[]本发明涉及一种信息处理系统、信息处理程序、信息处理方法。
背景技术：
0、[背景技术]
1、已经提出改善饮食生活习惯的建议。例如，专利文献1公开了一种分析饮食信息或生命体征数据以提供建议的系统。
2、[现有技术文献]
3、[专利文献]
4、[专利文献1]日本特开2004-302498号公报
技术实现思路
0、[
技术实现要素：
]
1、[发明所要解决的问题]
2、然而，在专利文献1记载的系统中，需要事先准备建议作为数据库，因此难以考虑个体差异。
3、本发明是鉴于这样的背景而完成的，其目的在于提供一种能够考虑个体差异来管理健康的技术。
4、[用于解决问题的方案]
5、用于解决上述课题的本发明的主要发明具备：测定值存储部，其存储与用户的实现目标联动的测定值；摄取量存储部，其存储所述用户所摄取的多个营养素的摄取量；解析部，其解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；食谱存储部，其存储特定出的食谱中所包含的所述营养素的含量的信息；以及食谱建议部，其通过增加所述改善因子的所述含量及减少所述改恶因子的所述含量的至少任一种来修正所述食谱，并建议修正后的所述食谱。
6、此外，本技术所公开的课题及其解决方法通过发明的实施方式一栏和附图变得更加明确。
7、[发明的效果]
8、根据本发明，能够通过考虑个体差异来管理健康。
9、[图式简单说明]
10、图1是表示第一实施方式的信息处理系统的整体结构例的图。
11、图2是表示第一实施方式的服务器装置1的硬件结构例的图。
12、图3是表示第一实施方式的服务器装置1的功能结构例的图。
13、图4是表示第一实施方式的食谱存储部135中所存储的信息的结构例的图。
14、图5是表示第一实施方式的食材信息存储部136中所存储的信息的结构例的图。
15、图6是表示第一实施方式的解析部115的解析结果的例子的图。
16、图7是表示第一实施方式的解析部115所生成的预测模型的公式的例子的图。
17、图8是表示第一实施方式的服务器装置1的处理的例子的图。
18、图9是表示第一实施例的2020年度实施的试验日程表(条件研究试验)的图。
19、图10是表示第一实施例的2021年度实施的试验日程表(条件研究试验)的图。
20、图11是表示第一实施例的受试者特性的图。
21、图12是表示第一实施例的2020年度实施的试验日程表(临床试验)的图。
22、图13是表示第一实施例的2021年度实施的试验日程表(临床试验)的图。
23、图14是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
24、图15是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
25、图16是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
26、图17是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
27、图18是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
28、图19是对受试者在干预期间通过试验食品所摄取的能量与营养素的量进行比较的图形。
29、图20是对观察期间及干预期间的起床时体重的平均值进行比较的图形。
30、图21是对观察期间及干预期间的起床时体重的平均值进行比较的图形。
31、图22是对观察期间及干预期间的起床时体重的平均值进行比较的图形。
32、图23是表示利用体重和身体成分秤测得的体脂率、骨骼肌率、基础代谢量的图形。
33、图24是表示利用体重和身体成分秤测得的体脂率、骨骼肌率、基础代谢量的图形。
34、图25是表示利用活动量计测得的运动量(步数)的测定结果的图。
35、图26是表示利用活动量计测得的运动量(步数)的测定结果的图。
36、图27是表示体重参与因子对试验对象的干预程度的图。
37、图28是表示体重参与因子对试验对象的干预程度的图。
38、图29是表示体重参与因子对试验对象的干预程度的图。
39、图30是表示体重参与因子对试验对象的干预程度的图。
40、图31是表示体重参与因子对试验对象的干预程度的图。
41、图32是表示体重参与因子对试验对象的干预程度的图。
42、图33是表示血糖值的推移的图。
43、图34是表示总胆固醇量的推移的图。
44、图35是表示hdl胆固醇量的推移的图。
45、图36是表示ldl胆固醇量的推移的图。
46、图37是表示起床时体重与起床时体重测定前一天的摄取营养素量的多元回归分析的结果的图。
47、图38是比较观察期间及干预期间的摄取能量的图。
48、图39是比较观察期间及干预期间的摄取量的图。
49、图40是比较观察期间及干预期间的摄取量的图。
50、图41是比较观察期间及干预期间的摄取量的图。
51、图42是比较观察期间及干预期间的摄取量的图。
52、图43是比较观察期间及干预期间的摄取量的图。
53、图44是比较观察期间及干预期间的摄取量的图。
54、图45是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
55、图46是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
56、图47是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
57、图48是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
58、图49是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
59、图50是表示关于起床时体重对观察期间及干预期间的测定值进行比较的结果的图。
60、图51是表示身体成分的图。
61、图52是表示身体成分的图。
62、图53是表示身体成分的图。
63、图54是表示身体成分的图。
64、图55是表示身体成分的图。
65、图56是表示身体成分的图。
66、图57是表示参与因子的干预程度的图。
67、图58是表示参与因子的干预程度的图。
68、图59是表示参与因子的干预程度的图。
69、图60是表示参与因子的干预程度的图。
70、图61是表示血中胆固醇量的图。
71、图62是表示第二实施例的2020年度实施的试验日程表的图。
72、图63是表示多元回归分析的结果的图。
73、图64是表示各解析中的条件的图。
74、图65是表示个性化最佳饮食的例子的图。
75、图66是表示记忆力参与因子对试验对象的干预程度的图。
76、图67是表示记忆力参与因子对试验对象的干预程度的图。
77、图68是表示记忆力参与因子对试验对象的干预程度的图。
78、图69是表示记忆力参与因子对试验对象的干预程度的图。
79、图70是表示记忆力参与因子对试验对象的干预程度的图。
80、图71是表示记忆力参与因子对试验对象的干预程度的图。
81、图72是表示记忆力参与因子对试验对象的干预程度的图。
82、图73是比较观察期间及干预期间的摄取量的图。
83、图74是比较观察期间及干预期间的摄取量的图。
84、图75是比较观察期间及干预期间的摄取量的图。
85、图76是比较观察期间及干预期间的摄取量的图。
86、图77是比较观察期间及干预期间的摄取量的图。
87、图78是比较观察期间及干预期间的摄取量的图。
88、图79是比较观察期间及干预期间的摄取量的图。
89、图80是表示记忆力试验得分的推移的图。
90、图81是比较观察期间及干预期间的记忆力试验得分的平均值的图。
91、图82是比较观察期间及干预期间的记忆力试验得分的平均值的图。
92、图83是表示多元回归分析的结果的图。
93、图84是表示记忆力参与因子对试验对象的干预程度的图。
94、图85是比较观察期间及干预期间的摄取量的图。
95、图86是表示记忆力试验得分的推移的图。
96、图87是比较观察期间及干预期间的记忆力试验得分的平均值的图。
97、图88是比较观察期间及干预期间的记忆力试验得分的分布的图。
98、图89是表示第三实施例的实施的试验日程表的图。
99、图90是表示多元回归分析的结果的图。
100、图91是表示个性化最佳饮食的例子的图。
101、图92是表示耐力参与因子对试验对象的干预程度的图。
102、图93是表示耐力参与因子对试验对象的干预程度的图。
103、图94是表示耐力参与因子对试验对象的干预程度的图。
104、图95是表示耐力参与因子对试验对象的干预程度的图。
105、图96是比较观察期间及干预期间的摄取量的图。
106、图97是比较观察期间及干预期间的摄取量的图。
107、图98是比较观察期间及干预期间的摄取量的图。
108、图99是比较观察期间及干预期间的摄取量的图。
109、图100是表示安静时心跳数的推移的图。
110、图101是比较观察期间及干预期间的安静时心跳数平均值的图。
111、图102是比较观察期间及干预期间的慢跑45分钟时的结束时血氧饱和度的图。
112、图103是比较观察期间及干预期间的慢跑45分钟时的结束时血氧饱和度的平均值的图。
113、图104是表示观察期间及干预期间的往返跑次数的图。
114、图105是比较观察期间及干预期间的20m往返跑次数的平均值的图。
115、图106是表示后观察期间的安静时心跳数推移的图。
116、图107是表示第二实施方式的服务器装置1的功能结构例的图。
117、图108是表示用户信息的结构例的图。
118、[实施方式]
119、列出本发明的实施方式的内容进行说明。本发明的实施方式的健康管理系统具备以下结构。
120、[项目1]
121、一种信息处理系统，其特征在于，具备：
122、测定值存储部，其存储与用户的实现目标联动的测定值；
123、摄取量存储部，其存储所述用户所摄取的多个营养素的摄取量；
124、解析部，其解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；
125、食谱存储部，其存储特定出的食谱中所包含的所述营养素的含量的信息；以及
126、食谱建议部，其通过增加所述改善因子的所述含量及减少所述改恶因子的所述含量的至少任一种来修正所述食谱，并建议修正后的所述食谱。
127、[项目2]
128、根据项目1所述的信息处理系统，其特征在于，还具备：
129、食材信息存储部，其针对每种食材存储所述营养素的所述含量；
130、所述食谱存储部存储所述食谱中所包含的所述食材，
131、所述食谱建议部进行以下步骤中的至少任一个，即，
132、从所述食材信息存储部中选择比所述食谱中所包含的至少1种的第一所述食材包含更多作为所述改善因子的所述营养素的第二所述食材，并将所述第一食材变更为所选择的所述第二食材，以此方式修正所述食谱；
133、从所述食材信息存储部中选择比所述第一食材包含更少作为所述改恶因子的所述营养素的第三所述食材，并将所述第一食材变更为所选择的所述第三食材，以此方式修正所述食谱；
134、从所述食材信息存储部中选择比所述第一食材包含更多作为所述改善因子的所述营养素，且比所述第一食材包含更少作为所述改恶因子的所述营养素的第四所述食材，并将所述第一食材变更为所选择的所述第四食材，以此方式修正所述食谱；
135、从所述食材信息存储部中选择包含作为所述改善因子的所述营养素的所述第五食材，追加所选择的所述第五食材，以此方式修正所述食谱；以及
136、从所述食材信息存储部中选择包含作为所述改恶因子的所述营养素的所述第六食材，删除所选择的所述第六食材，以此方式修正所述食谱；
137、并建议修正后的所述食谱。
138、[项目3]
139、根据项目1或2所述的信息处理系统，其特征在于，
140、所述解析部针对所述改善因子算出有助于改善的改善程度，针对所述改恶因子算出有助于恶化的改恶程度，
141、关于所述食谱建议部，
142、通过将所述食谱中所包含的所述改善因子的所述改善程度乘以所述含量而得的值，减去所述食谱中所包含的所述改恶因子的所述恶化程度乘以所述含量而得的值，而算出第一值，
143、通过将所述修正后的食谱中所包含的所述改善因子的所述改善程度乘以所述含量而得的值，减去所述修正后的食谱中所包含的所述改恶因子的所述恶化程度乘以所述含量而得的值，而获得第二值，以所述第二值大于所述第一值的方式进行所述食谱的修正。
144、[项目4]
145、根据项目1或2所述的信息处理系统，其特征在于，
146、所述解析部针对所述改善因子算出有助于改善的改善程度，针对所述改恶因子算出有助于恶化的改恶程度，
147、关于所述食谱建议部，
148、通过将所述摄取量存储部所存储的所述改善因子的所述摄取量乘以所述改善程度而得的值，减去所述摄取量存储部所存储的所述改恶因子的所述摄取量乘以所述改恶程度而得的值，而计算第一改善值，
149、通过将所述修正后的食谱中所包含的所述改善因子的所述改善程度乘以所述含量而得的值，减去所述修正后的食谱中所包含的所述改恶因子的所述恶化程度乘以所述含量而得的值，而获得第二改善值，以所述第二改善值大于所述第一改善值的方式进行所述食谱的修正。
150、[项目5]
151、根据项目1至4中任一项所述的信息处理系统，其特征在于，具备：
152、行动量存储部，其存储所述用户所进行行动的行动量；以及
153、目标值输入部，其接收所述测定值的目标值的输入；
154、所述解析部制作对所述营养素的所述含量及所述行动量与所述测定值的关系进行解析的预测模型，
155、所述食谱建议部根据对所述预测模型给予所述修正后的食谱中所包含的所述营养素的含量而求出的预测值与所述目标值的差来决定所述行动量，且与所述食谱一起建议所决定的所述行动量。
156、[项目6]
157、根据项目1至5中任一项所述的信息处理系统，其特征在于，
158、所述解析部定期进行解析而特定出所述改善因子及所述改恶因子，所述食谱建议部建议所述修正后的食谱。
159、[项目7]
160、一种信息处理系统，其特征在于，具备：
161、测定值存储部，其存储与第一用户的实现目标联动的关于所述第一用户的测定值；
162、摄取量存储部，其存储所述第一用户所摄取的多个营养素的摄取量；
163、解析部，其针对所述第一用户，解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；
164、食谱存储部，其存储特定出的食谱中所包含的所述营养素的含量的信息；
165、相似用户特定部，其特定出与第二用户的属性相似的所述第一用户即相似用户；以及
