筋量を測定しない限り、低栄養を正確に判定することができない。サルコペニア又はフレイルの高齢者で、低栄養状態を改善すべきと考えられる場合においても、低栄養の正確な判定を行うことができないため、適切な支援を開始することができないこととなる。
　これまで、血液データとサルコペニアの関連を見出そうとする研究が複数行われている。Ｃ反応性タンパクを用いた研究では、Ｃ反応性タンパクが高値だった群では、サルコペニアと判定されるものが多いという結果が得られたが、これは、骨格筋量の減少のためではなく、握力など、筋力の低下によるものだった（非特許文献６）。したがって、骨格筋量の減少と筋力の低下は、別な要因だと考えられる。その他の文献も、血液データとサルコペニアの関連を見ているものがほとんどで、骨格筋量に焦点をあてているものは少ない。
　Ｎ末タイプ３プロコラーゲンプロペプチド、Ｃ末アグリンフラグメント２２（ＣＡＦ２２）、オステオネクチン、イリジン、脂肪酸結合タンパク３、又はマクロファージ遊走阻止因子などを用いた研究では、ＣＡＦ２２、オステオネクチン及びイリジンで、骨格筋量との相関が認められたが、相関はあまり強いものではなく（非特許文献７）、骨格筋量の推定には使用不可能である。また、いずれも研究レベルで使用されている指標で、分析に時間と多額のコストを要し、大量検体の分析は困難である。
Cruz-Jentoft AJ, Bahat G, Bauer J, Boirie Y, Bruyere O, Cederholm T, et al. Sarcopenia: Revised European consensus on definition and diagnosis. Age Ageing 2019. Chen LK, Woo J, Assantachai P, Auyeung TW, Chou MY, Iijima K, et al. Asian Working Group for Sarcopenia: 2019 Consensus Update on Sarcopenia Diagnosis and Treatment. J Am Med Dir Assoc 2020. Schaap LA, Van Schoor NM, Lips P, Visser M. Associations of sarcopenia definitions, and their components, with the incidence of recurrent falling and fractures: The longitudinal aging study Amsterdam. Journals Gerontol - Ser A Biol Sci Med Sci 2018;73:1199-204. Yeung SSY, Reijnierse EM, Pham VK, Trappenburg MC, Lim WK, Meskers CGM, et al. Sarcopenia and its association with falls and fractures in older adults: A systematic review and meta-analysis. J Cachexia Sarcopenia Muscle 2019. Cederholm T, Jensen GL, Correia MITD, Gonzalez MC, Fukushima R, Higashiguchi T, et al. GLIM criteria for the diagnosis of malnutrition - A consensus report from the global clinical nutrition community. Clin Nutr 2019;38:1-9. Shokri-Mashhadi N, Moradi S, Heidari Z, Saadat S. Association of circulating C-reactive protein and high-sensitivity C-reactive protein with components of sarcopenia: A systematic review and meta-analysis of observational studies. Exp Gerontol 2021;150:111330. Shokri-Mashhadi N, Moradi S, Heidari Z, Saadat S. Association of circulating C-reactive protein and high-sensitivity C-reactive  protein with components of sarcopenia: A systematic review and meta-analysis of observational studies. Exp Gerontol 2021;150:111330. Matsuo S, Imai E, Horio M, Yasuda Y, Tomita K, Nitta K, et al. Revised equations for estimated GFR from serum creatinine in Japan. Am J Kidney Dis Off J Natl Kidney Found 2009;53:982-92. Horio M, Imai E, Yasuda Y, Watanabe T, Matsuo S. GFR estimation using standardized serum cystatin C in Japan. Am J Kidney Dis Off J Natl Kidney Found 2013;61:197-203.
　本発明の実施形態は、比較的一般的な血液データを用いて、簡便で、迅速で、安価に骨格筋量を算出することが可能な骨格筋量推定システム及びプログラムを提供すること。
　実施形態の骨格筋量推定システムは、処理部を備える。処理部は、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する。
　本発明は、比較的一般的な血液データを用いて、簡便で、迅速で、安価に骨格筋量を算出することができる。
実施形態に係る診断システム及び当該診断システムに含まれる構成要素の要部構成の一例を示すブロック図。 図１中の端末装置のプロセッサーによる処理の一例を示すフローチャート。 図１中の端末装置のプロセッサーによる処理の一例を示すフローチャート。 図１中のサーバー装置のプロセッサーによる処理の一例を示すフローチャート。 図１中のサーバー装置のプロセッサーによる処理の一例を示すフローチャート。 図１中の表示デバイスに表示される入力画面の一例を示す図。 複数の男性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフ。 複数の女性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフ。 図１中の表示デバイスに表示される結果画面の一例を示す図。 図１中の表示デバイスに表示される判定入力画面の一例を示す図。 図１中の表示デバイスに表示される低栄養結果画面の一例を示す図。 男性のeGFRとeGFRcysの結果の差異を示すグラフ。 女性のeGFRとeGFRcysの結果の差異を示すグラフ。 男性のＲＯＣ曲線の一例を示すグラフ。 女性のＲＯＣ曲線の一例を示すグラフ。 骨格筋量のデータが無い場合のサルコペニアの判定結果の分布の一例を示すグラフ。 骨格筋量算出後のサルコペニアの判定結果の分布の一例を示すグラフ。 低栄養と判定された人数とその割合を示すグラフ。
　以下、実施形態に係る診断システムについて図面を用いて説明する。なお、以下の実施形態の説明に用いる各図面は、説明のため、構成を省略して示している場合がある。また、各図面及び本明細書中において、同一の符号は同様の要素を示す。
　図１は、実施形態に係る診断システム１及び診断システム１に含まれる構成要素の要部構成の一例を示すブロック図である。診断システム１は、例えば、患者などのユーザーの骨格筋量の推定及びサルコペニアの判定などを行うためのシステムである。診断システム１は、一例として、サーバー装置１００及び端末装置２００を含む。診断システム１は、骨格筋量推定システムの一例である。
　サーバー装置１００及び端末装置２００は、ネットワークＮＷに接続する。ネットワークＮＷは、典型的にはインターネットを含む通信網である。ネットワークＮＷは、典型的にはＷＡＮ（wide area network）を含む通信網である。ネットワークＮＷは、イントラネットなどのプライベートネットワークを含む通信網であっても良い。ネットワークＮＷは、ＬＡＮ（local area network）を含む通信網であっても良い。また、ネットワークＮＷは、無線回線でも良いし有線回線でも良く、無線回線と有線回線とが混在していても良い。また、ネットワークＮＷは、専用線又は公衆携帯電話網などを含む通信網であっても良い。
　サーバー装置１００は、骨格筋量の推定及びサルコペニアの判定などに用いられる各種データの保存及び各種処理などを行う。サーバー装置１００は、一例として、プロセッサー１１０、ＲＯＭ（read-only memory）１２０、ＲＡＭ（random-access memory）１３０、補助記憶装置１４０及び通信Ｉ／Ｆ（interface）１５０を含む。そして、バス１６０などが、これら各部を接続する。なお、サーバー装置１００は、骨格筋量推定装置の一例である。サーバー装置１００は、データベース装置の一例である。なお、プロセッサー１１０は、処理部の一例である。
　プロセッサー１１０は、サーバー装置１００の動作に必要な演算及び制御などの処理を行うコンピューターの中枢部分であり、各種演算及び処理などを行う。プロセッサー１１０は、例えば、ＣＰＵ（central processing unit）、ＭＰＵ（micro processing unit）、ＳｏＣ（system on a chip）、ＤＳＰ（digital signal processor）、ＧＰＵ（graphics processing unit）、ＡＳＩＣ（application specific integrated circuit）、ＰＬＤ（programmable logic device）又はＦＰＧＡ（field-programmable gate array）などである。あるいは、プロセッサー１１０は、これらのうちの複数を組み合わせたものである。また、プロセッサー１１０は、これらにハードウェアアクセラレーターなどを組み合わせたものあっても良い。プロセッサー１１０は、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたファームウェア、システムソフトウェア及びアプリケーションソフトウェアなどのプログラムに基づいて、サーバー装置１００の各種の機能を実現するべく各部を制御する。また、プロセッサー１１０は、当該プログラムに基づいて後述する処理を実行する。なお、当該プログラムの一部又は全部は、プロセッサー１１０の回路内に組み込まれていても良い。
　ＲＯＭ１２０及びＲＡＭ１３０は、プロセッサー１１０を中枢としたコンピューターの主記憶装置である。
　ＲＯＭ１２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ１２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ１２０は、プロセッサー１１０が各種の処理を行う上で使用するデータなども記憶する。
　ＲＡＭ１３０は、データの読み書きに用いられるメモリである。ＲＡＭ１３０は、プロセッサー１１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ１３０は、典型的には揮発性メモリである。
　補助記憶装置１４０は、プロセッサー１１０を中枢としたコンピューターの補助記憶装置である。補助記憶装置１４０は、例えばＥＥＰＲＯＭ（electric erasable programmable read-only memory）、ＨＤＤ（hard disk drive）又はフラッシュメモリなどである。補助記憶装置１４０は、上記のプログラムのうち、例えば、システムソフトウェア及びアプリケーションソフトウェアなどを記憶する。また、補助記憶装置１４０は、プロセッサー１１０が各種の処理を行う上で使用するデータ、プロセッサー１１０での処理によって生成されたデータ及び各種の設定値などを記憶する。
　補助記憶装置１４０が記憶するアプリケーションソフトウェアは、骨格筋量の推定及びサルコペニアの判定用のアプリケーションソフトウェアのうち、サーバー装置１００用のアプリケーションソフトウェア（以下「サーバー用アプリ」という。）を含む。
　また、補助記憶装置１４０は、骨格筋量ＤＢ（database）１４１及びユーザーＤＢ１４２を含む。骨格筋量ＤＢ１４１は、骨格筋量の推定及びサルコペニアの判定などに用いられるデータなどを記憶及び管理するデータベースである。ユーザーＤＢ１４２は、診断システム１を利用する各ユーザーのデータなどを記憶及び管理するデータベースである。プロセッサー１１０は、骨格筋量ＤＢ１４１及びユーザーＤＢ１４２を作成する。あるいは、サーバー装置１００以外の装置が骨格筋量ＤＢ１４１及びユーザーＤＢ１４２を作成する。なお、補助記憶装置１４０は、被験者の骨格筋量測定値、ｅＧＦＲｃｙｓ及びｅＧＦＲを記憶する記憶部の一例である。
　通信Ｉ／Ｆ１５０は、サーバー装置１００がネットワークＮＷなどを介して通信するためのインターフェースである。
　バス１６０は、コントロールバス、アドレスバス及びデータバスなどを含み、サーバー装置１００の各部で授受される信号を伝送する。
　端末装置２００は、例えば、骨格筋量の推定及びサルコペニアの判定などのために医療従事者又は患者などが操作する装置である。端末装置２００は、骨格筋量の推定及びサルコペニアの判定などに用いる専用の装置であっても良いし、ＰＣ（personal computer）、タブレット端末又はスマートフォンなどの汎用の装置であっても良い。端末装置２００は、一例として、プロセッサー２１０、ＲＯＭ２２０、ＲＡＭ２３０、補助記憶装置２４０、通信Ｉ／Ｆ２５０、入力デバイス２６０及び表示デバイス２７０を含む。そして、バス２８０などが、これら各部を接続する。
