FI124367B - Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi - Google Patents

Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi Download PDF

Info

Publication number
FI124367B
FI124367B FI20116115A FI20116115A FI124367B FI 124367 B FI124367 B FI 124367B FI 20116115 A FI20116115 A FI 20116115A FI 20116115 A FI20116115 A FI 20116115A FI 124367 B FI124367 B FI 124367B
Authority
FI
Finland
Prior art keywords
physiological
person
measurement
physiological state
recovery
Prior art date
Application number
FI20116115A
Other languages
English (en)
Swedish (sv)
Other versions
FI20116115A (fi
Inventor
Sami Saalasti
Joni Kettunen
Satu Tuominen
Jaakko Kotisaari
Original Assignee
Firstbeat Technologies Oy
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Firstbeat Technologies Oy filed Critical Firstbeat Technologies Oy
Priority to FI20116115A priority Critical patent/FI124367B/fi
Priority to EP12847067.1A priority patent/EP2775901A4/en
Priority to US14/353,126 priority patent/US9519755B2/en
Priority to PCT/FI2012/051094 priority patent/WO2013068650A2/en
Publication of FI20116115A publication Critical patent/FI20116115A/fi
Application granted granted Critical
Publication of FI124367B publication Critical patent/FI124367B/fi

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/0002—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network
    • A61B5/0015—Remote monitoring of patients using telemetry, e.g. transmission of vital signals via a communication network characterised by features of the telemetry system
    • A61B5/0022—Monitoring a patient using a global network, e.g. telephone networks, internet
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/02—Detecting, measuring or recording pulse, heart rate, blood pressure or blood flow; Combined pulse/heart-rate/blood pressure determination; Evaluating a cardiovascular condition not otherwise provided for, e.g. using combinations of techniques provided for in this group with electrocardiography or electroauscultation; Heart catheters for measuring blood pressure
    • A61B5/024—Detecting, measuring or recording pulse rate or heart rate
    • A61B5/02405—Determining heart rate variability
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/103—Detecting, measuring or recording devices for testing the shape, pattern, colour, size or movement of the body or parts thereof, for diagnostic purposes
    • A61B5/11—Measuring movement of the entire body or parts thereof, e.g. head or hand tremor, mobility of a limb
    • A61B5/1118—Determining activity level
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/74—Details of notification to user or communication with user or patient ; user input means
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H40/00—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices
    • G16H40/60—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices
    • G16H40/63—ICT specially adapted for the management or administration of healthcare resources or facilities; ICT specially adapted for the management or operation of medical equipment or devices for the operation of medical equipment or devices for local operation
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems

Description

MENETELMÄ JA JÄRJESTELMÄ HENKILÖN FYSIOLOGISEN TILAN KARTOITTAMISEKSI
Keksinnön kohteena on menetelmä henkilön fysiologisen tilan 5 kartoittamiseksi, jossa menetelmässä määritetään fysiologisten tilojen vaihtoehdot, valitaan yksi tai useampi konteksti kukin vastaten ajallista jaksoa henkilön toimintaa/olotilaa varten, valitaan kullekin kontekstille yksi tai useampi muuttuja, 10 jolloin kartoituksessa mitataan ja tallennetaan henkilön fysiologista tietoa jatkuvana mittauksena vähintään 4 h, edullisimmin 50 - 80 h sisältäen yhden tai useamman valitun kontekstin, määritetään ja tallennetaan mittauksen mittaustaustatie- 15 dot, määritetään tallennetun mittauksen avulla kullekin valitulle kontekstin muuttujalle arvo ainakin yhdeltä vastaavalta määritellyltä jaksolta, määritetään kutakin kontekstia vastaavat ajalliset jaksot 20 fysiologisesta tiedosta mittaustaustatietojen avulla, ja määritetään henkilön fysiologinen tila esivalitulla kriteerillä mittaustaustatietoa ja mitattuja kunkin kontekstin muuttujan arvoa hyväksikäyttäen.
Keksintö koskee myös vastaavaa järjestelmää henkilön fysiologi-25 sen tilan määrittämiseksi.
£2 Elintapoihin liittyvät sairaudet ovat nyky-yhteiskunnan suurim- o ^ pia uhkakuvia. Yleisimpiä sairauksia ovat muun muassa ylipaino, cp kohonnut verenpaine, diabetes, epäedulliset kolesteroli- tai oo >- 30 veren rasva-arvot sekä sydän- ja verenkiertoelimistön sairaudet, c Näihin liittyvät usein vääränlainen ravinto, riittämätön liikunta} ta, riittämättömät tai heikkolaatuiset yöunet sekä stressi ja lopulta uupumus. Ongelmat saattavat myös usein liittyä sosiaali- £ siin ongelmiin, alkoholin liikakäyttöön sekä syrjäytymiseen.
c\j
Ongelma on maailmanlaajuinen ja ongelman kehitysaste riippuu usein yhteiskunnan kehittyneisyydestä. Yhteiskunnan yleisen 35 2 hyvinvoinnin kehittyessä usein törmätään näihin seuraaviin ongelmiin. Terveydenhuoltojärjestelmissä usein resurssit riittävät pelkästään ongelmien seurausten hoitoon eivätkä ennaltaehkäisyyn. Elämäntapoihin liittyvä yleinen valistus auttaa tiet-5 tyyn rajaan saakka, mutta yksilöiden on usein vaikea tunnistaa omia ongelmiaan saatikka ratkaisua niihin.
Eräs tapa ennaltaehkäistä ongelmia on seurata henkilön fysiologisia signaaleja, joiden perusteella päätellään henkilön sen 10 hetkinen fysiologinen tila. Fysiologiset signaalit ihmisen kehosta ovat usein melko vaikeita tulkita ja tulkinta riippuu useasta muusta tiedosta kuten esimerkiksi henkilökohtaiset taustatiedot (ikä, pituus, paino, sukupuoli, kuntotaso, liikunta-aktiivisuus) , sairaudet ja niihin liittyvä lääkitys, tai 15 liittyvänä kontekstitietoon kuten esimerkiksi onko henkilö unessa vai valveilla, vapaa-ajalla vai töissä. Yhdessä nämä kaikki asiat muodostavat hyvin monimutkaisen päätöspinnan, mitä on vaikea hallita ja jonka ymmärtäminen vaatii laaja-alaista ja pitkällistä koulutusta. Tulkinta muodostuu helposti henkilöstä 20 riippuvaiseksi ja subjektiiviseksi, mikä luonnollisesti altistaa virheille ja epätasalaatuiseen palautteeseen.
Toisin sanoen yksittäinen fysiologinen parametri ilman konteks- titietoa on hyvin tulkinnanvarainen, mutta jos tiedetään ja 25 voidaan verrata esimerkiksi saman henkilön unen aikaista sykevä-co ^ livaihtelua päivän aikaiseen tai työtä vapaa-aikaan, voidaan jo ^ huomattavasti paremmin määritellä henkilön fysiologista tilaa.
? Automaattinen tulkinta fysiologisesta tilasta yhdistäen mitatun oo tai mitatut biosignaalit ja kontekstitiedon tarjoaa tehokkaan x £ 30 työkalun elämäntapaohjaukseen.
LO
S Tyypillisesti aiemmin menetelmissä ihmisen fysiologisen tilan o määrittämiseksi on pyritty vakiomaan konteksti. Tämä tarkoittaa, C\1 että luodaan yksinkertainen testitilanne, missä kaikki muut 35 vaikuttavat tekijät on pyritty minimoimaan. Tässä yhteydessä menetetään kuitenkin elämäntapaohjaukseen liittyvä tärkeä linkki 3 todelliseen elämään, sillä usein juuri testitilanteessa vakioidut tekijät ovat niitä, joihin pitäisi kiinnittää elintavoissa huomiota. Tällaisia testejä ovat esimerkiksi ortostaattisen sykereaktion tutkiminen sekä muut autonomisen hermoston toimin-5 takokeet. On huomattavasti vaikuttavampaa esittää palautetta yksilön päivittäisestä elämästä, jolloin yksilölle voidaan myös esittää seurannassa todellisia muutoksia arjessa. Arjen muutokset ovat avain pysyvään muutokseen elintavoissa. Aikaisemmat tulkinnan automatisointiin tähtäävät menetelmät ovat myös 10 pitkälti lääkinnällisiä ohjelmia diagnoosin muodostamiseksi eikä niitä voida hyödyntää jokapäiväisen hyvinvoinnin määrittämisessä .
Albrecht ym. ovat julkaisussa US 5,755,671 käyttäneet sykeväli-15 vaihtelun taajuuskaistoja arvioidessaan henkilön riskiä sairastua sydän- ja verisuonisairauksiin. Ohjelma vertaa sykevälivaih-telun taajuuskaistoja ennalta määritettyihin arvoihin ja muodostaa tämän perusteella tulkinnan. Kyseisessä menetelmässä käytetään kuitenkin ainoastaan yhtä muuttujaa ja siihen liittyviä 20 viitearvoja, joten kyseessä on hyvin yksinkertainen menetelmä. Yhden muuttujan tulkinta ilman kontekstitietoa ei anna paljon tietoa henkilön hyvinvoinnista normaalissa elämässä.
Sriram ym. julkaisussa WO 2005081168 sekä Mazar ym. julkaisussa 25 WO 2004047624 ovat myös esitelleet tulkinnan automatisointiin ^ tähtääviä menetelmiä, jotka perustuvat asiantuntijan tekemiin o aiempiin tulkintoihin. Sriramin ym. tietokoneavusteisen diagnoo-V sin tarkoituksena on toimia asiantuntijan päätöksenteon tukena sydänperäisiä sairauksia määritettäessä. Tulkinta perustuu £ 30 potilaan tietoihin ja sydämen ultraäänikuvaan, joten analyysi on LO hyvin suppea ja käyttökelpoinen ainoastaan tutkittaessa potilaan cö sydämen tilaa. Puolestaan Mazar ym. menetelmä käyttää laajempia o tietokantoja tulkintansa pohjana, jonka avulla voidaan määrittää
CM
automaattisesti potilaan terveydentilaa. Ohjelma toimii WEB-ym-35 päristössä ja on niin sanottu etälääkäri, mutta se rajoittuu kliiniseen käyttöön. Mazar ym. ei ratkaisussaan kuitenkaan 4 selitä, millä tavalla henkilön terveydentilaa tulkitaan tietokantojen tietoja ja mittausdataa yhdistämällä.
Samantapaiseen tilan tunnistamiseen liittyy myös julkaisussa W0 5 2007124271 esitetty Hadley:n menetelmä, joka keskittyy sydänperäisen kuoleman riskin määrittämiseen seuraamalla harjoituksesta palautumista. Menetelmä liittyy kiinteästi kuntotestiin ja syketason määrittämiseen kuormituksen ja palautumisen aikana. Menetelmää ei siis voida hyödyntää arjen tapahtumien kuormitta-10 vuuden määrittämiseen ja sen tarjoama analyysi rajoittuukin hyvin suppeasti ainoastaan syketason seuraamiseen ja tämän perusteella palautumisen määrittämiseen.
Julkaisussa US 7,330,752 Kettunen ym. kuvaavat järjestelmän 15 ambulatorisen sykevälisignaalin segmentoimiseksi ja analysoimiseksi stressitilan tunnistamiseksi. Järjestelmässä ei voida tulkita tai luokitella onko tunnistettu fysiologinen tila henkilön terveyden kannalta hyvä vai huono.
20 Keksinnön tarkoituksena on aikaansaada tekniikan tason menetelmiä parempi menetelmä ihmisen fysiologisen tilan määrittämiseksi. Menetelmän avulla pystytään monipuolisesti ja luotettavasti määrittämään yö- ja päiväaikaista stressiä ja palautumista liikunnan vaikutuksista unenlaatuun saakka. Tämän keksinnön 25 tunnusomaiset piirteet ilmenevät oheisesta patenttivaatimuksesta ^ 1. Keksinnön tarkoituksena on myös aikaansaada tekniikan tason ^ järjestelmiä parempi järjestelmä ihmisen fysiologisen tilan V määrittämiseksi. Tämän keksinnön mukaisen järjestelmän tun- nusomaiset piirteet ilmenevät oheisesta patenttivaatimuksesta £ 30 17 .
in cd Keksinnön mukaisen menetelmän tarkoitus voidaan saavuttaa o menetelmällä henkilön fysiologisen tilan kartoittamiseksi, jossa c\i menetelmässä määritetään fysiologisten tilojen vaihtoehdot, 35 valitaan yksi tai useampi konteksti kukin vastaten valitun mittauksen ajallista jaksoa, valitaan kullekin kontekstille yksi 5 tai useampi muuttuja ja valitaan esivalittu korrelaatiofunktio kutakin fysiologisen tilan vaihtoehto-muuttuja-yhdistelmää varten. Tällöin kartoituksessa mitataan ja tallennetaan henkilön fysiologista tietoa jatkuvana mittauksena vähintään 4 h, edulli-5 simmin 50 - 80 h sisältäen yhden tai useamman valitun kontekstin sekä kerätään ja tallennetaan henkilön sanotun mittauksen ajalta taustatiedot. Edelleen määritetään kutakin kontekstia vastaavat ajalliset jaksot taustatietojen avulla, määritetään tallennetun mittauksen avulla kullekin valitulle kontekstin muuttujalle arvo ίο vastaavalta määritellyltä jaksolta ja lasketaan kullekin esivalitulle korrelaatiofunktiolle arvo muuttujien arvoilla ja vastaavan kontekstin ajanjaksolla. Lopuksi lasketaan esivalitun summafunktion avulla kunkin fysiologisen tilan vertailuarvo yhdistämällä kunkin fysiologisen tilan kaikkien laskettujen 15 funktioiden arvot ja määritetään henkilön fysiologinen tila esivalitulla kriteerillä vertailuarvoista.
Keksinnön mukaisella menetelmällä voidaan yhdistää mittaustietoa, henkilön antamia esitietoja ja henkilön subjektiivista 20 arviota omasta tilastaan yhdeksi kokonaisuudeksi, joka antaa lopulta helposti tulkittavan ja ymmärrettävän lopputuloksen. Lopputulos on helppo esittää tutkittavalle henkilölle ja menetelmää henkilölle suorittava palveluntarjoaja voi keskittyä tutkittavan henkilön ongelmien syihin tai ongelmien ennaltaeh-25 käisyyn.
o
CM
, Konteksti on edullisesti yksi tai useampi seuraavista: yö, päivä, uniaika, liikunta, palautuminen, työ, vapaa-aika. Kon- tekstit ovat henkilön mittausjaksolla olevia ajanjaksoja, jotka x £ 30 pitävät sisällään jotain terveyden tilasta kertovaa toimintoa, ιλ kuten liikuntaa tai unta. Tulkittaessa mittaustietoa konteksti- co tiedon valossa päästää hyvää arvioon tutkittavan henkilön o fysiologisesta tilasta.
CM
6
Menetelmässä voidaan valita 1 - 15, edullisesti 2-10 kontekstia. Riittävällä kontekstien määrällä päästään kattavaan lopputulokseen.
Erään sovellusmuodon mukaan menetelmässä henkilön fysiologista 5 tietoa mitataan ja tallennetaan jatkuvana mittauksena tietyn ajanjakson ajan, joka ajanjakso sovitetaan pituudeltaan sellaiseksi, että ainakin yksi konteksti havaitaan mitatun fysiologisen tiedon perusteella. Tällöin mittaus- ja henkilötaustatietoja ei tarvita välttämättä lainkaan.
10
Kontekstin muuttuja on edullisesti yksi tai useampi seuraavista: yön stressbalance, päivän stressbalance, yön RMSSD, päivän RMSSD, uneen käytetty aika, palautuminen työ- ja vapaa-ajalle, yön RMSSD suhteessa päivän RMSSD:n, päivän liikunta, palautumi-15 nen uniajasta, palautumisen alkamisen ajankohta nukkumaan mentäessä, palautuminen vuorokaudessa, stressireaktioiden määrä vuorokaudessa, tunnistamaton tila vuorokaudessa, voimavarapro-fiilin palautuminen. Kontekstin muuttujat ovat sidottuja mittauksen suoritustapaan eli mitataanko tutkittavalta henkilöltä 20 esimerkiksi sykettä vai hänen liikettään.
Erään sovellusmuodon mukaan esivalittu korrelaatiofunktio vaihtoehto-muuttujayhdistelmää varten on porrasfunktio. Tällöin yksittäinen funktio saa selkeitä diskreettejä arvoja, joiden 25 käsittely on helppoa.
δ , Erään sovellusmuodon mukaan menetelmässä määritetään lisäksi V henkilötaustatietoina käytettäväksi laskennassa hyväksi ainakin yksi tai useampia seuraavista: ikä, sukupuoli, pituus, paino, x £ 30 aktiivisuusluokka. Taustatiedot vaikuttavat suuresti mittaustu- lo losten tulkintaan.
δ o Edullisesti mittaustiedon ja mittaustaustatiedon ja/tai henkilö-
<M
taustatiedon perusteella määritetään luotettavuuskerroin. 35 Luotettavuuskerroin auttaa palvelun tarjoajaa arvioimaan määritetyn fysiologisen tilan oikeellisuutta.
7
Edullisesti mittaustaustatietona kerätään henkilön subjektiivinen arvio henkilön fysiologisesta tilasta, jota subjektiivista arviota, luotettavuuskerrointa ja mittauksen perusteella määritettyä fysiologista tilaa verrataan keskenään palautteen ja 5 ohjeiden antamiseksi henkilölle. Fysiologisen tilan määrittäminen suoritetaan tutkittavan henkilön hyvinvoinnin mittaamiseksi ja sen perusteella palvelun tarjoaja ohjeistaa henkilöä kohti terveempiä elämäntapoja. Menetelmän ansiosta mittaustiedon ja mahdollisen subjektiivisen arvion tulkinta on huomattavan paljon 10 helpompaa kuin tekniikan tason mukaisissa menetelmissä, jolloin palvelun tarjoajalta vaaditaan vähemmän työpanosta ja osaamista tulosten tulkintaan. Vertailussa etsitään ristiriitaisuuksia taustatiedon ja määritetyn fysiologisen tilan piirteiden välillä. Esimerkiksi jos tutkittava henkilö tuntee olevansa stres-15 saantunut, mutta määritetty tila viittaa kohtuulliseen palautumiseen, voidaan käyttää tätä tietoa hyväksi palveluntarjoajan analyysissä.
Fysiologisia tiloja voidaan määrittää 6 - 20, edullisesti 8-10 20 kappaletta. Fysiologisten tilojen määrittelyllä pyritään hahmottamaan tutkittavalle henkilölle selkeämpi kuva hänen nykyisestä hyvinvoinnistaan ja osaltaan myös motivoimaan häntä siirtymään yhä parempaan tilaan.
25 Edullisesti henkilön fysiologinen tila määritetään vertaamalla ί- vertailuarvoa kunkin tilan esivalittujen korrelaatiofunktioiden o , arvojen summafunktion maksimiarvoon. Tällöin sen fysiologisen V tilan vertailuarvo, joka on lähimpänä kyseisen tilan summafunk- tion maksimiarvoa, voidaan tulkita olevan kyseisen henkilön x £ 30 fysiologinen tila.
LO
cö Edullisesti henkilön fysiologista tietoa mitataan ja tallenne- o taan henkilön tavanomaisissa elinolosuhteissa. Henkilön ta-
(N
vanomaisilla elinolosuhteilla tarkoitetaan henkilön normaaleja 35 arkirutiineja eli henkilö elää normaalisti mittauksen ajan.
8
Mittausta ei suoriteta erityisissä mittausolosuhteissa, jotka poikkeavat henkilön normaaleista elämäntilanteista.
Edullisesti henkilön fysiologista tietoa mitataan sykemittauksen 5 avulla. Sykemittausdatasta voidaan erottaa useita eri muuttujia, jotka korreloivat tutkittavan henkilön fysiologisen tilan kanssa.
Erään toisen sovellusmuodon mukaan menetelmää käytetään PC-oh-10 jelmistossa.
Erään kolmannen sovellusmuodon mukaan menetelmää käytetään EKG/pulssimittauslaitteessä.
15 Edullisesti kontekstin muuttujia valitaan 1 - 10, edullisesti 1 - 5. Riittävä muuttujien lukumäärä parantaa menetelmän luotettavuutta .