166、食谱建议部，其通过增加针对所述相似用户所特定出的所述改善因子的所述含量、以及减少针对所述相似用户所特定出的所述改恶因子的所述含量的至少任一种来修正所述食谱，并对所述第二用户建议修正后的所述食谱。
167、[项目8]
168、一种信息处理系统，其特征在于，具备：
169、测定值存储部，其存储与第一用户的实现目标联动的关于所述第一用户的测定值；
170、摄取量存储部，其存储所述第一用户所摄取的多个营养素的摄取量；
171、食谱存储部，其存储特定出的食谱中所包含的所述营养素的含量的信息；
172、相似用户特定部，其特定出与第二用户的属性相似的所述第一用户即相似用户；以及
173、解析部，其从所述测定值存储部及所述摄取量存储部读取与所述相似用户对应的所述测定值及所述摄取量，解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；以及
174、食谱建议部，其通过增加所述改善因子的所述含量及减少所述改恶因子的所述含量的至少任一种来修正所述食谱，并对所述第二用户建议修正后的所述食谱。
175、[项目9]
176、一种信息处理方法，其特征在于，使计算机执行如下步骤：
177、存储与用户的实现目标联动的测定值；
178、存储所述用户所摄取的多个营养素的摄取量；
179、解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；
180、存储特定出的食谱中所包含的所述营养素的含量的信息；以及
181、通过增加所述改善因子的所述含量及减少所述改恶因子的所述含量的至少任一种来修正所述食谱，并建议修正后的所述食谱。
182、[项目10]
183、一种程序，其特征在于，用于使计算机执行如下步骤：
184、存储与用户的实现目标联动的测定值；
185、存储所述用户所摄取的多个营养素的摄取量；
186、解析所述营养素的所述摄取量与所述测定值的关系，特定出有助于所述测定值的改善的所述营养素即改善因子、以及有助于所述测定值的恶化的所述营养素即改恶因子；
187、存储特定出的食谱中所包含的所述营养素的含量的信息；以及
188、通过增加所述改善因子的所述含量及减少所述改恶因子的所述含量的至少任一种来修正所述食谱，并建议修正后的所述食谱。
189、参照以下附图，对本公开的适宜的实施方式详细地进行说明。另外，在本说明书及图式中，对于实质上具有相同的功能构成的构成要素，通过标注相同的符号而省略重复说明。
190、<第一实施方式>
191、图1是表示健康支持系统的整体结构的图。如图1所示，健康支持系统包含服务器装置1、用户终端3、生命体征传感器4及活动传感器5。服务器装置1通过网络2与用户终端3、生命体征传感器4、活动传感器5连接。服务器装置1、用户终端3、生命体征传感器4、活动传感器5仅示出一台，但当然也可存在更多。网络3例如为因特网，由以太网(注册商标)或公用电话线路网、专用电话线路网、移动电话线路网、无线通信信道等构建。
192、＝＝服务器装置1＝＝
193、服务器装置1是考虑到个体差异而向用户提供关于达到实现目标所需的要素的信息的计算机。服务器装置1例如为个人计算机或工作站等。服务器装置1也能够构成为基于云计算的虚拟计算机。
194、图2是表示本实施方式的服务器装置1的硬件结构例的图。服务器装置1具备处理器101、存储器102、存储装置103、通信接口104、输入装置105、输出装置106。存储装置103存储各种数据或程序，例如是硬盘驱动器、固态硬盘、闪存等。通信接口104是用于与网络2连接的接口，例如是用于与以太网(注册商标)连接的适配器、用于与公用电话线路网连接的调制解调器、用于进行无线通信的无线通信机、用于串行通信的usb(universal serialbus)连接器、rs232c连接器等。输入装置105例如是通过键盘或鼠标、触摸屏、按键、麦克风等接收数据的输入的装置。输出装置106例如具备输出数据的显示器或打印机、扬声器等。
195、＝＝用户终端3＝＝
196、用户终端3是由作为健康支持对象的用户所操作的计算机。用户终端3例如是智能手机或平板计算机、个人计算机等，但并不限定于这些。用户例如能够通过用户终端3中执行的应用程序或web浏览器来访问服务器装置1。用户终端3与生命体征传感器4及活动传感器5可通信地连接。用户终端3与生命体征传感器4与活动传感器5之间例如通过bluetooth(注册商标)low energy(ble，低功耗蓝牙)或串行通信等进行通信。
197、＝＝生命体征传感器4＝＝
198、生命体征传感器4是获取用户的生命体征信息的设备。生命体征传感器4例如包含血压计、脉搏血氧仪等。
199、＝＝活动传感器5＝＝
200、活动传感器5是获取与用户的活动相关的活动信息的设备。活动传感器4例如包含计步器、活动量计等。
201、另外，生命体征传感器4及活动传感器5可以是同一装置，生命体征传感器4及活动传感器5的一部分或整体也可安装为用户终端3的一部分。
202、图3是表示服务器装置1的功能结构的方块图。如图3所示，服务器装置1是包含测定值获取部111、摄取量获取部112、行动量获取部113、生命阶段信息获取部114、解析部115、评价部116、食谱建议部117及行动建议部118等各处理部、测定值存储部131、摄取量存储部132、行动量存储部133、生命阶段信息存储部134、食谱存储部135及食材信息存储部136等各存储部而构成。
203、另外，上述各处理部通过服务器装置1所具备的处理器101将存储于存储装置103的程序读取到存储器102中执行而实现，上述各存储部作为服务器装置1所具备的存储器102及存储装置103所提供的存储区域的一部分而实现。
204、此处，在本实施方式中，示出测定值存储部131、摄取量存储部132、行动量存储部133、生命阶段信息存储部134、食谱存储部135及食材信息存储部136的数据结构。
205、测定值存储部131存储与用户的实现目标联动的测定值。该实现目标包含健康、审美性、体型、运动功能、大脑功能、技能、耐力等的获取、维持、改善，但并不限定于这些。测定值只要是与行动结果联动且可以测定的值即可。例如，作为耐力的测定值，可采用安静时心跳数，也可采用跑步30分钟过程中的平均心跳数，也可采用1500m的时间。只要通过这些测定值提升(在值越大则提升程度越大的情况下，可用值的大小来表达，在想要接近规定的值的情况下，可用与目标值的背离程度来表达，在值越小则提升程度越大的情况下，可用值的小来表达)，可表示行动的结果有所提升即可。实现目标的测定值可与测得的时间相关联，并存储历史数据。而且，测定值存储部131也能够存储每一用户的测定值的标准值(以下，称为测定标准值)。测定标准值可设为该用户的最新测定值，也可设为过去规定期间的统计值(平均值或中间值等)。测定值存储部131可存储多个测定值。例如，在与用户的实现目标联动的测定值为体重的情况下，能够记录血压或心跳数、1500m的时间等。由此，当用户更换为其他实现目标时，如果登录联动的测定值，也可利用过去登录的数据进行食谱的评价。
206、摄取量存储部132存储用户所摄取的营养素的摄取量。该营养素包含基于食品表示法的营养成分表示项目(热量、蛋白质、脂质、碳水化合物、钠、饱和脂肪酸、n-3系脂肪酸、n-6系脂肪酸、胆固醇、糖质、糖类(是单糖类或二糖类，不是糖醇)、膳食纤维、锌、钾、钙、铬、硒、铁、铜、镁、猛、钼、碘、磷、烟酸、泛酸、生物素、维生素a、b1、b2、b6、b12、c、d、e、k、叶酸)，可包含氨基酸、虽然是非营养成分但例如多酚或gaba等营养成分以外的成分及从营养成分中确定的由多种成分构成的一组成分(例如，膳食纤维的环糊精)等。摄取量存储部132可一并存储用户所摄取的营养素的摄取量、摄取的日期与时间或时间段、以及在早饭、午饭、晚饭、零食等定位获取的营养素的摄取量。
207、行动量存储部133存储用户的行动量。该行动量是用户的行动的量，例如包含用户所进行的运动的种类及量(次数、持续时间)、以及用户所进行的试验(例如记忆力试验等)的种类及量(次数、持续时间)等，但并不限定于这些。行动量存储部133可存储每一单位期间(例如可设为一天，也可根据饮食的次数设为早饭后、午饭后、晚饭后等)的行动量。而且，行动量存储部133也可存储每一用户的行动量的标准值(以下，称为行动标准值)。行动标准值可设为该用户的最新的行动量，也可设为过去规定期间的统计值(平均值或中间值等)。
208、生命阶段信息存储部134存储与用户的生命阶段有关的信息。生命阶段包含用户的年龄、或按年龄划分的童年、青年、壮年、老年等阶段，而且，可包含学生、社会人士、工作中、无业、退休后等与隶属关系或就业相关的状态、进而未婚、已婚、怀孕、休产假、陪产假、育儿(婴儿、幼儿、儿童、中小学生、大学生)等生活方式等信息，但并不限定于这些。
209、食谱存储部135存储食谱。食谱是包含作为饮食摄取的营养素的种类及含量的信息，在本实施方式中，例如如图4的一例所示，可包括名称、所含食材、调料的种类及量、进而各个食材、调料中所含的营养素的种类及量。另外，在图4中，食谱示出所谓的一道菜(豆腐味增汤)的例子，但也可以是包含多道菜的套餐(例如，米饭、豆腐味增汤、姜烧猪肉、凉拌菠菜及酸奶的组合)。而且，也可将不进行烹饪的食材(例如橘子或杏仁等)、或烹饪前的食材(例如牛腿肉等)列入“食谱”中。而且，所谓营养素，包含基于食品表示法的营养成分表示项目(热量、蛋白质、脂质、碳水化合物、钠、饱和脂肪酸、n-3系脂肪酸、n-6系脂肪酸、胆固醇、糖质、糖类(是单糖类或二糖类，不是糖醇)、膳食纤维、锌、钾、钙、铬、硒、铁、铜、镁、猛、钼、碘、磷、烟酸、泛酸、生物素、维生素a、b1、b2、b6、b12、c、d、e、k、叶酸)，而且，虽然是非营养成分，但举例来说，可包含多酚或gaba等营养成分以外的成分及从营养成分中确定的由多种成分构成的一组成分(例如，膳食纤维的环糊精)等。而且，可一并存储包含食谱的配方、以及可能影响食材、营养素的烹饪工序(包含加热、冷却、煮沸、清洗等，但并不限定于这些)的信息。
210、食材信息存储部136存储食材的信息。如图5的一例所示，食材信息存储食材中所含的营养素的种类及量。另外，食材信息中也可存储调料的信息，而且，也针对每一食材存储由烹饪引起的对营养素的影响(因加热而分解等)、或由与同时烹饪的其他食材的关系引起的对营养素的影响等。
211、此处，在本实施方式中，示出测定值获取部111、摄取量获取部112、行动量获取部113、生命阶段信息获取部114、解析部115、评价部116及食谱建议部117的各处理部的功能。
212、测定值获取部111获取与用户的实现目标联动的测定值，存储于测定值存储部131。测定值获取部111向用户终端3提出输入形式，可从用户接收值或选项的选择等的输入而获取测定值。而且，测定值获取部111可通过用户终端3获取生命体征传感器4或活动传感器5中获取的测定值，也可直接通过网络2从生命体征传感器4或活动传感器5获取测定值。而且，测定值获取部111可从用户接收测定值的输入。测定值获取部111可访问管理测定值的计算机(例如数据库服务器)而获取测定值。测定值获取部111例如可获取由秒表测量的时间的测量值、或测试的分数等测量值。
213、摄取量获取部112获取用户所摄取的营养素的摄取量的信息。摄取量获取部112向用户终端3提出输入形式，接收已食用食谱的输入或食谱选项的选择，并获取与已食用的量有关的信息。摄取量获取部112可从用户终端3获取已食用饮食的图像(可包含动画)的信息，通过解析图像来推定该图像中所包含的食谱，将推定的食谱以可订正的方式呈现给用户终端3，同时获取所食用的量。摄取量获取部112从食谱存储部135获取从用户终端3获取的用户所食用的食谱中包含的营养素的信息，将食用的日期与时间、或早饭、午饭、晚饭、零食等饮食的类别与食谱相关联，并存储于摄取量存储部。
214、行动量获取部113获取用户所进行的行动的量的信息。行动量获取部113向用户终端3提出输入形式，从用户接收值或选项的选择等的输入而获取行动量。而且，行动量获取部113可通过用户终端3，获取生命体征传感器4或活动传感器5中获取的测定值，也可直接通过网络2从生命体征传感器4或活动传感器5获取测定值。另外，行动量获取部113也可通过用户的支持者(例如包含护理人员、医务人员、培训师等，但并不限定于这些)所使用的信息终端等获取行动量的信息。
215、生命阶段信息获取部114获取与用户的生命阶段有关的信息。生命阶段信息获取部114向用户终端3提出输入形式，从用户接收值或选项的选择等的输入而获取生命阶段信息。
216、解析部115解析营养素的摄取量、与实现目标的测定值的关系，特定出有助于改善测定值的改善因子、以及有助于使测定值恶化的改恶因子。改善因子及改恶因子包含营养素。而且，改善因子和/或改恶因子可包含用户行动的行动量。在本实施方式中，解析部115解析用户采用营养素之日的第二天的测定值、与摄取量的关系，作为预测对象的时点不限于第二天，还可设为1周或2周、1个月等任意期间后的日子。在以下说明中，将解析用的数据采集期间称为“观察期间”，将摄取测定值接近目标值的饮食的期间称为“干预期间”。另外，不仅可将观察期间内的数据作为解析对象，也可将干预期间内的数据作为解析对象。观察期间及干预期间可设为任意期间。干预期间可设为与目标实现用的期间(以下，称为试行期间)不同的长度。例如也可将干预期间设为1周，将试行期间设为三个月或一年。解析部115可使用干预期间的结束时或结束后的测定值进行解析。解析部115以可仅在干预期间开始前进行解析，也可定期进行解析的方式更新统计模型(预测模型)。
217、解析部115可通过将营养素的摄取量作为解释变量、将测定值作为目标变量的多变量解析来求出预测模型(以下，称为营养模型)。
218、而且，解析部115可解析营养素的摄取量及行动量与测定值的关系，特定出有助于测定值的改善的营养素和/或行动即改善因子、以及有助于测定值的恶化的营养素和/或行动即改恶因子。行动量的行动可有多个。解析部115例如可通过将摄取能量、蛋白质、脂质、碳水化合物、维生素a等各种营养素的各自的摄取量、以及步数、运动持续时间、记忆力试验的受验次数等行动量作为解释变量，将测定值(体重、心肺功能、记忆力试验的结果等)作为目标变量的多变量解析来求出预测模型(以下，称为营养行动模型)。
219、解析部115可解析营养素的摄取量及生命阶段与测定值的关系，特定出有助于测定值的改善的营养素和/或生命阶段即改善因子、以及有助于测定值的恶化的营养素和/或生命阶段即改恶因子。解析部115例如可通过将摄取能量、蛋白质、脂质、碳水化合物、维生素a等各种营养素的各自的摄取量、以及壮年、大学生、怀孕中等表示生命阶段的虚拟变量作为解释变量，将测定值(体重、心肺功能、记忆力试验的结果等)作为目标变量的多变量解析来求出预测模型(以下，称为营养生命阶段模型)。