　プロセッサー２１０は、端末装置２００の動作に必要な演算及び制御などの処理を行うコンピューターの中枢部分であり、各種演算及び処理などを行う。プロセッサー２１０は、例えば、ＣＰＵ、ＭＰＵ、ＳｏＣ、ＤＳＰ、ＧＰＵ、ＡＳＩＣ、ＰＬＤ又はＦＰＧＡなどである。あるいは、プロセッサー２１０は、これらのうちの複数を組み合わせたものである。また、プロセッサー２１０は、これらにハードウェアアクセラレーターなどを組み合わせたものあっても良い。プロセッサー２１０は、ＲＯＭ２２０又は補助記憶装置２４０などに記憶されたファームウェア、システムソフトウェア及びアプリケーションソフトウェアなどのプログラムに基づいて、端末装置２００の各種の機能を実現するべく各部を制御する。また、プロセッサー２１０は、当該プログラムに基づいて後述する処理を実行する。なお、当該プログラムの一部又は全部は、プロセッサー２１０の回路内に組み込まれていても良い。なお、プロセッサー２１０は、処理部の一例である。
　ＲＯＭ２２０及びＲＡＭ２３０は、プロセッサー２１０を中枢としたコンピューターの主記憶装置である。
　ＲＯＭ２２０は、専らデータの読み出しに用いられる不揮発性メモリである。ＲＯＭ２２０は、上記のプログラムのうち、例えばファームウェアなどを記憶する。また、ＲＯＭ２２０は、プロセッサー２１０が各種の処理を行う上で使用するデータなども記憶する。
　ＲＡＭ２３０は、データの読み書きに用いられるメモリである。ＲＡＭ２３０は、プロセッサー２１０が各種の処理を行う上で一時的に使用するデータを記憶するワークエリアなどとして利用される。ＲＡＭ２３０は、典型的には揮発性メモリである。
　補助記憶装置２４０は、プロセッサー２１０を中枢としたコンピューターの補助記憶装置である。補助記憶装置２４０は、例えばＥＥＰＲＯＭ、ＨＤＤ又はフラッシュメモリなどである。補助記憶装置２４０は、上記のプログラムのうち、例えば、システムソフトウェア及びアプリケーションソフトウェアなどを記憶する。また、補助記憶装置２４０は、プロセッサー２１０が各種の処理を行う上で使用するデータ、プロセッサー２１０での処理によって生成されたデータ及び各種の設定値などを記憶する。
　補助記憶装置２４０が記憶するアプリケーションソフトウェアは、骨格筋量の推定及びサルコペニアの判定用のアプリケーションソフトウェアのうち、端末装置２００用のアプリケーションソフトウェア（以下「端末用アプリ」という。）を含む。
　通信Ｉ／Ｆ２５０は、端末装置２００がネットワークＮＷなどを介して通信するためのインターフェースである。
　入力デバイス２６０は、端末装置２００の操作者による操作を受け付ける。入力デバイス２６０は、例えば、キーボード、キーパッド、タッチパッド、マウス又はコントローラーなどである。また、入力デバイス２６０は、音声入力用のデバイスであっても良い。
　表示デバイス２７０は、端末装置２００の操作者に各種情報を通知するための画面を表示する。表示デバイス２７０は、例えば、液晶ディスプレイ又は有機ＥＬ（electro-luminescence）ディスプレイなどのディスプレイである。また、入力デバイス２６０及び表示デバイス２７０としては、タッチパネルを用いることもできる。すなわち、タッチパネルが備える表示パネルを表示デバイス２７０として、タッチパネルが備えるタッチパッドを入力デバイス２６０として用いることができる。
　バス２８０は、コントロールバス、アドレスバス及びデータバスなどを含み、端末装置２００の各部で授受される信号を伝送する。
　以下、実施形態に係る診断システム１の動作を図２～図４などに基づいて説明する。なお、以下の動作説明における処理の内容は一例であって、同様な結果を得ることが可能な様々な処理を適宜に利用できる。
　図２及び３は、端末装置２００のプロセッサー２１０による処理の一例を示すフローチャートである。プロセッサー２１０は、例えば、ＲＯＭ２２０又は補助記憶装置２４０などに記憶された端末用アプリなどのプログラムに基づいて図２及び３の処理を実行する。プロセッサー２１０は、例えば、端末用アプリの起動にともない、図２及び図３に示す処理を開始する。
　図４及び５は、サーバー装置１００のプロセッサー１１０による処理の一例を示すフローチャートである。プロセッサー１１０は、例えば、ＲＯＭ１２０又は補助記憶装置１４０などに記憶されたサーバー用アプリなどのプログラムに基づいて図４及び５の処理を実行する。プロセッサー１１０は、例えば、サーバー用アプリの起動にともない、図４及び５に示す処理を開始する。
　ステップＳＴ１１においてプロセッサー２１０は、ログイン画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、ログイン画面を表示する。なお、文字は画像の一種である。
　ログイン画面は、例えば、ログインに必要な情報を入力するための画面である。ログイン画面は、例えば、ログインに必要な情報としてログインＩＤ（identifier）及びパスワードを入力するための入力欄を含む。また、ログイン画面は、例えば、ログインを開始する場合に操作するためのログインボタンを含む。あるいは、ログイン画面は、ログインに必要な情報として、生体認証用の生体情報の入力を待ち受けるための画面であっても良い。あるいは、ログイン画面は、ログインに必要な情報として、ログイン用のＩＣ（integrated circuit）カード又は磁気ストライプカードなどのカードなどに記憶された情報の入力を待ち受けるための画面であっても良い。また、ログイン画面は、例えば、ユーザー登録を開始するための登録開始ボタンを含む。
　ステップＳＴ１２においてプロセッサー２１０は、ユーザー登録を開始する操作が行われたか否かを判定する。すなわちプロセッサー２１０は、登録開始ボタンを操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、ユーザー登録を開始する操作が行われないならば、ステップＳＴ１２においてＮｏと判定してステップＳＴ１３へと進む。
　ステップＳＴ１３においてプロセッサー２１０は、ログインに必要な情報を送信するか否かを判定する。プロセッサー２１０は、例えば、ログインＩＤ及びパスワードが入力された状態でログインボタンが操作されたならば、ログインに必要な情報を送信すると判定する。プロセッサー２１０は、例えば、生体情報が入力された場合にログインに必要な情報を送信すると判定する。プロセッサー２１０は、例えば、ログイン用のカードなどに記憶された情報が入力された場合にログインに必要な情報を送信すると判定する。プロセッサー２１０は、ログインに必要な情報を送信すると判定しないならば、ステップＳＴ１３においてＮｏと判定してステップＳＴ１２へと戻る。かくして、プロセッサー２１０は、ユーザー登録を開始する操作が行われるか、ログインに必要な情報を送信すると判定するまでステップＳＴ１２及びステップＳＴ１３を繰り返す待受状態となる。
　プロセッサー２１０は、ステップＳＴ１２及びステップＳＴ１３の待受状態にあるときにユーザー登録を開始する操作が行われたならば、ステップＳＴ１２においてＹｅｓと判定してステップＳＴ１４へと進む。
　ステップＳＴ１４においてプロセッサー２１０は、登録画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、登録画面を表示する。
　登録画面は、例えば、ユーザー登録に必要な情報を入力するための画面である。登録に必要な情報は、ユーザー情報及び認証情報を含む。ユーザー情報は、例えば、ユーザーの年齢が分かる情報及びユーザーの性別を含む。ユーザーの年齢が分かる情報は、例えば、ユーザーの生年月日などである。また、認証情報は、ログイン時の認証に用いられる情報である。認証情報は、例えば、ログインＩＤ及びパスワード、生体認証用の生体情報、又はログイン用のカードなどに記憶された情報である。また、登録画面は、例えば、登録ボタンを含む。登録ボタンは、例えば、ユーザー登録に必要な情報の入力終了後に操作するためのボタンである。登録ボタンは、例えば、ユーザー登録に必要な情報をサーバー装置１００に送信するように端末装置２００に指示する場合に操作するためのボタンである。なお、ユーザーは、推定骨格筋量を求める対象の一例である。
　ステップＳＴ１５においてプロセッサー２１０は、登録に必要な情報を送信するように指示する操作が行われるのを待ち受ける。すなわちプロセッサー２１０は、登録ボタンを操作するなどの予め定められた操作が行われるのを待ち受ける。プロセッサー２１０は、登録に必要な情報を送信するように指示する操作が行われたならば、ステップＳＴ１５においてＹｅｓと判定してステップＳＴ１６へと進む。
　ステップＳＴ１６においてプロセッサー２１０は、登録情報を生成する。登録情報は、登録画面において入力された登録に必要な情報を含む。登録情報は、登録処理を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、登録情報を生成した後、当該登録情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該登録情報をサーバー装置１００に送信する。送信された当該登録情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。
　一方、図４のステップＳＴ４１においてサーバー装置１００のプロセッサー１１０は、通信Ｉ／Ｆ１５０によって登録情報が受信されたか否かを判定する。プロセッサー１１０は、登録情報が受信されないならば、ステップＳＴ４１においてＮｏと判定してステップＳＴ４２へと進む。
　ステップＳＴ４２においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によってログイン情報が受信されたか否かを判定する。プロセッサー１１０は、ログイン情報が受信されないならば、ステップＳＴ４２においてＮｏと判定してステップＳＴ４３へと進む。
　ステップＳＴ４３においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によって測定値情報が受信されたか否かを判定する。プロセッサー１１０は、測定値情報が受信されないならば、ステップＳＴ４３においてＮｏと判定してステップＳＴ４４へと進む。
　ステップＳＴ４４においてプロセッサー１１０は、通信Ｉ／Ｆ１５０によって入力情報が受信されたか否かを判定する。プロセッサー１１０は、入力情報が受信されないならば、ステップＳＴ４４においてＮｏと判定してステップＳＴ４１へと戻る。かくして、プロセッサー１１０は、登録情報、ログイン情報、測定値情報又は入力情報が受信されるまでステップＳＴ４１～ステップＳＴ４４を繰り返す待受状態となる。なお、ログイン情報、測定値情報及び入力情報については後述する。
　プロセッサー１１０は、ステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに登録情報が受信されたならば、ステップＳＴ４１においてＹｅｓと判定してステップＳＴ４５へと進む。
　ステップＳＴ４５においてプロセッサー１１０は、当該登録情報に基づきユーザー登録のための登録処理を行う。このために、プロセッサー１１０は、例えば、ユーザーＩＤと当該登録情報に含まれる登録に必要な情報とを関連付けてユーザーＤＢ１４２に記憶する。なお、ユーザーＩＤは、ユーザーごとにユニークな識別情報である。また、ユーザーＩＤとログインＩＤは共通であっても良い。
　ステップＳＴ４６においてプロセッサー１１０は、登録結果情報を生成する。登録結果情報は、登録処理の結果を通知する情報である。登録結果情報は、例えば、正常にユーザー登録が完了したこと又は登録に失敗したことなどを通知する。また、ユーザー登録が完了している場合、登録結果情報は、ユーザーのユーザーＩＤ，年齢及び性別を含む。プロセッサー１１０は、登録結果情報を生成した後、当該登録結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該登録結果情報を端末装置２００に送信する。送信された当該登録結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ４６の処理の後、ステップＳＴ４１へと戻る。
　一方、図２のステップＳＴ１７において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によって登録結果情報が受信されるのを待ち受けている。プロセッサー２１０は、登録結果情報が受信されたならば、ステップＳＴ１７においてＹｅｓと判定してステップＳＴ１８へと進む。
　ステップＳＴ１８においてプロセッサー２１０は、受信された登録結果情報に基づき、登録処理が完了したこと又は失敗したことを示す画像を表示デバイス２７０に表示させる。
　ステップＳＴ１９においてプロセッサー２１０は、受信された登録結果情報に基づき、ユーザー登録が完了したか否かを判定する。プロセッサー２１０は、ユーザー登録に失敗した場合、ステップＳＴ１９においてＮｏと判定してステップＳＴ１４へと戻る。
　また、プロセッサー２１０は、ステップＳＴ１２及びステップＳＴ１３の待受状態にあるときにログインに必要な情報を送信すると判定するならば、ステップＳＴ１３においてＹｅｓと判定してステップＳＴ２０へと進む。
　ステップＳＴ２０においてプロセッサー２１０は、ログイン情報を生成する。ログイン情報は、例えば、ログイン画面において入力されたログインに必要な情報を含む。ログイン情報は、例えば、ログインに必要な情報に基づき、ログインのための処理を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、ログイン情報を生成した後、当該ログイン情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該ログイン情報をサーバー装置１００に送信する。送信された当該ログイン情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。
　一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときにログイン情報が受信されたならば、ステップＳＴ４２においてＹｅｓと判定してステップＳＴ４７へと進む。
　ステップＳＴ４７においてプロセッサー１１０は、ログインのためのログイン処理を行う。例えば、プロセッサー１１０は、ユーザーＤＢ１４２を参照して、ログインに必要な情報からユーザーＩＤを特定する。また、プロセッサー１１０は、当該ユーザーＩＤに関連付けられた情報から当該ユーザーＩＤで特定されるユーザーの年齢及び性別を特定する。なお、プロセッサー１１０は、ログイン処理について公知の処理を行っても良い。
