ECRA Mitglied Fabian Flaßkamp:

"Ziel dieses Startkapital-Projekts ist es daher, die Finanzierung für die Entwicklung von Open-Source-Software für die Analyse von Beschleunigungsmesser-Daten zu sichern."

Innovative Ansätze für die Analyse von Beschleunigungsmesserdaten zur Beurteilung der körperlichen Aktivität im öffentlichen Gesundheitswesen

Körperliche Aktivität ist eine wichtige Determinante für Morbidität und Mortalität. In den letzten Jahren sind 3D-Beschleunigungsmessungen zum aktuellen Stand der Technik bei der Beurteilung körperlicher Aktivität geworden, um so genannte "objektive" Messpunkte zu liefern, die frei von jeglichen Informationsverzerrungen sind.

Die meisten Ansätze zur Analyse der Daten sind jedoch weit davon entfernt, das vorhandene Potenzial voll auszuschöpfen. Ziel dieses Startkapital-Projekts ist es daher, die Finanzierung für die Entwicklung von Open-Source-Software für die Analyse von Beschleunigungsmesser-Daten zu sichern. Durch den Einsatz neuartiger Ansätze des maschinellen Lernens, die über den Stand der Technik der verfügbaren Softwarepakete hinausgehen, wird es für Wissenschaftler im Bereich des öffentlichen Gesundheitswesens von hoher Relevanz sein. Um dieses Ziel zu erreichen, werden wir mit Partnern des Labors für maschinelles Lernen und Datenanalyse (MaD) an der Universität Erlangen-Nürnberg interdisziplinär zusammenarbeiten. Wir werden eine Literaturrecherche durchführen und einen Experten-Workshop organisieren, um Ergebnisse und Methoden zu sammeln, die für die öffentliche Gesundheit relevant sind. Darüber hinaus werden wir kleine Experimente durchführen, indem wir verfügbare Daten aus einem AEQUIPA-Teilprojekt namens OUTDOOR ACTIVE und neu generierte Daten verwenden. Schließlich werden wir einen Antrag an die Deutsche Forschungsgemeinschaft (DFG) schreiben, um weitere Finanzierungen zu sichern.

Ausführliche Beschreibung

Körperliche Aktivität (PA) hat einen großen Einfluss auf die allgemeine Gesundheit, Morbidität und Mortalität. Nach Angaben der Weltgesundheitsorganisation sind etwa 4% der Todesfälle weltweit auf Bewegungsmangel zurückzuführen. In der Vergangenheit wurde die PA mittels Fragebogen evaluiert. In jüngster Zeit haben sich Messungen mittels Beschleunigungsmesser als kostengünstige Alternative, die unvoreingenommene Daten liefert, erleichtert. Die Daten werden jedoch in der Regel mit sehr vereinfachten Ansätzen verarbeitet, die a) einen großen Teil der gesammelten Informationen vergeuden und b) Annahmen über die Daten treffen, die oft nicht gerechtfertigt sind. Beispielsweise werden die Daten entweder als Rohsignal oder in so genannten Activity Counts (AC) vom Gerät heruntergeladen. AC wurden in der Vergangenheit für kleine Speicherkapazitäten verwendet und sind zum De-facto-Standard geworden. Die Algorithmen, die diese AC aus dem Rohsignal berechnen, variieren je nach Hersteller und bleiben oft schwer fassbar. Außerdem wird PA dann oft in Intensitätsstufen kategorisiert, die auf offiziellen PA-Empfehlungen basieren. Die Grenzwerte für diese Kategorien werden jedoch willkürlich festgelegt, und die AC-Grenzwerte bleiben meist unstandardisiert. Hinzu kommt, dass viele Forschungen nur einfache Regressionsanalysen durchführen und nicht die gesamte Bandbreite der statistischen Möglichkeiten nutzen.

Das geplante Projekt wird das Fachwissen von Informatikern und ihre hochmodernen Ansätze der Signalverarbeitung, Mustererkennung und des maschinellen Lernens nutzen, um in den Bereich der Lifestyle-Epidemiologie und deren Auswirkungen auf die Entwicklung von Programmen zur Förderung körperlicher Aktivität einzuspeisen. Jüngste Durchbrüche im Bereich des maschinellen Lernens für Zeitreihendaten könnten genutzt werden, indem sie an die Datenanalyse für die Bewertung körperlicher Aktivität angepasst werden. Durch die Zusammenführung der Disziplinen werden die Lösungen und die Open-Access-Software, die das künftige Projekt bietet, nachhaltige Auswirkungen auf den Bereich der digitalen öffentlichen Gesundheit haben.
In einem ersten Schritt wurden Beweise für Designentscheidungen aus der Perspektive der öffentlichen Gesundheit gesammelt und mit den technischen Möglichkeiten abgeglichen. Um die Relevanz und Aussagekraft des Drittmittelprojektvorschlags zu gewährleisten, wird innerhalb und außerhalb des LSC DiPH aktiv Expertenwissen eingeholt. Ein Workshop, der allen Mitgliedern des LSC offen steht, wird abgehalten, um die Ergebnisse der Aktivitäten zu diskutieren. Zum weiteren Nachweis des Konzepts werden kleine Experimente durchgeführt und Daten aus der Praxis analysiert. Mehr als 1800 Datensätze von Beschleunigungsmesserdaten, die im Rahmen des AEQUIPA-Teilprojekts OUTDOOR ACTIVE gesammelt wurden, können für diesen Schritt verwendet werden. Die Daten werden durch gesundheitsbezogene Längsschnittdaten angereichert.
Hauptziele sind die Entwicklung von Open-Source-Software für die Analyse von Beschleunigungsmesser-Daten mit hoher Relevanz für Public-Health-Wissenschaftler, die über den Stand der Technik der verfügbaren Softwarepakete hinausgeht, und die Einreichung eines Antrags bei der Deutschen Forschungsgemeinschaft für ein interdisziplinäres Drittmittelprojekt zur Entwicklung innovativer Methoden für die Analyse von Beschleunigungsmesser-Daten.

Kontakt

Fabian Flaßkamp
Universität Bremen
Institut für Public Health and nursing Research
AG Epidemiologie des demographischen Wandels
Raum: A1060
Grazer Straße 2a
28359 Bremen
Telefon: +49 421 218-68872
E-Mail: flasskamp@uni-bremen.de


Zurück zur Projektübersicht

Image