加齢や運動不足により全身の筋力が低下することは多くの研究により明らかとなっている。さらに加齢による筋量の減少率が最も大きいのは下肢筋力であると報告されている。このことからこれまで下肢筋力に着目した研究は多く行われている。一方でこれまで下肢筋力を測定する際に多く用いられている膝関節伸展屈曲動作における最大随意筋力の測定はアイソメトリック、コンセントリック、エキセントリックをそれぞれ分けて実施している。それぞれの測定を分けて行うことで、被験者の姿勢が測定ごとに変化してしまうことや筋力と筋活動を併せて検討する場合、電極貼付位置のズレによる測定誤差が多くの研究で課題として挙がっていた。そこでこれらの課題を踏まえ、アイソメトリック、コンセントリック、エキセントリックの測定を連続的に行うための多用途筋力計を開発し検証を行った。全ての測定において変動係数が10％前後であったため測定誤差が小さいことを示す指標であると考えられたが、膝関節伸展屈曲測定時の膝関節角度を考慮せず行ったため、関節の角度によって筋力発揮に違いが見られるのではないかという課題が新たに浮かんだ。そこで今回、膝関節伸展屈曲の筋力測定時にモニターに映し出された波形により膝関節角度がリアルタイムで確認することを可能としたゴニオメーターを新たに開発した。開発したゴニオメーターを膝関節に装着し、膝関節伸展屈曲時の筋力を測定することで被験者の膝関節角度を同定し測定することが可能となった。そこで本研究は多用途筋力計を用いた下肢筋力測定時に膝関節の角度を計測し膝関節角度が伸張・短縮・等尺性筋力発揮に与える影響について検討した。

In Japan, it is estimated that there are about 12.8 million people who have osteoporosis, and it is expected that the number of osteoporosis patients may continue to increase. DXA is used to measure bone strength, however bone strength using DXA may not be measured accurately, and it is difficult to measure it in terms of safety and ease. In this study, we have performed machine learnings to predict bone strength obtained by the hammering test of bones. To predict bone strength, age, body composition, and physical fitness test data were used as explanatory variables. The accuracy of models using linear regression, decision tree and neural network were compared. It was found that the model using a decision tree showed the highest accuracy. It was confirmed that the same prediction values were obtained in the case of the decision tree model, though the measurement values were different. Further modeling is still necessary to optimize the accuracy of the predictions.