220、解析部115可对营养素的摄取量及测定了测定值的日期与时间(可转换为从日期与时间导出的时间段或季节)与测定值的关系进行解析，特定出有助于测定值的改善的营养素和/或日期与时间即改善因子、以及有助于测定值的恶化的营养素和/或日期与时间即改恶因子。解析部115例如可通过将摄取能量、蛋白质、脂质、碳水化合物、维生素a等各种营养素的各自的摄取量、以及上午9点、下午17点、早晨、白天、夜晚、春、夏、秋、冬等日期与时间、时间段、季节作为解释变量，将测定值(体重、心肺功能、记忆力试验的结果等)作为目标变量的多变量解析来求出预测模型(以下，称为营养日期与时间模型)。
221、如上所述，解析部115可将测定值作为目标变量，将营养素的摄取量、行动量、生命阶段、以及日期与时间的至少任一个作为解释变量而进行多变量解析。解析部115可求出将行动量、生命阶段及日期与时间中的多个结合到与营养素的摄取量组合的解释变量中的预测模型(以下，称为营养复合模型)。解析部115也可输出用于解释变量的各要素的系数。图6是表示解析部115所进行的多变量解析结果的一例的图。如图6所示，关于营养素、行动量、生命阶段、日期与时间，可输出回归系数(偏回归系数)。
222、另外，本实施方式的多变量解析包含一元回归分析、多元回归分析、主成分分析、独立成分分析、因子分析、判别分析、典型判别分析、数量化理论(i类、ii类、iii类、iv类)、多组量化ii类、聚类分析、联合分析、逻辑回归、多维尺度构成法(mds)、扩展量化i类、扩展量化ii类、对应分析、协方差结构分析。
223、解析部115可将上述预测模型(包含营养模型、营养行动模型、营养生命阶段模型、营养日期与时间模型、营养复合模型)存储于服务器装置1。而且，在此情况下，服务器装置1中也存储应用于该预测模型的回归系数或常数等参数。
224、解析部115例如进行多元回归分析以求出预测模型，关于用作解释变量的营养素、行动量、生命阶段、以及日期与时间的至少任一个，可推测回归系数及常数。解析部115将推测的回归系数及常数存储于服务器装置1。对于应用所推测的回归系数及常数的预测模型，通过应用营养素、行动量、生命阶段、以及日期与时间的至少任一个，当用户摄入含有此种营养素的食谱时，进行该行动量的行动，可推测用户处于该生命阶段或在该日期与时间对测定值进行测定时的用户的测定值。另外，该回归系数的绝对值表示测定值的改善或恶化的程度。
225、另外，当成为用户的实现目标的测定值的目标值大于当前的测定值时，可将作为正或0的回归系数的解释变量设为改善测定值的改善因子，将作为负回归系数的解释变量设为使测定值恶化的改恶因子。当成为用户的实现目标的测定值的目标值小于当前测定值时，可将作为负或0的回归系数的因子设为改善因子，将作为正回归系数的因子设为改恶因子。
226、评价部116可基于作为改善因子的营养素的含量、以及作为改恶因子的营养素的含量来评价食谱。关于评价部116，例如如果食谱中所含的改善因子的数量越多，则对食谱的评价越高，如果食谱中所含的改恶因子的数量越多，则对食谱的评价越低。评价部116例如可根据改善因子及改恶因子的系数的营养素含量的加权平均值(例如，当改善因子与改恶因子的正负相反时，能够以σ(改善因子的含量×改善因子的系数)+σ(改恶因子的含量×改恶因子的系数)的形式计算，当系数表示多变量回归的回归系数的绝对值等改善或改恶的“程度”时，能够以σ(改善因子的含量×改善因子的系数)-σ(改恶因子的含量×改恶因子的系数)的形式计算)来评价食谱。
227、评价部116也可基于解析部115生成的预测模型来评价食谱。评价部116例如可从用户终端3接收相当于预测模型的目标变量的测定值的目标值的输入，而估算出由预测模型推测的预测值成为该目标值的营养素的摄取量(以下，称为预测摄取量)。评价部116可高度评价具有接近预测摄取量的营养素量的食谱，而较低地评价具有偏离预测摄取量的值的营养素量的食谱。评价部116可针对每一预测模型，对各个食谱赋予评价值。评价值可将偏离估算的预测摄取量的程度量化，但并不限定于此。
228、评价部116可基于预测模型评价食谱的组合。评价部116可高度评价将多个食谱中所含的营养素量加在一起的合计营养素量具有接近预测摄取量的营养素量的食谱的组合，而较低地评价将多个食谱中所含的营养素量加在一起的合计营养素量具有偏离预测摄取量的值的营养素量的食谱的组合。评价部116可针对每一预测模型，对各个食谱的组合赋予评价值。
229、另外，评价部116也可基于解析部115生成的预测模型，评价行动量或生命阶段或日期与时间、行动量、食谱。评价方法只要依据上述食谱的评价方法进行即可。
230、目标值输入部119接收成为用户的实现目标的测定值的目标值的输入。例如，可接收体重的目标值、短跑时间的目标值、测试分数的目标值等的输入。
231、食谱建议部117可根据食谱的评价值，选择要推荐给用户的食谱，并呈现在用户终端3。食谱建议部117例如可对食谱存储部135中存储的各个食谱，在评价部116算出评价值，按照评价值从高到低的顺序选择规定数量(可以为一个，也可为十个等任意数量)的一个食谱或多个食谱的组合，并将所选的食谱或食谱的组合呈现在用户终端3。另外，食谱建议部117可预先设定组合多个食谱时的限制条件。例如，可设定对一个组合中所包含的食谱数量的限制、食谱中所包含的食材量的合计值的上限、对于一个或多个营养素在一次饮食中的摄取上限等作为限制条件。
232、而且，食谱建议部117可选择并呈现可达成目标值输入部119所接收的目标值的食谱。食谱建议部117可向利用解析部115对营养素及测定值的解析而求出的预测模型提供食谱中所含的营养素的含量来推测测定值的预测值，判定该预测值是否达成目标(当测定值越大越好时，预测值为目标值以上，当测定值越小越好时，预测值为目标值以下，当优选为接近特定值时，预测值与目标值的差小于规定的阈值)，并选择达成目标的食谱。另外，在营养模型以外的预测模型的情况下，可提供用户的生命阶段(可预先设定或接收输入)、当前日期与时间或在干预期间内预定采取食谱的日期与时间、以及标准进行的预定行动量(可预先设定或接收输入)的至少任一种来推测测定值的变化量。
233、而且，食谱建议部117针对给定的食谱，可建议调整(变更、追加、删除)营养素以使测定值提升。食谱建议部117的按营养素区分的干预程度(调整度)以改善因子的改善程度超过改恶因子的改恶程度的方式调整营养素。所谓干预程度(调整度)，是指在比较利用食谱建议部117的调整前的饮食(即，此前用户所采用的饮食)中所包含的改善因子及改恶因子的改善程度、与食谱建议部117所建议的营养素的含量调整后的饮食中所包含的改善因子及改恶因子的改善程度的情况下上升的程度。
234、例如，假设目标值高于测定值的当前值的情况(即，若回归系数为正则成为改善因子，若回归系数为负则成为改恶因子的情况)。此处，调整前的食谱中所包含的改善因子的回归系数×含量总计为5，调整前的食谱中所包含的改恶因子的回归系数×含量总计为-3。并且，若使利用食谱建议部117的调整后的食谱中所包含的改善因子的回归系数×含量总计为8，使调整后的食谱中所包含的改恶因子的回归系数×含量总计为-1，则关于营养素的调整程度(干预程度)，关于改善因子的系数×含量的总数的调整量(即8-5＝3)、与关于改恶因子的系数×含量的总数的调整量(即(-1)-(-3)＝2)的合计即“5”成为干预程度(调整度)。食谱建议部117通过以干预程度(调整度)为正的方式调整营养素，期待测量值增加。
235、另外，当测定值的目标值低于当前值时，若回归系数为负则成为改善因子，若回归系数为正则成为改恶因子，通过以调整前后的回归系数×含量的总计的变化量(干预程度、调整度)为负的方式调整营养素，期待测量值降低(改善)。
236、而且，食谱建议部117在使用改善程度及改恶程度(回归系数的绝对值)的情况下，若将调整后的食谱中所包含的改善因子的改善程度×含量减去改恶因子的改恶程度×含量而得的值(调整后改善值)大于将调整前的食谱中所包含的改善因子的改善程度×含量减去改恶因子的改恶程度×含量而得的值(调整前改善值)，即干预程度(调整度)为正，则期待测量值改善(上升或下降)。
237、食谱建议部117以干预程度(调整度)成为改善方向(在使用回归系数的情况下，使测定值上升时为正，使测定值下降时为负)的方式进行营养素的调整即可。
238、如此，将改善因子及改恶因子分别相加，就可获得总和干预程度(调整度)作为干预期间的改善因子及改恶因子的调节带来的整体影响的指标，该总和干预程度(调整度)始终为改善因子>改恶因子。总和干预程度(调整度)在(1)改善因子为正、改恶因子为正，(2)改善因子为正、改恶因子为负，(3)改善因子为负、改恶因子为负的三种模式下，成为改善因子>改恶因子。如果能实现该总和干预程度(调整度)模式，则不管是改善因子还是改恶因子，都可自由进行个别营养素(也包括行动量)的调整。
239、而且，食谱建议部117针对给定的食谱，可建议通过变更或追加食材(也包含调料)来进行调整以使测定值接近目标值。在本实施方式中，提供给食谱建议部117的食谱为干预期间摄取的多次饮食(优选为所有饮食)的每一餐的食谱。
240、另外，也可以对食谱建议部117提供一餐的食谱或一日三餐的食谱。在该情况下，将干预期间设定为一次或一天而进行解析即可。
241、食谱建议部117可按照改善因子的改善程度×含量超过改恶因子的改恶程度×含量，且其超过量尽可能大的方式进行变更、追加、和/或删除食谱中所包含的食材(或食谱的套餐中包含的食谱)。而且，食谱建议部117可按照上述总和干预程度(调整度)成为改善因子(改善程度×含量的调整值)>改恶因子(改恶程度×含量的调整值)的方式，进行变更、追加、和/或删除食谱中所包含的食材(或食谱的套餐中包含的食谱)。
242、例如，食谱建议部117关于给定食谱中所包含的一个或多个食材a，可从食材信息存储部136选择比食材a包含更多作为改善因子的营养素的食材b，将食材a变更为选择的食材b，并呈现在用户终端3。
243、食谱建议部117将所选食谱中所包含的营养素的含量提供给营养模型来推定测定值的变化量，将推定的变化量加上测定值存储部131中所存储的测定标准值来计算测定值的第一预测值，当该预测值未达成目标时，关于一个或多个食材b，可将食材a变更为食材b并与上述同样地计算测定值的第二预测值，试行第二预测值是否达成目标，并选择达成目标的食材b。
244、当达成目标的食材b不存在时，食谱建议部117可选择目标值与预测值的差最小的食材b。在此情况下，食谱建议部117可将第二预测值作为可达成的测定值输出。
245、食谱建议部117关于给定的食谱中所包含的食材c，可从食材信息存储部136选择比食材c包含更少作为改恶因子的营养素的食材d，将食材c变更为选择的食材d，并呈现在用户终端3。
246、而且，食谱建议部117可建议删除包含作为改恶因子的营养素的数量为规定数量以上的食材、包含作为改恶因子的营养素的含量为规定量以上的食材或食谱、作为改恶因子的营养素的数量比作为改善因子的营养素的数量多的食材或食谱、改恶因子的回归系数的绝对值的合计比改善因子的回归系数的绝对值的合计多的食材或食谱。
247、食谱建议部117可从食材信息存储部136选择包含作为改善因子的营养素的食材，将该食材追加到食谱中，并呈现在用户终端3。
248、食谱建议部117可使用改善或改恶的程度、即解析部115算出的回归系数的绝对值(关于改善因子称为改善系数，关于改恶因子称为改恶系数)，来选择食谱。食谱建议部117将食谱中所包含的改善因子的含量乘以该改善因子的改善系数而得的值(以下，称为改善值)，减去将食谱中所包含的改恶因子的含量乘以该改恶因子的改恶系数而得的值(以下，称为改恶值)，而算出第一值，关于将食谱中所包含的至少一个食材f变更为食材g的变更后的食谱，可按照变更后的食谱的改善值减去变更后的食谱的改恶值而得的第二值大于该第一值的方式来选择食材g，将食材f变更为选择的食材g，并将该食谱呈现在用户终端3。
249、食谱建议部117算出食谱的改善值减去该食谱的改恶值而得的第一值，关于在该食谱中添加追加的食材h的食材追加后的食谱，可按照改善值减去改恶值而得的第二值大于该第一值的方式来选择食材h，将选择的食材h追加到该食谱中，并呈现在用户终端3。
250、另外，解析部115定期进行解析而特定出改善因子及改恶因子，评价部116可伴随解析部115的解析来评价食谱。例如，可在干预期间内进行多次解析及建议。在此情况下，食谱建议部117对过去的食谱不改变食材(营养素)及行动量等，而调整将来的食谱(及行动量)。
251、行动建议部118可在用户终端3提示用于达成目标的行动量。
252、例如，在仅以食谱建议部117建议的食谱无法达成目标值的情况下，行动建议部118可进行行动的建议。行动建议部118关于建议行动的行动量，可计算推定为能够达成目标值的行动量。例如，根据食谱建议部117基于营养模型建议的食谱(进行了食材的变更、追加或删除)，可计算行动量为0时实现的测量值的第一预测值(可通过将食谱中所包含的营养素的含量提供给营养模型来计算)，而在该第一预测值未达成目标值的情况下，可建议调整行动标准值。在此情况下，解析部115预先推测营养行动模型，食谱建议部117向营养行动模型提供行动标准值及营养素的含量而计算第一预测值，可建议以第一预测值最接近目标值的方式变更、追加、和/或删除食材的食谱。并且，行动建议部118可根据行动的改善系数或改恶系数调整行动量。行动建议部118可按照将行动量、以及食谱建议部117建议的食谱中所包含的营养素的含量提供给营养行动模型所计算的第二预测值达到目标值的方式改变行动量，从而进行行动量的调整。
253、而且，行动建议部118在由营养行动模型推定的预测值未达目标值的情况下，当行动为改善因子时，例如可通过用不足部分除以改善系数等来计算相当于不足部分的行动量的增加量，将算出的量加上行动标准值而计算行动量，将算出的行动量与建议进行行动的消息发送至用户终端3。反之，当行动为改恶因子时，行动建议部118可通过用不足部分除以改恶系数等来计算相当于不足部分的行动量的减少量(使行动标准值为最大值)，将算出的减少量与建议不要进行行动的消息发送至用户终端3。