Erään sovellusmuodon mukaan menetelmässä mitataan ja tallenne-20 taan henkilön fysiologista tietoa jatkuvana pitkäaikaismittauksena vähintään viikon, edullisesti useita viikkoja, jopa 100 vuorokautta. Pitkäaikaisesta mittauksesta henkilö- ja mittaus-taustatiedot voidaan määrittää suoraan mitatusta fysiologisesta tiedosta parametrien erottelulla.
25 ^ Keksinnön mukaisen järjestelmän tarkoitus voidaan saavuttaa
CM
, järjestelmällä henkilön fysiologisen tilan kartoittamiseksi, jossa järjestelmässä henkilön fysiologinen tila määritetään mitatun fysiologisen tilan perusteella, johon järjestelmään x £ 30 kuuluu mobiilimittauslaite henkilön fysiologisen tiedon mittaa- lo miseksi jatkuvana mittauksena, joka mobiilimittauslaite käsittää cd edelleen välineet sanotun tiedon tallentamiseksi. Järjestelmään o kuuluu myös ohjelmalliset välineet fysiologisen tilan määrittä miseksi, tietokone järjestelmän käyttäjää varten käsittäen 35 käyttöliittymän alkuparametrien syöttämiseksi ohjelmallisille välineille sekä välineet henkilön taustatietojen keräämiseksi 9 käsittäen toisen käyttöliittymän. Järjestelmään kuuluu edelleen tiedonsiirtoverkko ja palvelin henkilön taustatietojen siirtämiseksi tietokoneelle. Tietokoneeseen kuuluvat ohjelmalliset välineet käsittävät esivalittuja korrelaatiofunktioita kutakin 5 fysiologisen tilan vaihtoehto-muuttuja-yhdistelmää varten korrelaatioarvon laskemiseksi muuttujien arvoilla, esivalitun summafunktion kunkin fysiologisen tilan vertailuarvon laskemiseksi yhdistämällä kunkin fysiologisen tilan kaikkien laskettujen korrelaatiofunktioiden korrelaatioarvot ja vertailuvälineet 10 henkilön fysiologinen tila määrittämiseksi esivalitulla kriteerillä vertailuarvoista. Järjestelmä tulkitsee tutkittavasta henkilöstä mitatun fysiologisen tiedon automaattisesti empiiriseen tietoon perustuen, mikä säästää käyttäjän aikaa huomattavasti .
15
Keksinnön kohteena olevan automaattisen biosignaalia ja biosig-naaliin liittyvää kontekstitietoa tulkitsevan menetelmän avulla voidaan antaa yksilöllistä elämäntapoihin liittyvää palautetta kustannustehokkaasti.
20
Keksintö vähentää fysiologisen tilan tulkintaan tarvittavan koulutuksen määrää ja laajuutta, nopeuttaa palautteen muodostamista sekä parantaa palautteen laatua objektiivisuuden lisääntyessä ja virhetulkintojen vähentyessä. Lisäksi palveluntarjoaja 25 voi myös keskittyä enemmän keinoihin asiakkaan elämäntapojen i- kehittämiseksi sen sijaan, että tulkitsee mitä henkilöstä , mitatut tiedot tarkoittavat. Automaattinen tilantunnistus V tehostaa asiantuntijan keskittymistä palautteen antamiseen.
Yhdessä nämä kaikki tekijät parantavat palvelusta saatavaa x £ 30 kokemusta ja mahdollistavat sen, että terveydenhuollossa voidaan tn myös keskittyä enemmän ennaltaehkäisyyn sairauksien hoitamisen δ asemasta.
δ
CM
Keksinnön kohteena on automaattinen biosignaalin ja liittyvän 35 kontekstitiedon tulkintajärjestelmä. Keksinnön avulla voidaan kustannustehokkaasti antaa elintapoihin liittyvää palautetta, 10 jonka perusteella voidaan ohjata yksilöä kohti terveellisempää ja tuottavampaa elämää. Edullisessa sovellusmuodossa keksintö liittyy yhden tai useamman vuorokauden sykevälimittauksesta laskettavien sykeväliparametrien ja liittyvän kontekstitiedon 5 (mm. unessa, valveilla, töissä, vapaa-ajalla) yhdistämiseksi valmiiksi tulkituksi palautteeksi. Palaute määrittelee henkilön fysiologisen tilan yksiselitteisesti esimerkiksi seuraavalla asteikolla: 10 1. "Hyvä palautuminen" 2. "Hyvä palautuminen, mutta päivänaikainen palautuminen puuttuu" 3. "Kohtalainen palautuminen, mutta yöuni jää lyhyeksi" 4. "Viivästynyt yöpalautuminen" 15 5. "Heikko palautuminen" 6. "Ylikuormittuminen" 7. "Fyysinen ylikuormitus" 8. "Uupumustila / fysiologisesti poikkeava tila" 20 Keksinnössä koostetaan ja yhdistetään hajanaista tietoa esimerkiksi sykevälivaihtelusta lasketuista parametreista konteksti-tiedon kanssa sekä huomioidaan henkilökohtaisia yksilön taustatietoja, jotta voidaan tunnistaa fysiologinen tila.
25 Tässä yhteydessä fysiologisella tilalla tarkoitetaan fysiologi- sen mittauksen kautta määritettyä tilaa, joka kuvastaa tutkittaen , van henkilön mittausjakson aikana käytössä olleita henkisiä ja V fyysisiä voimavaroja.
x £ 30 Keksintöä kuvataan seuraavassa yksityiskohtaisesti viittaamalla id oheisiin eräitä keksinnön sovelluksia kuvaaviin piirroksiin, co joissa δ
(M
Kuva 1 esittää keksinnön mukaisen menetelmän menetelmä- 35 vaiheita kaaviokuvana, 11
Kuva 2 esittää keksinnön mukaisen menetelmän kontekstin määritystä mittaustiedosta,
Kuva 3 esittää keksinnön mukaisessa menetelmässä käyte tyn tilamatriisin yksinkertaistetun esimerkin, 5 Kuva 4a esittää keksinnön mukaisessa menetelmässä käyte tyn tilamatriisin käytännön esimerkin,
Kuva 4b esittää keksinnön mukaisessa menetelmässä käyte tyn tilamatriisin esitietolomakeosion käytännön esimerkin, 10 Kuva 5 esittää keksinnön mukaisessa menetelmässä käyte tyn luotettavuustaulukon,
Kuva 6 esittää keksinnön mukaisessa menetelmässä eri tilojen korrelaatioita toistensa suhteen, 15 Kuva 7 esittää keksinnön mukaisessa menetelmässä käyte tyn tuloslomakkeen,
Kuva 8 esittää keksinnön mukaisessa menetelmässä käyte tyn esitietolomakkeen,
Kuva 9 esittää keksinnön mukaisessa järjestelmän yksin- 20 kertaistetun hardware-kaavion.
Kuvassa 1 on esitetty keksinnön mukaisen menetelmän vaiheita 40 - 62. Menetelmää käytetään tutkittavan henkilön fysiologisen tilan kartoittamiseen. Tässä yhteydessä fysiologisella tilalla 25 tarkoitetaan tutkittavan henkilön pitkäaikaista, ainakin mit-^ tauksen ajanjaksolla hallitsevaa olotilaa. Fysiologiseen tilaan ^ voi vaikuttaa myös psykologiset seikat. Menetelmää voi käyttää V esimerkiksi hyvinvointipalveluiden tarjoaja, joka kartoittaa tutkittavan henkilön tilan, antaa palautetta ja ohjeita ja
X
£ 30 tarvittaessa määrää lääkitystä tai hoitoja tutkittavalla henkiin löllä oleviin ongelmiin. Periaatteessa menetelmä soveltuu S käytettäväksi myös täysin terveydenhuollosta tietämättömällekin o henkilölle, sillä menetelmän lopputulos on selkeästi ymmärrettä vässä muodossa. Edullisesti menetelmän tulokset tutkittavalle 35 henkilölle esittävä palveluntarjoajan työntekijä voi olla esimerkiksi terveydenhoitaja, lääkäri, psykologi tai vastaava 12 terveydenhuollon ammattilainen, joka osaa neuvoa ja auttaa mahdollisten ongelmien suhteen.
Menetelmä toteutetaan edullisesti ohjelmallisten välineiden 5 avulla esimerkiksi tietokonesovelluksena.
Menetelmässä kartoitetaan henkilön fysiologinen tila. Palveluntarjoaja eli menetelmän käyttäjä voi määrittää vapaasti fysiologiset tilat vaiheessa 40. Eri tiloja voi olla esimerkiksi 10 kahdeksan ja ne voivat esimerkiksi olla: "Hyvä palautuminen", "Hyvä palautuminen, mutta päivänaikainen palautuminen puuttuu", "Kohtalainen palautuminen, mutta yöuni jää lyhyeksi", "Viivästynyt yöpalautuminen", "Heikko palautuminen", "Ylikuormittuminen", "Fyysinen ylikuormitus" tai "Uupumustila / fysiologisesti 15 poikkeava tila". Huomioitavaa on, että vaikka tässä esitetään erilliset luokat, voidaan fysiologinen tila määritellä myös liukuvana, jolloin se voi sijaita tietyssä pisteessä kahden luokan välillä tai olla todennäköisyys tietyille tiloille.
20 Menetelmää varten palveluntarjoaja määrittää vaiheessa 42 yhden tai useamman kontekstin kukin vastaten ajallista jaksoa henkilön toimintaa/olotilaa varten. Konteksteja voidaan valita 1 - 15, edullisesti 2-10 kappaletta. Konteksti on ajallinen jakso, joka voi olla esimerkiksi yö, päivä, uniaika, vapaa-aika, yön 25 suhde päivään, työaika tai jokin muu vastaava ajallinen jakso.
^ Konteksti voi olla myös pidempi ajanjakso, esimerkiksi viikon- ^ loppu, loma tai jokin rytmillinen elämäntapahtuma kuten matkus- V tus tai ostoksilla käynti. Konteksti valitaan siten, että ajanjakso kuvaa jotain tiettyä tutkittavan henkilön päivittäistä x £ 30 toimea, esimerkiksi liikuntaa tai nukkumista. Kontekstille on id ominaista se, että se sisältää jotain tiettyä yksittäistä S toimintaa, mutta yksittäiseen kontekstiin voi kuulua myös o useampaa toimintaa. Edullisesti koko mittausaika pystytään
(M
jakamaan erilaisiin konteksteihin, jotka kaikki omalta osaltaan 35 kuvaavat tutkittavan henkilön fysiologista tilaa.
13
Kontekstin tai kontekstien määrityksen jälkeen määritetään kullekin kontekstille yksi tai useampi muuttuja vaiheessa 44. Muuttujia voivat olla esimerkiksi yön stressbalance, keskimääräinen RMSSD, palautumisen tai liikunnan osuus. Kontekstin 5 muuttujia voi olla myös muita ja kontekstin muuttujia valitaan 1 - 10, edullisesti 1-5 kappaletta. Riittävän monen kontekstin muuttujan käytöllä voidaan saavuttaa riittävä luotettavuus määritetylle fysiologiselle tilalle. Kullekin muuttujalle on ominaista se, että sitä pystytään seuraamaan menetelmässä ίο käytettävällä mittauksella. Mittaus voi olla mikä tahansa tutkittavan henkilön fysiologista tilaa kuvastava asia kuten esimerkiksi tutkittavan henkilön liike tai syke. Erilaisilla mittauksilla voidaan seurata erilaisia muuttujia.
is Tämän jälkeen määritetään vaiheessa 46 menetelmää varten esivalittu korrelaatiofunktio kuvaamaan kunkin fysiologisen tilan sekä konteksteille määriteltyjen muuttujien välistä suhdetta. Esivalitut korrelaatiofunktiot ovat fysiologian asiantuntijoiden empiirisen tiedon perusteella muodostettuja funktioita, joilla 20 tietyn kontekstin muuttujan arvo painotetaan tiettyyn fysiologiseen tilaan. Korrelaatiofunktion arvo kuvaa kuinka hyvin kontekstin muuttuja arvo korreloi kyseistä fysiologista tilaa. Toisin sanottuna edullisesti korrelaatiofunktiot muodostetaan empiiriseen tietoon perustuen suuresta määrästä fysiologista 25 tietoa.
δ , Kaikki edellä mainitut valinnat voivat olla menetelmää varten V tehtyjä valintoja ohjelmassa, jolla menetelmä toteutetaan.
Valinnoilla voidaan vaikuttaa huomattavasti menetelmällä saadun x £ 30 tuloksen kattavuuteen ja menetelmästä saatavaan palautteeseen, tn Valittaessa enemmän kontekstien muuttujia saadaan enemmän cd mittaustietoa ja sitä kautta tietoa tutkittavan henkilön fysio- δ logisesta tilasta.
(M
35 Tämän jälkeen vaiheessa 48 mitataan ja tallennetaan henkilön fysiologista tilaa tai muuta henkilön toimintaa kuvaavaa tilaa, 14 esimerkiksi liikettä liikeanturilla, jatkuvana tai osittain jatkuvana mittauksena vähintään 4 h, edullisimmin 50 - 80 h sisältäen yhden tai useamman valitun kontekstin. Fysiologista tietoa voidaan tallentaa myös kokonaan tai osittain epäsuorasti 5 esimerkiksi kiihtyvyysmittauksen avulla. Menetelmää on mahdollista toteuttaa myös ilman sykemittausta mitaten fysiologista tilaa epäsuorasti tai suorasti käyttäen esimerkiksi paikannusta (GPS/GNNS), kameraa, EMG:tä tai lämpötilaa. Mittauksen ajalta kerätään ja tallennetaan käyttäjän ilmoittamana tai automaatti-10 sesti tunnistettuna tietoja henkilön toiminnasta eri kontekstien erottamiseksi. Mittaus suoritetaan edullisesti tutkittavan henkilön tehdessä normaaleja arjen rutiineja.
Erään sovellusmuodon mukaan menetelmää voidaan käyttää myös 15 siten, että mittaus jatkuu vähintään viikon, edullisesti useita viikkoja, jopa 100 vuorokautta, jolloin mittaus- tai henkilö-taustatietoja ei välttämättä tarvita lainkaan. Näin pitkässä mittausjaksossa mitatusta fysiologisesta tiedosta voidaan päätellä tarvittavat taustatiedot. Jo viikon mittaisessa mit-20 tauksessa mitatusta fysiologisesta tiedosta voidaan päätellä leposyke, jota voidaan käyttää levon tunnistamiseen. Pidemmissä mittausjaksoissa voidaan määrittää henkilön kuntotaso (V02max tai METmax) ja maksimisyke (maxHR). Edullisesti pitempiaikaisessa mittauksessa menetelmässä käytetään lisäksi GPS tai muuta 25 paikannusta, jolloin esimerkiksi henkilön juoksulenkeiltä ^ voidaan saada juoksunopeus ja sitä kautta kuntotaso voidaan o määrittää luotettavasti. Leposyke saadaan yleensä määritettyä V huomattavasti lyhemmästäkin mittauksesta, esimerkiksi 1-3 vuorokautta, etenkin mikäli mittaus sisältää yön/uniajan, £ 30 jolloin henkilö nukkuu, jolloin syke on yleensä alimmillaan.
LO
cd Kerätyt ja tallennetut tiedot voivat olla esimerkiksi sykemitta- o rilla tai pulssioksimetrilla (pulse pletysmogram, perustuu
CVJ
verenvirtauksessa havaittavien sydämenlyöntien aiheuttamien 35 pulsaatioaaltojen mittaamiseen fotodiodi-menetelmällä) kerättyä sykedataa, kiihtyvyysanturilla kerättyä liikedataa tai muuta 15 vastaavaa tietoa, joka voidaan tallentaa kyseisen laitteen muistiin tai etäyhteydellä menetelmää käyttävän ohjelman kanssa samalla laitteella olevalle muistivälineelle.
5 Tämän lisäksi edullisesti tutkittavalta henkilöltä määritetään ja tallennetaan vaiheen 50 mukaisesti mittauksen mittaustausta-tiedot 22 kyseiseltä mittausjaksolta. Tunnistettuja tai käyttäjän itsensä ilmoittamia tietoja voivat olla esimerkiksi nukkumaan meno ja herääminen unen ajan tunnistamiseksi. Mittaustaus-10 tatietoja voivat olla esimerkiksi mittausjaksolla suoritetut aktiviteetit päiväkirjatyyppisesti . Mittaustaustatietojen 22 lisäksi menetelmässä voidaan määrittää ja tallentaa henkilötaus-tatietoja 23. Sekä henkilö- että mittaustaustatiedot voidaan kerätä kyselynä, joka voidaan suorittaa täytettävällä esitieto-15 lomakkeella paperilla, suoraa mittaavaan laitteeseen tai esimerkiksi verkkoyhteyden välityksellä. Mittaustaustatiedot voidaan määrittää edullisesti automaattisesti esimerkiksi kiihtyvyysmit-tauksen, gps-paikannuksen tai vastaavan mittauksen avulla.
20 Mittaustietojen ja taustatietojen perusteella voidaan ohjelmallisesti tai manuaalisesti määrittää kutakin kontekstia vastaavat ajalliset jaksot kuvan 1 vaiheessa 52 kuvan 2 mukaisesti. Ohjelmallinen määritys voi olla automaattinen, jossa esimerkiksi sykedatasta tai liikeanturilla mitatusta datasta voidaan päätel-25 lä henkilön unessa oleminen. Vaihtoehtoisesti menetelmän käyttä- >- jä, esimerkiksi palveluntarjoaja, voi määrittää ohjelmalle
(M
, manuaalisesti konteksteja vastaavat ajalliset jaksot. Edullises- V ti kontekstien määrittämiseen käytetään mittaustaustatietoa.
Kuvassa 2 mitattu fysiologinen tieto 20 on ollut tutkittavan x £ 30 henkilön sykevaihtelu, joka on esitetty käyrällä 20. Käyrän 20 LO muodoista on löydettävissä korkeamman intensiteetin alueita, co matalamman intensiteetin alueita ja erilaisia muotoja. Eri o alueiden erojen perusteella voidaan erottaa eri kontekstit 11, jotka muodostavat edullisesti jatkuvuuden. Kontekstit voivat 35 olla osittain tai kokonaan päällekkäisiä, peräkkäisiä tai niiden välillä voi olla epäjatkuvuuksia, jolloin mikään konteksti ei 16 osu kyseiselle alueelle. Kullekin valitulle kontekstin muuttujalle määritetään tallennetun mittaustiedon avulla arvo tietyksi kontekstiksi määritellyltä jaksolta. Valittu kontekstin muuttuja arvo voi olla esimerkiksi stressbalancen, RMSSD:n palautumisen 5 tai liikunnan osuuden arvo.
