URPP Dynamics of Healthy Aging Gesundheitsbildung 60+ im ...fe93d5ff-0c23-4fbc-a7a3-93b86f6711f3/martin... · URPP Dynamics of Healthy Aging Gesundheitsbildung 60+ im Zeitalter der

URPP Dynamics of Healthy Aging

Gesundheitsbildung 60+ im

Zeitalter der Digitalisierung

Neue Kompetenzen für eine neue Ära

WHO Working Group on Metrics and Research Standards for Healthy Ageing

Mike Martin

a+ Swiss Platform Aging Society; Vereinigung der Schweizer Senioren-Universitäten (U3);

Zentrum für Gerontologie; Ko-Direktor Digital Society Initiative UZH

Zürich, 27.2.2019

UFSP Dynamik gesunden Alterns

Überblick

1) Langlebigkeit für Viele

2) Gesundheitsbegriff im Wandel

3) Neue Messmöglichkeiten von Gesundheit im

Kontext

4) Herausforderungen digitaler Gesundheitsbildung


Überblick




Kontext



Demografie: Alter(n) – ein „junges“ Phänomen

BfS (2018)


Lebenserwartung

Geschätzte Lebenserwartung bei Geburt (Stand 2018; BfS)

1980 2017

Männer / Frauen Männer / Frauen

72.3 / 78.8 Jahre 81.4 / 85.4 Jahre = +90 / +65 Tage/Jahr

Geschätzte Lebenserwartung bei Alter 65

2007 2017

Männer / Frauen Männer / Frauen

83.5 / 86.9 Jahre 84.7 / 87.5 Jahre = +44 / +22 Tage/Jahr

= + 3.3 Jahre/ + 2.1 Jahre


Motorische Veränderungen

100-Meter-Rekorde (Stand 31.12.2018)

Bis 30 Jahre: 9.58s / 10.49s

60+: 11.70s / 13.63s

85+: 15.08s / 19.83s

95+: 20.41s / 30.18s

100+: 26.99 / 39.62(2015 von Don Pellman, davor 29.83 durch Miyazaki / 2017 Julia

Hawkins)

105+: 34.50 / ??

«Golden Bolt» Hidekichi Miyazaki

23.9.2015


Modal- und Maximalwerte Todesalter


Multimorbidität die häufigste Erkrankung im Alter

N = 1’751’841

Barnett et al, Lancet. 2012;380:37–43


Überblick




Kontext



Zeitschiene

2015: 1. World Report on Aging and Health

Wichtiger Befund:

Die meisten alten

Personen sind

bisher aus der

Alternsforschung

ausgeschlossen


WHO (2015; 2016); Martin et al. (2012; 2016a; 2016b; 2017); Freund, Nikitin & Riediger (2012); Scholz et al. (2015); Wood et al., (2017); Boker & Martin (2017)

ENV

IRO

NM

ENTSFUNCTIONAL ABILITY

Intrinsic Capacity

Individual Characteristics

AbilitiesActivitiesTraitsSkills

PhysiologyDisease

Paradigmenwechsel:

Dynamik gesunden Alterns

(auch) bei Multimorbidität


WHO (2015; 2016); Martin et al. (2012; 2016a; 2016b; 2017); Freund, Nikitin & Riediger (2012); Scholz et al. (2015); Wood et al., (2017); Boker & Martin (2017)

ENV

IRO

NM

ENTSFUNCTIONAL ABILITY

Intrinsic Capacity

Individual Characteristics

AbilitiesActivitiesTraitsSkills

PhysiologyDisease

Person als

Entscheider

benötigt

Evidenz, die

für Person,

nicht

Population,

zutrifft

Person x

Umwelt-

Interaktionen

Integration

Paradigmenwechsel:

Dynamik gesunden Alterns

(auch) bei Multimorbidität

UFSP Dynamik Gesunden Alterns

Die “Querschnitts-Falle”

Aus: Mehl & Conner, 2012, Handbook of Research Methods for Studying Daily Life


Überblick




Kontext



15

uTrail

Aktivitätsbereich Sensor Variable Samplingrate

Mobilität/Räumliche Aktivität GPS Zeit, Breite, Länge 1 Hz

Körperliche Aktivität IMU Zeit, Beschleunigung (x,y,z) 50 Hz

Soziale Aktivität EAR Zeit, Audioaufnahme (50 Sek) 1 pro 18 Min

Neues Gehäuse

(An/Aus Knopf

fällt z. B. weg)


Small and Big (Health) Data:Genügend Daten für

kontextualisierte Gesundheitsmodelle

Topol (2014)


Mobilität

Sozial Aktivität

Geistige Aktivität

Bewegung

Schlaf

…

Behandlungseffekte im Kontext messen und

Bedeutung extrahieren


Borbély, A., Rusterholz, T. & Achermann, P. (2017). Three decades of continuous wrist-activity recording: analysis of sleep duration. Journal of Sleep Reseach, 26, 188–194.


