Kannettavat ja puettavat mittalaitteet Tutkijan näkökulma Timo Jämsä, Maarit Kangas, Anna-Maiju Leinonen, Maisa Niemelä, Petra Tjurin, Vahid Farrahi, Raija Korpelainen Lääketieteellisen kuvantamisen, fysiikan ja tekniikan tutkimusyksikkö, Elinikäisen terveyden tutkimusyksikkö, Medical Research Center Oulu, llinen sairaala ja Liikuntalääketieteen yksikkö, Oulun Diakonissalaitos Prof. Osmo Tervonen Radiology Prof. Timo Jämsä Medical Technology Prof. Jarmo Reponen Health Information Systems Prof. Miika Nieminen Medical Physics Ass.Prof. Simo Saarakkala Biomedical Engineering Prof. Jaakko Niinimäki Radiology Dr. Vesa Kiviniemi Functional MRI Dr. Mika Kallio Neurophysiology Dr. Juha Nikkinen Radiation Therapy Prof. Minna Pikkarainen Connected Health 1
Sievänen & Kujala, Scand J Med Sci Sports 2017 2
2001 2017 Tässä esityksessä Katsausta tutkimushankkeisiin joissa on käytetty kannettavia mittalaitteita, erityisesti kiihtyvyysanturiin perustuvia liikuntamittareita Käyttökohteita, tuloksia, käyttökokemuksia 2001 2017 3
Laitetekniikka ja datan tallennuskapasiteetti kasvanut CareTech 2001 2017 Polar Traxmeet Jimmie Wiklander Erkki Vihriälä ~ Mb ~ 10 Mb Laitetekniikka ja datan tallennuskapasiteetti kasvanut Redusoidusta datasta kohti big dataa ~ Gb > Tb N = 80 12 kk mittaus päiväkertymät N = 16 15 500 t minuuttikertymät N = 276 6 kk mittaus MET (30 sec) N = 5 600 2 vk mittaus 100 Hz 2001 2017 N = 5 600 2 vk mittaus MET (30 sec) ~ Gb 1 askel = kolmioapproximaatio Vihriälä et al. 2003 Maarit Kangas 4
Aktiivisuuden mittaus Tutkimus Suorituskyky Tarkkuus Spesifisyys Laboratorio/kenttäkäyttö? Lyhyt/pitkäaikainen käyttö? Komplianssi? Terveyden edistäminen Helppokäyttöisyys Motivoiva käyttöliittymä Korkea komplianssi Mobiili Pitkä akun kesto Huokea Aktiivisuuden mittaus Sydän/verenkierto Diabetes Painonhallinta? Osteoporoosi 5
Interpretation of data Interpretation of accelerometer data is strongly dependent on the purpose and health outcome in question How to interpret the data? What are we (really) measuring? Which activity / inactivity? - Number of steps - Intensity of steps - Energy consumption - Calories burnt - Exercise and sports coaching - Sedentary behavior, posture Jämsä et al. Clin Biomech 2006 Interpretation of data Interpretation of accelerometer data is strongly dependent on the purpose and health outcome in question How to interpret the data? What are we (really) measuring? Technical parameters? - Sensor location (wrist/waist/ankle ) - Sampling rate (20 100 Hz) - Acceleration range (±2 g ±16 g) - Signal pre-processing - Analysis algorithms - Thresholds/cut-points (magnitude, MET, ) 6
Monitoring Physical Activity with Accelerometers dv a dt F = m a 2 i i i = = 2 i i d s dt Dynamic motions (of the sensor) Posture (orientation of the sensor) Moving coordinate system z g y x ACCELEROMETER FORCE PLATE Global coordinate system z x Jämsä et al. Clin Biomech 2006 y Monitoring Physical Activity Number of steps Frequency of steps Intensity of steps (acceleration magnitude) Energy expenditure (metabolic equivalent) Recognition of different activities Sedentary time 7
Measurement of osteogenic exercise Bone adapts to mechanical loading Local measurement at the hip level estimate for mechanical loading of bone ~,, ~,, Measurement of osteogenic exercise Bone adapts to mechanical loading Local measurement at the hip level estimate for mechanical loading of bone ~,, Jämsä et al. Clin Biomech 2006 ~,, 8
Measurement of osteogenic exercise Threshold to improve hip BMD ~ 4g, ~ 100g/s (e.g. jumping) < 100 high-intensity steps per day Vainionpää et al. Ost Int 2006, Heikkinen et al. J Biomech 2007 Mitä opimme? Yksi ensimmäisiä pitkäkestoisia liikuntaaktiivisuuden keräyksiä Teknologia oli huomattavasti vaatimattomampaa kuin tänään, joten käytettiin redusoitua dataa päiväkohtaiset kertymät eri impaktitasoilla Haasteena mm. laitteen lataus ja datan purku viikoittain tutkimuslaboratoriossa Laitteiden luotettavuus kohtalainen Komplianssi kohtalainen (64/120) Löydettiin osteogeenisen liikunnan kynnystasot 9