Seuraavaksi vaiheessa 54 kullekin esivalitulle korrelaatiofunktiolle lasketaan arvo sanottujen muuttujien arvoilla. Kuvien 3 -4b mukaisesti esimerkiksi kontekstin 11 "uniaika" muuttuja 12 ίο "uneen käytetty aika" C kohdalla esivalittu korrelaatiofunktio fysiologisen tilalle 10 "1 - hyvä palautuminen" saa arvoja 14, jotka voivat olla esimerkiksi -2, 2 ja 4 riippuen siitä, paljonko tutkittava henkilö on ollut unessa eli paljonko muuttujan arvo 26 on ollut. Edullisesti esivalitut korrelaatiofunktiot 15 ovat porrasfunktioita, jolloin esimerkiksi kontekstin muuttujan arvolla 7,0 h korrelaatiofunktio saa arvon 2, mutta heti arvolla 7,1 h korrelaatiofunktio saa arvon 4. Kukin korrelaatiofunktion arvo kuvaa käytännössä sitä, kuinka hyvin muuttujan arvo kuvastaa juuri kyseistä fysiologista tilaa. Esimerkiksi kontekstin 20 muuttujan "uneen käytetty aika" saadessa arvon 4 h voidaan todeta, että tällainen uneen käytetty aika kuvaa heikosti tilaa "hyvä palautuminen", jolloin korrelaatiofunktion arvo on negatiivinen. Sen sijaan muuttuja arvo 8 h kuvaa "hyvä palautuminen" tilaa hyvin, jolloin korrelaatiofunktio saa positiivisen arvon 25 4 .
δ
CM
, Vaiheessa 56 kullakin muuttujan arvolla lasketaan korrelaa- ”5" tiofunktion avulla jokaiselle fysiologiselle tilalle muuttujan arvon ja fysiologisen tilan vastaavuutta kuvastava korrelaa-x £ 30 tiokerroin. Esimerkiksi kontekstin muuttujan "stressbalance" LO arvolla 51 kontekstissa "yön ajalla", kunkin tilan esivalittu co korrelaatiofunktio saa arvon, tässä tilasta 1 tilaan 8: 3, 3, 2, o 0, -2, -4, -4 ja 2 kahdeksan fysiologisen tilan funktiona. Tilan 1 esivalittu korrelaatiofunktio saa arvon 3, koska stressbalance 35 arvo 51 kuvaa hyvin tilaa 1 "hyvä palautuminen". Toisaalta tilan 6 esivalittu korrelaatiofunktio saa arvon -4, koska stressbalan- 17 ce arvo 51 kuvaa huonosti tilaa 6 "ylikuormittuminen". Huomioitavaa on, että korrelaatiofunktiot voivat olla myös jatkuvia, jolloin muuttuja arvoja ei luokitella esimerkiksi luokkiin hyvä, kohtalainen ja heikko. Esimerkkejä korrelaatiofunktioiden 5 arvoista on esitetty kuvan 4a taulukossa. Korrelaatiofunktion saadessa arvon 0 tarkoittaa tämä sitä, että kyseinen kontekstin muuttuja ei kuvaa mitenkään kyseistä fysiologista tilaa. Kuvassa 4a kontekstin muuttujien korrelaatiofunktioiden saadut arvot on esimerkkinä ympyröity fysiologisen tilan 1 kohdalla. Ympyröity-io jen arvojen perusteella on päädytty vertailuarvoon, joka tässä on tilan 1 osalla 20.
Ohjelman laskettua kunkin kontekstin 11 kullekin muuttujalle 12 esivalitun korrelaatiofunktion 24 (esitetty kuvassa 6) is perusteella arvon 14 jokaiselle fysiologiselle tilalle 10 voidaan esivalitun summafunktion 27 (esitetty kuvassa 6) avulla laskea vaiheessa 58 kunkin fysiologisen tilan vertailuarvo 16 yhdistämällä kunkin fysiologisen tilan kaikkien laskettujen korrelaatiofunktioiden arvot. Laskettavat vertailuarvo voivat 20 olla esimerkiksi kuvan 4a taulukossa sarakkeilla esitetyt arvot.
Lopuksi tutkittavan henkilön fysiologinen tila määritetään esivalitulla kriteerillä vertailuarvoista vaiheessa 60. Fysiologiseksi tilaksi voidaan valita esimerkiksi tila, joka on saanut 25 eniten pisteitä suhteessa kyseessä olevan tilan maksimipistei-^ siin verrattuna. Toisin sanottuna kunkin fysiologisen tilan ^ summafunktion arvoa 16 verrataan kunkin fysiologisen tilan V korrelaatiofunktioiden 24 maksimiarvojen summafunktion arvoon ^ 18.
I 30 m Edellä esitetyt vaiheet eivät välttämättä ole järjestyksensä cd suhteen sitova. Esimerkiksi muuttujien valinta voidaan tehdä o vasta fysiologisen tiedon mittauksen jälkeen, sillä muuttujien
(M
arvot voidaan tunnistaa jo otetusta mittausdatasta.
35 18
Tulkinnan automatisoinnin tarkoituksena on tiivistää moniulotteista tietoa esimerkiksi sykevälivuorokausimittauksista helpommin tulkittavaan muotoon. Menetelmä vaatii esimerkiksi aineiston sisältäen sykevälimittauksen yhdeltä tai useammalta vuorokaudel-5 ta. Edullisesti menetelmää varten määritetään ja tallennetaan myös henkilötaustatiedot 23, jotka voivat olla esimerkiksi seuraavia: ikä, sukupuoli, pituus, paino, aktiivisuusluokka; valinnaisena maxHR (maksimisyke), minHR (leposyke), maxV02 (maksimaalinen hapenottokyky eli kuntotaso). Menetelmää voidaan ίο toteuttaa myös ilman henkilötaustatietojen keräämistä, jolloin esimerkiksi pitkäaikaisissa mittauksissa tarvittavat henkilö-taustatiedot (esimerkiksi leposyke) saadaan mittausdatasta automaattisesti. Lisäksi menetelmää varten tarvitaan edullisesti henkilön täyttämä esitietolomake/kysely kartoittamaan yleistä 15 henkilön fysiologista tilaa eli henkilön subjektiivinen arvio hänen omasta fysiologisesta tilastaan. Menetelmän kannalta on oleellisista tietää myös muun muassa alkoholiannosten lukumäärä mittausajankohtana, koska alkoholin nauttimisella on suuri vaikutus unen laatuun, sykevaihteluun, syketasoon ja näistä 20 laskettaviin muuttujiin. Kaikki edellä mainitut tiedot ovat menetelmän taustatietoja.
Menetelmä tuottaa tuloksena henkilölle vuorokausimittauksesta analysoidun tilan vaiheen 62 mukaisesti, tilantunnistuksen ja 25 tulkinnan luotettavuuden, sekä toimenpide ehdotukset liittyen >- tunnistettuun tilaan. Lisäksi voidaan tuottaa useammasta peräk- , käisestä vuorokaudesta keskiarvotila, joka kuvaa parhaiten koko V mittausjaksoa (esimerkiksi kolmea vuorokautta), jolloin tulkin- ^ taa sekä asiakkaalle vaiheessa 64 annettavaa palautetta voidaan
X
£ 30 edelleen yksinkertaistaa. Edelleen tilat voidaan määrittää ίο hierarkkisesti "hyvästä - huonoon", mikä mahdollistaa ja tekee cd järkeväksi esimerkiksi pitkäaikaisseurannan.
Menetelmän laskentaa voidaan kuvata kuvien 3 - 4b mukaisella 35 tilamatriisilla, joka yhdistää henkilöstä mitatun fysiologisen δ
(M
19 tiedon ja asiantuntijatiedon. Seuraavaksi on esitetty muuttujia, joita voidaan laskea kartoituksessa eri konteksteille: A) Yön stressbalance 5 Yön stressbalance perustuu stressi- ja palautumistilojen tunnistukseen, joka on esitetty esimerkiksi julkaisuissa EP1545309 ja US 7,330,752. Stressbalancea varten sykevälisignaalia segmentoidaan, jotta saadaan stressi- ja palautumistilat esille. Stressbalance on yksinkertaisesti stressi- ja palautumistilojen 10 ajallisten kestojen välinen suhde. Yön stressbalance kertoo missä suhteessa yöllä on ajallisena kestona tunnistettua stressiä ja palautumista. Yön stressbalance voidaan luokitella esimerkiksi luokkiin >50 (hyvä), 0-50 (kohtalainen) ja <0 (heikko). Kun stressbalance on >50 (hyvä), suurin osa nukkumi-15 seen käytetystä ajasta kuluu palautumista ja keho palautuu hyvin. Stressbalancen ollessa 0-50 (kohtalainen) kehon palautuminen on viivästynyt hieman, mutta siitä huolimatta palautumista on enemmän suhteessa stressireaktioihin. Edelleen stressbalancen ollessa <0 (heikko) palautumista on vähemmän kuin 20 stressireaktioita yön aikana. Keho käy ylikierroksilla, muun muassa syke ei palaudu tehokkaasti päiväaikaisesta rasituksesta. Tämä stressbalance -luokka kertoo selvästi palautumisen hidastumisesta .
25 B) Yön RMSSD
^ Yön RMSSD on matemaattinen signaalista laskettava yleisesti ^ käytetty sykevaihtelun määrää kuvaava lukuarvo, joka on yh- V teydessä ihmisen autonomisen hermojärjestelmän parasympaattisen haaran toiminnan tasoon. Sykevaihtelu (RMSSD) kuvaa autonomisen x £ 30 hermoston säätelyä. Suuri sykevaihtelu on yhteydessä palautumiin seen, lepoon ja hyvinvointiin. Ilman fyysistä rasitusta ilmenevä cö vähäinen sykevaihtelu kertoo puolestaan autonomisen hermoston o puutteellisesta tai epänormaalista säätelystä ja voi viitata c\i muun muassa stressireaktioihin, pitkäaikaiseen kuormitukseen tai 35 tiettyihin sairauksiin. Levossa sydämen sykkeen tulisi laskea ja 20 sykevaihtelun nousta. Työterveyslaitoksen suositusten mukaan sykevaihtelun tulee olla unen aikana yli 20 ms.
Yön RMSSD voidaan luokitella esimerkiksi luokkiin >40 (hyvä), 20 5-40 (kohtalainen), 13 - 20 (heikko) ja <13 (patologinen). Yön RMSSD:n luokka >40 (hyvä) on määritetty empiirisen tiedon perusteella ja voi olla kaksinkertainen kohtalaiseen tasoon verrattuna. Yön RMSSD luokka 20 - 40 (kohtalainen) on kriteeri-raja heikolle palautumiselle, toisin sanottuna tämä on taso, ίο joka perusterveen henkilön tulisi vähintään saavuttaa normaalin yön aikana. Edelleen empiiriseen tietoon perustuen yön RMSSD luokka 13 - 20 (heikko) kuvaa tilannetta, jossa parasympaattisen hermoston toiminta hyvin alhaista ja sykevaihtelua ei juuri esiinny. Yön RMSSD luokka <13 (patologinen) viittaa johonkin 15 sairauteen.
C) Uneen käytetty aika
Unen määrä on yksilöllinen, mutta alla olevat ovat ohjeelliset arvot riittävälle unen määrälle. Tutkimusten mukaan 10 - 15 % 20 ihmisistä nukkuu jatkuvasti alle 6 h kärsimättä siitä huolimatta minkäänlaisesta univajeesta. Toisaalta on tutkimustietoa myös siitä, että liian pitkäkin uni (>9h) on terveyden kannalta haitallista. Uneen käytetty aika voidaan luokitella esimerkiksi luokkiin >7h (hyvä), 5,5 - 7h (kohtalainen) ja < 5,5h (heikko).
25 ^ D) Palautumista vapaa-ajalla ja työaikana o Päivällä henkilöllä tulisi olla palautumista palauttavien V jaksojen ja taukojen yhteydessä. Mikäli keho ei palaudu, silloin kun siihen on tilaisuus, voi kuormitusriski olla kohonnut. £ 30 Palautuminen vapaa-ajalla ja työaikana voidaan luokitella ίο esimerkiksi seuraaviin luokkiin >60 min (hyvä), 16-60 min cö (kohtalainen) ja 0 - 15 min (heikko) .
δ C\l E) Yön RMSSD taso suhteessa päivällä mitattuun (tilat 1-4) 35 Yön RMSSD pitäisi olla korkeampi kuin päivän aikana, jolloin parasympaattisen hermoton toiminta voimistuu, kun yöaikaan 21 levätään. Mikäli autonomisen hermoston toiminnassa on häiriöitä, saattaa esimerkiksi lisälyöntien vaikutuksesta RMSSD olla satunnaisesti koholla päiväaikaan ja pysyä puolestaan alhaalla yöaikaan, kun lisälyöntejä ei samassa määrin ole.
5 F) Päivän aikaisten liikunnaksi tulkittujen tilojen määrä Tämä tila luokitellaan, jos päivän aikana on tunnistettu paljon tiloja liikunnaksi ja epäillään tilojen 6 tai 7 tapaista yli-kuormitustilaa. Luonnollisesti luokitteluun vaikuttaa myös ίο jakson sisältö, koska 2-4 h harjoituskin on täysin mahdollinen. Kohollaan oleva syketaso voi osaltaan kertoa myös elimistössä vallitsevasta akuutista hälytystilasta. Luokittelu voi olla esimerkiksi 0-2 h, 2-4 h ja > 4 h.
15 G) Palautumisen suhteellinen määrä uniajasta Tämä muuttuja kuvaa yleistä kuormitusriskiä. Mikäli keho ei lepää yöllä silloin, kun palautumista pitäisi olla, kuormitus-riski on kohonnut. Muuttujan arvot voidaan luokitella esimerkiksi luokkiin 75 - 100 % (erinomainen), 50 - 75 % (hyvä), 25 - 50 20 % (heikko) ja 0 - 25 % (huono).
H) Kuinka nopeasti nukkumaan käymisen jälkeen palautumista alkaa esiintyä Tämä muuttuja kuvaa yleistä kuormitusriskiä. Yleensä orastava 25 kuormitus näkyy ensimmäisenä juuri alkuyöstä. Mikäli palautumi-
CO
I- nen ei lähde tehokkaasti heti käyntiin, saattaa kuormitusriski o , olla kohonnut. Muuttujan arvot voidaan luokitella esimerkiksi S5 luokkiin >30 min (heikko), 5-30 min (kohtalainen) ja 0 - 5 min oo (hyvä) .
£ 30 m I) Palautumisen määrä koko vuorokaudesta tö Muuttuja peilaa kokonaisen vuorokauden osalta mikä on tasapaino o palautumisen suhteen. Muuttujan arvot voidaan luokitella esimer-
C\J
kiksi luokkiin >30 % (erinomainen) , >25 % (hyvä) , 20 - 25 % 35 (kohtalainen) ja < 20 % (heikko).
22
Hyvän palautumisen raja 25 % saavutetaan jo sillä, että yöunen aikana on vähintään 6 h palautumista.
J) Stressireaktioiden tilan määrä vuorokaudesta 5 Tämän muuttujan arvot voidaan luokitella esimerkiksi luokkiin <50 % vuorokaudesta (hyvä), 50 - 65 % vuorokaudesta (kohtalainen) , >65 % vuorokaudesta (huono).
K) Tunnistamattoman tilan määrä vuorokaudesta 10 Tunnistamattoman tilan määrä koostuu kolmesta eri tekijästä ja tämä osaltaan vaikuttaa tulkintaan. Eri tekijät voivat olla signaalin puuttuminen tai häiriö, liikunnan jälkeinen tila, jossa EPOC ja V02max ovat koholla tai tunnistamaton tila, jolloin yleensä syke aavistuksen koholla, mutta ei vastaa vielä 15 rasitukseltaan kuitenkaan arkiliikunnan taso. Tämä muuttuja voidaan luokitella esimerkiksi luokkiin 0 - 2 h (vähän),2-6 h (kohtalaisesti) ja >6h (runsaasti).
L) Voimavaraprofiilin (resourceVector) palautuminen vuoro- 20 kausimittauksissa vähintään lähtötasolle Lähtötason ylittävä tulos saadaan yleensä jo 20 - 25% palautu-misosuuksilla.
Menetelmässä käytettävässä tilamatriisissa jokaiselle fysiologi- 25 selle tilalle lasketaan pisteet, joista suhteellisesti eniten i- pisteitä saanut tila valitaan mittauksen tilaksi. Tilamatriisis- o , sa on ensimmäisellä sarakkeella kuvattu kontekstin muuttuja, V joita käytetään tilojen tunnistamiseen. Kaikki kontekstin muuttujat, jotka voivat vaikuttaa tiloihin tai jotka on mainittu
X
£ 30 jonkin tilan yhteydessä, on listattu, tn cd Osa asiantuntijan kokoamista kontekstin muuttujista ja tiloista o voidaan karsia, jos huomataan empiirisesti aineiston avulla
CM
päällekkäisyyksiä. Tällöin kaksi tai useampaa kontekstin muuttu-35 jaa korreloivat vahvasti keskenään, toisin sanottuna jos toinen 23 on "päällä", myös toinenkin on. Päällekkäisyyksiä kuvaava korrelaatiomatriisi on esitetty kuvassa 5.
Menetelmässä käytetyssä logiikassa on eroteltavissa kahta tapaa: 5 AND-logiikka, missä tietty tila vaatii tietyt kontekstin muuttujat ja joustavampaa logiikkaa. Joustavampi logiikka käyttää kontekstin muuttujia siten, että ne pisteytetään, jolloin sopivasti pisteyttämällä voidaan toteuttaa myös AND-logiikka. Pisteet lasketaan yhteen ja tietyn kynnyksen ylitettyä voidaan 10 tilaa pitää tunnistettuna. AND-logiikka voidaan muodostaa näin siten, että vaaditaan kynnysarvossa positiivisten pistemäärien summan olevan täsmälleen yhtä paljon kuin pisteitä on mahdollista saada.