254、行动建议部118也可使用解析部115算出的营养行动模型中的行动量的回归系数(改善系数或改恶系数)，建议测定值改善的行动量。行动建议部118例如算出解析部115所解析的行动量乘以该回归系数而得的值(以下，称为行动量值)。当行动量为改善因子时，行动量值越大则越关系到测定值的改善，当行动量为改恶因子时，行动量值越小则越关系到测定值的改善。行动建议部118在行动量为改善因子的情况下，估算出针对用户的年龄层或性别推荐的行动量、或用户过去的行动量的平均值乘以规定的值而不会过量的行动量即可，可将这些行动量呈现在用户终端3。而且，行动建议部118在行动量为改恶因子的情况下，可按行动量值最小的方式建议行动量0，但关于如果行动量0则导致健康、生活障碍的行动(例如步行等，但不限于此)，估算出针对用户的年龄层或性别推荐进行的最低限度的行动量、或用户过去的行动量的平均值乘以规定的值而不会过小的行动量即可，可将这些行动量呈现在用户终端3。
255、而且，食谱建议部117也可在调整给定的食谱的营养素(食材)并且调整行动量之后对食谱及行动提出建议。
256、使用图8说明服务器装置1的代表性处理流程。测定值获取部111从用户终端3获取测定值(1001)。摄取量获取部112从用户终端4获取摄取量(1002)。行动量获取部113从用户终端3获取行动量(1003)。生命阶段信息获取部114从用户终端3获取生命阶段信息(1004)。解析部115解析测定值、与摄取量、行动量、生命阶段信息等其他因子的关系(1005)。评价部116基于解析部115的解析结果评价食谱(1006)。食谱建议部117基于评价部116的评价结果将选定的食谱呈现在用户终端3。(1007)。行动建议部118基于评价部116的评价结果将选定的行动呈现在用户终端3。(1008)。
257、以上，参照附图对本公开的优选实施方式详细进行了说明，但本公开的技术范围并不限定于相关例子。应了解，本公开的技术人员在专利申请的范围所记载的技术思想的范畴内可想到各种变更例或修正例是显而易见的，这些当然也属于本公开的技术范围。
258、例如，食谱建议部117也可一同考虑食谱存储部135中存储的食谱的配方或工序的信息、以及食材信息存储部136中存储的针对每一食材的由烹饪引起的对营养素的影响、或由与同时烹饪的其他食材的关系引起的对营养素的影响的信息，来选定食谱。在此情况下，食谱建议部117在对食谱添加食材的情况下，评价该食谱的工序与所加食材的关系，在所加食材或原本包含的食材的营养素发生变动的情况下，将变动后的营养素作为上述改善因子、或上述改恶因子的量进行估算即可。而且，食谱建议部117在对食谱添加食材的情况下，评价该食谱中所包含的食材与所加食材的关系，在所加食材或原本包含的食材的营养素发生变动的情况下，将变动后的营养素作为上述改善因子、或上述改恶因子的量进行估算即可。
259、而且，在本实施方式中，直接使用回归系数作为改善系数及改恶系数，但不限于此，可使用与标准化的营养素的含量的差乘以标准化的系数(将多元回归式中的说明名变量的系数进行标准化而得的系数)而得的数值来算出干预程度(调整度)。在此情况下，调整营养素含量时的干预程度(调整度)成为变更前的食谱中所包含的营养素的含量与变更后的食谱中所包含的营养素的含量的差，在此情况下，可使用与未标准化的营养素的含量的差乘以未标准化的系数(多元回归式中的说明名变量的系数本身)而得的数值来算出干预程度(调整度)。并且，如果总和干预程度(调整度)成为改善因子>改恶因子的模式，则食谱建议部117可进行达成目标值(接近目标值)的营养素调整。
260、本说明书中说明的装置可作为单独的装置实现，也可由一部分或全部通过网络连接的多个装置(例如云服务器)等实现。例如，服务器装置1的各功能部及各存储部可由互相以网络连接的不同服务器实现。
261、本说明书中说明的装置的一系列处理可使用软件、硬件、以及软件与硬件的组合的任一种来实现。可制作用于实现本实施方式的服务器装置1的各功能的计算机程序，安装在个人电脑(pc)等。而且，也可提供这种计算机程序储存的可用计算机读取的记录介质。记录介质例如为磁盘、光盘、磁光盘、闪存等。而且，上述计算机程序可不使用记录介质而例如经由网络传送。
262、而且，本说明书中使用流程图进行说明的处理可不一定按照图示的顺序执行。一些处理步骤也可并列执行。而且，可采用追加的处理步骤，也可省略一部分处理步骤。
263、而且，本说明书中记载的效果始终为说明性或例示性效果且并不限定于此。也就是说，除上述效果以外，本公开的技术根据本说明书的记载还可起到对本领域的技术人员而言显而易见的其他效果以代替上述效果。
264、以下，对本实施方式的健康支持系统的实施例进行说明。
265、<第一实施例>
266、在第一实施例中，选择体重作为通过优化摄取营养素量而达成的健康指标。通过解析明确体重与摄取营养素量、加上运动量(步数)的关系性，关于能否通过对营养素量进行优化的个人最佳饮食获得体重改善效果，通过进行以人作为对象的试验来验证其效果，并对高效的营养素优化的解析手法进行研究。
267、试验方法
268、使用设备、软件
269、将使用的测量、记录设备及包含移动应用程序的软件示于以下。另外，当条件研究试验及临床试验中使用的设备不同时，在其项目中标记记号。(+)表示仅用于条件研究试验，(*)表示仅用于临床试验。
270、使用设备、试剂
271、1)体重和身体成分秤(hbf-255t,欧姆龙健康医疗有限公司,京都)
272、2)活动量计(*)(fitbit charge3,fitbit(google),美国)
273、3)智能手机(*)(iphone(注册商标)se(2020),apple,美国)
274、4)血液检查试剂盒(+)(demecal血液检查试剂盒[代谢综合征&生活习惯病自我检查],leisure株式会社,东京)
275、使用软件
276、1)omron connect(+)(欧姆龙健康医疗有限公司,京都)
277、2)asken(+)(asken inc.,东京)
278、3)fitbit(+)(fitbit(google),美国)
279、4)mr.献dateman web(*)(chi-technology株式会社,东京)
280、5)spss statistics ver.25(ibm,美国)
281、6)spss statistics ver.28(+)(ibm,美国)
282、摄取营养素量的个人优化
283、体重预测模型公式的导出
284、在第一实施例中，创建根据营养素等要素预测受试者的体重的“体重预测模型公式”。体重预测模型公式根据摄取营养素量(选自水分、蛋白质、脂质、糖质、膳食纤维总量、碳水化合物、钠、钾、钙、镁、铁、锌、维生素a、维生素d、维生素e、维生素b1、维生素b2、维生素b6、维生素c、食盐当量、饱和脂肪酸的21种成分)及摄取能量、运动量(步数)等各数据预测每一受试者获取的每天的起床时体重。在推导模型公式时，采用多元回归分析，其是仅以解释变量从与多个其他变量(解释变量)的关系性来预测某一目标变量(目标变量)的分析方法。进行多元回归分析的软件使用spss statistics ver.25、以及ver.28(ibm,usa)，将目标变量设为起床时体重，将解释变量设为前一天～三天前的摄取营养素量、运动量来执行变量减少法的多元回归分析。
285、已知当选择的解释变量间存在较强相关性时，无法正确算出模型公式而预测误差变大的可能性变高。通常，多元回归分析中所需的数据数是用作解释变量的数量的10～15倍，但应用于第一实施例时所需期限超过一年，这是不现实的，也无法适应季节变化或身体成长。因此数据收集期限以一个月为基准，采用模型公式(式1)，选择的解释变量数为七个以下，是该期限的四分之一，解释变量的方差扩大系数(vif)为10以下，可排除多重共线性的可能性，即由于变量间的相关性导致相关系数不恰当地高于真值。此处选择的摄取营养素(解释变量)是为了预测起床时体重而选择的变量，被认为是影响体重的体重参与营养素。式中，多元回归系数的符号为正的营养素成为体重增加因子，其被认为由于与体重呈正相关，因此通过摄取而体重增加。另一方面，多元回归系数的符号为负的营养素成为体重减少因子，其被认为由于与体重呈负相关，因此通过摄取而体重减少。
286、(式1)体重预测模型公式
287、起床时体重＝营养素1×系数1+营养素2×系数2...+常数项
288、营养素量的优化
289、在单独设计有望改善受试者体重的被试饮食时，针对通过体重预测模型公式确定的受试者，进行包含对体重增加、体重减少起作用的营养素的食品的增减调整。
290、将受试者摄取的一天的饮食中所包含的营养素的合计值代入模型公式时，以预测的体重接近表示身体质量指数(bmi，body mass index)的目标范围即21.5～24.9kg/m2的值的方式，通过变更被试饮食的菜单中使用的食材、或进行以变更菜单的备餐量为中心的调整，来优化受试者一天摄取的营养素量。
291、但是，为了避免由营养素的过剩或缺乏引起的健康障碍，制定以下(1)～(4)的条件，并在条件研究试验中依据(2)、(4)，在临床试验中依据所有(1)～(4)。另外，使被试饮食的菜单内容每餐都不相同且不连续，以避免持续相同的菜单对受试者的心理压力。
292、“条件”
293、(1)日本人的饮食摄取基准(2020年版)中规定的3大营养素(碳水化合物、
294、脂质、蛋白质)的推定平均需求量及目标量是试验对象的年龄、性别中的最小值以上且小于最大值的130％的量。
295、(2)对于规定了耐受上限量的营养素，不要超过其上限。
296、(3)观察期间特定的体重参与成分量是日本人的饮食摄取基准中的推定平均需求量或标准量的70％以上的量。
297、(4)一周摄取的能量与试验对象的日常饮食相同。
298、试验食品及摄取营养素量
299、试验食品使用市面上销售的食材，按照和普通人准备日常饮食时相同的方法进行烹饪。在条件研究试验中，试验对象自己在超市等购买菜单表中指定的食品并进行烹饪，该菜单表优化了营养素量并指定了食材及使用量。
300、在临床试验中，根据由营养师监督并考虑到主菜、副菜等的平衡而制作的基本菜单，通过食材量的调节或替换来优化营养素量，以指定食材及使用量的“配料表”的形式送达试验实施场所，按照其进行烹饪，分别为受试者进行备餐。饮食基本为早中晚的一日三餐，依据此前的饮食习惯添加并摄取零食(10点、15点、宵夜)。而且，在受试者未吃完指定量的试验食品的情况下，记录残食量，根据备餐量计算完食率而算出摄取量。
301、条件研究试验
302、试验对象特性
303、实施的条件研究试验的试验对象为2021年4月满25岁的健康成人男性一名。身高为172.1cm，在计算bmi(kg/m2)时使用该值。
304、试验日程表
305、条件研究试验在2020年9月1日到2020年12月7日为止的98天，和2021年10月26日到2021年12月27日为止的63天中，合计实施两次。
306、2020年度实施试验
307、按照由四个阶段构成的日程表(图9)实施试验：观察期间(28天)、冲洗期间(7天×2次)、干预期间(28天×2次)、随访期间(14天)。
308、在观察期间，在起床时及睡觉前进行体重、身体成分的测定、记录，并记录饮食中使用的食材的种类及使用量。在冲洗期间，考虑到在观察期间采集数据的行为可能会使受试者产生生活习惯的改善等行动改变而改善体重，不进行一切数据测定而恢复到通常的生活状态，并且准备基于受试者数据解析及解析结果优化营养素的被试饮食。在干预期间，与观察期间同样地，以早饭、午饭、晚饭为基本结构摄取针对受试者进行了营养素调整的被试饮食，与观察期间同样地进行体重、身体成分的测定。
309、2021年度实施试验
310、基于大致分为观察期间(35天)、干预期间(28天)两个期间构成的日程表(图10)实施临床试验。与2020年度实施的试验相比，变更之处在于：取消不进行数据采集的冲洗期间，不间断地继续进行每天的数据测定；考虑到体内环境时刻都在变化，作为体重参与因子的营养素也可能发生变化，将干预期间分为第一期至第四期，每周进行一次多元回归分析，更新用于营养素优化的体重预测模型公式。
311、体重、身体成分数据测定
312、测定体重、身体成分(体脂率(％)、骨骼肌率(％)、基础代谢量(kcal))等各数据时，使用家庭用的体重和身体成分秤在起床时实施三次测定。对各个数据进行处理时，计算并使用三次测得的值的平均值。
313、而且，运动量(步数)是使用手表型活动量计，除洗澡时取下以便给主机充电以外，一整天都戴在左手腕上进行测定。
314、饮食摄取营养素量的推定
315、观察期间，使用饮食管理用的智能手机应用程序，在早饭、午饭、晚饭时登记饮食。通过该应用程序的饮食记录功能，从摄取的饮食中估算蛋白质、脂质、糖质、膳食纤维总量、碳水化合物、钠、钾、钙、镁、铁、锌、维生素a、维生素d、维生素e、维生素b1、维生素b2、维生素b6、维生素c、食盐当量、饱和脂肪酸共20种成分的摄取量及摄取能量，记录每天的合计量以根据每天的营养素量创建预测体重的模型公式。摄取能量用于设定优化了营养素量的食谱的能量在观察期间保持在不变的范围。
316、另外，在2020年度实施的试验中，使用依据日本食品标准成分表(2015年版，第七次修订)的数据，在2021年度实施的试验中，使用依据2020年12月修订的日本食品标准成分表(2020年版，第八次修订)的数据。
317、血液检查
318、在2021年实施的条件研究试验中，为了调查观察期间及干预期间的饮食生活的体内环境，利用血液检查试剂盒实施血液检查。测定点设为观察期间结束后及干预期间结束后的合计两次，分别在起床后早饭前进行采血。采血获得的血液样本送至检测机构进行检测。采血量为一次0.065ml。
319、临床试验
320、受试者特性
321、临床试验是根据“涉及人的生命科学和医学研究伦理审查办法”，在向机构工作人员、被试候选人及痴呆症患者被试候选人的代理人(受试者的父母、配偶、监护人或同等人员)进行说明并最终获得书面同意后，合计9名成为临床试验的受试者。受试者特性如图11所示。
322、试验日程表
323、在临床试验中，根据事先测定而获得的体重及身高算出bmi，实施筛选进行受试者的选定及分组后，基于由观察期间(28天)、冲洗期间(14天)、干预期间(28天)、随访期间(14天)四个期间构成的日程表，实施临床试验(图12)。
324、在观察期间，在起床时及睡觉前进行体重、身体成分的测定，而且，在预先提供的菜单表记录备餐量及残食量以计算食材的使用量、以及受试者的饮食摄取率。
325、在冲洗期间，考虑到在观察期间采集数据的行为可能会使受试者产生生活习惯的改善等行动改变而改善体重，不进行一切数据测定而恢复到通常的生活状态，并且准备基于受试者数据解析及解析结果优化营养素的被试饮食。