Daily Impact Score (DIS) Combination of exercise at different intensity levels (Turner 1998, Carter et al. 1987) DIS Log 32 = a j= 1 j ln( N j + 1) DIS Exp 32 = N ja j= 1 m j 1/ m Daily loading stimulus Ahola et al. J Biomech 2010 Daily Impact Score (DIS) Osteoarthritis 12-month impact exerise RCT Subjects with mild knee osteoarthritis (N=80) Increase in femoral neck strength No adverse effects in knee cartilage Positive effects in patellar cartilage Koli et al. MSSE 2015 Multanen et al. Osteoporosis Int 2017 10
Lipid metabolism Total cholesterol LDL cholesterol brisk walking 1500 steps per day Vainionpää et al. MSSE 2007 Insulin sensitivity in pre-diabetic subjects Positive effects in overweight/obese and physically inactive pre-diabetic individuals fasting and 2h insulin insulin resistance LDL cholesterol visceral fat area slow walking (2-3 km/h) 6500 steps per day Herzig et al. Int J Obesity 2015 11
Mitä opimme? Liikunnan (impaktien) intensiteettiin perustuvaa menetelmää voidaan käyttää myös muihin terveyden vastemuuttujiin Mittaaminen on vähemmän haasteellista kontrolloiduissa, lyhytkestoisissa tutkimusasetelmissa Löydettiin kynnysarvot kolesteroliarvoja ja sokeriaineenvaihduntaa edistävälle liikunnalle tutkituissa kohderyhmissä Estimation of energy expenditure (EE) Metabolic equivalent (MET) EE calibrated against oxygen consumption 1 MET = EE in rest Typically calculated within predefined epoch lengths (15-60 sec) Daily accumulation (minutes) of physical activity in different MET levels Sedentary (SED/ST) Low PA (LPA) Moderate PA (MPA) Vigorous PA (VPA) Moderate-to-vigorous PA (MVPA) actigraphcorp.com cosmed.com polar.com Large variation between different devices, algorithms and cut-points 12
Waist Comparison of three accelerometers in defining time at different MET levels Free-living conditions, 14 days, N = 27, mean age 47.7 years Wrist FIG.1 One-day activity measured with PolarActive, Hookie, and Actigraph. MAD, mean amplitude deviation (Vähä-Ypyä et al. PLoS ONE 2015) MET, metabolic equivalent; MVPA, moderate-to-vigorous physical activity. Leinonen et al. Frontiers Physiol 2017 Waist Wrist Significant variance between devices, algorithms and thresholds, especially in free-living conditions Needs to be considered when comparing results from different studies Leinonen et al. Frontiers Physiol 2017 13
Waist Wrist Moderate accuracy to follow exercise recommendations (60 min MVPA) with any of the devices Any PA monitor may have positive impact in motivation! FIG.2 Fulfillment of MVPA recommendation (60min daily) measured by MAD, Polar Active, and Actigraph. Two MET thresholds for MVPA time, 3 and 3.5 METs. AUC, area under the curve; MET, metabolic equivalent; MVPA, moderate-to-vigorous physical activity. Leinonen et al. Frontiers Physiol 2017 Estimation of sedentary time Inactivity is an independent risk factor for morbidity People underestimate their daily sitting time 8 h 49 min (self-estimated) vs. 10 h 35 min (measured) daily sitting time (Polar Active, N = 149 young men, mean age 17.9 yr, data collection 4-7 days) Measured vs. self-estimated sitting time 15 Daily sitting time 10 5 0 Self-estimated Measured Niemelä et al. Liikunta & Tiede 2016 14