15 Fysiologista tilaa mittaavien mittauksien lisäksi tutkittavaa henkilöä voidaan pyytää täyttämään esitietolomake, jossa tutkittava henkilö arvio subjektiivisesti omaa terveydentilaa. Esitie-tolomakkeen kysymyksiä voidaan käyttää sulkemaan pois jokin tila. Jos esimerkiksi testihenkilö on ilmoittanut olevansa 20 stressaantunut (asteikolla 1-5, henkilö on syöttänyt 4 "Koen olevani stressaantunut" ja 5 "Tunnen itseni usein väsyneeksi") ei ole välttämättä järkevää tuottaa tilaa 1 ("Hyvä palautuminen") ja sen palautumislauseita. Jos esitietolomakkeen vastauksia ei käytetä tilantunnistuksessa, on syytä poimia valikoidusti 25 esitiedoista raporttiin tietoja analysoijalle, etenkin jos I- annetun tilan ehdot eivät toteudu. Tällainen tapaus voi olla o c\i , esimerkiksi, jos todetaan hyvä palautuminen, mutta esitietoloma- V ke antaa päinvastaista informaatiota. Esitietolomakkeen vas- taukset voidaan myös pisteyttää, jolloin ne eivät ole poissulke-x £ 30 via.
LO
co Esitietolomakkeessa on myös suositusarvot. Jos suositusarvot o eivät toteudu, tällöin on järkevää tulostaa kyseinen/kyseiset c\i vastaukset raporttiin, jotta ne tulisivat huomioiduksi palaut-35 teessä. Yksi mahdollisuus implementaatiolle on, että tila tunnistetaan, mutta jos esitietolomakkeessa on ristiriitaisia 24 vastauksia, vastaukset tulostetaan tilan yhteydessä raporttiin ja nostetaan ne siten esille analysoijalle.
Esitäytettävä lomake voi olla verkkoyhteyden avulla täytettävä 5 lomake esimerkiksi palveluntarjoajan verkkosivuilla. Näin esitietolomaketta voidaan käyttää apuna tulkinnassa ja lisäksi siitä voidaan poimia asioita raportteihin, jotka ovat merkityksellisiä myös mittauksen tulkinnan kannalta. Vastaavanlaisia lomakkeita on jo olemassa erilaisissa palveluissa sähköisessä 10 muodossa, ja näistä on mahdollista saada muun muassa alkoholiannosten lukumäärä.
Menetelmään voi kuulua lisäksi unenlaatua käsittelevä kysely. Esimerkiksi sähköisessä muodossa oleva unenlaatukysely voidaan 15 myös lisätä aineistoon ja skaalata kontekstin muuttujaksi logiikkaan.
Menetelmässä voidaan ottaa kantaa mitattavan suureen vaihtelun, esimerkiksi sykevaihtelun laatuun. Esimerkiksi henkilöllä voi 20 olla korkea sykevaihtelu päivällä ja/tai yöllä, koska sykkeessä on paljon lisälyöntejä. Toinen mahdollisuus on laskea esimerkiksi RMSSD suoraan vain stabiileilta sykevälialueilta, jolloin voidaan luottaa paremmin RMSSD puhtauteen tulkinnassa.
25 Menetelmää voidaan testata mittaamalla pitkäaikaisesti henkilöi-^ tä, jolloin nähdään tilojen käyttäytyminen pidemmässä jaksossa.
^ Tilojen ei tulisi oleellisesti muuttua lyhyellä aikavälillä V (esimerkiksi viikko), mutta pidemmällä ajalla tapahtuvat trendi- muutokset ovat mahdollisia.
I 30 m Koska kullekin tilalle voidaan laskea todennäköisyys, voidaan to myös empiirisesti analysoida tilojen välisiä korrelaatioita, o Tiloissa 7 ja 8 korrelaatio kääntyy positiiviseksi suhteessa
(M
alkupään tiloihin. Tutkittavan henkilön sykevaihtelu alkaa olla 35 sekä mikro- että makrotasolla niin vähäistä, että menetelmän tuottama tilantunnistus löytää tunnistamatonta tilaa, liikuntaa, 25 stressiä ja lepoa mittausjaksolta, mutta erottelukykyä ei enää ole. Tilassa 8 tärkein erottava tekijä onkin patologiseksi madaltanut RMSSD ja tilassa 7 liikunnaksi tulkitun tilan korkea määrä mittausjaksolla.
5
Menetelmän tuloksena voidaan pitää pelkkää tilan määritystä, mutta edullisesti tilan lisäksi tutkittavalle henkilölle annetaan palautuslauseet sekä toimenpide-ehdotukset tilan parantamiseksi. Vaikka menetelmällä määritettäviä fysiologisia tiloja voi 10 olla 6 - 20, edullisesti 8 - 10, voidaan tutkittavalle henkilölle annettava palaute yksinkertaistaa esimerkiksi kolmiportaiselle asteikolle. Tässä yhteydessä voidaan käyttää esimerkiksi niin sanottua liikennevalo-mallia, jossa esimerkiksi fysiologisten tilojen 1 ja 2 kohdalla tutkittavalle henkilölle näytetään 15 vihreää valoa eli kaikki on kunnossa. Tilojen 3-5 kohdalla näytetään keltaista eli on syytä tehdä muutoksia elämäntapoihin ja tilojen 6-8 kohdalla näytetään punaista, jolloin on syytä tehdä suuria muutoksia elämäntapoihin. Tähän palautemalliin voidaan yhdistää lisäksi luotettavuuden arviointi, jolloin 20 esimerkiksi huonolla luotettavuudella tilan 2 saaneelle tutkittavalle henkilölle näytetään keltaista valoa.
Eräs esimerkki mahdollisesta menetelmän tuloksena käyttäjälle tulevasta raportista voi olla kuvassa 7 esitetty raportti. Siinä 25 menetelmän käyttäjälle eli fysiologian asiantuntijalle tuloste- >- taan raportti, joka tiivistää menetelmän tuloksen. Raportti voi c\j , koostua esimerkiksi lohkoista taustatiedot 143, automaattinen V tilantunnistus ja lisätiedot 144 ja huomiot-osiosta 145. Tausta- tiedot 143 kohdassa voidaan esittää tutkittavan henkilön antamia x £ 30 tai automaattisesti määritettyjä henkilötaustatietoja ja tiettyni jä mittaustuloksia, kuten esimerkiksi leposykettä. Lohkossa 144 <o on esitetty menetelmän tulos eli mikä on ollut tutkittavan o henkilön fysiologinen tila kunakin mittauspäivänä. Tässä esimer kissä on tutkittu kolme päivää. Osiossa 140 on esitetty unen 35 laatua kuvaava symboli ja sen väri. Eri väri kuvaa erilaista tilaa, jotka on selitetty alempana osiossa 146. Osiossa 141 on 26 esitetty menetelmällä kullekin päivälle tunnistettu tutkittavan henkilön fysiologinen tila. Osiossa 142 on puolestaan esitetty tilatiedon luotettavuuden arvio.
5 Seuraavaksi on esitetty erään esimerkin mukaiset kutakin tilaa vastaavat palautuslauseet ja toimenpiteet kullekin tunnistetulle tilalle. Myös tilan kuvaus voidaan liittää palautuslausekkee-seen. Seuraavat ovat vain esimerkkejä erilaisista tiloista, niiden kuvauksista ja tutkittavalle henkilölle annettavasta ίο palautteesta.
1. "Hyvä palautuminen" Yö on pääosin pelkkää palautumista, sykevaihtelu reagoi normaalisti. Myös päivällä esiintyy palautumista. Palautteena testi-15 henkilölle voidaan kertoa esimerkiksi seuraavaa: Kuormituksen ja palautumisen suhde on tasapainossa. Tietty määrä stressireaktioita kuuluu normaaliin arkeen ja lyhytkestoisena stressi jopa parantaa suorituskykyä. Myös säännöllinen liikunta ja terveellinen ravinto kuuluvat olennaisena osana jaksamista ja kokonais-20 valtaista hyvinvointia. Ei riskiä pitkäaikaiseen kuormitukseen.
2. "Hyvä palautuminen, mutta päivänaikainen palautuminen puuttuu"
Erona tilaan 1 on päivän aikaisen palautumisen puuttuminen. 25 Palautteena testihenkilölle voidaan kertoa esimerkiksi seuraani vaa: Palautumista esiintyy unen aikana riittävästi, mutta o ^ päivällä palautumista ei esiinny juuri lainkaan. Päivän aikaiset V tauot ovat tärkeitä, sillä ne lataavat akkuja loppupäivää varten T- ja tukevat hyvälaatuista unta. Tästä syystä riittävän unen g 30 lisäksi on suositeltavaa ottaa tavaksi pyhittää hengähdystaukoja ^ säännöllisesti. Taukojen pitäminen vaatii usein aktiivista ^ opettelua, sillä muuten ne helposti unohtuvat kiireen keskellä.
^ Huomioi, että lounastauko ei välttämättä näy stressin ja palau-
CM
tumisen kuvaajassa palautumisena, koska ruoansulatuksen käynnis-35 tyminen on fysiologinen stressi elimistön hajottaessa ruokaa energiaksi. Oleellista on se, että kiireisenäkin päivänä malttaa 27 pitää säännölliset ja kiireettömät ruoka- ja kahvitauot. Työpäivän aikana lyhytkin palautumisen hetki on positiivinen asia.
Toimenpide-ehdotuksena testihenkilölle palautumisen edistämisek-5 si päivän aikana voi olla esimerkiksi seuraavaa:
Pyhitä kiireettömät kahvi- ja ruokatauot. Tauot ovat tärkeitä hetkiä ladata akkuja.
Lyhyt taukojumppa piristää sekä mieltä että kehoa. Huolehdi nestetasapainosta päivän aikana. Fyysisessä 10 työssä ja kiireessä nestetarve korostuu.
Pistä silmät kiinni ja rentoudu hetki. Muutaman minuutin kuluttua jaksat paremmin.
Naura ja hassuttele työkavereiden kanssa. Se piristää! Muokkaa aikataulusi realistiseksi. Jätä tilaa myös aika-15 taulujen venymiselle.
Vapaa-ajalla esimerkiksi rentoutusharjoitus, päiväunet tai lukeminen edistävät palautumista.
Vietä aikaa perheen, ystävien ja läheisten kanssa.
20 3. "Kohtalainen palautuminen, mutta yöuni jää lyhyeksi".
Palautumisen osuus kokonaisuudessaan jää heikoksi tai kohtalaiseksi liian lyhyiden yöunien vuoksi. Yön voimavaratasapaino ja sykevaihtelu ovat hyvät (tai vähintään kohtalainen, mutta ei huono). Tyyppiesimerkkinä tällaisesta henkilöstä on hyväkuntoi-25 nen ja aktiivinen henkilö, joka nukkuu liian vähän. Palautteena ^ testihenkilölle voidaan kertoa esimerkiksi seuraavaa: Riittävä o , ja hyvälaatuinen yöuni auttaa palauttamaan päivän aikana kulute- V tut voimavarat ja ovat siten terveyden ja jaksamisen perusta.
Unen aikana elimistön toimintakyky palautuu, fyysinen väsymys x £ 30 poistuu ja opitut asiat tallentuvat pysyvään muistiin. Nukuttuun aan hyvin ja riittävästi ihmisen mieli on virkeä ja mieliala <ω hyvä. Unen tarve on keskimäärin vähintään 7h yössä. Liian o vähäinen uni voi lihottaa ja altistaa monille sairauksille.
CM
Liian vähäinen uni ja runsas alkoholinkäyttö altistavat myös 35 masennukselle.
28
Toimenpide-ehdotuksena testihenkilölle voi olla esimerkiksi seuraavaa: Pyri käymään ajoissa nukkumaan, jotta ehdit nukkumaan riittävästi. Jos yöunet ovat jääneet riittämättömiksi, päivänai-kaisen palautumisen merkitys korostuu. Silloin on hyvä pyrkiä 5 ottamaan vaikka pidempi tauko tai päiväunet, jotta aivot ja keho saisivat palautua riittävästi.
4. "Viivästynyt yöpalautuminen".
Alku-uni on heikkoa, mutta voimavarat palautuvat aamuun mennes-10 sä. Palautuminen on työssä, päivällä ja kokonaisuudessaan kohtalaista. Yön voimavaratasapaino ja sykevaihtelu on kohtalaista. Pelivara on heikentynyt. Palautteena testihenkilölle voidaan kertoa esimerkiksi seuraavaa: Usein päivän aikaiset kuormitustekijät vaikuttavat kehoon siten, että alkuyön aikana 15 elimistö käy niin sanotusti ylikierroksilla. Alku-unen stressi-reaktiota voivat selittää esimerkiksi myöhään tehty kovatehoinen liikuntasuoritus, alkoholi, kiireinen päivä tai rankka saunominen .
20 Toimenpide-ehdotuksena testihenkilölle unen laadun parantamiseksi voi olla esimerkiksi seuraavaa: Vältä kovatehoista liikuntaa tai fyysistä työtä myöhään illalla.
Rauhoita ajatukset ennen nukkumaan menoa. Henkinen kuormi-25 tus, esimerkiksi työasioiden miettiminen, sähköpostin ^ lukeminen tai ihmissuhdeongelmien ratkominen voivat nos- ^ tattaa stressitasoa.
V - Pyri käymään ajoissa nukkumaan, jotta ehdit nukkumaan riittävästi (noin 7 - 9h) .
£ 30 - Kuormituksen myötä unen tarve lisääntyy, joten tarpeen ίο vaatiessa unen määrää kannattaa lisätä.
to - Unen saamisessa voi hyödyntää hyväksi havaitsemia keinoja o rentoutua, esimerkiksi kirjan lukeminen, musiikin kuunte-
<M
lu, rakastelu.
35 - Tiedosta, että alkoholi heikentää unen laatua merkittävästi sekä kertaluontoisesti että toistuvasti käytettynä.
29 Vältä raskaita aterioita ennen nukkumaanmenoa.
5. "Heikko palautuminen".
Yöllä esiintyy huomattava määrä stressireaktioita, mutta silti 5 sykevaihtelua esiintyy hyvin tai kohtalaisesti. Palautuminen kokonaisuudessaan on puutteellista. Pelivaraa (vielä) on, esimerkiksi hyvä fyysinen kunto taustalla. Tilan tunnistamisessa tulee ottaa huomioon erityisesti henkilön oma tuntemus kuormituksesta eli alkukysely: joillekin parasympaattinen (RMSSD) 10 puoli säilyy kohtuullisen hyvänä kuormitustilanteesta huolimatta. Tällöin olisi syytä reagoida, mikäli henkilö tuntee olonsa kuormittuneeksi. Tiloista 3 & 4 erona on se, että nyt yöt ovat "punaisempia".
15 Palautteena testihenkilölle voidaan kertoa esimerkiksi seuraa-vaa: Palautumiseen kannattaa viimeistään tässä vaiheessa panostaa. Pelivaraa on vielä, mutta palautuminen on selkeästi heikentynyt. Yksittäiset kuormittavat vuorokaudet siellä täällä eivät haittaa, kunhan niistä palaudutaan seuraavina päivinä. Kuormi-20 tuksen jatkuessa pidempään ilman riittävää palautumista se voi aiheuttaa terveydellisiä haittoja. Pitkäaikaiseen kuormitukseen riski on kohonnut.
Toimenpide-ehdotuksena testihenkilölle voimavarojen kartuttami-25 seksi voi olla esimerkiksi seuraavaa: ^ - Pidä kiinni vapaa-ajastasi: aseta itsellesi takaraja, ^ jolloin lähdet töistä kotiin.
V - Rajoita työntekoa kotona vapaa-ajälläsi. Näin jaksat seuraavana päivänä paremmin myös töissä, x £ 30 - Kiireisinä ajanjaksoina on suositeltavaa vähentää muita tn kuormitustekijöitä. Älä polta kynttilää molemmista päistä! cd - Itselle tärkeiden asioiden parissa touhuilu kerryttää o henkisiä voimavaroja ja edistää palautumista.
(M
Vietä aikaa perheen, ystävien ja läheisten kanssa.
35 - Opettele sanomaan Ei! 30
Liikunnan harrastaminen piristää mieltä ja kehoa sekä tukee henkistä jaksamista.
Fyysisesti hyväkuntoinen keho palautuu tehokkaammin kuin huonokuntoinen. Muista kuitenkin, että myös kovatehoinen liikun-5 ta voi olla kuormitustekijä.
Vapaa-ajalla esimerkiksi rentoutusharjoitus, päiväunet ja musiikin kuuntelu edistävät palautumista. Kannattaa hyödyntää myös muita itsellesi sopivia keinoja rentoutua.
Tiedosta alkoholin vaikutus palautumiseen! Jo kolme alko-10 holiannosta heikentää palautumisen laatua oleellisesti.
6. "Ylikuormittuminen".
Palautuminen on kokonaisuudessaan puutteellista ja sykevaihtelu heikkoa. Yö on pääosin kuormitusta. Palautteena testihenkilölle 15 voidaan kertoa esimerkiksi seuraavaa: Stressin määrä on huomattava ja nostanut riskiä pitkäaikaiseen kuormitukseen. Toimenpide-ehdotuksena testihenkilölle voi olla esimerkiksi seuraavaa: Puutu kuormitusta aiheuttaviin tekijöihin! Mikäli mittausajankohta ei ollut poikkeava esimerkiksi sairastelun 20 vuoksi, syyt kuormittuneisuuteen ja alhaiseen sykevaihteluun on tärkeää selvittää, jotta toimenpiteet voidaan kohdistaa oikein.
7. "Fyysinen ylikuormitus".
Tuloksissa esiintyy paljon liikuntaa ja muuta fysiologista 25 tilaa. Sykevaihtelu ja palautuminen on heikkoa. Pitkäaikaiseen ^ kuormitukseen riski on kohonnut. Tila 7 eroaa tilasta 6 siten, o ^ että tilassa 7 on tilajakaumassa runsaasti liikunnaksi tai V muuksi tilaksi tunnistettua, jolloin kokonaisstressitilan määrä suhteessa vähenee. Mikäli henkilöllä on huomattavan korkea BMI, £ 30 on usein tarpeellista arvioida METmax-arvo uudestaan, koska m Jackson-kaava aliarvioi henkilön maksimaalista aerobista kato pasiteettia.
δ
CVJ
Palautteena testihenkilölle voidaan kertoa esimerkiksi seuraa-35 vaa: Mikäli fyysinen ylikuormitus johtuu pääosin merkittävästä ylipainosta yhdistettynä huonoon aerobiseen kuntoon, ensisijai- 31 set toimenpiteet kohdistetaan painonpudotukseen ja fyysisen kunnon kohottamiseen.
8. "Uupumustila / Fysiologisesti poikkeava tila".