　ステップＳＴ４８においてプロセッサー１１０は、ログイン結果情報を生成する。ログイン結果情報は、ログイン処理の結果を示す情報である。ログイン結果情報は、例えば、正常にログイン処理が完了したこと又はログイン処理に失敗したことなどを通知する。また、ログイン処理が完了している場合、ログイン結果情報は、ユーザーのユーザーＩＤ，年齢及び性別を含む。プロセッサー１１０は、ログイン結果情報を生成した後、当該ログイン結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該ログイン結果情報を端末装置２００に送信する。送信された当該ログイン結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ４８の処理の後、ステップＳＴ４１へと戻る。
　一方、図２のステップＳＴ２１において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によってログイン結果情報が受信されるのを待ち受けている。プロセッサー２１０は、ログイン結果情報が受信されたならば、ステップＳＴ２１においてＹｅｓと判定してステップＳＴ２２へと進む。
　ステップＳＴ２２においてプロセッサー２１０は、受信されたログイン結果情報に基づき、ログイン処理が完了したこと又は失敗したことを示す画像を表示デバイス２７０に表示させる。
　ステップＳＴ２３においてプロセッサー２１０は、受信されたログイン結果情報に基づき、ログインが完了したか否かを判定する。プロセッサー２１０は、ログインが完了していないならば、ステップＳＴ２３においてＮｏと判定してステップＳＴ１１へと戻る。
　対して、プロセッサー２１０は、ログインが完了したならば、ステップＳＴ２３においてＹｅｓと判定してステップＳＴ２４へと進む。また、プロセッサー２１０は、ユーザー登録が完了したならば、ステップＳＴ１９においてＹｅｓと判定してステップＳＴ２４へと進む。なお、ログイン結果情報及び登録結果情報を総称して結果情報というものとする。
　ステップＳＴ２４においてプロセッサー２１０は、図６に示すような入力画面ＳＣ１に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、入力画面ＳＣ１を表示する。
　図６は、入力画面ＳＣ１の一例を示す図である。入力画面ＳＣ１は、骨格筋量の推定及びサルコペニアの判定などのために用いるデータを入力するための画面である。入力画面ＳＣ１は、一例として、領域ＡＲ１０１～領域ＡＲ１１１、入力終了ボタンＢ１１、及び測定値入力ボタンＢ１２を含む。入力画面ＳＣ１へのデータの入力は、例えば、入力デバイス２６０を用いて手入力される。あるいは、当該データは、端末装置２００以外の装置から通信Ｉ／Ｆ２５０などを介して入力されても良い。
　領域ＡＲ１０１は、ユーザーＩＤを表示する領域である。当該ユーザーＩＤは、例えば、結果情報に含まれるユーザーＩＤである。
　領域ＡＲ１０２は、領域ＡＲ１０５～領域ＡＲ１１１に入力される各測定量の測定日を表示する領域である。測定日は、一例として現在の日付である。あるいは、領域ＡＲ１０２に任意の測定日を入力することができても良い。
　領域ＡＲ１０３は、ユーザーの性別を表示する領域である。当該性別は、例えば、結果情報に含まれる性別である。
　領域ＡＲ１０４は、ユーザーの年齢を表示する領域である。当該年齢は、例えば、結果情報に含まれる年齢である。
　領域ＡＲ１０５は、ユーザーのクレアチニン濃度を入力するための入力欄である。
　領域ＡＲ１０６は、ユーザーのシスタチンＣ濃度を入力するための入力欄である。
　領域ＡＲ１０７は、ユーザーのｅＧＦＲ（estimated glomerular filtration rate）を入力するための入力欄である。
　領域ＡＲ１０８は、ユーザーのｅＧＦＲｃｙｓ（cystatin C-based estimated glomerular filtration rate）を入力するための入力欄である。
　領域ＡＲ１０５及び領域ＡＲ１０７には、どちらかに入力すれば良い。領域ＡＲ１０６及び領域ＡＲ１０８には、どちらかのみ入力すればよい。
　領域ＡＲ１０９は、ユーザーの握力を入力するための入力欄である。
　領域ＡＲ１１０は、ユーザーの歩行速度を入力するための入力欄である。
　領域ＡＲ１１１は、ユーザーが所定の距離を歩くのにかかる時間を入力するための入力欄である。所定の距離は、一例として６メートルである。
　なお、ユーザーの歩行速度及びユーザーが所定の距離を歩くのにかかる時間のそれぞれは、ユーザーの歩く速度を示す情報である。
　領域ＡＲ１０９～領域ＡＲ１１１には、サルコペニアの判定を行ってほしい場合にのみ入力する。領域ＡＲ１１０及び領域ＡＲ１１１には、どちらかのみ入力すればよい。
　入力終了ボタンＢ１１は、入力画面ＳＣ１の各入力欄への入力を終了した場合に操作するためのボタンである。入力終了ボタンＢ１１は、骨格筋量の推定を行い、必要に応じてサルコペニアの判定を行うように指示するためのボタンである。
　測定値入力ボタンＢ１２は、骨格筋量の測定値を入力する場合に操作するためのボタンである。骨格筋量の測定値の入力に関しては後述する。
　被検者であるユーザーの血清中のクレアチニン濃度の測定は、例えば、酵素法（クレアチニナーゼ-サルコシンオキシダーゼ-ＰＯＤ法）などを用いる。また、ユーザーの血清中のシスタチンＣ濃度の測定は、例えば、ＥＬＩＳＡ（enzyme-linked immunosorbent assay）法（サンドイッチ酵素アッセイ法）などを用いる。また、ユーザーの血清は、当該ユーザーから採取された１０ｍＬ程度の血液を常温で３０分間以上静置した後、３０００ｒｐｍ、５分の遠心分離を行うことで採取する。
　また、ユーザーの血清中のｅＧＦＲ及びｅＧＦＲｃｙｓについては、下式（１）～下式（４）を用いて算出する。ｅＧＦＲを算出する（１）式及び（２）式は、例えば非特許文献８に開示されている。また、ｅＧＦＲｃｙｓを算出する（３）式及び（４）式は、例えば非特許文献９に開示されている。（１）式は、男性のｅＧＦＲを算出する式である。（２）式は、女性のｅＧＦＲを算出する式である。（３）式は、男性のｅＧＦＲｃｙｓを算出する式である。（４）式は、女性のｅＧＦＲｃｙｓを算出する式である。なお、下式中Ｃｒｅは、ユーザーのクレアチニン濃度を示す。Ｃｙｓは、ユーザーのシスタチンＣ濃度を示す。ａｇｅはユーザーの年齢を示す。いずれも単位は［mL/min/1.73m2］である。
　eGFR（男性）= 194 × Cre - 1.094 - 0.154 × age - 0.287　　（１）
　eGFR（女性）= 194 × Cre - 1.094 - 0.154 × age - 0.287 × 0.739　　（２）
　eGFRcys（男性）= (104 × Cys-1.019 × 0.996age) - 8　　（３）
　eGFRcys（女性）= (104 × Cys-1.019 × 0.996age × 0.929) - 8　　（４）
　ステップＳＴ２５においてプロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作が行われたか否かを判定する。すなわちプロセッサー２１０は、測定値入力ボタンＢ１２を操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作が行われないならば、ステップＳＴ２５においてＮｏと判定してステップＳＴ２６へと進む。
　ステップＳＴ２６においてプロセッサー２１０は、入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われたか否かを判定する。すなわちプロセッサー２１０は、入力終了ボタンＢ１１を操作するなどの予め定められた操作が行われたか否かを判定する。プロセッサー２１０は、入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われないならば、ステップＳＴ２６においてＮｏと判定してステップＳＴ２５へと戻る。かくして、プロセッサー２１０は、骨格筋量の測定値を入力するための処理を開始する操作、又は入力画面ＳＣ１の各入力欄への入力を終了するための操作が行われるまでステップＳＴ２５及びステップＳＴ２６を繰り返す待受状態となる。
　プロセッサー２１０は、ステップＳＴ２５及びステップＳＴ２６の待受状態にあるときに入力画面ＳＣ１の各入力欄への入力を終了する操作が行われたならば、ステップＳＴ２６においてＹｅｓと判定して図３のステップＳＴ２７へと進む。
　ステップＳＴ２７においてプロセッサー２１０は、入力情報を生成する。入力情報は、入力画面ＳＣ１の領域ＡＲ１０１～領域ＡＲ１１１に含まれる各情報を含む。入力情報は、当該各情報を送信するための情報である。また、入力情報は、骨格筋量の推定を行い、必要に応じてサルコペニアの判定を行うようにサーバー装置１００に要求する情報である。プロセッサー２１０は、入力情報を生成した後、当該入力情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該入力情報を端末装置２００に送信する。送信された当該入力情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。
　一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに入力情報が受信されたならば、ステップＳＴ４４においてＹｅｓと判定して図５のステップＳＴ４９へと進む。
　ステップＳＴ４９においてプロセッサー１１０は、ｅＧＦＲを算出するか否かを判定する。プロセッサー１１０は、受信された入力情報にｅＧＦＲが含まれないならば、ｅＧＦＲを算出すると判定する。プロセッサー１１０は、ｅＧＦＲを算出するならば、ステップＳＴ４９においてＮｏと判定してステップＳＴ５０へと進む。
　ステップＳＴ５０においてプロセッサー１１０は、ユーザーのｅＧＦＲを算出する。プロセッサー１１０は、例えば（１）式又は（２）式を用いてユーザーのｅＧＦＲを算出する。あるいは、プロセッサー１１０は、その他の公知の方法でｅＧＦＲを算出しても良い。
　プロセッサー１１０は、ステップＳＴ５０の処理の後、ステップＳＴ５１へと進む。また、プロセッサー１１０は、ｅＧＦＲを算出しないならば、ステップＳＴ４９においてＮｏと判定してステップＳＴ５１へと進む。
　ステップＳＴ５１においてプロセッサー１１０は、ｅＧＦＲｃｙｓを算出するか否かを判定する。プロセッサー１１０は、受信された入力情報にユーザーのｅＧＦＲｃｙｓが含まれないならば、ｅＧＦＲｃｙｓを算出すると判定する。プロセッサー１１０は、ｅＧＦＲｃｙｓを算出するならば、ステップＳＴ５１においてＹｅｓと判定してステップＳＴ５２へと進む。
　ステップＳＴ５２においてプロセッサー１１０は、ユーザーのｅＧＦＲｃｙｓを算出する。プロセッサー１１０は、例えば（３）式又は（４）式を用いてｅＧＦＲｃｙｓを算出する。あるいは、プロセッサー１１０は、その他の公知の方法でｅＧＦＲｃｙｓを算出しても良い。
　プロセッサー１１０は、ステップＳＴ５２の処理の後、ステップＳＴ５３へと進む。また、プロセッサー１１０は、ｅＧＦＲｃｙｓを算出しないならば、ステップＳＴ５１においてＮｏと判定してステップＳＴ５３へと進む。
　ステップＳＴ５３においてプロセッサー１１０は、骨格筋量の推定量を示す推定骨格筋量を算出する。プロセッサー１１０は、推定骨格筋量を示す指標として、例えば、推定骨格筋指標（ｅＳＭＩ（estimated skeletal muscle mass index））［ｋｇ／ｍ２］又は推定四肢骨格筋量（ｅＳＭＭ（estimated skeletal muscle mass））［ｋｇ］を用いる。ｅＳＭＩは、ＳＭＩ［ｋｇ／ｍ２］の推定値である。ｅＳＭＭは、推定四肢骨格筋量（ＳＭＭ（skeletal muscle mass））［ｋｇ］の推定値である。プロセッサー１１０は、ｅＳＭＩ及びｅＳＭＭの算出にｅＧＦＲに対するｅＧＦＲｃｙｓの比（以下「ｅＧＦＲ比」という。）を用いる。プロセッサー１１０は、ユーザーのｅＧＦＲ及びｅＧＦＲｃｙｓを用いて、下式（５）によりｅＧＦＲ比を求める。
　ｅＧＦＲ比＝ｅＧＦＲｃｙｓ／ｅＧＦＲ　　（５）
　プロセッサー１１０は、推定骨格筋量を求めるために推定骨格筋量とｅＧＦＲ比の関係式を、骨格筋量ＤＢ１４１を参照して作成する。骨格筋量ＤＢ１４１は、複数の被験者の骨格筋量の測定値及びｅＧＦＲ比を記憶している。骨格筋量ＤＢ１４１は、骨格筋量を示す指標として、例えば、ＳＭＩ又はＳＭＭを記憶する。骨格筋量は、例えばＢＩＡを用いて測定されたものを用いる。あるいは、骨格筋量は、他の方法によって測定された骨格筋量であっても良い。なお、骨格筋量ＤＢ１４１は、各被験者の骨格筋量について、被験者ＩＤと関連付けて記憶している。骨格筋量ＤＢ１４１は、被験者のプライバシーを確保するため、被験者について匿名かされていることが好ましい。骨格筋量ＤＢ１４１は、匿名化のために、例えば、被験者ＩＤと、個人を特定することができるデータは関連付けられていないことが好ましい。また、骨格筋量ＤＢ１４１は、骨格筋量のデータのうち、外れ値又は異常値のように著しく逸脱したようなデータは、骨格筋量ＤＢ１４１の管理者などによって除外されていても良い。除外されたデータは、関係式の作成に用いられない。
　図７は、複数の男性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフの一例である。曲線Ｌ１は、ＳＭＩとｅＧＦＲ比の関係式を示す曲線である。図７に示す曲線Ｌ１は、１次曲線（直線）である。しかしながら、曲線Ｌ１はどのような曲線であっても良い。プロセッサー１１０は、最小二乗法などによる曲線あてはめにより曲線Ｌ１を求める。プロセッサー１１０は、ロバスト推定などの、外れ値及び異常値の影響を少なくする方法により曲線Ｌ１を求めても良い。曲線Ｌ１は、ｅＧＦＲ比の関数ｆ１により、ＳＭＩ＝ｆ１（ｅＧＦＲ比）と表すことができる。したがって、関数ｆ１を用いることでＳＭＩを推定することができる。つまり、プロセッサー１１０は、一例として、男性のｅＳＭＩを下式（６）の関係式によって推定することができる。なお、（６）式は、曲線Ｌ１が１次曲線である場合の例である。
　ｅＳＭＩ（男性） = ｆ１（eGFR比） = ａ１ × eGFR比 + ｂ１　　（６）
　ここで、係数ａ１及び係数ｂ１は、曲線あてはめによって求める係数である。一例として、５０人の男性の被験者の測定値から係数ａ１及び係数ｂ１を求めると、ａ１＝３．４８１、ｂ１＝３．６５３であった。なお、この場合のＳＭＩとｅＧＦＲ比の相関係数の２乗Ｒ２は、Ｒ２= ０．４７６であった。
