Lehti 48: Näkö­kulma 48/2017 vsk 72 s. 2808 - 2809

Mihin oman terveyden mittaaminen johtaa?

Biohakkereista kroonisesti sairaisiin – yhä useampi mittaa omaa terveyttään erilaisilla laitteilla ja sovelluksilla. Kansanterveydellekin voi koitua hyötyä, mutta toisaalta tiedetään, että pelkkä palaute mittaustuloksista ei saa ihmisiä mullistamaan elintapojaan.

Ari Haukkala
Sitaattikuva

Terveyden mittaamisesta on tullut suosittua. Se ei ole yllätys, koska terveys on pitkään ollut suomalaisille tärkein arvo. Kun matkapuhelimiin liitettiin sijaintia ja liikettä mittaavat ominaisuudet, mittaamisesta tuli automaattista, ja erityisesti liikuntaan liittyvät sovellukset lisääntyivät hetkessä.

Miksi terveyssovellusten käytöstä on tullut niin suosittua? Käyttäjän näkökulmasta tähän on kolme selkeää syytä. Sovellukset helpottavat itsesäätelyä, kun oman käyttäytymisen seuranta, tavoitteiden asettaminen sekä tavoitteiden arviointi ja muokkaus muodostavat mielekkään kokonaisuuden. Sovellukset ja laitteet tyydyttävät uteliaisuutta, etenkin kun voidaan mitata uudenlaisia asioita. Lisäksi mitatun tiedon jakaminen ja saaminen muilta luovat vuorovaikutusta.

Mittausten käyttötarkoitukset laajenevat, kun esimerkiksi sydämen sykkeen vaihteluväliin perustuvaa mittausta voidaan käyttää stressitekijöiden ymmärtämiseen tai perimää kaukaisten sukulaisten etsimiseen (1).

Esimerkiksi Quantified Self -liikkeen edustajat, biohakkerit, mittaavat terveyttään aina uudemmilla ja tarkemmilla mittareilla, ja myös jakavat kaiken tiedon (MyData). Näiden edelläkävijöiden lisäksi on näkyvissä myös kansanterveyden kannalta hyviä suuntauksia. Hyvinvoivien aktiivikansalaisten lisäksi teknologiaa hyödyntävät yhä enemmän kroonisten sairauksien, kuten diabeteksen, kanssa elävät.

Terveyden mittaamiseen ja terveyskäyttäytymisen muutokseen on muodostunut uusi ekosysteemi, jossa syntyy jatkuvasti uusia sovelluksia. Vain pieni osa näistä jää käyttöön, ja sovellusten joukosta on vaikea löytää toimivat ja luotettavat ratkaisut.

Tuoreessa asiantuntijakatsauksessa (2) on nostettu esiin asioita, jotka hidastavat terveysteknologian hyödyntämistä. Yksi näistä on sitoutuminen palveluihin ja muutoksen ylläpitäminen. Suurin osa käyttäjistä lopettaa sovellusten käytön parin viikon jälkeen.

Pelkkä tieto ei riitä muutokseen

Tuoreessa hyvinvointitutkimuksessa (3) ihmiset osallistuivat 9 kuukauden ajan tutkimukseen, jossa koko genomin sekvensoinnin lisäksi ihmisiltä mitattiin 3 kuukauden välein eri näytteistä lähemmäs tuhat metaboliaan, proteiineihin ja perinteisiin testeihin liittyvä arvoa. Näiden lisäksi unenlaatua ja liikuntaa käytiin läpi henkilökohtaisten valmentajien avulla.

Tämä heijastaa "enemmän on parempaa" -ajattelua, jossa oletetaan mittaamisen tai tiedon itsessään tuottavan muutoksen terveyskäyttäytymisessä. Valitettavasti laaja tutkimusnäyttö on osoittanut, ettei pelkkä palaute mittaustuloksista saa ihmisiä mullistamaan elintapojaan. Jopa todella personoitu tieto on tuottanut toivottua vähäisempiä elintapamuutoksia (4,5).

