Como os dados de smartphones e aplicativos podem nos informar sobre a saúde humana em escala global

Acontece que muitas vezes somos terríveis em relatar nossos próprios hábitos - quanto estamos exercitando, quando estamos dormindo e nos sentimos descansados. Mas o que somos bons é o envolvimento com uma ampla variedade de tecnologias 24 horas por dia, 7 dias por semana.

“Andando por aí com nossos smartphones e dispositivos portáteis, os dispositivos realmente geram enormestraços digitais de nosso comportamento no mundo real ”, disse Tim Althoff, professor assistente da Escola de Ciência da Computação Paul G. Allen &Engenharia na Universidade de Washington.

Althoff e sua equipe estão explorando esses dados de maneiras inesperadas, a fim de obter uma melhor compreensão da saúde humana, incluindo insights sobre sono e desempenho, desigualdade de exercícios e saúdee saúde mental e aconselhamento.

Althoff compartilhou sua pesquisa na quarta-feira em uma palestra intitulada "Ciência de dados para o bem-estar humano" apresentada na Pesquisa Anual de 2019 da Escola Paul G. AllenShowcase.

Para obter uma ideia de como os ciclos de sono se correlacionam com nossa capacidade de funcionar, Althoff emparelhou dados sobre a velocidade com que as pessoas digitam e clicam no mecanismo de pesquisa do Bing com informações de monitoramento de sono coletadas no Microsoft Band, umrastreador de atividade vestível.

Ele descobriu que a velocidade de digitação atingiu o pico aproximadamente duas horas depois que alguém acordou, o que corresponde à pesquisa de sono geralmente aceita, quando as pessoas estão mais alertas e validam a abordagemcomo um meio para investigar o sono edesempenho.O estudo também analisou os efeitos do sono insuficiente durante uma ou várias noites na capacidade cognitiva.

Em pesquisas adicionais, Althoff analisou a correlação entre a velocidade das teclas pressionadas e os incidentes de acidentes de carro e está investigando o desempenho. dos jogadores de futebol americano da NFL e das velocidades de digitação.

Althoff está empolgado com o potencial de usar as informações coletadas de maneira discreta a partir de dispositivos comuns para obter insights sobre a saúde.

os dados são "relatados para milhões e milhões de pessoas e nos permitem estudar em grande escala", disse ele.“Isso nos permite estudar com detalhes granulares, fazendo isso continuamente por longos períodos de tempo e obtendo isso a um custo relativamente baixo. Isso é um grande negócio. ”

Tradicionalmente, muitas dessas informações são coletadas em relatórios pessoais ou em experimentos de laboratório com algumas pessoas durante um período finito. Em muitos casos, os cientistas fazem apenas perguntas binárias, sim e não, que perdem o leque de experiências vividas.

Existem desafios para coletar e analisar dados coletados de dispositivos e aplicativos - principalmente preocupações com o consentimento informadopara participação e privacidade. Em alguns casos, o consentimento é parte integrante dos termos de serviço, que Althoff concordou que era uma solução menos ideal. Para o estudo inicial do sono, os participantes foram contatados e ativamente ativados na pesquisa.

Em outro estudo, Althoff e colegas fizeram uma parceria com umaplicativo de rastreamento chamado Azumio, que fornece um conjunto de dados de 68 milhões de dias de atividade física para mais de 700.000 pessoas que vivem em 111 países. Eles combinaram os dados de exercícios de Azumio com as taxas nacionais de obesidade e com a capacidade de locomoção das cidades dos EUA. Os resultados encontraram desigualdade nas atividades em todo o mundo e que cidades mais passíveis de caminhar têm menos desigualdade no exercício.

No campo da saúde mental, Althoff usou ferramentas de "processamento de linguagem natural" para analisar conversas de texto no Crisis Text Line, um popularaplicativo para pessoas que enviam mensagens de texto com conselheiros treinados. Depois que alguém interagiu com o aplicativo, os pesquisadores fizeram um acompanhamento para perguntar se se sentiam melhores, piores ou iguais. Althoff analisou as trocas entre os conselheiros com mais e menos sucesso para encontrar padrões. Ele concluiu que melhores conselheiros compartilhavam características como o fornecimento de trocas mais personalizadas e com menos scripts e passou rapidamente para a solução de problemas para ajudar a mudar a perspectiva ou a perspectiva do usuário. Os resultados já estão criando um benefício no mundo real.

"Estamos empolgados", disse Althoff, "porque esse tipo de percepção baseada em dados mudou completamente a maneira como treinam conselheiros."

Via: Geek Wire