　図８は、複数の女性の被験者のＳＭＩとｅＧＦＲ比の値をプロットしたグラフの一例である。曲線Ｌ２は、ＳＭＩとｅＧＦＲ比の関係式を示す曲線である。図８に示す曲線Ｌ２は、１次曲線（直線）である。しかしながら、曲線Ｌ２はどのような曲線であっても良い。プロセッサー１１０は、女性の場合も男性と同様に曲線Ｌ２を求める。曲線Ｌ２は、ｅＧＦＲ比の関数ｆ２により、ＳＭＩ＝ｆ２（ｅＧＦＲ比）と表すことができる。プロセッサー１１０は、一例として、女性のｅＳＭＩを下式（７）の関係式によって推定することができる。なお、（７）式は、曲線Ｌ１が１次曲線である場合の例である。
　ｅＳＭＩ（女性） = ｆ２（eGFR比） = ａ２ × eGFR比 + ｂ２　　（７）
　ここで、係数ａ２及び係数ｂ２は、曲線あてはめによって求める係数である。一例として、５０人の女性の被験者の測定値から係数ａ２及び係数ｂ２を求めると、ａ２＝３．３２３、ｂ２＝２．５８５であった。なお、この場合のＳＭＩとｅＧＦＲ比の相関係数の２乗Ｒ２は、Ｒ２= ０．４４２であった。
　また、プロセッサー１１０は、ＳＭＩに代えてＳＭＭを用いる場合も同様に関係式を求めることができる。（８）式は、男性のｅＳＭＭを推定する関係式である。（９）式は、女性のｅＳＭＭを推定する関係式である。
　ｅＳＭＭ（男性） = ｆ３（eGFR比） = ａ３ × eGFR比 + ｂ３　　（８）
　ｅＳＭＭ（女性） = ｆ４（eGFR比） = ａ４ × eGFR比 + ｂ４　　（９）
　ここで、係数ａ３、係数ｂ３、係数ａ４及び係数ｂ４は、曲線あてはめによって求める係数である。一例として、５０人の男性及び５０人の女性の被験者のＳＭＭの測定値を用いて係数ａ３、係数ｂ３、係数ａ４及び係数ｂ４を求めると、ａ３＝１３．２４５、ｂ３＝６．３９２６、ａ４＝１２．６７３、ｂ４＝２．２０６３．であった。また、この場合の男性のＳＭＭとｅＧＦＲ比の相関係数の２乗Ｒ２は、Ｒ２=０．５３９９であった。そして、女性のＳＭＭとｅＧＦＲ比の相関係数の２乗Ｒ２は、Ｒ２=０．５７６８であった。
　それぞれの相関係数の２乗Ｒ２によれば、ｅＳＭＩよりもｅＳＭＭを用いた方が、相関係数の２乗Ｒ２の数値は大きい。したがって、ｅＳＭＩよりもｅＳＭＭを用いる方が推定骨格筋量を正確に推定することができると考えられる。
　なお、関数ｆ１～関数ｆ４は、ｅＧＦＲ比の関数である。ここで、ｅＧＦＲ比は、ｅＧＦＲｃｙｓ及びｅＧＦＲを含む。よって、関数ｆ１～関数ｆ４は、ｅＧＦＲｃｙｓ及びｅＧＦＲの関数である。したがって、関数ｆ１～関数ｆ４のそれぞれは、ｅＧＦＲｃｙｓ及びｅＧＦＲと骨格筋量との関係を示す第１の関数の一例である。
　なお、プロセッサー１１０は、各関係式を、例えば、新たな測定値が骨格筋量ＤＢ１４１に追加されたことに応じて求める。プロセッサー１１０は、各関係式を、例えば、所定の期間ごとに定期的に求める。プロセッサー１１０は、各関係式を求めることで、第１の関数を決定する決定部として機能する。
　プロセッサー１１０は、以上のような（６）式～（９）のような関係式を用いて、ユーザーのｅＧＦＲ比からユーザーの推定骨格筋量を求める。なお、プロセッサー１１０は、ユーザーが男性である場合には男性用の関係式を用いて推定骨格筋量を求める。プロセッサー１１０は、ユーザーが女性である場合には女性用の関係式を用いて推定骨格筋量を求める。
　ステップＳＴ５４においてプロセッサー１１０は、ステップＳＴ５３で求めた推定骨格筋量から、ユーザーの骨格筋量が低下しているか否かを判定する。プロセッサー１１０は、例えば、ユーザーが男性である場合、ｅＳＭＩが所定の閾値ＴＨ１未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ１は、一例として７．０［ｋｇ／ｍ２］である。プロセッサー１１０は、例えば、ユーザーが女性である場合、ｅＳＭＩが所定の閾値ＴＨ２未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ２は、一例として５．７［ｋｇ／ｍ２］である。プロセッサー１１０は、例えば、ユーザーが男性である場合、ｅＳＭＭが所定の閾値ＴＨ３未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ３は、一例として２０．２［ｋｇ］である。プロセッサー１１０は、例えば、ユーザーが女性である場合、ｅＳＭＭが所定の閾値ＴＨ４未満である場合に骨格筋量が低下していると判定する。閾値ＴＨ４は、一例として１２．８［ｋｇ］である。なお、閾値ＴＨ３及び閾値ＴＨ４は、第１の閾値の例である。
　ステップＳＴ５５においてプロセッサー１１０は、サルコペニアの判定を行うか否かを判定する。プロセッサー１１０は、受信された入力情報にユーザーの握力及び歩行速度、又は握力及び所定の距離を歩くのにかかる時間が含まれるならば、サルコペニアの判定を行うと判定する。プロセッサー１１０は、サルコペニアの判定を行うならば、ステップＳＴ５５においてＹｅｓと判定してステップＳＴ５６へと進む。
　ステップＳＴ５６においてプロセッサー１１０は、ステップＳＴ５３で求めたユーザーの推定骨格筋量と、ユーザーの握力と、ユーザーの歩行速度とを用いて、ユーザーがサルコペニアであるか否かの判定を行う。なお、プロセッサー１１０は、受信された入力情報にユーザーの歩行速度が含まれない場合、所定の距離を歩くのにかかる時間から歩行速度を求める。また、プロセッサー１１０は、ユーザーがサルコペニアであると判定した場合には、当該サルコペニアの重症度を判定する。
　プロセッサー１１０は、例えば、ステップＳＴ５４で骨格筋量が減少していると判定し、且つユーザーの握力が閾値ＴＨ５以下である場合にユーザーがサルコペニアであると判定する。閾値ＴＨ５は、一例として１８．０ｋｇである。なお、閾値ＴＨ５はユーザーの性別など、ユーザーの条件によって異なっていても良い。また、プロセッサー１１０は、ユーザーがサルコペニアであると判定し、且つユーザーの歩行速度が閾値ＴＨ６以下である場合、ユーザーが重度サルコペニアであると判定する。閾値ＴＨ６は、一例として、１．０［ｍ／秒］である。なお、閾値ＴＨ６はユーザーの性別など、ユーザーの条件によって異なっていても良い。なお、閾値ＴＨ５は、第２の閾値の一例である。閾値ＴＨ６は、第３の閾値の一例である。
　また、プロセッサー１１０は、フレイルの判定を行っても良い。プロセッサー１１０は、例えば、ステップＳＴ５３で求めたユーザーの推定骨格筋量と、当該ユーザーの過去の推定骨格筋量とを比較し、推定骨格筋量が所定以上に減少している場合に、ユーザーの体重、握力及び歩行速度などを用いてユーザーがフレイルであることを判定する。なお、プロセッサー１１０は、ユーザーＤＢ１４２を参照することで、受信された入力情報に含まれるユーザーＩＤに関連付けられている推定骨格筋量を過去の推定骨格筋量として取得する。
　プロセッサー１１０は、ステップＳＴ５６の処理の後、ステップＳＴ５７へと進む。また、プロセッサー１１０は、サルコペニアの判定を行うと判定しないならば、ステップＳＴ５５においてＮｏと判定してステップＳＴ５７へと進む。
　ステップＳＴ５７においてプロセッサー１１０は、受信された入力情報に含まれるユーザーＩＤと推定ＩＤとを関連付けてユーザーＤＢ１４２に記憶する。推定ＩＤは、推定骨格筋量の算出ごとにユニークに付与される識別情報である。プロセッサー１１０は、当該入力情報に含まれる各情報を当該推定ＩＤと関連付けてユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５０の処理を行った場合、当該推定ＩＤと関連付けて、ステップＳＴ５０で求めたｅＧＦＲをユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５２の処理を行った場合、当該推定ＩＤと関連付けて、ステップＳＴ５２で求めたｅＧＦＲｃｙｓを推定ＤＢ１４２に記憶する。また、プロセッサー１１０は、当該推定ＩＤと関連付けてステップＳＴ５３で求めたｅＧＦＲ比及び推定骨格筋量をユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、当該推定ＩＤと関連付けてステップＳＴ５４で求めた判定結果をユーザーＤＢ１４２に記憶する。また、プロセッサー１１０は、ステップＳＴ５６の処理を行った場合、当該推定ＩＤと関連付けてステップＳＴ５６で求めた判定結果をユーザーＤＢ１４２に記憶する。
　ステップＳＴ５８においてプロセッサー１１０は、計算結果情報を生成する。計算結果情報は、ステップＳＴ５３で求められた推定骨格筋量、ステップＳＴ５４の判定結果を含む。また、ステップＳＴ５６の処理が行われた場合、計算結果情報は、ステップＳＴ５６の判定結果を含む。プロセッサー１１０は、計算結果情報を生成した後、当該計算結果情報を端末装置２００に送信するように通信Ｉ／Ｆ１５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ１５０は、当該計算結果情報を端末装置２００に送信する。送信された当該計算結果情報は、端末装置２００の通信Ｉ／Ｆ２５０によって受信される。プロセッサー１１０は、ステップＳＴ５８の処理の後、ステップＳＴ４１へと戻る。
　一方、図３のステップＳＴ２８において端末装置２００のプロセッサー２１０は、通信Ｉ／Ｆ２５０によって計算結果情報が受信されるのを待ち受けている。プロセッサー２１０は、計算結果情報が受信されたならば、ステップＳＴ２８においてＹｅｓと判定してステップＳＴ２９へと進む。
　ステップＳＴ２９においてプロセッサー２１０は、図９に示すような結果画面ＳＣ２に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、結果画面ＳＣ２を表示する。
　図９は、結果画面ＳＣ２の一例を示す図である。結果画面ＳＣ２は、受信された計算結果情報に含まれる各種情報を端末装置２００の操作者などに報知するための画面である。結果画面ＳＣ２は、一例として、領域ＡＲ１０１、領域ＡＲ１０２及び領域ＡＲ２１～領域ＡＲ２３を含む。
　領域ＡＲ２１は、例えば、図５のステップＳＴ５３で求められた推定骨格筋量及びステップＳＴ５４の判定結果などを含む。
　領域ＡＲ２２は、握力を用いたサルコペニアの判定結果を示す画像を含む。領域ＡＲ２２は、例えば、閾値ＴＨ５及びユーザーの握力を表示する。
　領域ＡＲ２３は、歩行速度を用いたサルコペニアの判定結果を示す画像を含む。領域ＡＲ２３は、例えば、閾値ＴＨ６及びユーザーの歩行速度を表示する。
　領域ＡＲ２４は、サルコペニアの判定結果を示す画像などを含む。
　また、領域ＡＲ２２～領域ＡＲ２４は、フレイルの判定結果を示す画像を含んでも良い。
　なお、プロセッサー２１０は、結果画面ＳＣ２と同様の内容の画像を、プリンターなどを制御して印刷することにより報知しても良い。また、プロセッサー２１０は、結果画面ＳＣ２と同様の内容の音声をスピーカーなどから出力することで報知しても良い。また、プロセッサー２１０は、その他の方法により報知しても良い。
　ステップＳＴ３０においてプロセッサー２１０は、低栄養の判定を行わずに終了するか否かを判定する。例えば、プロセッサー２１０は、低栄養の判定を行わずに終了するように指示する操作が行われたならば、低栄養の判定を行わずに終了すると判定する。プロセッサー２１０は、低栄養の判定を行わずに終了すると判定しないならば、ステップＳＴ３０においてＮｏと判定してステップＳＴ３１へと進む。
　ステップＳＴ３１においてプロセッサー２１０は、低栄養の判定を行うか否かを判定する。例えば、プロセッサー２１０は、低栄養の判定を行うように指示する操作が行われたならば、低栄養の判定を行うと判定する。プロセッサー２１０は、低栄養の判定を行うと判定しないならば、ステップＳＴ３１においてＮｏと判定してステップＳＴ３０へと戻る。かくして、プロセッサー２１０は、低栄養の判定を行わずに終了すると判定するか、低栄養の判定を行うと判定するまでステップＳＴ３０及びステップＳＴ３１を繰り返す待受状態となる。
　プロセッサー２１０は、ステップＳＴ３０及びステップＳＴ３１の待受状態にあるときに低栄養の判定を行わずに終了すると判定するならば、ステップＳＴ３０においてＹｅｓと判定して図２のステップＳＴ１１へと戻る。
　プロセッサー２１０は、図３のステップＳＴ３０及びステップＳＴ３１の待受状態にあるときに低栄養の判定を行うと判定するならば、ステップＳＴ３１においてＹｅｓと判定してステップＳＴ３２へと進む。
　ステップＳＴ３２においてプロセッサー２１０は、図１０に示すような判定入力画面ＳＣ３に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、判定入力画面ＳＣ３を表示する。
　図１０は、判定入力画面ＳＣ３の一例を示す図である。判定入力画面ＳＣ３は、例えば、領域ＡＲ１０１、領域ＡＲ１０２、領域ＡＲ３１～領域ＡＲ３３及び入力終了ボタンＢ３１を含む。
　領域ＡＲ３１は、ユーザーの身長及び体重を入力するための入力欄である。なお、領域ＡＲ３１は、ユーザーのＢＭＩ（body mass index）を入力するための入力欄であっても良い。
　領域ＡＲ３２は、ユーザーの推定骨格筋量を表示する。領域ＡＲ３２は、例えば、ステップＳＴ２８で受信された計算結果情報に含まれる推定骨格筋量が入力される。なお、領域ＡＲ３２は、任意に推定骨格筋量を入力することができても良い。
　領域ＡＲ３３は、ユーザーの体調などを入力するための入力欄である。領域ＡＲ３３１～領域ＡＲ３３３を含む。
　領域ＡＲ３３１は、体重減少に関する入力欄である。領域ＡＲ３３１は、例えば、「６か月以内に５％以上の体重減少」「６か月以上で１０％以上の体重減少」のうちあてはまるものを選択入力する入力欄である。
　領域ＡＲ３３２は、食事摂取に関する入力欄である。領域ＡＲ３３２は、「１週間以上、食事が半分ほどしか食べられない」「食事摂取量の低下が２週間以上続く」「下痢、嘔吐など、消化吸収の異常、慢性的な消化器症状がある」のうちあてはまるものを選択入力する入力欄である。なお、食事が半分ほどしか食べられないとは、エネルギー摂取量が必要量の50％以下であることを示す。
　領域ＡＲ３３３は、疾患に関する入力欄である。領域ＡＲ３３３は、「大きな病気や怪我をした」「慢性的な病気がある」のうち、あてはまるものを選択入力する入力欄である。また、領域ＡＲ３３３は、「消化吸収障害」「慢性的な消化器症状」「急性疾患／外傷」「慢性疾患」などを選択入力することができても良い。