5 Yöllä on palautumista, mutta sykevaihtelua ei juuri esiinny. Syynä voi olla sydämen toimintahäiriö tai esimerkiksi voimakas lääkitys. Tilan 8 kohdalla on syytä selvittää, onko taustalla pidempiaikainen uupumus (niin sanottu jääkarhuvaihde) tai muut mahdolliset sairaudet (muun muassa sokeriaineenvaihduntaan 10 liittyvät häiriöt tai tietyt neurologiset sairaudet). Sykkeen variaatio sekä mikro- että makrotasolla ovat vähentyneet. Erona tilaan 6 & 7 on se, että vaikka tila on fysiologisesti heikompi (sympaattinen hermosto on jo uuvuksissa), esiintyy tässä myös runsaasti "vihreää". Siten tila on osittain tilantunnistusmie-15 lessä lähellä tilaa 1, erona on kuitenkin se, että RMSSD on hyvin alhainen.
Toimenpide-ehdotuksena tutkittavalle henkilölle voi olla esimerkiksi seuraavaa: Suositellaan lääkärintarkastusta. Poikkeuksel-20 lisissä tilanteissa suositellaan lääkärintarkastusta ja mahdollisesti EKG -mittausta.
Keksinnön mukainen menetelmä on työkalu ennaltaehkäisevään terveydenhuoltoon. Sen avulla voidaan mitata muun muassa palau-25 tumista ja stressiä sekä arvioida elämäntapoihin liittyviä ^ terveysriskejä. Tavoitteena on suunnitella toimenpiteitä tutkit-
CM
, tavan henkilön hyvinvoinnin edistämiseksi. Menetelmän perustuu edullisesti sydämen sykkeen ja sykevaihtelun mittaukseen. Mikäli menetelmän tuloksissa esiintyy poikkeavuuksia, joihin ei löydy x £ 30 suoraa syy-yhteyttä, suositellaan tutkittavalle henkilölle LO käyntiä lääkärissä poikkeuksellisten tulosten selvittämiseksi, co Lisäksi lisätutkimuksiin ohjataan myös, jos tutkittavalla o henkilöllä on poikkeuksellisen alhainen sykevaihtelu unen aikana sekä korkea leposyketaso, vaikka henkilöllä ei ole mainittuja 35 sairauksia tai lääkitystä ja hänen painoindeksi on normaali.
32
Sykevälivaihtelusta johdettaviin muuttujiin vaikuttaa oleellisesti aineiston laatu, toisin sanottuna kuinka paljon sykevä-lisarjassa on puuttuvia ja/tai lisälyöntejä, sydämen vajaatoiminnasta johtuvia artifaktoja tai muita mittauslaitteista 5 syntyviä häiriötekijöitä (muun muassa huono kontakti). Artifak-talla tarkoitetaan sykesignaalin virhettä. Yksi tärkeä aineiston laadun kriteeri onkin artifaktaprosentti, joka kertoo alkuperäisen mittausdatan sisältämät virheet. Artifaktaprosenttia voidaan arvioida laskennallisesti.
10
Artifaktaprosentti ei sinänsä kuitenkaan ole riittävä yksinään kertomaan kuinka laadukasta aineisto ja siitä tuotettu informaatio on. Esimerkiksi suihkussa käynti ja mittalaitteen pysäyttäminen tuottaa virhettä ajallisesti paljon, mutta tämän virheen is vaikutus analyysin tuloksiin ei ole merkittävä. Samalla tavalla voi yleisemminkin syntyä tilanteita, missä osa aineistosta on huonolaatuista (artifaktaprosentti kasvaa), mutta kokonaiskuva vuorokaudesta on hyvä. Mittauksen virhettä voidaan tulkita tarkemmin tutkimalla minkälaista virhe on ja miten se on pystyt-20 ty korjaamaan, onko viitteitä sydämestä peräisin oleviin virheisiin (lisälyönnit, uniapnea, yms) tai mihin kellonaikaan mittausvirheet ovat tapahtuneet (jos esimerkiksi virheet ovat päivällä, tällä ei ole merkitystä yön palautumisesta laskettujen muuttujien kannalta). Näin voidaan tuottaa järkevää tietoa 25 muuttujan/muuttujien ja/tai sanallisesti aineiston laadusta.
δ ^ Tulkinnan luotettavuuteen vaikuttavat alkoholi, krooniset V sairaudet sekä tilapäiset sairaudet. Krooninen sairaus on henkilön pysyvä tila, jolloin mittausta ei voida suorittaa ilman g 30 sairauden vaikutusta tuloksiin, näin mittaus on luotettava LO kroonisen sairauden mahdollisesti aiheuttamasta korkeasta tö artifaktaprosentista huolimatta. Alkoholin käyttö ja tilapäiset o sairaudet on käsiteltävä samalla logiikalla (jos ei kyseessä
CM
alkoholisti, jolloin tila on krooninen). Menetelmässä etenkin 35 yhteenvetoja luotaessa tilapäiset tekijät (alkoholi tai sairaus) heikentävät kyseisen mittauksen luotettavuutta ja painoa kes- 33 kiarvomittauksessa. Kuitenkin mikrotasolla kyseisen päivän kohdalle tunnistettu tila kuvaa tutkittavan henkilön juuri sen hetkistä tilaa (esimerkiksi tilat 6-8) .
5 Alkoholin käyttö ei ole oma tilansa vaan tilaa selittävä tekijä. Kuvan 5 taulukossa on kuvattu tapa muodostaa tulkinnan luotettavuudelle yksi indeksi, jolla voidaan yhdistää eri luotettavuus-tekijät, kuten artifaktat, alkoholin ja sairaudet. Indeksi saa arvot 0 - 100 %. Lisäksi tulkinnan luotettavuuteen voidaan ίο liittää palautelauseita, jotka lisätään palautteeseen, kun jokin tekijä on haitallinen tulkinnan luotettavuuden kannalta. Kuvan 5 esimerkkitapauksessa saadut tulokset on ympyröity ja ympyröidyt pisteet yhteen laskemalla on päädytty tulokseen 30. Myös kuvan 5 taulukossa olevat prosentit eri tekijöiden vaikutukselle 15 luotettavuuteen perustuvat empiiriseen tietoon.
Jos useampi tila saa yhtä suuren luotettavuuden mittaukselle, niin tilaksi valitaan se tila, jonka tilantunnistusprosentti on korkein.
20
Kuvassa 6 esitetyssä luotettavuusmatriisissa jokainen rivi esittää mittauksen luotettavuutta suhteessa eri tiloihin. Kukin rivi edustaa yhtä mittausta. Havaitaan, että mittaus saa suuremman luotettavuuden tiloille, jotka ovat lähellä toisiaan. 25 Taulukon perusteella voidaan tulkita millä luotettavuudella T- menetelmä on määrittänyt tutkittavan henkilön fysiologisen CM ....
, tilan.
Keskiarvotila määritellään muodostamalla keskiarvopäivä eri
X
£ 30 mittauspäivistä. Keskiarvopäivän kontekstin muuttujat lasketaan LO painotettuna keskiarvona muiden päivien kontekstin muuttujista.
S Painotuksena käytetään kunkin päivän tilantunnistuksen luotetta- S vuuskerrointa. Mittauksen pituutena ei käytetä mittausten
CM
yhteispituutta vaan vuorokauden aikoja, jotka on yhteensä 35 mittauksilla katettu (maksimissaan 24h) . Toisin sanottuna jos ensimmäinen mittaus on suoritettu aikavälillä 05:00 - 22:30 ja 34 toinen 06:00 - 23:00 on yhteensä katettu aikajakso 05:00 - 23:00 (18h).
Huomattavaa on, että alkoholin käyttö tiettynä mittauspäivänä 5 laskee huomattavasti kyseisen päivän painoa keskiarvopäivälle, jolloin alkoholia ei keskiarvoisteta kontekstin muuttujaksi vaan alkoholin käyttö tai sairaus otetaan huomioon painatuksessa. Kun keskiarvopäivä on muodostettu, voidaan tämä analysoida samaan tapaan kuin yksittäiset päivät.
10
Esitietolomakkeessa voidaan käyttää yleisesti tieteellisessä tutkimuksessa hyväksyttyä kyselyä. Esitietolomakkeen lisäksi menetelmään voi sisältyä asiantuntijan ja asiakkaan välinen haastattelu, jota esitietolomake tukee. Myös alkoholin käytön 15 rajat voidaan hakea yleisistä lähteistä. Tupakointi nostaa sykettä tupakoinnin jälkeen ja säännöllisesti tupakoitsevalla syketaso nousee. Myös tämä voidaan ottaa huomioon esitietolomakkeessa. Lisäksi voidaan suorittaa yleisempi tutkittavan henkilön elintapojen kartoitus.
20
Tutkittavalle henkilölle voidaan antaa myös muuta tietoa yleisen työssäjaksamisen ja stressinhallinnan lisäksi, esimerkiksi yleiset liikuntasuositukset. Subjektiivinen tieto (esilomake) voidaan tuoda esille tutkittavalle henkilölle, jos se poikkeaa 25 määritetyn tilan profiilista.
δ , On tilanteita, joissa tutkittava henkilö on menossa kohti "V huonompaa tilaa, mutta henkilön taustan johdosta (urheilija, nuori) muutokset eivät vielä näy HRV-analyysissä siten, että ne i £ 30 erottuisivat. Jos tilanne (esimerkiksi työperäinen stressi) tn jatkuu pidempään alkavat muutokset näkyä selvemmin. Tällöin δ tulee painottaa subjektiivisia tuntemuksia (esitietolomake ja δ haastattelu) objektiivisten (mittaus ja tilantunnistus) sijaan.
(M
35 Huomattavaa on, että runsas ylipaino, BMI >30, tai alipaino, BMI <17, voivat myös vaikuttaa sykeanalyysin tulkintaan. Siten tämä 35 tieto voidaan myös aina ottaa huomioon palautteenannossa. Merkittävä ylipaino johtaa helposti sykkeen nousuun pitkin arkipäivää näkyen kevyenä liikuntana tai stressinä. Subjektiivista tietoa ja asiantuntijatietoa voidaan käyttää automaattisen 5 menetelmän testaukseen ja empiiristen arvojen ja kertoimien iteroimiseen.
Seuraavaksi on esitetty eräs esimerkki menetelmän käytöstä tutkittavalle henkilölle. Esimerkkitapauksessa kuvassa 8 esitet-10 ty henkilön subjektiivinen tuntemus (esitietolomake) ja saatu tila (objektiivinen) ovat esimerkissä keskenään ristiriidassa. Syyksi paljastuu runsas alkoholin käyttö kyseisen mittauksen aikana.
15 Menetelmällä tutkittavan henkilön fysiologiseksi tilaksi on tunnistettu tila 6 eli "Ylikuormittuminen". Palautuminen kokonaisuudessaan on puutteellista ja sykevaihtelu heikkoa. Yö on pääosin kuormitusta. Tilapisteet suhteessa maksimaaliseen pistemäärään tiloille 1-8 ovat: -46/29 -36/29 -11/19 -12/18 20 -5/13 14/18 0/28 0/23. Esitietolomakkeessa esiintyy seuraavia vastauksia, jotka ovat ristiriidassa tunnistetun tilan kanssa: Koen olevani stressaantunut: arvo=2; Jokseenkin eri mieltä Päiviini sisältyy palauttavia hetkiä ja taukoja: arvo=4; Jokseenkin samaa mieltä 25 - Nukun mielestäni riittävästi: arvo=4; Jokseenkin samaa >- mieltä o , - Voin mielestäni hyvin tällä hetkellä: arvo=4; Jokseenkin V samaa mieltä.
Tilamatriisissa esiintyy myös kontekstin muuttuja, joka on x £ 30 ristiriidassa tunnistetun tilan kanssa: LO - Palautumista (tila 6) esiintyy viimeistään tunnin kuluttua cö nukkumaanmenon jälkeen.
Mittauksen luotettavuudeksi on laskettu 35 % 35 ( = 10% + 15%-40% + 30%+20%) . Alkoholia tutkittava henkilö on nautti- δ c\i 36 nut paljon (10.0 annosta). Kuvassa 8 on esitetty esitietoloma, jonka tutkittava henkilö on täyttänyt.
Keksinnön mukainen menetelmä voidaan implementoida tietokoneoh-5 jelmaan henkilökohtaisella tietokoneella, sykemittariin (ranne-tietokone) , EKG- tai pulssimittalaitteisiin kuten sydämentahdis-tin tai muu kuntolaite, jota tutkittava henkilö voi kuljettaa mukanaan vaivattomasti. Yleensä implementaatio koostuu prosessointiyksiköstä, päätelaitteesta, ohjelmistosta ja vähintään 10 yhdestä tietojen syöttölaitteesta. Menetelmä soveltuu erityisesti aikuisten ihmisten fysiologisen tilan määrittämiseen.
Kuvassa 9 on esitetty yksinkertaistettuna keksinnön mukaisen järjestelmän eräs toteutustapa, järjestelmään 100 kuuluu mobii-15 limittauslaite 102, tietokone 108 järjestelmän käyttäjää 110 varten käsittäen ohjelmalliset välineet 114 ja käyttöliittymän 106, välineet 104 tutkittavan henkilön 101 taustatietojen keräämiseksi käsittäen toisen käyttöliittymän 116, tiedonsiirtoverkko 113 ja palvelin 116. Tietokoneeseen 108 kuuluvat ohjel-20 malliset välineet 114 käsittävät esivalittuja korrelaatiofunktioita, esivalitun summafunktion ja vertailuvälineet (ei esitetty kuvissa).
Tutkittavasta henkilöstä 101 suoritettavia mittauksia varten 25 henkilöllä 101 on käytössään mobiilimittauslaite 102, joka voi ^ olla esimerkiksi sykemittari, kiihtyvyysanturi tai muu vastaava laite, joka mittaa jotain henkilön terveydentilan kannalta V oleellista tietoa antavaa suuretta. Mobiilimittauslaitteen 102 tulee olla kannettava, jotta tutkittava henkilö 101 voi käyttää
X
£ 30 mobiilimittauslaitetta 102 kaikissa arjen rutiineissa. Mobiili- lo mittauslaitteessa on edullisesti muisti, johon mitatun suureen cd data tallennetaan. Mobiilimittauslaitteeseen 102 kuuluu väli- δ neet, joiden avulla tallennettu mittaustieto voidaan siirtää
CM
eteenpäin esimerkiksi välineille 104. Välineet 104 ovat edulli-35 sesti tietokoneelle 104 tai älypuhelin.
37
Siirto mobiilimittauslaitteesta 102 tietokoneeseen 104 voi tapahtua esimerkiksi usb-kaapelia pitkin tai langattomasti wlan-yhteydellä, bluetoothilla tai IR-tekniikalla. Mobiilimittaus-laitteeseen voi kuulua myös GPRS tai muu vastaava soluradioverk-5 koa hyödyntävä lähetin, jonka avulla tieto voidaan lähettää suoraan eteenpäin järjestelmän käyttäjälle 110 käyttämättä tietokonetta 104 välivaiheena. Välineet 104 toimivat myös tutkittavan henkilön 101 taustatietojen syöttölaitteena. Välineisiin 104 kuuluu toinen käyttöliittymä 120, jonka avulla 10 tutkittava henkilö 101 syöttää taustatietoja mittausjakson ajan mittaukselle oleellisista tiedoista, esimerkiksi päiväkirjan päivänsä tapahtumista.
Edullisesti mobiilimittauslaitteeseen 102 tallennetut tiedot 15 siirretään ensiksi tietokoneelle 104, jonka kautta esimerkiksi Internet-yhteyttä käyttäen tiedot siirretään edelleen verkon tukiaseman 112 kautta palvelimelle 116. Palvelin 116 on yhteydessä järjestelmään 100 kuuluvaan tietokoneeseen 108 käyttäjää 110 varten, joka käsittää ohjelmalliset välineet 114 mit-20 taustietojen analysoimiseksi. Palvelimelle 116 siirretyt tiedot voidaan tallentaa palvelimelle 116 tai siirtää sieltä tietokoneelle 108 tallennettavaksi. Ohjelmalliset välineet 114 voivat olla myös sijoitettu palvelimelle 116, jolloin tietokone 108 käyttää ohjelmallisia välineitä 114 etäkäyttönä. Tietokoneeseen 25 108 kuuluu käyttöliittymä 106, jolla ohjelmallisia välineitä 114 g hallitaan. Järjestelmän 100 käyttäjä 110 käyttää käyttöliittymää
CM
, 106 fysiologisten tilojen määrittämiseen, kontekstien valitsemi- "7" seen, kontekstien muuttujien valitsemiseen ja korrelaatiofunkti- oiden syöttämiseen ohjelmallisille välineille 114.
£ 30 ^ Esivalittuja korrelaatiofunktioiden 24 avulla ohjelmalliset välineet 114 on sovitettu laskemaan kutakin fysiologisen tilan o vaihtoehto-muuttuja-yhdistelmää varten korrelaatioarvon muuttu jien arvoilla. Näin kunkin kontekstin muuttujan korrelaatio 35 tietyn fysiologisen tilan suhteen voidaan laskea automaattisesti eikä tähän toimenpiteeseen tarvita enää käyttäjän henkilökoh- 38 täistä tietoa ja tuntemusta eri muuttujien suhteista fysiologisiin tiloihin.
Esivalitun summafunktion avulla ohjelmalliset välineet 114 on 5 sovitettu laskemaan kunkin fysiologisen tilan vertailuarvon yhdistämällä kunkin fysiologisen tilan kaikkien laskettujen korrelaatiofunktioiden korrelaatioarvot. Vertailuvälineiden avulla ohjelmalliset välineet 114 on sovitettu määrittämään henkilön fysiologinen tila esivalitulla kriteerillä vertailuar-10 voista. Vertailuvälineet voivat olla esimerkiksi jokin funktio, joka vertaa kunkin tilan vertailuarvoa kyseisen tilan korrelaatiofunktioiden maksimisummaan ja sen jälkeen tilojen arvoja toisiinsa. Summafunktion ja vertailuvälineiden käyttö helpottaa entisestään käyttäjän työmäärää, sillä järjestelmän ohjelmalli-15 set välineet suorittavat fysiologisen tilan määrityksen automaattisesti korrelaatiofunktioiden arvojen perusteella.
δ
CM
X
cc
CL
LO
δ δ
CM