326、在干预期间，与观察期间同样地，以早饭、午饭、晚饭、零食(10点、15点、夜宵)为基本结构摄取针对每位受试者单独进行营养素调整的被试饮食，与观察期间同样地进行体重、身体成分的测定，记录食材使用量、对受试者的备餐量及残食量。
327、随访期间与观察期间同样地，在起床时及睡觉前进行体重、身体成分的测定，除此以外，记录食材使用量、对受试者的备餐量及残食量。
328、本临床试验是在伦理审查委员会的批准下进行的。而且，为受试者举办了知情同意说明会并征得了他们的同意。
329、受试者筛选
330、分发体重和身体成分秤及体重记录用纸，进行三天的体重测定(起床时、睡觉前)，根据其结果进行筛选。基于体重测定结果及身高算出bmi，基于下述选择基准将受试者分为试验组及对照组两组。
331、“试验组的选择基准”
332、(1)已事先收到说明，能够理解其内容并赞同其主旨，由本人或其代理人书面表示同意的人。
333、(2)基于三天测定的体重而算出的bmi的值不在以下所示的目标体重范围内的人
334、(3)目标体重(65岁以上):bmi21.5～24.9kg/m2
335、(4)日常吃早饭、午饭、晚饭，摄入由主食、主菜、配菜组成的普通饮食的不挑食的人
336、(5)能够摄取按照指示的菜单、备餐指示书烹饪的试验食品的人
337、(6)日常不饮用酒精饮料，试验期间能够控制酒精饮料摄取的人
338、“对照组的选择基准”
339、(1)满足上述“试验组的选择基准”的(1)、(2)、(4)～(8)的人中，基于三天测定的体重而算出的bmi的值在下述所示的目标体重范围内的人(目标体重(65岁以上):bmi21.5～24.9kg/m2)
340、“例外基准”
341、(1)体重测定发现明显异常的人
342、(2)从试验开始之日起半年以内做过开腹手术的人
343、(3)绝经前后的女性中身体状况发生明显变化的人
344、(4)可能会对药物或食品有过敏症状的人
345、(5)怀孕中或可能怀孕的女性、以及哺乳期的女性
346、(6)当前正在参加其他临床试验或者四周以内参加过的人
347、(7)献血及通过静脉注射、肌肉注射、皮下注射接受持续治疗的人
348、(8)除此以外，研究代表判断为不合格的人
349、体重、身体成分数据测定
350、测定体重、身体成分(体脂率(％)、骨骼肌率(％)、基础代谢量(kcal))等各数据时，使用体重和身体成分秤在起床时及睡觉前实施三次测定。数据处理时算出三次测定值的平均值并使用。
351、体重、身体成分数据由协助受试者测定的人员记录在记录用纸上。当测定值产生0.15kg以上的误差时，实施第四次测定，数据处理时算出相近的三个数值的平均值并使用。
352、饮食摄取营养素量的推定
353、推定受试者的饮食摄取营养素量时，使用营养管理软件。
354、通过由营养管理软件输出的供应营养量表，根据一天摄取的饮食推算能量、水分、蛋白质、脂质、糖质、膳食纤维总量、碳水化合物、钠、钾、钙、镁、铁、锌、维生素a、维生素d、维生素e、维生素b1、维生素b2、维生素b6、维生素c、食盐当量、饱和脂肪酸共21种成分的摄取量。此处，供应营养量表是对一名受试者列出每天的摄取营养素量的表。另外，该营养管理软件使用依据日本食品标准成分表(2020年版，第八次修订)的数据。
355、统计处理
356、体重参与营养素的干预程度评价
357、为了评价干预期间的体重参与因子对体重改善效果的参与度，新设置了干预程度这一指标。干预程度是关于各体重参与营养素，将干预期间的标准化后的体重参与因子的平均值减去观察期间的标准化后的体重参与因子的平均值而得的值，乘以由多元回归分析推导的标准化系数的绝对值(式2)。
358、(式2)干预程度计算式
359、干预程度＝[标准化的体重参与因子平均值(干预期间)-标准化的体重参与因子平均值(观察期间)]×|标准化系数|
360、此处，标准化是以数据的平均值为0、方差为1的方式来补正值的统计方法之一，可分别对单位不同的营养素等体重参与因子进行因子间的比较。而且，标准化系数是用单位不同的解释变量彼此对由多元回归分析导出的多元回归系数进行比较时使用的值，计算干预程度时使用此两种值而进行。
361、利用式2对一名受试者单独算出的干预程度在(1)体重改恶因子成为负值、体重改善因子成为正值时，或(2)体重改善因子的干预程度超过体重改恶因子的干预程度时，评价为与观察期间相比可进行期待体重改善的营养素调整。
362、检验方法
363、测定结果中对每一观察期间、干预期间分别算出平均值及标准误差。由于干预开始第一天的体重测定值是未摄取试验食品的结果，因此在检验时排除干预期间第一天的数据再进行统计处理。关于受试者个人的体重测定值，为了比较观察期间及干预期间的平均值，选择不对应的t检验，由此进行统计处理。检验中的有意水准在双侧检验中设为5％以下，p值为0.05以下时由"*"表示，0.01以下时由"**"表示，0.001以下时由"***"表示。
364、实验结果
365、条件研究试验结果
366、体重预测模型公式
367、将观察期间获取的起床时体重作为目标变量，将摄取营养素量、运动量(步数)作为解释变量，实验spss statistics ver.25及28进行多元回归分析(图13)。通过求出的多元回归系数，构建预测起床时体重的模型公式，根据系数的符号特定出体重参与因子。两个条件研究试验中使用的合计六个模型公式的多重相关系数的平均值为0.80，在摄取营养素与体重测定值之间可看到较高的相关性，因此启示可根据摄取营养素量及运动量(步数)预测起床时体重。
368、2020年度，干预期间第一期(式3)
369、起床时体重＝-0.018×蛋白质+0.0079×脂质-0.054×膳食纤维-0.16×铁+0.43×维生素b6+0.014×维生素c-0.00017×运动量(步数)+71.13
370、2020年度，干预期间第二期(式4)
371、起床时体重＝0.042×脂质-0.0054×碳水化合物+0.00059×钾+0.0015×钙-0.24×维生素e-0.81×维生素b6-0.079×饱和脂肪酸+71.87
372、2021年度，干预期间第一期(式5)
373、起床时体重＝0.0065×糖质+0.0014×钾-0.011×镁+0.034×维生素d-2.01×维生素b6+0.0070×维生素c-0.032×饱和脂肪酸+71.84
374、2021年度，干预期间第二期(式6)
375、起床时体重＝0.019×蛋白质-0.0024×糖质+0.0054×碳水化合物+0.0014×钙-0.14×铁-0.068×锌-0.24×维生素b1+70.76
376、2021年度，干预期间第三期(式7)
377、起床时体重＝-0.000022×钠+0.0011×钾-0.0052×锌+0.00076×维生素a-1.01×维生素b6+71.19
378、2021年度，干预期间第4期(式8)
379、起床时体重＝0.00036×钠+0.00092×钾-0.00093×钙+0.028×维生素d-0.72×维生素b6+0.14×食盐当量+70.88
380、试验食品的体重参与营养素量
381、以下的图14～19示出将观察期间的摄取量设为100％，对干预期间受试者通过试验食品摄取的能量及营养素量进行比较的图形。在相同标注的两个柱状图中，左侧表示观察期间的摄取量，右侧表示干预期间的摄取量。○标记表示体重改善因子，×标记表示体重改恶因子。而且，在设计试验食品菜单时，规定使能量保持不变的条件，因此与营养素同样地对其进行了比较。干预期间的能量与观察期间相比达成95％～106％的范围内的调整。而且，除个别情况外，营养素量的调整中，实现了增加体重改善因子、减少体重改恶因子的调整。除此以外，在2020年实施的条件研究试验中，糖的质量也进行了调整，与观察期间保持一致。
382、体重测定结果
383、关于由体重和身体成分秤测定的起床时体重，在以下的图20～22中示出对观察期间及干预期间的平均值进行比较的图形。在2020年实施的条件研究试验、以及2021年实施的条件研究试验的任一测定期间的比较中，与被试饮食的摄取前、观察期间的平均体重相比，确认到有意(p<0.001)的减重(体重改善)。
384、身体成分测定结果
385、在以下的图23、24中示出由体重和身体成分秤测定的体脂率、骨骼肌率、基础代谢量。在身体成分的测定中，在2020年度实施的条件研究试验及2021年度实施的条件研究试验中，都确认到体脂率及基础代谢量均呈单调下降趋势(图23(a)、图24(a))。关于骨骼肌率，在整个试验期间未看到变化趋势，因此判断条件研究试验中的体重改善(体重减少)取决于体内脂肪的减少。
386、活动量测定结果
387、将活动量计测定的运动量(步数)的测定结果示于以下的图25～26中。
388、在2020年度实施的条件研究试验中，由于在干预期间(第一期)将运动量(步数)作为体重改善因子纳入了模型公式中，在合理范围内设定从观察期间增加的目标步数(约为观察期间的200％)，并有意识地进行步行以使一天的步数合计达到该数值。但是，在其他期间，运动量(步数)未作为体重参与因子纳入模型公式中，因此未有意识地进行步行，如往常一样生活。在2021年度实施的条件研究试验中，运动量(步数)也没有作为体重参与因子纳入模型公式中，因此未有意识地进行步行，并维持如常的生活。
389、营养素干预程度的评价
390、以下示出体重参与因子对试验对象的干预程度(图27～32)。在各图中，○标记表示体重改善因子或作为其结构因子的营养素的干预程度，×标记表示体重改恶因子或作为其结构因子的营养素的干预程度。当干预程度表示正值时，表示其营养素的摄取量在干预期间比观察期间有所增加，表示负值时，表示比观察期间的摄取量减少。当体重改善因子的干预程度为正值，且体重改恶因子的干预程度为负值时，表示进行期待受试者体重得到改善的理想干预。
391、在2020年实施的条件研究试验中，在着眼于各个体重参与因子的情况下，存在无法进行理想干预的营养素，如干预第一期的维生素b6，即便为改恶因子，干预程度也为正值(图27a)，或如干预第二期的维生素b6，即便成为改善因子，干预程度也为负值(图28a)等。但是，作为参与因子整体来看时，都是改善因子的干预程度表示正值、改恶因子的干预程度表示负值的结果(改善因子的干预程度>0，改恶因子的干预程度<0)。而且，在2021年实施的条件研究试验中，整体的体重参与因子中，改恶因子的干预程度在干预第一期至第四期的任一期间均为正值，但通过进一步增加改善因子的干预程度而解决(改善因子的干预程度>改恶因子的干预程度>0)。
392、如此，即便在各个体重参与因子成为与理想相反的干预程度的情况下，从参与因子整体来看，通过使体重改善因子的干预程度为正值，使体重改恶因子的干预程度为负值，也设计出期待改善受试者体重的饮食。而且，即便体重改恶因子的干预程度成为正值，通过将体重改善因子的干预程度提高至该值以上，也同样可期待体重改善效果。
393、血液检查结果
394、将在2021年实施的条件研究试验中实施的血液检查的结果示于以下。将干预期间结束后的血中成分与观察期间相比，结果确认血糖值及总胆固醇量减少(图33～36)。
395、临床试验结果
396、解析受试者
397、虽然受试者在干预期间摄取的饮食量进行了调整，与观察期间摄取的能量保持一致，但在完成临床试验的九名受试者中，确认有受试者在干预期间被发现残食。发生残食时，营养素组成不再符合营养素优化的设计，难以在预想的条件下验证效果。因此，在28天的干预期间中，在早饭、午饭、晚饭的任一餐中发生残食的天数为八天(30％)以上的三名对象被排除在有效性解析之外。
398、结果，解析受试者为四个人(e-02、e-08、e-09、n-02)，对照组为两个人(e-04、n-06)。而且，解析受试者的详细情况为三人进行旨在体重增量的干预，一人进行旨在减重的干预。
399、体重预测模型公式
400、将观察期间获取的起床时体重作为目标变量，将起床时体重测定前一天的摄取营养素量作为解释变量，使用spss statistics ver.25进行多元回归分析，将结果示于以下(图37)。
401、通过求出的多元回归系数，构建预测起床时体重的模型公式，根据系数的符号对每一受试者特定出体重参与因子。制作的合计七个模型公式的多重相关系数的平均值为0.64，在摄取营养素与体重测定值之间看到相关性，因此启示可根据摄取营养素量预测起床时体重。以下示出事例。
402、e-02(式9)
403、起床时体重＝0.00013×钠-0.0051×镁+0.10×铁+0.0072×维生素d-0.32×维生素b2+0.021×饱和脂肪酸+44.58
404、e-08(式10)
405、起床时体重＝0.014×脂质+0.0060×碳水化合物-0.0025×钙+0.0091×镁-0.16×维生素e+0.0038×维生素c+42.86
406、e-09(式11)
407、起床时体重＝-0.018×蛋白质+0.00025×钠-0.16×铁-0.00084×维生素a-0.066×维生素e+0.0027×维生素c+50.95
408、n-02(式12)
409、起床时体重＝-0.032×蛋白质+0.00047×钠+0.029×铁+0.0017×维生素a-0.059×饱和脂肪酸+62.24
410、试验食品的体重参与营养素量
411、关于分配至试验组七名受试者，用百分比示出干预期间摄取的被试饮食的能量及各营养素量与观察期间所摄取的相比调整何种程度(图38)。受试者摄取的能量与观察期间相比平均为96.7％，即便在不改变能量的条件下，也可进行体重参与因子的增减调整。而且，关于分配至对照组的两名受试者，在观察期间及干预期间仅比较能量(图39～43)。未进行饮食摄取营养素的优化，但摄取的能量与观察期间相比没有变化。
412、另外，柱状图的左侧表示观察期间的摄取量，右侧表示干预期间的摄取量。而且，在各系列中，圆圈标记表示体重改善因子，×标记表示体重改恶因子。
413、体重测定结果
414、关于由体重和身体成分秤测定的各受试者的起床时体重，对观察期间及干预期间的测定值进行比较，将结果示于以下的图45～50。
415、身体成分测定结果
416、将由体重和身体成分秤测定的体脂率、骨骼肌率、基础代谢量示于以下的图51～56。可获得体重参与营养素因不同受试者而不同的解析结果，由于进行单独的营养素优化，因此可确认即便是对体重增加进行相同调整的人，每一受试者也表现出不同的举动，如体脂率上升或骨骼肌率上升，或者两者都没有变化等。
417、营养素干预程度的评价