　入力終了ボタンＢ３１は、判定入力画面ＳＣ３の各入力欄への入力を終了した場合に操作するためのボタンである。入力終了ボタンＢ３１は、低栄養の判定を行うように端末装置２００に指示するためのボタンである。
　端末装置２００の操作者は各入力欄に情報を入力した後、入力終了ボタンＢ３１を操作する。
　ステップＳＴ３３においてプロセッサー２１０は、判定入力画面ＳＣ３への入力を終了する操作が行われるのを待ち受ける。すなわちプロセッサー２１０は、入力終了ボタンＢ３１を操作するなどの予め定められた操作が行われるのを待ち受ける。プロセッサー２１０は、判定入力画面ＳＣ３への入力を終了する操作が行われたならば、ステップＳＴ３３においてＹｅｓと判定してステップＳＴ３４へと進む。
　ステップＳＴ３４においてプロセッサー２１０は、低栄養の判定を行う。サルコペニア及びフレイルの原因のひとつに低栄養が知られている。高齢者では、およそ20～40％が低栄養であるという報告がある。しかし、高齢者本人や家族が、低栄養に気付いていないことも少なくない。低栄養に気付かないうちに、サルコペニアが進行し、やがて、骨折や疾患を発症する事例が多い。こうした問題を改善するため、簡便に栄養状態をアセスメントできるアプリケーションなども公開されているが、特異度が低く、普及していないのが現状である。低栄養を正確に診断するのは比較的困難である。プロセッサー２１０は、例えば、2018年、国際的な低栄養の診断基準として制定されたＧＬＩＭ（Global Leadership Initiative on Malnutrition）クライテリア（非特許文献５）を用いて低栄養の判定を行う。この判定を行う場合、骨格筋の減少の有無を判定することが必要となる。
　プロセッサー２１０は、領域ＡＲ３１に入力された身長及び体重からユーザーのＢＭＩを求める。プロセッサー２１０は、ＢＭＩを、例えば、下式（１０）により算出する。ただし、プロセッサー２１０は、領域ＡＲ３１にＢＭＩが入力されている場合にはＢＭＩを求めるには及ばない。
　ＢＭＩ＝体重[kg]１/身長[cm]/身長[cm] × 10000　　（１０）
　プロセッサー２１０は、例えば、「体重減少」「低ＢＭＩ」「骨格筋減少」のうち１項目以上、「食事摂取」、「疾患」のうち１項目以上に該当した場合、低栄養と判定する。
　プロセッサー２１０は、領域ＡＲ３３１の項目のいずれかが選択されている場合に「体重減少」に該当すると判定する。
　プロセッサー２１０は、ＢＭＩが、例えば、70歳未満は18.5ｋｇ／ｍ２未満で、70歳以上は20.0ｋｇ／ｍ２未満で「低ＢＭＩ」に該当すると判定する。
　プロセッサー２１０は、例えば、領域ＡＲ３２に入力された推定骨格筋量を用いて骨格筋減少の判定を行う。プロセッサー２１０は、例えば、ステップＳＴ５４と同様の判定方法により骨格筋量が低下していると判定した場合に「骨格筋減少」に該当すると判定する。
　プロセッサー２１０は、領域ＡＲ３３２の項目のいずれかが選択されている場合に「食事摂取」に該当すると判定する。
　プロセッサー２１０は、領域ＡＲ３３３の項目のいずれかが選択されている場合に「疾患」に該当すると判定する。
　ステップＳＴ３５においてプロセッサー２１０は、図１１に示すような低栄養結果画面ＳＣ４に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、低栄養結果画面ＳＣ４を表示する。
　図１１は、低栄養結果画面ＳＣ４の一例を示す図である。低栄養結果画面ＳＣ４は、例えば、ユーザーが低栄養であるか否かを報知するための画面である。低栄養結果画面ＳＣ４は、一例として領域ＡＲ１０１、領域ＡＲ１０２、及び領域ＡＲ４１～領域ＡＲ４３を含む。
　領域ＡＲ４１は、「体重減少」「低ＢＭＩ」及び「骨格筋減少」のそれぞれについて該当するか否かを表示する。また、領域ＡＲ４１は、ユーザーのＢＭＩの値及び骨格筋減少量も表示する。
　領域ＡＲ４２は、「食事摂取」及び「疾患」のそれぞれにてういて該当するか否かを表示する。
　領域ＡＲ４３は、低栄養であるか否かを示す画像を含む。また、領域ＡＲ４３は、ユーザーへのコメントなどを示す画像を含んでも良い。
　ステップＳＴ３６においてプロセッサー２１０は、低栄養結果画面ＳＣ４の表示を終了すると判定するのを待ち受ける。プロセッサー２１０は、低栄養結果画面ＳＣ４の表示を終了すると判定したならば、ステップＳＴ３６においてＹｅｓと判定して図２のステップＳＴ１１へと戻る。
　端末装置２００の操作者は、ユーザーの骨格筋量の測定値を入力することで、骨格筋量ＤＢ１４１にデータを追加することができる。この場合、端末装置２００の操作者は、例えば、図６の測定値入力ボタンＢ１２を操作する。
　プロセッサー２１０は、ステップＳＴ２５及びステップＳＴ２６の待受状態にあるときに骨格筋量の測定値を入力するための処理を開始する操作が行われたならば、ステップＳＴ２５においてＹｅｓと判定してステップＳＴ３７へと進む。
　ステップＳＴ３７においてプロセッサー２１０は、測定値入力画面に対応した画像を生成する。そして、プロセッサー２１０は、生成したこの画像を表示するように表示デバイス２７０に対して指示する。表示の指示を受けて表示デバイス２７０は、測定値入力画面を表示する。
　測定値入力画面は、ユーザーの骨格筋量の測定値を入力するための画面である。当該測定値は、例えばＢＩＡによって測定された値である。
　測定値入力画面は、ユーザーの骨格筋量の測定値及び測定日並びにユーザーの体調に関する情報を入力するための入力欄などを含む。
　ステップＳＴ３８においてプロセッサー２１０は、測定値入力画面への入力が終了するのを待ち受ける。プロセッサー２１０は、測定値入力画面への入力が終了したならば、ステップＳＴ３８においてＹｅｓと判定してステップＳＴ３９へと進む。
　ステップＳＴ３９においてプロセッサー２１０は、測定値情報を生成する。測定値情報は、ユーザーのユーザーＩＤ、測定値入力画面において入力された測定値、測定日及び体調に関する情報を含む。測定値情報は、骨格筋量ＤＢ１４１に、当該測定値情報に基づくデータを新規に追加するように要求する情報である。プロセッサー２１０は、測定値情報を生成した後、当該測定値情報をサーバー装置１００に送信するように通信Ｉ／Ｆ２５０に対して指示する。この送信の指示を受けて通信Ｉ／Ｆ２５０は、当該測定値情報をサーバー装置１００に送信する。送信された当該測定値情報は、サーバー装置１００の通信Ｉ／Ｆ１５０によって受信される。プロセッサー２１０は、ステップＳＴ３９の処理の後、ステップＳＴ１１へと戻る。
　一方、サーバー装置１００のプロセッサー１１０は、図４のステップＳＴ４１～ステップＳＴ４４の待受状態にあるときに測定値情報が受信されたならば、ステップＳＴ４３においてＹｅｓと判定してステップＳＴ５９へと進む。
　ステップＳＴ５９においてプロセッサー１１０は、骨格筋量ＤＢ１４１に当該測定値情報に基づくデータを登録するか否かを判定する。プロセッサー１１０は、ユーザーＤＢ１４２を参照して、当該測定値情報に含まれるユーザーＩＤに関連付けられた各推定ＩＤのうち、関連付けられた入力情報に含まれる測定日が、当該測定値情報に含まれる測定日と最も近いものを特定する。ここで特定された推定ＩＤを以下「特定推定ＩＤ」という。プロセッサー１１０は、特定推定ＩＤに関連付けられた測定日と、測定値情報に含まれる測定日とが所定の期間以上である場合、骨格筋量ＤＢ１４１にデータを登録しないと判定する。所定の期間は、一例として２週間である。また、プロセッサー１１０は、測定値情報に含まれるユーザーの体調に関する情報が、所定の状態にあてはまる場合、骨格筋量ＤＢ１４１にデータを登録しないと判定する。所定の状態とは、例えば、ユーザーが所定以上に体重の変動があった、又はユーザーが疾患に罹患したなどの状態である。プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録しないと判定しないならば、骨格筋量ＤＢ１４１にデータを登録すると判定する。プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録しないと判定するならば、ステップＳＴ５９においてＮｏと判定してステップＳＴ４１へと戻る。対して、プロセッサー１１０は、骨格筋量ＤＢ１４１にデータを登録すると判定するならば、ステップＳＴ５９においてＹｅｓと判定してステップＳＴ６０へと進む。
　ステップＳＴ６０においてプロセッサー１１０は、受信された測定値情報に基づくデータを骨格筋量ＤＢ１４１に登録する。すなわち、プロセッサー１１０は、被験者ＩＤを新規に生成する。そして、プロセッサー１１０は、当該被験者ＩＤに関連付けて、ユーザーＩＤに関連付けられた入力情報に含まれる性別、測定値情報に含まれる骨格筋量、及び特定推定ＩＤに関連付けられたｅＧＦＲ比を骨格筋量ＤＢ１４１に記憶する。プロセッサー１１０は、ステップＳＴ６０の処理の後、ステップＳＴ４１へと戻る。
　なお、ステップＳＴ６０の処理によって登録されたデータでも、骨格筋量ＤＢ１４１の管理者は、端末などを操作することにより、登録すべきでないと判断したデータを骨格筋量ＤＢ１４１から除外することができても良い。
　実施形態の診断システム１は、比較的一般的な血液データの組合せの中から、従来よりも簡便で、迅速で、安価に骨格筋量を算出することができる。また、実施形態の診断システム１は、特殊な検査を行うことなく、推定骨格筋量を算出することができる。
　また、実施形態の診断システム１は、算出した骨格筋量を用いることにより、サルコペニア、重症サルコペニア、低栄養の判定を行うことができる。これにより、骨折又は疾患発症のリスクがある高齢者に対して、早期から適切な支援を行うことができ、医療及び介護に関するコスト及びマンパワーを削減することができると考えられる。また、高齢者の疾患防止、健康増進を図ることができると考えられる。
　本発明の実施形態は、ともに腎機能の指標として使用されるeGFRとeGFRcysの結果の差異を利用している。eGFRは、骨格筋で産生されるクレアチニンを指標として用いる。クレアチニンは腎の糸球体から濾過された後、尿細管で再吸収されないため、腎の糸球体濾過量を推定するために使用されている。しかし、骨格筋量が減少した高齢者などでは、クレアチニンの産生量が減少し、腎機能が過大評価されることが示唆されていた。これを改善するために使用されるようになったのがeGFRcysである。eGFRcysは、シスタチンＣを指標とする。シスタチンＣは、体内の細胞から算出されるプロテアーゼ阻害物質の一種で、腎の糸球体から濾過された後、近位尿細管で再吸収されるが、尿細管上皮内で分解され、血液中に還流することはないと考えられている。50人の被検者(男性20人、女性30人，平均年齢76.4±13.9歳)でその差異について調べたところ、多くの事例で、eGFRcysがeGFRを下回ることが観察された（図１２及び図１３）。
　図１２は、男性のeGFRとeGFRcysの結果の差異を示すグラフの一例である。図１３は、女性のeGFRとeGFRcysの結果の差異を示すグラフの一例である。
上記の50人の被検者による検討では、男性ではeGFRとeGFRcysの結果が一致する事例が多かった一方、女性、とくに、骨格筋の減少の目立つ高齢者で、eGFRcysがeGFRを下回っていた。
　この結果から、eGFRcysに対してeGFRが低値となるおもな原因は、骨格筋の減少であり、eGFRcysとeGFRの比率から、骨格筋の減少を推定することが可能ではないかと考えられた。上記の50人の被検者の骨格筋指数（ＳＭＩ）、四肢骨格筋量（ＳＭＭ）をＢＩＡで測定し、eGFRcys/eGFR比と比較した結果、上記の男女別の計算式が得られた。
　計算式から得られた推定骨格筋量（ｅＳＭＩ）において、受信者動作特性曲線(ＲＯＣ曲線；Receiver Operating Characteristic Curve)から、骨格筋量低下の男女別の最適カットオフ値を算定し、診断能の評価を行った。縦軸を感度、横軸を特異度とし、カットオフ値ごとにプロットした図が図１４及び図１５である。
　図１４は、男性のＲＯＣ曲線の一例を示すグラフである。図１５は、女性のＲＯＣ曲線の一例を示すグラフである。
　曲線が左上隅に近づき、曲線下の面積（ＡＵＣ；area under the curve）が大きいほど、正確な診断を行うことができると判定される。曲線がもっとも左上隅に近づいたカットオフ値が、最適カットオフ値となる。男性では、最適カットオフ値は0.900で、このときの特異度は0.833、感度は0.857だった。ＡＵＣは、0.857（95%信頼区間 0.682 - 1）で、中等度以上の精度が得られた。女性では、最適カットオフ値は0.869で、このときの特異度は0.857、感度は0.870だった。ＡＵＣは、0.870（95%信頼区間 0.722 - 1）で、やはり中等度以上の精度が得られた。
　しかしながら、クレアチニン、シスタチンＣの代謝については、いまだ詳細に解明されていないことも多い。とくに、シスタチンＣが近位尿細管で再吸収された後の挙動に関しては、今後明らかにされるべき内容もあると考えられる。したがって、より精度の高い骨格筋量の算出を行うためには、データの蓄積と、計算式の係数などの更新が必要となると考えられる。
　今回の発明では、eGFRとeGFRcysという、腎機能を評価する指標を用いている。これらの指標は、体表面積あたりの値で、被検者の身長や肥満の有無などの体格の差に影響されない点も、特徴である。
　「低栄養の可能性がある」と判定された高齢者が、早期に医師、看護師、管理栄養士に相談することで、低栄養を改善するためのアドバイスを得られる可能性がある。また、高齢者やその家族などが、自ら、タンパク質、アミノ酸やエネルギーなどを配合された経口補助食品を利用することで、低栄養を改善することができる可能性がある。低栄養を改善することで、高齢者の生活の質（ＱＯＬ）が改善し、医療、介護の費用も削減できる可能性がある。
　事例：骨格筋量の算定により、重度サルコペニア、低栄養と判定された例