Claims (17)

39
1. Menetelmä henkilön mittausjakson aikana käytössä olleita henkisiä ja fyysisiä voimavaroja kuvastavan fysiologisen tilan 5 kartoittamiseksi, jossa menetelmässä määritetään voimavaroja kuvastavien fysiologisten tilojen (10) vaihtoehdot (1,2,3,4,5,6,7,8), valitaan yksi tai useampi konteksti (11) kukin vastaten ajallista jaksoa henkilön toimintaa/olotilaa varten, ίο - valitaan kullekin kontekstille (11) yksi tai useampi muuttuj a (12), jolloin kartoituksessa mitataan ja tallennetaan henkilön fysiologista tietoa (20) jatkuvana mittauksena vähintään 4 h, edullisimmin 50 - 80 h 15 sisältäen yhden tai useamman valitun kontekstin (11), määritetään ja tallennetaan sanotun mittauksen mittaus-taustatiedot (22), määritetään tallennetun mittauksen avulla kullekin valitulle kontekstin (11) muuttujalle (12) arvo (26) ainakin yhdeltä 20 vastaavalta määritellyltä jaksolta, määritetään kutakin kontekstia (11) vastaavat ajalliset jaksot, ja määritetään henkilön fysiologinen tila (10) esivalitulla kriteerillä mittaustaustatietoa (22) ja mitattuja kunkin kon- 25 tekstin (11) muuttujan (12) arvoa (26) hyväksikäyttäen, co £ tunnettu, siitä, että c\j i - määritetään sanotut ajalliset jaksot fysiologisesta tie- o ' dosta (20) mittaustaustatietojen (22) avulla, ja CO ^ sanottu fysiologinen tila (10) määritetään vaiheittain seuraa- x £ 30 vasti: ^2 - määritetään esivalittu korrelaatiofunktio (24) kunkin <o fysiologisen tilan (10) kullekin muuttujalle, o - lasketaan kullekin esivalitulle korrelaatiofunktiolle (24) (M arvo (14) sanottujen muuttujien (12) arvoilla (26) ja vastaavan 35 kontekstin (11) ajanjaksolla, 40 lasketaan esivalitun summafunktion (27) avulla kunkin fysiologisen tilan (10) vertailuarvo (16) yhdistämällä kunkin fysiologisen tilan kaikkien laskettujen korrelaatiofunktioiden (24) arvot (14), 5. määritetään henkilön fysiologinen tila (10) esivalitulla kriteerillä vertailuarvoista (16).
2. Patenttivaatimuksen 1 mukainen menetelmä, tunnettu siitä, että sanottu konteksti (11) on yksi tai useampi seuraavista: yö, ίο päivä, uniaika, liikunta, palautuminen, työ, vapaa-aika.
3. Patenttivaatimuksen 1 tai 2 mukainen menetelmä, tunnettu siitä, että sanottu kontekstin (11) muuttuja (12) on yksi tai useampi seuraavista: yön stressbalance, päivän stressbalance, 15 yön RMSSD, päivän RMSSD, uneen käytetty aika, palautuminen työ-ja vapaa-ajalle, yön RMSSD suhteessa päivän RMSSD:n, päivän liikunta, palautuminen uniajasta, palautumisen alku nukkumaan mentäessä, palautuminen vuorokaudessa, stressireaktioiden määrä vuorokaudessa, tunnistamaton tila vuorokaudessa, voimavarapro-20 fiilin palautuminen.
4. Jonkin patenttivaatimuksen 1-3 mukainen menetelmä, tunnettu siitä, että sanottu esivalittu korrelaatiofunktio (24) on porrasfunktio. 25
5. Jonkin patenttivaatimuksen 1-4 mukainen menetelmä, ^ tunnettu siitä, että lisäksi menetelmässä määritetään henkilö- 9 taustatietoina (23) käytettäväksi laskennassa hyväksi ainakin oo yksi tai useampia seuraavista: ikä, sukupuoli, pituus, paino, x £ 30 aktiivisuusluokka. m cö
6. Patenttivaatimuksen 5 mukainen menetelmä, tunnettu siitä, o että fysiologisen tiedon (20) ja mittaustaustatiedon (22) ja/tai C\J sanotun henkilötaustatiedon (23) perusteella määritetään luotet-35 tavuuskerroin. 41
7. Jonkin patenttivaatimuksen 1-6 mukainen menetelmä, tunnettu siitä, että mittaustaustatietona (22) kerätään henkilön subjektiivinen arvio sanotun henkilön fysiologisesta tilasta (10), jota subjektiivista arviota, luotettavuuskerrointa ja 5 mittauksen perusteella määritettyä fysiologista tilaa (10) verrataan keskenään palautteen ja ohjeiden antamiseksi henkilölle .
8. Jonkin patenttivaatimuksen 1-7 mukainen menetelmä, ίο tunnettu siitä, että fysiologisia tiloja (10) määritetään 6 - 20, edullisesti 8-10 kappaletta.
9. Jonkin patenttivaatimuksen 1-8 mukainen menetelmä, tunnettu siitä, että henkilön fysiologinen tila (10) määritetään 15 vertaamalla vertailuarvoa kunkin fysiologisen tilan (10) esivalittujen korrelaatiofunktioiden (24) arvojen (14) summafunktion (27) maksimiarvoon.
10. Jonkin patenttivaatimuksen 1-9 mukainen menetelmä, 20 tunnettu siitä, että henkilön fysiologista tietoa (20) mitataan syke- ja/tai kiihtyvyysmittauksen avulla.
11. Jonkin patenttivaatimuksen 1-10 mukainen menetelmä, tunnettu siitä, että lisäksi henkilön fysiologista tietoa (20) 25 mitataan lämpötilamittauksen ja/tai paikannuksen avulla, co δ
, 12. Jonkin patenttivaatimuksen 1-11 mukainen menetelmä, ? tunnettu siitä, että menetelmää käytetään co EKG/pulssimittauslaitteessa. I 30 LO
13. Jonkin patenttivaatimuksen 1-12 mukainen menetelmä, δ tunnettu siitä, että henkilön fysiologista tietoa (20) mitataan δ ja tallennetaan henkilön tavanomaisissa elinolosuhteissa. c\j 42
14. Jonkin patenttivaatimuksen 1-13 mukainen menetelmä, tunnettu siitä, että sanottuja kontekstin (11) muuttujia (12) valitaan 1 - 10, edullisesti 1-5.
15. Jonkin patenttivaatimuksen 1-14 mukainen menetelmä, tunnettu, siitä, että henkilön fysiologista tietoa (20) mitataan ja tallennetaan jatkuvana mittauksena tietyn ajanjakson ajan, joka ajanjakso sovitetaan pituudeltaan sellaiseksi, että ainakin yksi konteksti (11) havaitaan mitatun fysiologisen tiedon (20) ίο perusteella.
16. Järjestelmä henkilön fysiologisen tilan kartoittamiseksi, jossa järjestelmässä henkilön fysiologinen tila määritetään mitatun fysiologisen tiedon perusteella, johon järjestelmään 15 kuuluu mobiilimittauslaite (102) henkilön fysiologisen tiedon mittaamiseksi jatkuvana mittauksena, joka mobiilimittauslaite (102) käsittää edelleen välineet sanotun tiedon tallentamiseksi, ohjelmalliset välineet (114) fysiologisen tilan määrittä- 20 miseksi ja tietokone (108) järjestelmän käyttäjää varten käsittäen käyttöliittymän (106) alkuparametrien syöttämiseksi ohjelmallisille välineille (114), välineet (104) henkilön mittaustaustatietojen (22) kerää- 25 miseksi käsittäen toisen käyttöliittymän (120), co ^ tunnettu siitä, että järjestelmään kuuluu edelleen tiedonsiirto- ^ verkko (112) ja palvelin (116) henkilön mittaustaustatietojen ? (22) siirtämiseksi sanotulle tietokoneelle (108), ja ohjelmalli- oo set välineet (114) käsittävät X 30. esivalittu korrelaatiofunktio (24) kunkin fysiologisen m tilan (10) kullekin muuttujalle korrelaatioarvon laskemiseksi S muuttujien (12) arvoilla (26), o - esivalitun summafunktion kunkin fysiologisen tilan (10) c\j vertailuarvon (16) laskemiseksi yhdistämällä kunkin fysiologisen 35 tilan kaikkien laskettujen korrelaatiofunktioiden (24) korrelaatioarvot (14), 43 vertailuvälineet henkilön fysiologinen tila (10) määrittämiseksi esivalitulla kriteerillä vertailuarvoista (16).
17. Patenttivaatimuksen 16 mukainen järjestelmä, tunnettu 5 siitä, että järjestelmässä käytetään jonkin patenttivaatimuksen 1-15 mukaista menetelmää. co δ c\j i δ i co X cc CL m δ δ c\j 44
FI20116115A 2011-11-11 2011-11-11 Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi FI124367B (fi)