Estimation of sedentary time Machine learning algorithms to classify activity behaviors Bagged trees classifier, sequential forward selection method Leave-one-out cross validation Classification of pre-determined set of daily activities (lying on a sofa, sitting, standing, wiping and setting up kitchen table, floor cleaning, slow walking, fast walking, soccer, jogging) (N=22) Tjurin et al. IFMBE Proceedings 65, 2017 Mitä opimme? Energiankulutuksen (MET) mittaaminen on riippuvainen käytetystä mittalaitteesta ja mittarin sijoituspaikasta sekä käytetyistä algoritmeista ja kynnysarvoista Erityisen haasteellista se on arkielämän rekisteröinnissä (free living conditions) Rannemittarin komplianssi on hyvä ja se soveltuu myös unenaikaiseen mittaamiseen, mutta sen tarkkuus riippuu liikuntamuodosta Vyötäröltä mitattu aktiivisuussignaali kertoo tarkemmin koko kehon liikkeistä Inaktiivisuuden mittaaminen on haasteellista, mutta kohtuulliseen tarkkuuteen päästään käyttämällä moderneja oppivia analyysimenetelmiä 15
Feasibility of accelerometers (MOPO Study) 3-month population-based MOPO study in young men (mean age 17.9 yr, N = 276) Pilot MOPO service for activation PA measurement with Polar Active (Intervention group with feedback, controls with no feedback) Valid weekly PA data (at least 4 days / 8 hours) from 72/90 (53%/65%) of the participants Sedentary time decreased and MVPA increased for first 7 weeks => short term effect tuunaamopo.fi Jauho et al. Prev Med Reports 2015 Feasibility of accelerometers (MOPO Study) Christmas holiday break P =.055 6-month population-based MOPO study in young men (mean age 17.8 yr, N = 496) Gamified mobile MOPO service for physical and social activation Physical activity measurement with Polar Active Within the intervention group (N = 87), baseline VPA was inversely associated with change in MVPA tuunaamopo.fi Leinonen et al. JMIR mhealth uhealth 2017 16
Feasibility of accelerometers (MOPO Study) 100 90 80 70 60 50 40 30 20 10 0 Nr of participants with valid PA data Baseline wk 1-6 wk 7-12 wk13-18 wk 19-24 Moderate feasibility 15,364 valid days recorded (N = 276/496) Average daily usage time 15.1/15.7 hours (Int/Ctrl) At least 1 valid week (3 days/500 min) from 230 83/70, 56/43, 45/30, 47/25 in 6-wk periods Baseline sedentary time was higher in those who uploaded PA until the end (P=0.02) Intervention Control tuunaamopo.fi Leinonen et al. JMIR mhealth uhealth 2017 Mitä opimme? Väestötasolla pitkäkestoisten mittausten toteuttaminen on haasteellista Sitoutuminen mittarin käyttöön laskee ajan myötä Rannemittari on kohtuullisen toimiva ratkaisu Haasteena on saada kontrolliryhmän osallistujat purkamaan mittarin dataa määrävälein Liikuntaan motivointi onnistuu haasteellisessakin kohdepopulaatiossa Erityisesti inaktiivisimpien aktiivisuus nousi tuunaamopo.fi 17
Feasibility of accelerometers (NFBC1966) http://www.oulu.fi/nfbc/ Northern Finland Birth Cohort 1966 Original N~12,000 Pregnancy, delivery, neonatal data, genetics 1-yr, 14-yr, 31-yr, 46-yr follow-up studies N ~ 5,800 at 46 years Physical activity data (accelerometer, two different devices) for 2 wk High compliance (94% for Polar Active) Huge amount of work for device logistics Polar Active Hookie Mitä opimme? http://www.oulu.fi/nfbc/ Suomalaisen väestökohortin sitoutuminen mittauksiin on yllättävänkin korkea Laitelogistiikka oli varsin haasteellinen ja iso työ Rannemittarin komplianssi oli osallistujilla erinomainen (94%) Hookie-mittarilla kerätyn raakadatan käsittely on ollut haasteellinen näin isossa aineistossa Datan kerääminen, tallentaminen, siirtäminen ja puhdistaminen on edelleen kesken ja lopullinen tieto komplianssista vielä puuttuu Kerätty aineisto on ainutlaatuinen ja odotamme mielenkiinnolla uutta tietoa esim. yksilöllisten liikuntaprofiilien yhteydestä terveyteen 18
Kiitokset Kaikille eri tutkimuksien osallistujille Tutkimusryhmän jäsenille ja kollaboraattoreille (Maarit Kangas, Riikka Ahola, Raija Korpelainen, Anna-Maiju Leinonen, Maisa Niemelä, Petra Tjurin, Vahid Farrahi, Aki Vainionpää, Erkki Vihriälä, Anneli Rinta-Paavola, Juhani Leppäluoto, Karl-Heinz Herzig, Ari Heinonen, Harri Sievänen, ) Rahoittajille Kiitos! 19