418、将四名解析受试者的干预期间的体重参与因子的干预程度示于图57～60。和第三章第一节6所示相同，若是单独的体重参与因子，则观察到虽为改善因子但干预程度为负的体重参与因子、虽为改恶因子但干预程度为正的体重参与因子(图57a～图60a)。另一方面，从整体的参与因子来看，关于受试者编号e-02，表示与2021年实施的条件研究试验同样地实施改善因子的干预程度>体重改恶因子的干预程度>0这一干预(图57b)，关于受试者编号e-08、e-09、n-02，表示实施改善因子的干预程度>0、改恶因子的干预程度<0这一干预，表示均为期待改善受试者体重的干预。
419、总结
420、在第一实施例中，实施了有效的体重改善用的营养素的优化方法的条件研究试验及利用营养素的个人优化以证实体重改善效果的临床试验。
421、对个人的体重与摄取营养素量的关系进行解析，结果表明，纳入体重预测模型公式的营养素因人而异，每个人的体重参与因子不同。在合计实施三次的为期28天的营养素优化饮食的干预条件研究试验中，在任一干预中均确认有意的体重改善(与干预前相比为-2.67kg、-1.85kg、-3.01kg，均p<0.001)。在每周的连续解析中，每次进行解析可获得不同的模型公式，特定为体重改善因子的镁在下一解析中被排除在参与因子之外，作为体重改恶因子的糖质在下一解析中特定为体重改善因子，因此启示即便是同一个人，由于体内环境或外部环境的变化等，作为体重参与因子的营养素也会改变。在使用该连续解析的干预中，与干预前相比-3.01kg(总体重4.2％的减重)，可获得迄今为止进行的条件研究试验中最大的体重改善效果。因此，认为连续解析有助于持续获得体重改善效果。
422、在临床试验的结果中，分配至试验组的七名受试者中，在所有二十八份干预餐中有八份(30％)以上有残食的三名受试者由于不满足基准的摄取营养素量，因此被排除在解析对象之外。成为有效性解析对象的四名受试者中，四人(100％)在干预前后的比较中观察到有意的体重改善(p<0.01)。由于在对照组中未发现有意的体重变动，因此推定通过该试验获得的体重变动均是因为营养素的优化调整。
423、这些结果表明，可通过摄取营养素量预测体重，通过调整利用推导体重与营养素间的关系性的多元回归分析而特定出的作为改善、改恶因子的营养素的量，即通过持续摄取对个人进行营养素优化的饮食，可使体重趋向于健康。在以体重改善为目的的本研究中，规定不改变摄取能量作为进行营养素优化时的条件。本试验结果证实了不改变能量、即不依赖于卡路里控制的体重改善效果，可以说颠覆了以往对减肥的定论。
424、在用于特定出影响个人体重的体重参与因子的解析中，本实施例中使用的解析方法的特征在于，只要是能进行量化的东西都可以纳入，而不限于营养素量。实际上，在条件研究试验中，运动量以步数的形式作为营养素以外的因素被纳入解析，结果在2020年实施的条件研究试验的干预第一期，被特定为体重改善因子。在干预第一期，除摄取优化营养素的饮食以外，使试验对象在合理范围内增加步行。通过步行期待的体重改善量的期待值参考美国运动医学协会提出的步行时的能量消耗量，认为基于燃烧1kg脂肪所需的能量(kcal)及通过步行消耗的能量(kcal)计算的结果为0.4kg。这相当于实际观测到的体重改善2.7kg中的约15％。因此，推测增加运动量有辅助营养素优化的体重改善效果的效果，但推测其效果小于营养素量。另外，运动量(步数)被特定为体重参与因子仅适用于此时，在干预第二期或2021年实施的试验中并未被特定为体重参与因子。
425、在第一实施例进行的试验中，“饮食中所包含的各种营养素量”是在特定出参与体重的营养素的基础上所需的重要数值。推定该数值时，在条件研究试验中使用智能手机应用程序“asken”，在临床试验中使用web软件“mr.献dateman web”。均是通过输入食谱名或食材名，参照日本食品标准成分表回答营养素量的系统，除成分表以外，“asken”还收录市售食品，文献中对预测精度也有报告。日本食品标准成分表是以三大营养素为代表，用指定各种矿物质、维生素量的分析方法进行解析，算出并收录推定值，但这些数据并非绝对的数值。这是因为食材在季节或产地、品种等方面有诸多差异，因此营养素量并不是唯一确定的。不过，在本研究中，可根据食材中包含的营养素量的概算值来判断参与因子。
426、关于2021年度实施的条件研究试验，在干预期间开始后，每当通过再次解析来更新模型公式时，相对于一周的体重推移，导出y为体重(kg)、x为模型公式开始使用后的天数(天)的线性近似，计算其斜率，结果四个期间的斜率分别为-0.27、-0.15、-0.03、-0.20，确认持续改善体重。根据该斜率推算，大概一周便可预见1kg的体重改善。在本研究进行的试验中，每周进行一次解析，但如果能缩短以通过解析来更新的体重预测模型公式为基础的饮食的营养素优化调整所花费的时间，理论上可每天进行一次解析，并更新模型公式。认为该连续解析可快速反映受试者由于所处的环境等外部因素而时刻变化的身体状况，可成为对更高精度地特定出影响个人健康指标的营养素有用的方法。连续解析中，模型公式中不一定选择相同的营养素，因此认为模型公式的更新有望使饮食模式的变化更丰富，可确保生活质量(qol，quality of life)。推测通过连续解析更新利用模型公式对应于身体成分的经时变化，且从确保受试者的qol(生活质量)的观点来看也有用。根据以上结果，第一实施例中实施的试验表明，继血压之后，体重也可以通过靠饮食摄取的营养素来预测并进行控制。
427、关于作为体重参与因子的营养素的调整程度，第一实施例中重新规定、计算并评价了一个指标，即干预程度。理想的调整是作为各个体重改善因子的营养素增量，而作为体重改恶因子的营养素减少，但可想到会有由于受试者的强烈希望或为了确保qol，而无法进行上述理想的调整的情况。具体而言，对于蛋白质为改恶因子但希望“增加蛋白质”的受试者，需要进行调整，以便能以增加蛋白质的量来减少其他改恶因子，从而用减少改恶因子的干预程度的总和而达成目标。在此情况下，虽然“作为个别改恶因子的蛋白质增加”，但“改恶因子的干预程度的总和减少”。有时也存在其相反的情况，即虽然“个别的改善因子减少”，但“改善因子的干预程度的总和增加”。而且，假如即便是在个别的改善因子减少而“改善因子的干预程度的总和减少”，且个别的改恶因子增加的情况下，如果调整为“改恶因子的总和的减少超出改善因子的总和的减少的效果”，这样也可达成目标。反之，即便是在个别的改恶因子增加而“改恶因子的干预程度的总和增加”且个别的改善因子减少的情况下，如果使“改善因子的干预程度的总和超出改恶因子的干预程度的总和(改善因子的干预程度>改恶因子的干预程度>0)”，这样也可期待达成目标。因此，推测在优化营养素以达成个人目标时，自由度极高。
428、如上所示，在第一实施例中，通过以人作为对象的临床试验证实了摄取营养素的个人优化对体重的改善效果。除体重之外，除了骨骼肌率或大脑功能等身体数据以外，体育比赛时间等数值数据也作为改善指标来优化摄取营养素，测量效果的试验正在进行中，每一项都获得了一定的成果。这些结果表明，只要与生物指标相关且能够量化，则可通过营养素的个人优化获得改善效果，可以获得个人所期望的健康，即可达成自我实现。
429、<第二实施例>
430、在第二实施例中，以大脑功能(记忆力)作为改善对象。通过解析每天的摄取营养素量与记忆力试验的相关关系，设计并摄取优化营养素量的个性化最佳饮食，验证记忆力改善效果。
431、实验材料及方法
432、实验材料
433、受试者
434、一名健康的成人男性
435、试验期间为一日三餐，禁止摄入保健食品或补充剂类、酒精类、三餐以外的餐点(加餐或零食)饮料仅限水。而且，避免不规律的生活，保持一定的运动习惯。
436、统计软件、应用程序
437、ibm spss statistics ver.25(ibm,the united states of america)
438、appron(一般社团法人健康营养支援中心，大阪)
439、※依据日本食品标准成分表2020年版(第八次修订)
440、实验方法
441、试验日程表(图62)
442、试验期间分为两个期间，分别设为观察期间(28天)、证实期间(28天)。在观察期间，记录记忆力试验得分及进行记忆力试验的次数，并使用营养素量计算软件进行摄取营养素量的记录。证实期间对观察期间获取的数据进行多元回归分析，三餐(早、中、晚)摄取基于解析结果进行营养素调整的个性化最佳饮食，与观察期间同样地记录记忆力试验得分、次数、摄取营养素量。
443、记忆力试验
444、在第二实施例中，作为记忆力的指标，使用了使用数字测量短期记忆力的试验。记忆力试验每天进行6～10次，试验次数随机分配。其中6次在指定时间(10点、13点、22点各两次)进行，其余的0～4次在任意时间进行。为了在试验时间或试验次数没有差异的条件下进行前后比较，将在指定时间进行的六次试验得分平均值作为当天的得分。为了排除因习惯导致的得分上升，在本试验开始前每天进行相同的记忆力试验，并在确认得分不再上升之后才开始本试验。
445、记忆力试验顺序
446、1.记住5×7方格中随机排列显示的数字。
447、2.3秒后不再显示数字。
448、3.从1开始选择以重现显示过的数字。
449、4.每当回答正确时显示的数字就会增加，因此直到答错为止的最大显示数就是得分。
450、模型公式的导出
451、设计记忆力改善饮食时解析记忆力与营养素的关系，需要特定出记忆力中作为改善因子及改恶因子的营养素。为了明确记忆力参与营养素的特定、其营养素对公式的影响度，使用spss进行多元回归分析，导出模型公式。目标变量设为记忆力试验得分，解释变量设为记忆力试验次数及合计二十种的前一天的摄取营养素量(蛋白质、脂质、膳食纤维总量、碳水化合物、钠、钾、钙、镁、铁、锌、维生素a、维生素d、维生素e、维生素b1、维生素b2、维生素b6、维生素c、食盐当量、饱和脂肪酸、糖质)及能量，解析方法使用变量减少法。为了将最新的数据反映在模型公式中，使用距离解析时点最近的二十四天的数据，每四天一次合计进行七次解析。而且，解释变量间有较高相关性时，回归式的可靠性降低，预测误差可能变大。因此，采用方差扩大系数(vif)使用10以下的解释变量的模型公式。vif为10以上的情况，则采取将要解析的数据错开一天、增加数据数量等措施。在模型公式中，所选营养素是通过多元回归分析选出以预测记忆力的变量，认为多元回归系数为正的营养素为记忆力改善因子，负的营养素为记忆力改恶因子等影响因子。
452、个性化最佳饮食的设计
453、设定记忆力试验的目标预测点，通过调整在导出的模型公式中确定的记忆力改善因子及记忆力改恶因子，设计可达成预测点的个性化最佳饮食。将一天的合计摄取营养素量代入模型公式中，以算出的预测点成为设定的目标点的方式，通过变更要使用的食材、调整食材使用量等操作来设计、优化饮食。为了维持qol，设为一日三餐(早、中、晚)，并与观察期间的平均摄取能量相比设计在±200kcal(±11.6％)以内，以免与观察期间摄取的饮食有较大偏差。
454、营养素的调整度评价
455、对摄取营养素进行标准化，算出并评价各营养素的调整程度。标准化将数据的平均值缩放为0，将方差缩放为1，通过进行标准化可对单位不同的营养素进行比较。使用解析中用的营养素数据的平均值及标准偏差进行标准化，将证实期间的标准化后的营养素量的平均值减去观察期间的标准化后的营养素量而得的值，乘以由多元回归分析推导的标准化系数的绝对值，将所得的值作为调整度。调整度分为记忆力参与因子整体调整度及记忆力参与因子个别调整度而算出。调整度的值为正时，比观察期间更多地进行调整，为负时则比观察期间更少地进行调整。
456、有意差检验
457、记忆力试验结果针对每一观察期间、证实期间算出平均值及标准偏差。由于对应于某一改善饮食的结果是第二天的结果，因此证实期间第一天的记忆力试验数据除外。观察期间及干预期间的记忆力试验结果的比较利用不对应的t检验进行统计处理。检验中的有意水准在双侧检验中设为5％以下(*p<0.05,**p<0.01,***p<0.001)。
458、实验结果
459、记忆力参与因子的特定
460、将观察期间获取的前一天摄取营养素量及前一天记忆力试验次数的数据作为解释变量，将记忆力试验得分作为目标变量进行多元回归分析。导出根据求出的多元回归系数预测记忆力试验得分的模型公式，根据系数的符号特定出改善因子及改恶因子(图63)。七次解析的平均相关系数为0.776，可看见较高的相关性。而且，结果为各个解析中的改善因子及改恶因子的种类不同。各解析的条件示于图64。
461、记忆力试验分数预测模型公式
462、解析no.1相关系数:0.864
463、记忆力试验分数＝0.0667[试验次数次]+0.00049[钾mg]+0.195[铁mg]-0.0289[维生素dμg]-0.773[维生素b2mg]-0.678[维生素b6mg]-0.119[食盐当量g]+9.381
464、解析no.2相关系数:0.890
465、记忆力试验分数＝0.00207[脂质g]+0.00069[钾mg]+0.241[铁mg]-0.173[锌mg]-0.0301[维生素dμg]-0.554[维生素b6mg]-0.141[食盐当量g]+9.731
466、解析no.3相关系数:0.897
467、记忆力试验分数＝0.00627[脂质g]+0.0120[镁mg]+0.101[铁mg]+0.000087[维生素aμg]-1.0247[维生素b2mg]-0.880[维生素b6mg]-0.176[食盐当量g]+9.480
468、解析no.4相关系数:0.740
469、记忆力试验分数＝0.00707[脂质g]+0.0232[膳食纤维总量g]-0.000331[钠mg]-0.00508[镁mg]+0.680[铁mg]-0.361[维生素b2mg]-0.00310[糖质g]+9.506
470、解析no.5相关系数:0.627
471、记忆力试验分数＝0.0831[试验次数次]-0.00821[蛋白质g]+0.0368[铁mg]+0.0407[锌mg]+0.0347[维生素e mg]-0.200[维生素b2mg]-0.0809[食盐当量g]+8.982
472、解析no.6相关系数:0.728
473、记忆力试验分数＝0.0944[试验次数次]-0.00498[镁mg]+0.0571[铁mg]+0.0822[锌mg]+0.0526[维生素e mg]-0.408[维生素b2mg]-0.0923[食盐当量g]+9.006
474、解析no.7相关系数:0.683
475、记忆力试验分数＝0.0239[脂质g]+0.000877[钙mg]-0.00237[镁mg]+0.0133[铁mg]-0.0206[维生素dμg]-0.527[维生素b1mg]-0.0481[饱和脂肪酸g]+9.049
