WEALTH - Wearable Sensoren für die Erfassung von Bewegungs- und Ernährungsverhalten

Das Projekt ist Teil des europäischen Forschungsverbunds "WEALTH", der im Rahmen der JPI "Healthy Diet for healthy Life" gefördert wird. Hintergrund ist, dass sich ein gesundes Ernährungs- und Bewegungsverhalten positiv auf nicht übertragbare Krankheiten und Fettleibigkeit auswirken. Die kombinierte Messung der Auswirkungen von körperlicher Aktivität auf das Essverhalten ist derzeit problematisch. WEALTH wird eine neue Methodik entwickeln, die eine fortgeschrittene Verarbeitung von Akzelerometriedaten mit Momentaufnahmen (ecological momentary assessment - EMA) verbindet, bei denen Bewegungs- und Essverhalten und deren Kontext erfasst werden. Dieser Ansatz ermöglicht ein umfangreiches Verständnis für den kontextspezifischen Zusammenhang von Bewegungs- und Essverhalten. WEALTH wird eine webbasierte Infrastruktur für die Verarbeitung von passiven Sensordaten u.a. aus kommerziell erhältlichen Wearables entwickeln. Dazu werden Bewegungsdaten von bis zu 600 Erwachsene in vier Studienzentren erhoben. Kontextspezifische Verhaltensinformationen werden mit Hilfe von EMA-Aufforderungen aufgezeichnet. Mit maschinellen Lernverfahren auf Basis der erhobenen Sensor-Rohdaten werden die Schätzung von klassifiziertem Bewegungs- und Essverhalten trainiert und validiert. Schließlich werden die Verhaltensweisen evaluiert, um die Machbarkeit der kombinierten Bewertungsmethoden zu demonstrieren. Das BIPS beteiligt sich an der Interventionsstudie, führt die Entwicklung der Modelle des maschinellen Lernens federführend durch und übernimmt die stellvertretende Verbundkoordination. Außerdem entwickelt es die webbasierte Infrastrukur zur späteren Nutzung der Methodik. WEALTH wird die Ergebnisse bzw. die Methoden und Verfahren in einer Toolbox veröffentlichen. Am Ende wird WEALTH ein einfach zu verwendendes und offen zugängliches System zur Messung von Bewegungs- und Essverhalten liefern, das für die künftige Surveillance der öffentlichen Gesundheit von hohem Wert sein wird.