Priority Applications (4)

Application Number Priority Date Filing Date Title
FI20116115A FI124367B (fi) 2011-11-11 2011-11-11 Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi
EP12847067.1A EP2775901A4 (en) 2011-11-11 2012-11-09 METHOD AND SYSTEM FOR ASSESSING A PHYSIOLOGICAL STATE DESCRIBING A PERSON'S RESOURCES
US14/353,126 US9519755B2 (en) 2011-11-11 2012-11-09 Method and system for evaluating a physiological state depicting a person's resources
PCT/FI2012/051094 WO2013068650A2 (en) 2011-11-11 2012-11-09 Method and system for evaluating a physiological state depicting a person's resources

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
FI20116115 2011-11-11
FI20116115A FI124367B (fi) 2011-11-11 2011-11-11 Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi

Publications (2)

Publication Number Publication Date
FI20116115A FI20116115A (fi) 2013-05-12
FI124367B true FI124367B (fi) 2014-07-31

Family

ID=48290701

Family Applications (1)

Application Number Title Priority Date Filing Date
FI20116115A FI124367B (fi) 2011-11-11 2011-11-11 Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi

Country Status (4)

Country Link
US (1) US9519755B2 (fi)
EP (1) EP2775901A4 (fi)
FI (1) FI124367B (fi)
WO (1) WO2013068650A2 (fi)

Families Citing this family (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2011013099A1 (en) * 2009-07-31 2011-02-03 Koninklijke Philips Electronics N.V. Method and system for providing a training program to a subject
JP6794259B2 (ja) 2013-10-14 2020-12-02 ナイキ イノベイト シーブイ アスレチック運動属性からのペースとエネルギー消費量の計算
US20160324462A1 (en) * 2014-01-31 2016-11-10 Firstbeat Technologies Oy Method and system for providing feedback automatically on physiological measurements to a user
EP3154422A1 (en) * 2014-06-12 2017-04-19 Koninklijke Philips N.V. Resting heart rate monitor system
US20160220866A1 (en) 2015-01-29 2016-08-04 Ambiorun Training device for determining timing of next training session
KR102403364B1 (ko) 2015-06-04 2022-05-30 삼성전자주식회사 피드백에 기초하여 운동 프로그램을 제공하는 방법 및 장치
WO2017217600A1 (en) * 2016-06-15 2017-12-21 Samsung Electronics Co., Ltd. Continuous stress measurement with built-in alarm fatigue reduction features
US10478131B2 (en) 2015-07-16 2019-11-19 Samsung Electronics Company, Ltd. Determining baseline contexts and stress coping capacity
EP3340248B1 (en) 2016-12-21 2020-11-04 Firstbeat Analytics OY A method and an apparatus for determining training status
US10674959B2 (en) 2016-12-21 2020-06-09 Firstbeat Technologies Oy Method and an apparatus for determining training status
US11191999B2 (en) 2016-12-22 2021-12-07 Samsung Electronics Co. Ltd. Method of allowing a user to receive information associated with a goal
RU2695888C2 (ru) * 2017-03-24 2019-07-29 Общество С Ограниченной Ответственностью "Многопрофильное Предприятие "Элсис" Способ оценки психофизиологического состояния человека
FI3699918T3 (fi) * 2019-02-19 2024-03-12 Firstbeat Analytics Oy Menetelmä ja laite akklimatisaation arvioimiseksi ympäristöolosuhteisiin ja kuntotason arvioimiseksi ottaen huomioon ympäristöolosuhteet ja akklimatisaatiotason
US20230138921A1 (en) 2020-02-17 2023-05-04 Driftline Ehf. A method and system for determining exercise parameters including aerobic endurance based on heart rate curve analysis
US11501501B1 (en) * 2020-06-26 2022-11-15 Gresham Smith Biometric feedback system
US20230211206A1 (en) * 2022-01-06 2023-07-06 Garmin International, Inc. Wearable electronic device for stamina determination and prediction

Family Cites Families (16)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5778882A (en) * 1995-02-24 1998-07-14 Brigham And Women's Hospital Health monitoring system
US5755671A (en) 1995-10-05 1998-05-26 Massachusetts Institute Of Technology Method and apparatus for assessing cardiovascular risk
US8388530B2 (en) * 2000-05-30 2013-03-05 Vladimir Shusterman Personalized monitoring and healthcare information management using physiological basis functions
US20060122474A1 (en) * 2000-06-16 2006-06-08 Bodymedia, Inc. Apparatus for monitoring health, wellness and fitness
GB0214912D0 (en) * 2002-06-27 2002-08-07 Harley Street Stress Services Physiological and/or psychological monitoring system
FI20025039A0 (fi) 2002-08-16 2002-08-16 Joni Kettunen Menetelmä II fysiologisen signaalin analysoimiseksi
US8157731B2 (en) * 2002-10-09 2012-04-17 Bodymedia, Inc. Method and apparatus for auto journaling of continuous or discrete body states utilizing physiological and/or contextual parameters
US20040103001A1 (en) 2002-11-26 2004-05-27 Mazar Scott Thomas System and method for automatic diagnosis of patient health
US7912528B2 (en) 2003-06-25 2011-03-22 Siemens Medical Solutions Usa, Inc. Systems and methods for automated diagnosis and decision support for heart related diseases and conditions
US7502643B2 (en) 2003-09-12 2009-03-10 Bodymedia, Inc. Method and apparatus for measuring heart related parameters
US20070063850A1 (en) * 2005-09-13 2007-03-22 Devaul Richard W Method and system for proactive telemonitor with real-time activity and physiology classification and diary feature
US9149195B2 (en) 2006-04-21 2015-10-06 Mortara Instrument, Inc. Methods and apparatus for quantifying the risk of cardiac death using exercise induced heart rate recovery metrics
EP2020919B1 (en) * 2006-06-01 2019-07-31 ResMed Sensor Technologies Limited Apparatus, system, and method for monitoring physiological signs
WO2009057033A2 (en) * 2007-11-02 2009-05-07 Koninklijke Philips Electronics N.V. Computing a user's condition
US20110054290A1 (en) 2009-09-01 2011-03-03 Adidas AG, World of Sports Method and System for Interpretation and Analysis of Physiological, Performance, and Contextual Information
US20110230732A1 (en) 2009-09-14 2011-09-22 Philometron, Inc. System utilizing physiological monitoring and electronic media for health improvement

Also Published As

Publication number Publication date
WO2013068650A2 (en) 2013-05-16
US9519755B2 (en) 2016-12-13
EP2775901A2 (en) 2014-09-17
WO2013068650A3 (en) 2013-08-15
FI20116115A (fi) 2013-05-12
US20140288448A1 (en) 2014-09-25
EP2775901A4 (en) 2015-07-15

Similar Documents

Publication Publication Date Title
FI124367B (fi) Menetelmä ja järjestelmä henkilön fysiologisen tilan kartoittamiseksi
Crivello et al. The meaning of sleep quality: a survey of available technologies
JP5775868B2 (ja) 不眠症のための行動療法を提供するシステム及びその制御方法
Osmani et al. Monitoring activity of patients with bipolar disorder using smart phones
US20220015695A1 (en) Sleep reactivity monitoring based sleep disorder prediction system and method
US20110053128A1 (en) Automated patient monitoring and counseling system
KR102400740B1 (ko) 사용자의 건강상태 모니터링 시스템 및 이의 분석 방법
CN110504034B (zh) 基于多元信息融合的健康生活方式指导系统及方法
Daly et al. Naturalistic monitoring of the affect-heart rate relationship: a day reconstruction study.
JP2007505412A (ja) 対話式及び個人専用の計画、介入及び報告能力を含む体重及び他の生理学的状態のモニター及び管理システム
US11589788B2 (en) Prediction of mood and associated outcomes based on correlation of autonomous and endocrine parameters
KR20220122729A (ko) 행동-변화 프로그램에서 개인을 돕기 위한 시스템 및 방법
CN113520395A (zh) 一种精神状态的实时评估系统和方法
van Wamelen et al. Digital health technology for non-motor symptoms in people with Parkinson's disease: Futile or future?
JP2016131604A (ja) 生体情報測定システム、生体情報測定装置および生体情報測定方法
Moreno-Alsasua et al. Primary prevention of asymptomatic cardiovascular disease using physiological sensors connected to an iOS app
CN111820879A (zh) 一种适用于慢性疾病患者的健康评价管理方法
Solomon et al. Quantifying energy and fatigue: classification and assessment of energy and fatigue using subjective, objective, and mixed methods towards health and quality of life
Fahrenberg Assessment in daily life. A review of computer-assisted methodologies and applications in psychology and psychophysiology, years 2000-2005
Amira et al. Stress level classification using heart rate variability
KR101410311B1 (ko) 생체 정보를 이용한 적성 정보 생성 장치 및 방법
Zayachkivska et al. Detection of early risk factors of stress in students using SMART LION m-Health technologye
Luo et al. Quantitative analysis of heart rate variability parameter and mental stress index
US20240008784A1 (en) System and Method for Prevention, Diagnosis, and Treatment of Health Conditions
Kinnunen Studies for the development, validation, and application of wearable technology in the assessment of human health-related behavior

Legal Events

Date Code Title Description
FG Patent granted

Ref document number: 124367

Country of ref document: FI

Kind code of ref document: B

PC Transfer of assignment of patent

Owner name: FIRSTBEAT ANALYTICS OY