476、个性化最佳饮食的设计
477、基于观察期间的记忆力试验得分设定目标预测点，设计能够达成目标预测点的个性化最佳饮食(一日三餐)。预测点规定为10.3分，通过进行食材的调整来制作菜单。菜单例示于图65。
478、营养素调整度
479、将各解析中特定出的记忆力改善因子、记忆力改恶因子的整体调整度及个别调整度示于以下(图66～72)。改善因子调整度全部为正值，但改恶因子调整度并不相同，在解析no.1、3、6、7中为正值，在解析no.2、4、5中为负值。作为营养素调整，理想的是各个改善因子增量，各个改恶因子减量，但为了维持qol，有时无法实现理想的调整。例如，在不想减少或者想要增加作为改恶因子的蛋白质的摄取量的情况下，需要进行减少其他改恶因子并增加改善因子等调整。而且，即便在个别的改善因子减少的情况下，也可通过增加其他改善因子、减少改恶因子来进行调整。如此，通过进行“改善因子的总和产生的效果超出改恶因子的总和产生的效果”这种调整，可设计达成了目标值的个性化最佳饮食。
480、摄取营养素量变化
481、为了比较观察期间及证实期间的摄取营养素量，示出将观察期间的摄取量设为100％进行比较的图形(图73～79)。在相同标注的两个柱状图中，左侧表示观察期间，右侧表示证实期间，○标记表示记忆力改善因子，×标记表示记忆力改恶因子。关于能量，将与观察期间的平均摄取能量大致相等的设计作为条件。证实期间的能量为104～109％，可达成条件内的设计。调整记忆力试验次数，使其为改善因子时增加，否则调整为与观察期间的平均次数大致相等。
482、记忆力试验的结果
483、示出观察期间及证实期间的记忆力试验的得分的推移(图80)。在观察期间未确认记忆力试验得分上升，但在证实期间确认得分上升趋势，观察期间的得分平均值为8.80分，证实期间的得分平均值为9.31分，得分平均值有意地上升(p<0.001)(图81)。而且，进行各期间的得分分布比较，在观察期间及证实期间，分别7分为12次(7.1％)及0次(0％)，8分为41次(24.4％)及31次(18.5％)，9分为86次(51.2％)及72次(42.9％)，10分为27次(16.1％)及48次(28.6％)，11分为2次(1.2％)及16次(9.5％)，12分为0次(0％)及1次(0.6％)，确认试验得分提高(图82)。
484、总结
485、在第二实施例中，通过以健康的1名成人男性为对象，解析每天的摄取营养素量或记忆力试验得分、记忆力试验次数的数据来特定出改善记忆力的因子、使记忆力恶化的因子，通过设计并摄取调整了这些因子的饮食来检验记忆力改善。
486、在第二实施例中，通过对试验期间的生命体征数据进行多元回归分析，导出根据摄取营养素量、记忆力试验次数预测记忆力试验得分的模型公式。解析合计进行七次，模型公式的平均多重相关系数为0.776±0.100，在各解析中也可看见较高的相关性，因此启示可通过模型公式预测记忆力试验得分。而且，针对每次解析，模型公式中所包含的记忆力改善因子、改恶因子的种类及各营养素对目标变量的影响度不同，对于某些营养素还发现系数符号反转的情况。使用的数据在每次解析中不同，使用各解析时点的最新数据。因此，推测反映解析时的身体状态，认为可设计依据更新数据的精度高的饮食。
487、各个模型公式中包含的营养素不同，但存在采用频率高的营养素，认为这些有较大的影响。可知作为改善因子的铁具有运输对大脑功能至关重要的氧气的能力，但吸收率较低，约为15％。认为示出增加摄取量作为改善因子以弥补该较低的吸收率。同样作为改善因子的脂质是构成大脑的60％的重要营养素。大脑的主要能量来源是葡萄糖，但当葡萄糖不足时，肝脏会从脂质中产生酮体，并不断进行调节以使能量不会短缺。而且，这是细胞的组成成分，参与信息传输。认为此种功能参与大脑功能。作为改恶因子的食盐当量表示钠量。钠通过主动运输而在细胞内外移动，形成浓度梯度。糖或氨基酸等各种物质依赖于该浓度梯度而输送。钠的主动运输还参与维持细胞内部的离子环境，此种功能也可能参与大脑功能。模型公式中所包含的营养素中，还发现在试验期间中改善与改恶反转的营养素。这些为矿物质，是涉及人体各种代谢的重要营养素。个性化最佳饮食的现有研究中，矿物质或维生素大多作为参与因子示出，可能与身体活动功能有很大关系，并且由于所需量因身体的状态而经常变化，因此认为出现改善及改恶反转的情况。
488、有时模型公式中包含记忆力试验次数(解析no.1、no.5、no.6)，不仅可调整营养素量，也可调整记忆力试验次数。因此，认为也可考虑非营养因子的影响，可与营养素调整组合而设计优化菜单。
489、为了表示每次解析时设计的个性化最佳饮食的营养素量、试验次数的调整程度，算出并比较营养素调整度。在第二实施例中，记忆力改善因子和现有研究同样地，与观察期间相比进行在所有营养素中增加的调整。改恶因子基本进行减少的调整，但也进行在一部分营养素中增加、或大致不变等调整。认为通过“改善因子的总和产生的效果超出改恶因子的总和产生的效果”的调整，可设计个性化最佳饮食，可考虑个人的生活方式或饮食喜好等。
490、在第二实施例中，进行包含氨基酸作为20种以外的营养素的解析。结果氨基酸彼此有较高的相关性关系，由此vif为10以上，导致模型公式的可靠度大幅度降低，因此从变量中排除。但是，如果模型公式中包含的氨基酸没有问题，还可以通过使用补充剂等进行营养素调整，可设计出适当的个性化最佳饮食。
491、为了进行第二实施例的条件研究而进行了预备性试验。通过在预备性试验中解析摄取营养素，调整作为记忆力改善、改恶因子的营养素，而设计并摄取个性化最佳饮食。在预备性试验中，在证实期间后设置不摄取个性化最佳饮食的后观察期间，记忆力试验结果示于“补充剂数据预备性试验结果”。与未观察到记忆力试验得分上升趋势的观察期间相比，证实期间可看到得分上升趋势且得分平均值有意地上升(p<0.001)。但是，在后观察期间未看到得分上升趋势，与证实期间相比未确认有意的得分平均值上升(图83～图88)。因此，认为在证实期间确认的得分上升是由营养素调整带来的，并非安慰效应。
492、第二实施例中使用的解析方法不限于营养素，只要能够量化便可纳入模型公式中，因此从营养素以外的观点而言，也可促进改善效果，能够应用于各种健康指标改善。而且，由于是基于个人数据进行解析，因此和以往面向大众的指导不同，可提供维持个人的体质或qol的个性化指导。因此，该个性化最佳饮食可能成为新型个性化医疗保健。
493、<第三实施例>
494、在第三实施例中，以提高个人耐力为目标，验证摄取营养素量的优化的心肺功能改善效果。心肺功能的指标使用安静时心跳数。安静时心跳数因饮食疗法或运动习惯而变化，通过降低安静时心跳数提高耐力。而且，为了提高改善效果，也研究运动量的导入作为摄取营养素量以外的因子。
495、试验材料及方法
496、试验材料
497、受试者
498、1)一名健康的成人男性
499、试验期间中的饮食设为一日三餐。禁止摄取保健食品或补充剂类、酒精类、三餐以外的饮食(加餐或零食)，饮料仅限于水。而且，避免不规律的生活，不进行指定运动以外的激烈运动。
500、2.实验设备
501、1)体重和身体成分秤(hbf-255t、欧姆龙健康医疗有限公司、京都)
502、2)可穿戴设备(fitbit charge3、fitbit(google)、usa)
503、3)智能手机(iphone(注册商标)xr、apple、usa)
504、4)脉搏血氧仪(鱼跃脉搏血氧仪yx301、glox株式会社、东京)
505、5)新体能测试20m往返跑音源(文部科学省)
506、3.软件、应用程序
507、1)omron connect(欧姆龙健康医疗有限公司、京都)
508、2)asken(asken inc.、东京)
509、3)fitbit(fitbit(google)、california、usa)
510、4)spss statistics ver.25(ibm、new york、usa)
511、试验方法
512、试验日程表
513、试验期间分为两个期间，分别基于观察期间(28天)、证实期间(28天)及日程表(图89)实施。将证实期间分割为第一期至第四期，每周进行一次多元回归分析，创建安静时心跳数预测模型公式。在观察期间，将一日三餐的摄取营养素量及运动量(下页中说明)作为用于解析的数据，进行记录。在证实期间，对观察期间获取的数据进行多元回归分析，基于解析结果进行营养素、运动量的调整，三餐(早、中、晚)摄取个性化最佳饮食，进行运动并记录。而且，每七天进行一次20m往返跑以评价耐力，进行观察期间及证实期间的前后比较，确认每次解析的耐力提升。
514、各数据的测定方法
515、安静时心跳数
516、测定作为目标变量的安静时心跳数时，使用穿戴式设备实施测定。
517、摄取营养素量
518、观察期间使用饮食管理用的智能手机应用程序，对一日三餐的饮食拍摄照片来进行营养素的推定及记录。记录对象根据摄取的饮食设为蛋白质、脂质、糖质、膳食纤维总量、碳水化合物、钠、钾、钙、镁、铁、锌、维生素a、维生素d、维生素e、维生素b1、维生素b2、维生素b6、维生素c、食盐当量、饱和脂肪酸共二十种营养成分的摄取量及摄取能量，记录每天的合计量。根据该每天的营养素量创建预测安静时心跳数的模型公式。另外，使用依据2020年12月修订的日本食品标准成分表(2020年版，第八次修订)。
519、运动量
520、在本试验中，除摄取营养素量以外，还使用运动量的变化作为解释变量，将进行影响安静时心跳数的有氧运动(慢跑)的时间作为运动量。在观察期间，从0分钟、15分钟、30分钟、45分钟中随机选择时间，以一天一次、12km/h的固定速度进行(0分钟：7次、15分钟：6次、30分钟：7次、45分钟：8次)。而且，为了排除慢跑的影响带来的安静时心跳数的减少，从本试验开始一个月前按照与观察期间相同的方法进行慢跑。
521、模型公式的导出
522、导出用于设计个性化最佳饮食的模型公式时，使用spss statistics ver.25(ibm、new york、usa)进行多元回归分析。目标变量设为每天的安静时心跳数，解释变量设为运动量及前一天的摄取营养素量，使用变量减少法的解析方法。根据解析结果构建根据七个要素预测安静时心跳数的模型公式，系数为正的营养素设为安静时心跳数减少因子(改善因子)，负的营养素设为安静时心跳数上升因子(改恶因子)。
523、个性化最佳饮食的设计
524、设定安静时心跳数的目标预测点，增加导出的模型公式中明确的改善因子、减少改恶因子来进行调整，在一日三餐设计可达成预测点的个性化最佳饮食。为了维持实施者的qol，与观察期间摄取的饮食同样地，考虑主菜、副菜等的平衡，进行个性化最佳饮食的制作。而且，当慢跑时间为改善因子时，除往返跑实施日外，进行45分钟慢跑。未被模型公式采用时，与观察期间同样地在随机时间进行慢跑。
525、耐力评价项目
526、20m往返跑(文部科学省新体能测试)
527、在教育现场，实施用作耐力测定法的20m往返跑，进行耐力评价。为了减小20m往返跑的实施对耐力提升的影响，每七天进行一次，在观察期间及证实期间各进行四次测量。而且，为了排除因重复导致的技术改进因素，从试验一个月前进行测量，并在观察到记录没有提升之后实施本试验。
528、血氧饱和度
529、测定每天慢跑结束时的血氧饱和度。血氧饱和度是通过皮肤(经皮)检测从心脏供给全身的血液(动脉血)中流动的红血球所含的血红蛋白与氧的结合比率的值，也用于评估心肺功能。因此通过进行观察期间及证实期间的前后比较来确认耐力的提升。
530、统计处理
531、有意差检验
532、测定结果中，针对每一观察期间、证实期间算出平均值及标准偏差。对应于改善饮食的身体变化在第二天反映，因此证实期间第一天的试验数据排除在外。在比较观察期间及证实期间时，利用不对应的t检验进行统计处理。检验中的有意水准在双侧检验中设为5％以下(*p<0.05,**p<0.01,***p<0.001)。
533、营养素的调整度评价
534、对摄取营养素进行标准化，算出并评价各营养素的调整程度。标准化将数据的平均值缩放为0，将方差缩放为1，通过进行标准化可对单位不同的营养素进行比较。使用解析中用的营养素数据的平均值及标准偏差进行标准化，将证实期间的标准化后的营养素量的平均值减去观察期间的标准化后的营养素量而得的值，乘以由多元回归分析推导的标准化系数的绝对值，将所得的值作为调整度。调整度根据安静时心跳数参与因子的个别调整度而计算。调整度的值为正时，比观察期间更多地进行调整，为负时则比观察期间更少地进行调整。
535、试验结果
536、心肺功能参与因子的特定
537、将观察期间获取的安静时心跳数作为目标变量，将摄取营养素量及运动量(慢跑时间)作为解释变量，使用spss statistics ver.25进行多元回归分析。通过求出的多元回归系数，构建预测安静时心跳数的模型公式，根据系数的符号特定出安静时心跳数参与因子(图90)。四次解析的多重相关系数的平均值为0.835，摄取营养素与安静时心跳数测定值之间可观察到较高的相关性，因此启示可根据摄取营养素量及运动量(慢跑时间)预测安静时心跳数。
538、解析1解析数据:2021.10.05～2021.10.29(25天)r＝0.86
539、安静时心跳数(bpm)＝-0.033[慢跑时间分钟]-0.042[蛋白质g]+0.043[脂质g]-0.01[糖质g]+0.255[锌mg]-0.001[维生素aμg]+1.23[维生素b6 mg]
540、解析2解析数据:2021.10.12～2021.11.05(25天)r＝0.84
541、安静时心跳数(bpm)＝-0.024[慢跑时间分钟]-0.01[镁mg]+0.213[铁mg]+0.842[维生素b2 mg]-0.526[维生素b6 mg]+0.023[膳食纤维量g]-0.000259[钠mg]
542、解析3解析数据:2021.10.19～2021.11.12(25天)r＝0.83
543、安静时心跳数(bpm)＝-0.005[镁mg]-0.236[锌mg]+0.117[维生素e mg]+0.255[维生素b1 mg]+2.31[维生素b2 mg]-0.005[维生素c mg]+0.057[膳食纤维总量g]
544、解析4解析数据:2021.10.26～2021.11.19(25天)r＝0.81
545、安静时心跳数(bpm)＝-0.022[脂质g]-0.001[钾mg]+0.001[钙mg]-0.262[锌mg]+1.30[维生素b2 mg]+0.087[膳食纤维总量g]+0.067[饱和脂肪酸g]