Miten sitten rakentaa sovelluksia, jotka innostaisivat ihmisiä pysyvämpään käyttöön ja käyttäytymisen muutokseen? Käyttäytymistieteissä on pyritty parantamaan tutkimustiedon laatua ja kertyvyyttä erittelemällä tarkemmin interventioiden sisältöjä, eli sitä, millaisilla tekniikoilla käyttäytymisen muutoksia voidaan tehokkaasti tukea. Muutosta tukemaan pyrkiviä tekniikoita on luokiteltu yli 90 (esim. mallin näyttäminen, seurauksista kertominen, mielikuvaharjoittelu, ympäristön muuttaminen, emotionaalinen sosiaalinen tuki), mutta esimerkiksi liikunnan ja ravitsemuksen mobiilisovelluksissa niitä on keskimäärin viisi. Sen sijaan, että tutkitaan yksittäistä terveyssovellusta, voitaisiinkin tarkastella, millaiset tekniikat sovelluksissa x, y ja z vaikuttavat ongelmakäyttäytymiseen.

Lue myös

Teknologian nopea kehitys tuo haasteita alan tutkimukselle. Eräs tapa vastata tähän haasteeseen on yksittäisten tapausten menetelmä "n-of-1" (6,7). Menetelmä on samalla askel yksilöllisen hoidon suuntaan, ja ottaa paremmin huomioon ihmisten välisen vaihtelun.

Tällä menetelmällä tarkastellaan, kuinka hoitomuodot tai erilaiset altisteet muuttavat yksittäisten henkilöiden vastetta. PRECIOUS-hankkeessamme tarkastelemme, kuinka kolmen päivän koejaksoiksi satunnaistetut käyttäytymisen muutokseen pyrkivät tekniikat vaikuttavat liikunnan määrään kyseisinä päivinä kuuden viikon seurannassa. Näin selviää, millainen vaikutus yksittäisillä muutostekniikoilla on, ja keitä ne ehkä parhaiten auttavat.

Terveyserot ja yksityisyys puhuttavat

Vaikka teknologia edistää tiedettä ja hyvinvointia, siihen liittyy aina myös kielteisiä puolia. Uudet teknologiat ovat ensin paremmassa asemassa olevien saatavilla, jolloin ne kasvattavat terveyseroja. Lisäksi ihmisiltä kerättävä tieto ja sen käyttö tulee yhä merkittävämmäksi kysymykseksi globaalissa kilpailussa. Jo nyt joudumme pohtimaan, kannattaako tietoja antaa esimerkiksi vakuutusyhtiön tarjoamaan terveyssovellukseen, niihin liittyvistä tiukoista säädöksistä huolimatta.

Tulevaisuus tuo kuitenkin yhä enemmän ja parempia teknologioita käyttöömme. Teknologia on hyvä apuväline käyttäytymisen muutokseen, mutta pysyvän muutoksen syyt löytyvät ihmisestä ja hänen ympäristöstään. Uuden teknologian soveltamisessa käyttäytymis- ja sosiaalitieteet ovat välttämättömiä sekä näiden riskien ymmärtämiseen että uudenlaisten palveluiden luomiseen.


Sidonnaisuudet

Ei sidonnaisuuksia.


Kirjallisuutta
1
Ruckenstein M, Schüll ND. The datafication of health. Ann Rev Anthropology 2017;46:261–78.
2
Michie S ym. Developing and evaluating digital interventions to promote behavior change in health and health care: recommendations resulting from an international workshop. J Med Internet Res 2017;19:e232.
3
Price ND ym. A wellness study of 108 individuals using personal, dense, dynamic data clouds. Nature Biotechnology 2017;35:747–56.
4
Hollands GJ ym. The impact of communicating genetic risks of disease on risk-reducing health behaviour: systematic review with meta-analysis. BMJ 2016;352:i1102.
5
French DP ym. Can communicating personalised disease risk promote healthy behaviour change? A systematic review of systematic reviews. Ann Behav Med 13.3.2017 (verkossa ensin). doi: 10.1007/s12160-017-9895-z.
6
Punja S ym. N-of-1 trials are a tapestry of heterogeneity. J Clin Epidemiol 2016;76:47–56.
7
McDonald S ym. The state of the art and future opportunities for using longitudinal n-of-1 methods in health behaviour research: a systematic literature overview. Health Psychol Rev 2017;11:307–23.
Lääkäriliitto Fimnet Lääkärilehti Potilaanlaakarilehti Lääkäripäivät Lääkärikompassi Erikoisalani Lääkäri 2030