　患者は、80歳女性、身長145cm、体重46.8kg、ＢＭＩ22.3 ｋｇ／ｍ２、歩行速度1.0ｍ/秒未満、握力3.5kg。骨格筋量の測定ができない状態での判定は、ＥＷＧＳＯＰ２では、握力低下のため、「サルコペニアの可能性」で、それ以降の判定が困難。ＡＷＧＳ２０１９では、歩行速度低下、握力低下の２項目で、「サルコペニア」だが、今回の計算式により、ｅＳＭＩが4.5 ｋｇ／ｍ２と算出されたことを追加することで、ＥＷＧＳＯＰ２、ＡＷＧＳ２０１９とも、「重度サルコペニア」のサルコペニアと判定され、より重点的なケアが必要と考えられた。この事例で、実際にＢＩＡ法で骨格筋指数を測定したところ、4.5 ｋｇ／ｍ２と、計算式で算出した値と一致した。ＧＬＩＭによる低栄養の判定のため、「６か月以内に５％以上の体重減少」「６か月以上で10％以上の体重減少」「１週間以上、食事が半分ほどしか食べられない」「食事摂取量の低下が２週間以上続く」「下痢、嘔吐など、消化吸収の異常、慢性的な消化器症状がある」「大きな病気や怪我をした」「慢性的な病気がある」のうち、あてはまるものはあるか質問すると、「慢性的な病気がある」のみとの回答が得られた。骨格筋量の測定ができない状態での判定は「低栄養なし」だったが、今回の計算式により、ｅＳＭＩが4.5 ｋｇ／ｍ２と算出されたことを追加することで、「低栄養」と判定され、栄養状態改善のためのケア、指導が必要であることが判明した。
　50例の試験運用において、骨格筋量が測定できない条件では、ＥＷＧＳＯＰ２、ＡＷＧＳ２０１９の両アルゴリズムで、11例が「サルコペニアなし」、39例が筋力低下から「サルコペニアの可能性」と判定された。今回の計算式により、ｅＳＭＩを算出し、再度判定を行ったところ、ＥＷＧＳＯＰ２では、「サルコペニアの可能性」と判定された39例のうち、8例は骨格筋量の低下がなく「サルコペニアの可能性」、31例は、骨格筋量低下と歩行速度の低下を認め、「重度サルコペニア」と判定された（図１６）。図１６は、骨格筋量のデータが無い場合のサルコペニアの判定結果の分布の一例を示すグラフである。
　ＡＷＧＳ２０１９のアルゴリズムでは、「サルコペニアの可能性」と判定されていた39例のうち、8例が骨格筋量の低下がなく、サルコペニア以外の原因で筋力が低下していることが判明した。その反面、握力の低下がみられず、「サルコペニアなし」と判定された11例のうち、7例で骨格筋の減少が認められ、歩行速度も低下していたことから、「サルコペニア」と判定された。31例は、骨格筋量低下と歩行速度の低下、筋力の低下の３項目に該当し、「重度サルコペニア」と判定された（図１７）。図１７は、骨格筋量算出後のサルコペニアの判定結果の分布の一例を示すグラフである。
　ＥＷＧＳＯＰ２のアルゴリズムでは、31例で重度サルコペニアの判定が可能となり、ＡＷＧＳ２０１９のアルゴリズムでは、見逃されていた7例を新たにサルコペニアと判定することができ、サルコペニア以外の原因で筋力低下が認められた8例を区別することが可能となり、31例で重度サルコペニアの判定が可能となった。
50例の試験運用において、今回の計算式により算出されたｅＳＭＩを用いたＡＷＧＳ２０１９のサルコペニア判定が、ＢＩＡの測定値にもとづいた判定の代替となりうるかについて検討するため、正確度の評価をおこなった。サルコペニアの判定では、感度0.917（95％信頼区間0.775-0.982）、特異度0.643（95％信頼区間0.351-0.872）、診断精度0.840（95％信頼区間0.709-0.928）（表１、表２）、重度サルコペニアの判定では、感度0.903（95％信頼区間0.742-0.980）、特異度0.842（95％信頼区間0.604-0.966）、診断精度0.880（95％信頼区間0.757-0.955）（表３、表４）だった。とくに、重度サルコペニアの判定では、高い感度、特異度、精度が得られた。
Figure JPOXMLDOC01-appb-T000001
Figure JPOXMLDOC01-appb-T000002
Figure JPOXMLDOC01-appb-T000003
Figure JPOXMLDOC01-appb-T000004
　50例の試験運用において、ＧＬＩＭによる低栄養の判定を行ったところ、骨格筋量が測定できない条件では、低栄養と判定されたのは23例（46％）だったが、今回の計算式により算出されたｅＳＭＩを用いて、骨格筋量低下の判定を行うことにより35例（70％）が低栄養と判定された。ＢＩＡの測定値にもとづいた判定でも、34例（68％）が低栄養と判定され、骨格筋量の判定を行わないことにより、多くの高齢者の低栄養が見落とされる可能性が示唆された（図１８）。図１８は、低栄養と判定された人数とその割合を示すグラフの一例である。図１８は、グラフＧ１～グラフＧ３を示している。グラフＧ１は、骨格筋量の判定を行わない場合のグラフである。グラフＧ２は、計算式から骨格筋量を判定した場合のグラフである。グラフＧ３は、ＢＩＡで骨格筋量を判定した場合のグラフである。グラフＧ１～グラフＧ３のそれぞれは、低栄養と判定された人数とその割合、及び低栄養と判定されなかった人数とその割合を示している。
　今回の計算式により算出されたｅＳＭＩを用いたＧＬＩＭによる低栄養の判定が、ＢＩＡの測定値にもとづいた判定の代替となりうるかについて検討するため、正確度の評価をおこなった。感度0.971（95％信頼区間0.847-0.999）、特異度0.875（95％信頼区間0.617-0.984）、診断精度0.940（95％信頼区間0.835-0.987）で、高い感度、特異度、精度が得られた（表５、表６）。重度低栄養の判定においても、感度0.857（95％信頼区間0.637-0.970）、特異度0.931（95％信頼区間0.772-0.992）、診断精度0.900（95％信頼区間0.782-0.967）と、感度は若干低下するものの、高い特異度、精度が得られた（表７、表８）。
Figure JPOXMLDOC01-appb-T000005
Figure JPOXMLDOC01-appb-T000006
Figure JPOXMLDOC01-appb-T000007
Figure JPOXMLDOC01-appb-T000008
これまで普及していなかったサルコペニアの判定を簡便に行うことで、特定の集団や地域におけるサルコペニアの罹患率を推定することができ、適切な対策を立案することにつながる。
　現在40歳以上の国民に対して行われている特定健診では、クレアチニン、eGFRの測定が行われている。これに、地域自治体などの補助金などにより、シスタチンＣの測定を追加することで、地域におけるサルコペニアの罹患率を把握することができ、地域自治体におけるサルコペニア、フレイル防止政策の根拠となるデータを収集することができる。
　人間ドックなどの健康診断を行う事業者が本発明を利用することにより、骨格筋量の判定という新たなサービスを提供することができ、健康増進などを支援することができる。過去のデータも参照できるため、経時的な変化についても情報を提供することができる。前回測定よりも骨格筋の減少が進行していることと考えられた場合は、本人に対して注意を喚起し、健康管理に役立ててもらうことができる。
　クレアチニン、シスタチンＣとも、保険診療で用いることが認められている検査項目であるため、臨床検査を行う事業者がこれらの測定値から、本発明を使用し、参考値として骨格筋量（ｅＳＭＩ）のデータを提供することにより、病院、診療所の医師、看護師、管理栄養士、検査技士などが、患者指導の参考資料の一部として利用することができる。
　とくに、僻地や離島など、医療過疎の地域では、骨格筋量を測定するＢＩＡなどの機器の普及も遅れており、測定に必要なマンパワーも限られており、高齢者の受診率も高くない。このような状況でも、血液検査の際に、本発明を利用することで、早期にサルコペニア、低栄養のリスクを把握することができ、医療過疎地における医療、介護の質の向上と、負担削減につながる可能性がある。
　サルコペニアの改善には、適切な運動が必要である。骨格筋が減少し、サルコペニアの可能性を指摘された高齢者などが、運動の必要性を実感し、高齢者に対して運動指導を行う施設などに通所することにつながる可能性がある。
　サルコペニアの改善には、低栄養の防止が必要である。高齢者のサルコペニアを防止するためのタンパク質、アミノ酸やエネルギーなどを配合された経口補助食品を製造、販売する事業者が、医師や健康診断を行う事業者などと協力した上で本発明を利用することにより、サルコペニア、かつ、低栄養と判定された高齢者に適した食品などを提供する参考となるデータの一部を提供することができる。また、経口補助食品がサルコペニアを改善するかなどの調査を行う際に、その根拠となるデータの一部を提供することができる。
　上記の実施形態は、以下のような変形も可能である。
　診断システム１は、骨格筋量としてＳＭＩ及びＳＭＭ以外を用いても良い。
　診断システム１は、推定骨格筋量としてｅＳＭＩ及びｅＳＭＭ以外を用いても良い。
　診断システム１は、ＢＭＩに代えて、その他の肥満度を示す指標を用いても良い。
　上記の実施形態では、診断システム１は、低栄養の診断を骨格筋量の推定の後に行う。しかしながら、診断システム１は、低栄養の診断を骨格筋量の推定とは独立して行うことができても良い。
　診断システム１は、診断システム１を使用するためのサービスなどを契約した者などの、許可されたものだけが使用できるものであっても良い。この場合、診断システム１は、各種の認証処理などによって、端末装置２００の操作者が許可されたものであるか否かの判定を行う。そして、診断システム１は、例えば、許可されたものであると判定した場合に、図２～図５に示す処理を開始する。
　診断システム１は、ユーザーについての、過去にステップＳＴ５７で記憶された各種情報を見ることができても良い。ユーザーＩＤと関連付けて過去のデータは、ユーザーＤＢ１４２に記憶されている。したがって、サーバー装置１００は、端末装置２００の要求に応じて過去のデータを端末装置２００に送信することができる。端末装置２００は受信した過去のデータを表示デバイス２７０に表示するなどして報知する。
　サーバー装置１００のプロセッサー１１０は、ユーザーの身体の状態が特定の状態である場合に、推定骨格筋量の値を所定の関数などを用いて補正しても良い。例えば、プロセッサー１１０は、ユーザーが浮腫を有する場合、又はユーザーが肥満状態である場合に補正を行う。
　なお、ユーザーの身体の状態によって補正を行う場合、例えば、入力画面ＳＣ１は、ユーザーの身体の状態を入力するための入力欄を含む。そして、入力情報は、入力されたユーザーの身体の状態を含む。
　上記の実施形態では、サーバー装置１００のプロセッサー１１０は、曲線あてはめにより骨格筋量とｅＧＦＲ比との関係を示す関数を求めた。しかしながら、プロセッサー１１０は、ＡＩ（artificial intelligence）を用いるなどのその他の方法により関数を求めても良い。例えば、プロセッサー１１０は、機械学習の結果を用いて骨格筋量とｅＧＦＲ比との関係を示す関数を求めても良い。この際、プロセッサー１１０は、性別、骨格筋量、及びｅＧＦＲ比以外の変数も用いて機械学習を行っても良い。当該変数は、例えば、ユーザーの肥満度、ＢＭＩ又は年齢などである。
　診断システム１は、ｅＧＦＲ比に代えて、Ｃｙｓに対するＣｒｅの比（以下「Ｃｒｅ／Ｃｙｓ比」という。）を用いても良い。プロセッサー１１０は、例えば、ユーザーのＣｒｅ及びＣｙｓを用いて、下式（５）によりＣｒｅ／Ｃｙｓ比を求める。
　Ｃｒｅ／Ｃｙｓ比＝Ｃｒｅ／Ｃｙｓ　　（１１）
　プロセッサー１１０は、Ｃｒｅ／Ｃｙｓ比を用いる場合、関数ｆ１～関数ｆ４に代えて関数ｆ５～関数ｆ８を用いる。プロセッサー１１０は、Ｃｒｅ／Ｃｙｓ比を用いる場合、（６）式～（９）式に代えて（１２）式～（１５）式を用いる。
　ｅＳＭＩ（男性） = ｆ５（Cre/Cys比） = ａ５ × Cre/Cys比 + ｂ５　　（１２）
　ｅＳＭＩ（女性） = ｆ６（Cre/Cys比） = ａ６ × Cre/Cys比 + ｂ６　　（１３）
　ｅＳＭＭ（男性） = ｆ７（Cre/Cys比） = ａ７ × Cre/Cys比 + ｂ７　　（１４）
　ｅＳＭＭ（女性） = ｆ８（Cre/Cys比） = ａ８ × Cre/Cys比 + ｂ８　　（１５）
　ここで、関数ｆ５～関数ｆ８は、Cre/Cys比の関数である。また、係数ａ５～係数ａ８、係数ｂ５～係数ｂ８は、曲線あてはめによって求める係数である。一例として、各係数は、ａ５＝4.5790、ｂ５＝3.1249、ａ６＝5.3288、ｂ６＝2.2426、ａ７＝8.228、ｂ７＝4.2941、ａ８＝20.178、ｂ８＝0.9827であった。また、（１２）式について、男性のＳＭＩとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ２は、0.4235であった。（１３）式について、女性のＳＭＩとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ２は、0.4497であった。（１４）式について、男性のＳＭＭとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ２は、0.4874であった。（１５）式について、女性のＳＭＭとＣｒｅ／Ｃｙｓ比の相関係数の２乗Ｒ２は、0.5771であった。
　Ｃｒｅ／Ｃｙｓ比を用いる場合、推定骨格筋量を簡易的に算出することができるというメリットがある。なお、関数ｆ５～関数ｆ８のそれぞれは、クレアチニン濃度及びシスタチンＣ濃度と骨格筋量との関係を示す第２の関数の一例である。
　上記の実施形態でサーバー装置１００が行う処理の一部又は全部を端末装置２００が行っても良い。
　上記の実施形態で端末装置２００が行う処理の一部又は全部サーバー装置１００が行っても良い。
　上記の実施形態では、診断システム１は、サーバー装置１００及び端末装置２００を含む。しかしながら、実施形態の診断システムは、１つの装置で動作するものであっても良い。
　プロセッサー１１０又はプロセッサー２１０は、上記実施形態においてプログラムによって実現する処理の一部又は全部を、回路のハードウェア構成によって実現するものであっても良い。
　実施形態の処理を実現するプログラムは、例えば装置に記憶された状態で譲渡される。しかしながら、当該装置は、当該プログラムが記憶されない状態で譲渡されても良い。そして、当該プログラムが別途に譲渡され、当該装置へと書き込まれても良い。このときのプログラムの譲渡は、例えば、リムーバブルな記憶媒体に記録して、あるいはインターネット又はＬＡＮなどのネットワークを介したダウンロードによって実現できる。
　以上、本発明の実施形態を説明したが、例として示したものであり、本発明の範囲を限定するものではない。本発明の実施形態は、本発明の要旨を逸脱しない範囲において種々の態様で実施可能である。
　１　診断システム
　１００　サーバー装置
　１１０，２１０　プロセッサー
　１２０，２２０　ＲＯＭ
　１３０，２３０　ＲＡＭ
　１４０，２４０　補助記憶装置
　１４１　骨格筋量ＤＢ
　１４２　ユーザーＤＢ
　１５０，２５０　通信Ｉ／Ｆ
　１６０，２８０　バス
　２００　端末装置
　２６０　入力デバイス
　２７０　表示デバイス

