近年様々なセンサーデバイスが発売され，手軽に生体情報を個人で収集できるようになった．身近なセンサーデバイスの一つとしてウェアラブル端末がある．ウェアラブル端末は100種類以上が存在し，活動量や睡眠時間等を取得することができる．ウェアラブル端末は，臨床研究等での活用も進んでおり，従来では取得できなかった日常のデータを獲得でき，新たな評価の可能性が拡がってきた．しかしながら，日常的にデータが取得できるようになった一方で，様々な状況で欠測が起こるようになった．充電中はデータが当然欠測するが，人によっては入浴中や料理中，着け忘れ等で欠測するだろう．欠測は可能な限り少なくすることが精度の高い解析を実施する上で重要であり，ウェアラブル端末を使用する上で，充電中以外の欠測は可能な限り発生しないようにコントロールすることが望ましい．本研究では，取得データに加えて，欠測のパターンや時間，リズムやサイクル等に基づき，機械学習を活用して，着用者の行動を予測し欠測理由を判別して，その結果を踏まえたウェアラブル端末の有用性を考察した．なお，本研究は，Fitbit Charge3で収集したデータに基づき実施した．