546、个性化最佳饮食的设计
547、基于观察期间的安静时心跳数设定目标预测值，设计可达成该目标预测值的个人最佳饮食(一日三餐)。预测安静时心跳数定为50(bpm)，通过进行食材的调整来制作菜单。个性化最佳饮食的例子为解析2的一例，示于(图91)。另外，慢跑时间在解析1及解析2中特定为改善因子，因此从观察期间平均23.6分钟进行了调整，在证实期间平均值增加到30.0分钟(0分钟：6次、15分钟：4次、30分钟：2次、45分钟：16次)。
548、营养素调整度
549、将证实期间摄取的改善因子、改恶因子的整体调整度及个别调整度示于以下(图.92～95)。改善因子的整体调整度全部为正值，但改恶因子的整体调整度在解析1、解析4为负值，在解析2、解析3为正值。在个性化最佳饮食的设计中，最理想的是进行使改善因子为正值、使改恶因子为负值的调整，因此成为解析1、解析4那样的结果。但是，维持个人的qol重要的是反映饮食的喜好，不会较大地改变平时的饮食生活，有时不会减少包含改恶因子的食材。在这种情况下，进行调整来增加或变更包含更多改善因子的食材，并进行设计以能够达成目标值。而且，存在虽包含较多改恶因子但改善因子的总和更多的食材。在本试验中，糙米相当于该食材，解析2、解析3使用了糙米，因此改恶因子成为正值。
550、安静时心跳数参与营养素量
551、以下的图96～99示出将观察期间的摄取量设为100％，对受试者在证实期间通过试验食品摄取的能量及营养素量进行比较的图形。在相同标注的两个柱状图中，左侧表示观察期间的摄取量，右侧表示证实期间的摄取量，○表示安静时心跳数改善因子，×表示安静时心跳数改恶因子，能量与观察期间平均值相比为±10％以内的变化。在解析3中，结果是证实期间的慢跑时间比观察期间的慢跑时间减少28％。如下一项所述，在解析3的期间内安静时心跳数也减少，因此启示营养素量的影响较大。
552、安静时心跳数的推移
553、示出观察期间及证实期间的安静时心跳数的推移(图100)。而且，示出观察期间的平均值、证实期间的平均值(图101)。与观察期间平均值54.4±0.97(bpm)相比，在证实期间有意降低(p<0.001)，为51.6±1.84(bpm)。
554、运动功能试验的结果
555、示出慢跑45分钟时的结束时的血氧饱和度的比率(图102)。与观察期间平均值93.6±0.48％相比，在证实期间平均值有意上升(p<0.001)，为95.1±0.66％(图103)。而且，示出20m往返跑的结果(图104)。从观察期间的75次上升至证实期间的95次。而且，20m往返跑结果为观察期间平均77.3次，证实期间平均91.0次，有意上升(p<0.001)(图105)。
556、总结
557、在第三实施例中，以提升耐力为目标，检验摄取营养素量的优化的心肺功能改善效果。
558、本试验的结果启示通过个人的摄取营养素量及运动的优化可能会减少安静时心跳数，且可进行安静时心跳数的预测。关于耐力的评价项目的结果，20m往返跑及慢跑结束时的血氧饱和度的结果也有意地上升(p<0.001)。因此，启示可根据个人的安静时心跳数推定耐力。
559、而且，通过将运动量纳入解析，制定适合个人生活的运动量后，可设计与之相配的饮食。进而，显示出只要是运动量那样能够量化的指标便可纳入解析，因此，认为可以考虑本次试验中无法考虑到的压力或睡眠等外部因素的影响。
560、在本试验中，为了应对每天的体内环境的变化，采取一周进行一次解析的连续解析的方法。各解析结果中，模型公式的因素全部不同，推测反映解析时的身体状态，认为可设计依据更新数据的精度高的饮食。而且，与安静时心跳数密切相关的慢跑时间在解析3、解析4中未反映在模型公式中。这表示慢跑时间的影响度低于选中的七个营养素，启示根据个人的身体状况，营养素调整的影响要大于运动量的增加。而且，在本试验中，改善的影响度最高的因子为镁。表明血清镁值越高，则心血管疾病的风险越有意地降低，源自饮食的镁摄取量越多(最多一天约250mg)，则由于心肌供血减少而引发的缺血性心脏病的风险越有意地降低。因此，认为在本试验中，镁可能也参与心肺功能的强化。而且，矿物质成为改恶因子的频率较高。矿物质有很大可能参与身体活动功能，所需量根据身体的状态或目的而经常变化。因此在本试验中，认为可能超过了受试者的安静时心跳数的所需量。
561、在证实期间，运动量与观察期间相比增加，因此为了考虑心跳数的减少(耐力的变化)是伴随运动量增加的结果的可能性，设置了证实期间后的后观察期间。在后观察期间设定与证实期间相同的运动量，不进行个性化最佳饮食的摄取。结果对证实期间及后观察期间的安静时心跳数的平均值进行比较，未发现有意的变化(图106)，因此启示在证实期间，个性化最佳饮食的影响较强。
562、本试验表明，可通过饮食和运动的个别优化提高心肺功能。在本方法中，预计不仅限于心肺功能，能够量化的所有指标都可预测、改善，因此具有成为能够改善各种健康指标的新型医疗保健技术的潜力。
563、<第二实施方式>
564、在上述第一实施方式中，对与实现目标联动的测定值、和用户自身获取的数据(摄取的营养素、行动、生命阶段等)的相关性进行分析而创建预测模型，特定出改善因子和/或改恶因子，但在第二实施方式中，用户使用其他用户的数据和/或解析结果特定出关于用户的改善因子和/或改恶因子。
565、以下，说明使用针对其他用户获取的营养素及与实现目标联动的测定值、和/或针对其他用户解析的营养素模型，对用户建议食谱的方法。
566、图107是表示第二实施方式的服务器装置1的功能结构例的图。如该图所示，在第二实施方式中，服务器装置1还具备存储与用户有关的信息(以下，称为用户信息)的用户信息存储部137、预测模型存储部138、以及相似用户特定部120。
567、预测模型存储部138存储解析部115创建的预测模型(营养模型、营养行动模型、营养生命阶段模型、营养日期与时间模型、营养复合模型)。预测模型存储部138存储包含预测模型的信息(以下，称为预测模型信息)。预测模型信息可包括：与特定出用户的信息(例如用户id)建立对应关系并表示用户的实现目标的信息(以下称为目标数据。目标数据例如可以是“减肥”“降血压”等文本数据)；表示与其实现目标相关联的测定值的信息(以下称为测定值特定信息。例如可设为“体重”“血压”等文本数据或标注值)；以及预测模型(营养模型、营养行动模型、营养生命阶段模型、营养日期与时间模型、营养复合模型等)。
568、图108是表示用户信息存储部137中所存储的用户信息的结构例的图。用户信息中包含与特定出用户的信息(用户id)建立对应关系，且包含与用户相关的各种属性。属性例如可包含年龄、性别、遗传基因、血液检查的结果、尿检结果、生物指标(体重、体脂率、骨骼肌率、bmi、血压等)、生活习惯(饮食生活、运动量、睡眠时间、饮酒、吸烟等)、居住地、出生地、人种、职业等。关于饮食生活，可包含食物偏好(喜欢的、讨厌的)、摄取营养素组成、摄取卡路里量等对用户问卷调查的结果(可以选择事先准备好的选项，也可以设为自由记述的文本数据)。
569、在第二实施方式中，使用与用户的属性相似的其他用户(以下，称为相似用户)的数据和/或解析结果。相似用户特定部120特定出属性与用户相似的相似用户。用户属性的相似性可通过公知的方法求出。例如，可通过将数值的一致程度或文本的一致程度等进行标准化并加以合计而求出相似度。
570、相似用户的数据和/或解析结果的利用方法存在以下四种模式。
571、模式1:使用其他一名相似用户的解析结果。
572、模式2:使用对其他一名相似用户的数据进行解析的解析结果。
573、模式3:使用对其他多名相似用户的数据进行解析的解析结果。
574、模式4:使用其他多名相似用户的解析结果。
575、以下，对各模式进行说明。
576、<模式1:使用其他一名相似用户的解析结果>
577、模式1中，将一名相似用户的解析结果直接用于该用户。
578、相似用户特定部120可以从与用户的实现目标相同的实现目标的其他用户中特定出属性最相似的用户作为一名相似用户。相似用户特定部120从用户接收实现目标的输入，从预测模型存储部138检索与接收到的实现目标一致(或在规定程度以上相似)的预测模型信息，从用户信息存储部137获取与所检索的预测模型信息中包含的用户id对应的用户信息，判定所获取的用户信息中所包含的属性、与对应于该用户的用户信息中所包含的属性的相似度，可特定出相似度最高的用户信息(自身除外)。
579、解析部115从预测模型存储部138获取针对相似用户创建的预测模型(以及作为预测模型的解释变量的改善因子及改恶因子)，可设为该用户的预测模型以及改善因子及改恶因子。
580、评价部116基于相似用户的改善因子及改恶因子评价食谱，食谱建议部117可根据评价值选择食谱，或调整营养素以提高测定值。
581、另外，在测定值使用由多个测定值的比表示的无量纲指标的情况下，每当使用相似用户的预测模型时，均可补正系数。例如，当测定值为bmi时，bmi是根据体重及身高计算的，则可利用体重的差进行补正。例如，在将bmi＝26且体重＝60kg的相似用户的数据适应bmi＝26且体重＝80kg的用户的情况下，可按照(80÷60)×系数进行补正。如此，评价部116关于与测定值相关的属性(其他测定值)，可通过将相似用户的属性相对于该用户的属性的比乘以系数的方式来评价食谱。
582、<模式2:使用对其他一名用户的数据进行解析的解析结果>
583、模式2中，解析针对一名相似用户获取的数据。
584、相似用户特定部120可从将与用户的实现目标相关联的测定值登记在测定值存储部131的其他用户中，特定出属性最相似的一位作为相似用户。
585、解析部115从测定值存储部131及摄取量存储部132读取与特定出的相似用户对应的测定值及营养素的摄取量，通过将营养素的摄取量作为解释变量、将测定值作为目标变量的多变量解析创建预测模型(营养模型)，可特定出有助于测定值的改善的营养素即改善因子、以及有助于测定值的恶化的营养素即改恶因子。
586、评价部116及食谱建议部117与第一实施方式同样地，可对用户建议食谱。
587、<模式1、2共通>
588、在模式1、2的情况下，要使用一名相似用户的数据或解析结果来建议食谱时，如果未发现有关于用户的实现目标的测定结果的改善，可选择其他相似用户。
589、例如，相似用户特定部120特定出第一相似用户，评价部116使用第一相似用户的数据或解析结果评价食谱，食谱建议部117根据评价向用户建议有望改善测定结果的食谱，持续规定期间(例如一周或一个月等)后，测定值获取部111获取体重或血压等与目标有关的测定值是否改善。测定值获取部111可以对用户进行测定值是否改善的问卷调查而代替获取测定值。此处，在测定值未改善的情况下(例如测定值恶化的情况下、测定值未变化的情况下、测定值的改善低于规定值的情况下)，相似用户特定部120以与第一相似用户相同的方式特定出与第一相似用户不同的第二相似用户(根据属性的相似度选择)，使用特定出的第二相似用户的数据或解析结果，评价部116评价食谱，食谱建议部117根据评价向用户建议有望改善测定结果的食谱。可重复该处理直至用户的测定值观察到改善的情况。
590、<模式3:使用对其他多名用户的数据进行解析的解析结果>
591、模式3中，对关于与用户的属性相似的多名相似用户的数据进行解析。
592、相似用户特定部120可从将与用户的实现目标相关联的测定值登记在测定值存储部131的其他用户中，特定出属性相似的用户作为多名(可为规定数，也可选择规定的相似度以上的用户的全部或随机选择一部分)相似用户。
593、解析部115从测定值存储部131及摄取量存储部132读取所有与特定出的相似用户对应的测定值及营养素的摄取量，通过将营养素的摄取量作为解释变量，将测定值作为目标变量的多变量解析创建预测模型(营养模型)，可特定出有助于测定值的改善的营养素即改善因子、以及有助于测定值的恶化的营养素即改恶因子。
594、评价部116及食谱建议部117与第一实施方式同样地，可对用户建议食谱。
595、<模式4:使用其他多名用户的解析结果>
596、模式4中，利用关于多名相似用户的解析结果进行食谱的评价及建议。
597、首先，相似用户特定部120可从与用户的实现目标相同的实现目标的其他用户中，特定出属性相似的多个人(可为规定数，也可选择规定的相似度以上的用户的全部或随机选择一部分)作为相似用户。
598、其次，解析部115从预测模型存储部138获取针对多名相似用户创建的多个预测模型，组合所获取的预测模型而创建一个预测模型(以下，称为合成模型)。解析部115例如可选择多个预测模型共通(用于规定数以上的预测模型)的解释变量，将所选的解释变量作为合成模型的解释变量。解析部115关于各解释变量的系数，可选择绝对值最大的系数，或选择系数的中间值，或算出系数的平均值，从而作为合成模型的解释变量的系数。而且，解析部115例如可使用主成分分析等，选择影响最大的解释变量。
599、评价部116及食谱建议部117可将按上述方式创建的合成模型作为预测模型，以与第一实施方式相同的方法，对用户建议食谱。
600、如以上说明所示，根据第二实施方式的健康支持系统，用户无需获取营养素的摄取量或与实现目标联动的测定值，即可轻松实现目标。
601、另外，在第二实施方式中，对营养模型进行了说明，关于营养行动模型也可以使用相同的方法。
602、[符号说明]
603、1 服务器装置
604、2 通信网络
605、3 用户终端
606、4 生命体征传感器
607、5 活动传感器
608、111 测定值获取部
609、112 摄取量获取部
610、113 行动量获取部
611、114 生命阶段信息获取部
612、115 解析部
613、116 评价部
614、117 食谱建议部
615、118 行动建议部
616、131 测定值存储部
617、132 摄取量存储部
618、133 行动量存储部
619、134 生命阶段信息存储部
620、135 食谱存储部
621、136 食材信息存储部。
1.一种信息处理系统，其特征在于，具备：
2.根据权利要求1所述的信息处理系统，其特征在于，还具备：
3.根据权利要求1或2所述的信息处理系统，其特征在于，
4.根据权利要求1或2所述的信息处理系统，其特征在于，
5.根据权利要求1至4中任一项所述的信息处理系统，其特征在于，具备：
6.根据权利要求1至5中任一项所述的信息处理系统，其特征在于，
7.一种信息处理系统，其特征在于，具备：
8.一种信息处理系统，其特征在于，具备：
9.一种信息处理方法，其特征在于，使计算机执行如下步骤：
10.一种程序产品，其特征在于，用于使计算机执行如下步骤：