DEPARTMENT: PERVASIVE HEALTHCARE

Semantic Activity Analytics

for Healthy Aging

Challenges and Opportunities

As real-life activity data from many aging individuals

become available, insights gleaned from such data

could be leveraged to foster healthy aging. The

emerging field of semantic activity analytics is

addressing this challenge.

The World Health Organization (WHO) and its member

states are actively promoting a global paradigm shift in

healthy aging research from a disease focus to a contextu-

alized person focus.1 WHO’s new Healthy Aging defini-

tion is, in effect, a dynamic system model and requires

understanding how—within individual persons and over

time—brain structures, physiology, skills, personality

traits, impairments, activities, and environmental contexts

interact to allow the optimization and stabilization of

health and wellbeing. To study these complex relationships and inform older individuals and

healthcare providers about actions needed to improve healthy aging requires new ways of captur-

ing and analytically integrating high-density, within-person activity and context data from large

groups of individuals.

Advances in measurement technology now make it is feasible to combine the acquisition and

analysis of high-density data on real-life activity outcomes with individual data on multiple

psychological and biological functions, skills, impairments, and contexts, perhaps for millions of

older individuals. Research investments to establish an individualized evidence architecture that

integrates data on abilities, traits, impairments, activities, and environmental exposures into

reliably and validly measurable health outcomes on the individual and population level will help

support the new healthy aging paradigm. This evidence architecture would harness the benefits

afforded by these integrated data, leading toward the optimization of older adults’ health and

wellbeing around the world. The rapid build-up of analytical capacities for developing and test-

ing causal dynamic health models will allow researchers to upscale analytical models from one

person to large populations.

Mike Martin University of Zurich and

Collegium Helveticum

Robert Weibel University of Zurich

Christina Röcke University of Zurich

Steven M. Boker University of Virginia

Department Editors: Gabriela Marcu

[email protected]

Jesus Favela

[email protected]


Der nächste Schritt:

Semantische Analytik

Demiray et al. (2017); Freund et al. (2012); Gassmann et al. (2017); Ghisletta & Aichele (2017); Kliegel et al. (2011); Martin et al. (2012); Martin et al. (2016);

Martin et al. (2017); Neysari et al. (2016); Nguyen et al. (2014); Schmid Mast et al. (2015); Scholz et al. (2015); Schreiner et al. (2015); Yordanova et al. (2017)

Health Activity Data


Intervention Outcomes

Interpretation TailoredInterventions

Mobility

Sleep

Motivation

CognitionSocial

Real-Life Micro-Big Data

Integrative Healthy Aging Profiles

Functional AbilityDynamics

Paraschiv-Ionescu et al. (2012)

Demiray et al. (2017); Freund et al. (2012); Gassmann et al. (2017); Ghisletta & Aichele (2017); Kliegel et al. (2011); Martin et al. (2012); Martin et al. (2016);

Martin et al. (2017); Neysari et al. (2016); Nguyen et al. (2014); Schmid Mast et al. (2015); Scholz et al. (2015); Schreiner et al. (2015); Yordanova et al. (2017)

Health Activity Data


Intervention Outcomes

Interpretation TailoredInterventions

Mobility

Sleep

Motivation

CognitionSocial

Real-Life Micro-Big Data

Integrative Healthy Aging Profiles

Functional AbilityDynamics



Überblick




Kontext



Die “Querschnitts-Falle”

Aus: Mehl & Conner, 2012, Handbook of Research Methods for Studying Daily Life


Erkrankung

1

Erkrankung

2

Erkrankung

5

Erkrankung

4

Erkrankung

3

Kra

nk

he

its

ko

ste

n

5

Die “Kontroll-Falle”


Erkrankung

1

Erkrankungen

1+2+3+4+5

Erkrankungen

1+2+3+4

Erkrankungen

1+2+3Erkrankungen

1+2

Kra

nk

he

its

ko

ste

n

55

10

15

20

25

Erwartete Kosten (additiv)

Beobachtete Kosten (exponentiell)

Die “Kontroll-Falle”


Die “Symptom-Falle”


Lösung: Individualisierte und

kontextualisierte Profile für jede(n)

Bei jedem erfasstKontext 1-

spezifisch

Individuell-

spezifisch

Person 1 ProfilePerson ...n Profile

Kontext 2-

spezifisch


Kartierung aller evidenzbasierter

Behandlungs-Möglichkeiten


(1) Digitale Gesundheitsbildung vermittelt vor allem Kompetenz

zur kritischen Bewertung von Forschung

(2) Erkennen von Interpretations-Fallen

(3) Verstehen automatisierter Daten-Interpretation

(4) Verstehen der Bedeutung eigener Daten-Produktion und der

digitalen Repräsentation

(5) Digitale Gesundheitsbildung ermöglicht gut informiertes

Mitentscheiden

(6) Mitentscheiden ist Teil, nicht Voraussetzung von Gesundheit

im Alter

(7) Wie können alle erreicht werden?

URPP Dynamics of Healthy Aging Gesundheitsbildung 60+ im ...fe93d5ff-0c23-4fbc-a7a3-93b86f6711f3/martin... · URPP Dynamics of Healthy Aging Gesundheitsbildung 60+ im Zeitalter der

Documents