Työn tuloksia hyödynnetään pitkäaikaismittauksiin sopivien mittalaitteiden sekä mittausdataa käsittelevien, tallentavien ja visualisoivien terveystaltioratkaisujen kehitystyössä.
Maailman terveysjärjestön, WHO:n, arvion mukaan 60 % maailman ihmisistä ei saavuta liikuntasuositusten minimitasoa: 30 minuuttia kohtalaisesti kuormittavaa liikuntaa päivittäin. OECD on arvioinut, että mielenterveyden häiriöt aiheuttavat noin kolmanneksen työkyvyttömyyseläkkeistä sen jäsenvaltioiden alueella.
–Tarve terveydentilan ja fyysisten aktiviteettien seurantaan ja terveempien elämäntapojen edistämiseen on olemassa. Vähäkulutuksisen elektroniikan ja tiedonsiirron sekä kestävämpien ja suurempien massamuistien kehityksen myötä mahdollisuudet jatkuvaan fyysisten aktiviteettien ja henkisen kuormituksen objektiiviseen mittaamiseen ovat parantuneet, Pärkkä sanoo.
Terveydentilan pitkäaikaismittauksilla voidaan arvioida muutoksia yksilön käyttäytymisessä ja terveydentilassa osana arkipäivän elämää ja osoittaa, millä valinnoilla on terveyden kannalta positiivisia ja millä negatiivisia vaikutuksia. Samaan ei päästä esimerkiksi lääkärikäyntien yhteydessä harvakseen suoritettavilla mittauksilla. Potilaan itse tekemiä yksittäismittauksia käytetään menestyksekkäästi muun muassa verenpaineen, verensokerin sekä painon seurannassa. Jatkuvatoimisten antureiden, kuten sykemittarien ja aktigrafien eli liikettä mittaavien laitteiden avulla saadaan yksittäismittauksia tarkempi kuva muutoksista mittausjakson aikana, mutta haasteeksi muodostuu suuren ja osin häiriöisen datamäärän tulkinta.
Pärkkä keräsi väitöskirjatyössään laajoja, tarkasti dokumentoituja datakirjastoja osana jokapäiväistä elämää ja sitä vastaavissa olosuhteissa. Datakirjastojen avulla pyrittiin löytämään parhaiten jatkuvaan aktiviteettien, energiankulutuksen ja stressin arviointiin sopivat anturit, sekä kehitettiin käytännönläheisiä datan tulkintamenetelmiä.
Automaattisen aktiviteettien tunnistuksen tavoitteena on tunnistaa käyttäjän aktiviteetit ja asennot, esimerkiksi makaaminen, istuminen, kävely, juoksu ja pyöräily. Energiankulutuksen automaattisen arvioinnin tavoitteena on arvioida energiankulutusta eri aktiviteettien aikana jatkuvatoimisilla antureilla, jotka eivät häiritse jokapäiväistä elämää.
–Aktiviteettien ja energiankulutuksen tunnistaminen onnistuu esimerkiksi kiihtyvyysantureilla hyvällä tarkkuudella erityisesti toistuvaa liikettä sisältävien aktiviteettien, kuten juoksun ja kävelyn aikana, Pärkkä kertoo.
Lyhytaikaista henkistä kuormitusta pystytään parhaiten arvioimaan silloin, kun henkilö ei liiku. Aktiviteettien automaattisen tunnistamisen avulla henkisen kuormituksen arviointia voitiin kohdistaa istumista sisältäviin aktiviteetteihin. Tämän havaittiin helpottavan lyhytaikaisen henkisen kuormituksen automaattista tunnistamista. Aineiston perusteella pidempikestoisesta stressistä parhaan kuvan antaa palautumisjaksojen, kuten unen ja fyysisen aktiivisuuden, analysointi.
DI Juha Pärkän signaalinkäsittelyn alaan kuuluva väitöskirja Analysis of Personal Health Monitoring Data for Physical Activity Recognition and Assessment of Energy Expenditure, Mental Load and Stress (”Henkilökohtaisessa terveydentilan seurannassa syntyvän mittaustiedon analyysiä fyysisten aktiviteettien tunnistamista sekä energiankulutuksen, henkisen kuormituksen ja stressin arviointia varten”) tarkastetaan Tampereen teknillisen yliopiston tieto- ja sähkötekniikan tiedekunnassa tiistaina 21.6.2011 kello 12 alkaen Tietotalon salissa TB222 (Korkeakoulunkatu 1, Tampere). Vastaväittäjänä toimii apulaisprofessori Oliver Amft (Technische Universiteit Eindhoven, Alankomaat). Väitöstilaisuutta valvoo apulaisprofessori Alpo Värri TTY:n signaalinkäsittelyn laitokselta.
Juha Pärkkä (40) on kotoisin Isostakyröstä ja asuu nykyisin Lempäälässä. Hän työskentelee erikoistutkijana VTT:llä Tampereella.
Lisätietoja: VTT, Erikoistutkija Juha Pärkkä, puh. 040 753 0525, juha.parkka@vtt.fi
Väitöstutkimus verkossa: http://www.vtt.fi/inf/pdf/publications/2011/P765.pdf