Claims (10)

  1. 　第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する処理部を備える、骨格筋量推定システム。
  2. 　前記処理部は、前記第１の対象がサルコペニアであると判定し、前記第１の対象の歩行速度が第３の閾値以下である場合、前記第１の対象が重度のサルコペニアであると判定する、請求項１に記載の骨格筋量推定システム。
  3. 　第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部を備える骨格筋量推定システム。
  4. 　第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値を用いて前記第１の対象が低栄養であるか否かを判定する処理部を備える骨格筋量推定システム。
  5. 　前記処理部は、第２の対象のｅＧＦＲｃｙｓ及びｅＧＦＲと、前記第２の対象のＳＭＩ又はＳＭＭの測定値とを関連付けて記憶部に記憶し、前記記憶部に記憶された前記ｅＧＦＲｃｙｓ、前記ｅＧＦＲ及び前記測定値を用いて前記第１の関数を決定する、請求項１乃至請求項４のいずれか１項に記載の骨格筋量推定システム。
  6. 　前記処理部は、前記第２の対象の前記ｅＧＦＲｃｙｓ及び前記ｅＧＦＲの測定日から前記測定値の測定日までの期間が所定の期間未満である場合、前記第２の対象の前記ｅＧＦＲｃｙｓ及び前記ｅＧＦＲと前記測定値とを関連付けて前記記憶部に記憶し、前記期間が前記所定の期間以上である場合、前記測定値を前記記憶部に記憶しない、請求項５に記載の骨格筋量推定システム。
  7. 　前記処理部は、複数の被験者の骨格筋量測定値、ｅＧＦＲｃｙｓ及びｅＧＦＲを用いて、曲線あてはめにより前記第１の関数を決定する、請求項１乃至請求項６のいずれか１項に記載の骨格筋量推定システム。
  8. 　骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記推定値が第１の閾値以下であり、前記第１の対象の握力が第２の閾値以下である場合、前記第１の対象がサルコペニアであると判定する処理部として機能させるプログラム。
  9. 　骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部として機能させるプログラム。
  10. 　骨格筋量推定装置が備えるプロセッサーを、第１の対象のｅＧＦＲｃｙｓ及び前記第１の対象のｅＧＦＲと、ｅＧＦＲｃｙｓ及びｅＧＦＲとＳＭＩ又はＳＭＭとの関係を示す第１の関数とを用いて、前記第１の対象のＳＭＩ又はＳＭＭの推定値を求め、前記第１の対象の過去の前記推定値と、前記過去の推定値より後に求めた前記第１の対象の前記推定値とを比較し、前記推定値が所定以上に減少している場合に、前記第１の対象がフレイルであると判定する処理部として機能させるプログラム。
PCT/JP2022/025563 2021-06-28 2022-06-27 骨格筋量推定システム及びプログラム WO2023276948A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2021106857A JP7113121B1 (ja) 2021-06-28 2021-06-28 骨格筋量推定システム、骨格筋量推定装置及びプログラム
JP2021-106857 2021-06-28

Publications (1)

Publication Number Publication Date
WO2023276948A1 true WO2023276948A1 (ja) 2023-01-05

Family

ID=82702020

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2022/025563 WO2023276948A1 (ja) 2021-06-28 2022-06-27 骨格筋量推定システム及びプログラム

Country Status (2)

Country Link
JP (1) JP7113121B1 (ja)
WO (1) WO2023276948A1 (ja)

Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020196437A1 (ja) * 2019-03-22 2020-10-01 Kagami株式会社 腎病態の評価を補助する方法、腎病態の評価システム及び腎病態の評価プログラム

Patent Citations (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020196437A1 (ja) * 2019-03-22 2020-10-01 Kagami株式会社 腎病態の評価を補助する方法、腎病態の評価システム及び腎病態の評価プログラム

Non-Patent Citations (7)

* Cited by examiner, † Cited by third party
Title
CHEN LIANG-KUNG; WOO JEAN; ASSANTACHAI PRASERT; AUYEUNG TUNG-WAI; CHOU MING-YUEH; IIJIMA KATSUYA; JANG HAK CHUL; KANG LIN; KIM MIJ: "Asian Working Group for Sarcopenia: 2019 Consensus Update on Sarcopenia Diagnosis and Treatment", JOURNAL OF THE AMERICAN MEDICAL DIRECTORS ASSOCIATION, ELSEVIER, AMSTERDAM, NL, vol. 21, no. 3, 4 February 2020 (2020-02-04), AMSTERDAM, NL , pages 300, XP086066997, ISSN: 1525-8610, DOI: 10.1016/j.jamda.2019.12.012 *
KUSUNOKI HIROSHI, SHOTARO TSUJI, YOSUKE WADA, MAYUKA FUKAI, KOUTATSU NAGAI, MASAKO ITOH, KYOKO SANO, KAYOKO TAMAKI, YOSHINORI OHTA: "Relationship between sarcopenia and the serum creatinine/cystatin C ratio in Japanese rural community‐dwelling older adults", JOURNAL OF CACHEXIA, SARCOPENIA AND MUSCLE ‐ CLINICAL REPORTS, vol. 3, no. 1, 1 January 2018 (2018-01-01), pages e00057, XP093018290, DOI: 10.17987/jcsm-cr.v3i1.57 *
KUSUNOKI HIROSHI; TSUJI SHOTARO; KUSUKAWA TOMOYUKI; WADA YOSUKE; TAMAKI KAYOKO; NAGAI KOUTATSU; ITOH MASAKO; SANO KYOKO; AMANO MAN: "Relationships between cystatin C- and creatinine-based eGFR in Japanese rural community- dwelling older adults with sarcopenia", CLINICAL AND EXPERIMENTAL NEPHROLOGY, JAPANESE SOCIETY OF NEPHROLOGY, TOKYO,, JP, vol. 25, no. 3, 1 January 1900 (1900-01-01), JP , pages 231 - 239, XP037386024, ISSN: 1342-1751, DOI: 10.1007/s10157-020-01981-x *
KUSUNOKI, HIROSHI ET AL.: "OS-2-3: Usefulness of Cystatin-Based eGFR(eGFRcys) Measurement in Sarcopenia Diagnosis", ANTI-AGING SCIENCE, vol. 10, no. 1, 1 December 2018 (2018-12-01), pages 65 - 65, XP009542376, ISSN: 1884-3891 *
NISHI, MASAHIRO ET AL.: "Are Cr/Cys and eGFRCyz/eGRCr Indicators of Muscle Mass?", NIHON NAIKA GAKKAI ZASSHI - JOURNAL OF THE JAPANESE SOCIETY OFINTERNAL MEDICINE, NIHON NAIKA GAKKAI, TOKYO, JP, vol. 107, no. Suppl., 1 January 2018 (2018-01-01), JP , pages 248, XP009542450, ISSN: 0021-5384 *
NISHIDA KENSUKE, HASHIMOTO YOSHITAKA, KAJI AYUMI, OKAMURA TAKURO, SAKAI RYOUSUKE, KITAGAWA NORIYUKI, OSAKA TAKAFUMI, HAMAGUCHI MAS: "Creatinine/(cystatin C × body weight) ratio is associated with skeletal muscle mass index", ENDOCRINE JOURNAL, TOKYO, JP, vol. 67, no. 7, 1 January 2020 (2020-01-01), JP , pages 733 - 740, XP093018289, ISSN: 0918-8959, DOI: 10.1507/endocrj.EJ19-0542 *
YOSHIDA, TAKUO ET AL.: "O-34-4: Usefulness of GLIM-Based Hypoalimentation Determinations and Sarcopenia Determinations Using the eGFR Ratio (eGFRcys/eGFR)", ABSTRACTS FROM THE 36TH ANNUAL MEETING OF THE JAPANESE SOCIETY OF CLINICAL NUTRITION AND METABOLISM; JULY 21ST TO 22ND, 2021, JAPANESE SOCIETY OF CLINICAL NUTRITION AND METABOLISM, JP, 20 April 2021 (2021-04-20) - 22 July 2021 (2021-07-22), JP, pages 599, XP009542441 *

Also Published As

Publication number Publication date
JP7113121B1 (ja) 2022-08-04
JP2023005130A (ja) 2023-01-18

Similar Documents

Publication Publication Date Title
Corrada et al. Age of onset of hypertension and risk of dementia in the oldest-old: The 90+ Study
Coughlin et al. Prenatally diagnosed severe CDH: mortality and morbidity remain high
Guerra et al. ESPEN diagnostic criteria for malnutrition–a validation study in hospitalized patients
Kokubo et al. Impact of metabolic syndrome components on the incidence of cardiovascular disease in a general urban Japanese population: the Suita study
Genton et al. Bioimpedance-derived phase angle and mortality among older people
Podolanczuk et al. High-attenuation areas on chest computed tomography and clinical respiratory outcomes in community-dwelling adults
Boot et al. Disability, outcome and case-mix in acute psychiatric in-patient units
van Nie-Visser et al. Which characteristics of nursing home residents influence differences in malnutrition prevalence? An international comparison of The Netherlands, Germany and Austria
EP3698139A1 (en) Method of prognosis and follow up of primary liver cancer
Cawthon Recent progress in sarcopenia research: a focus on operationalizing a definition of sarcopenia
Baek et al. Korean Working Group on Sarcopenia guideline: expert consensus on sarcopenia screening and diagnosis by the Korean Society of Sarcopenia, the Korean Society for Bone and Mineral Research, and the Korean Geriatrics Society
Wrigglesworth et al. Brain-predicted age difference is associated with cognitive processing in later-life
Shimizu et al. Delayed dysphagia may be sarcopenic dysphagia in patients after stroke
Smith et al. Obesity and visceral fat in Indonesia: An unseen epidemic? A study using iDXA and surrogate anthropometric measures
Krähenmann-Müller et al. Patient and physician gender concordance in preventive care in university primary care settings
Suzuki et al. Absolute reliability of measurements of muscle strength and physical performance measures in older people with high functional capacities
Hollander-Kraaijeveld et al. Non-fasting bioelectrical impedance analysis in cystic fibrosis: Implications for clinical practice and research
Berlinberg et al. Diagnostic performance of knee physical exam and participant-reported symptoms for MRI-detected effusion-synovitis among participants with early or late stage knee osteoarthritis: data from the Osteoarthritis Initiative
Speranza et al. Nutritional screening and anthropometry in patients admitted from the Emergency Department
Lian et al. Validated tools for screening sarcopenia: a scoping review
Tanaka et al. Association between locomotive syndrome and the Japanese version of the EQ-5D-5L in middle-aged and elderly people in Japan
Gupta et al. Prospective risk of osteoporotic fractures in patients with advanced chronic obstructive pulmonary disease
WO2023276948A1 (ja) 骨格筋量推定システム及びプログラム
Ali Osteoporosis: a narrative review
Mizukami et al. Accuracy of spinal curvature assessed by a computer-assisted device and anthropometric indicators in discriminating vertebral fractures among individuals with back pain

Legal Events

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

Ref document number: 22833095

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: 22833095

Country of ref document: EP

Kind code of ref document: A1