Terveyttä mittaamalla -kuluttajille suunnatut puettavat sen-sorit ja niiden data

Emilia Hjelm

SeminaariraporttiHELSINGIN YLIOPISTOTietojenkäsittelytieteen laitos

Helsinki, 31. maaliskuuta 2014

Matemaattis-luonnontieteellinen Tietojenkäsittelytieteen laitos

Emilia Hjelm

Terveyttä mittaamalla -kuluttajille suunnatut puettavat sensorit ja niiden data

Tietojenkäsittelytiede

Seminaariraportti 31. maaliskuuta 2014 13

Sensor devices and platforms, Data analytics, Health informatics

Työ käsittelee motivaatiota ihmisen toiminnan automaattiseen mittaamiseen ja siinä tutkitaankuluttajamarkkinoilla tarjolla olevia kolmiakselisia kiihtyvyysantureita, niiden keräämää dataa,tarjottuja rajapintoja ja laitteistotason toteutusta. Lisäksi tarkastellaan tällaisen mittaustiedonsovelluskohteita, joita ovat mm. sairauksien ennaltaehkäisy ja parempi ymmärrys ihmisentoiminnasta, esimerkiksi tapojen muuttaminen.

Keskeisenä haasteena tiedonkeruulle ja sen hyödyntämiselle esimerkiksi väestötasollatapahtuvaan raportointiin on yksityisyydensuojan takaaminen.

Tiedekunta — Fakultet — Faculty Laitos — Institution — Department

Tekijä — Författare — Author

Työn nimi — Arbetets titel — Title

Oppiaine — Läroämne — Subject

Työn laji — Arbetets art — Level Aika — Datum — Month and year Sivumäärä — Sidoantal — Number of pages

Tiivistelmä — Referat — Abstract

Avainsanat — Nyckelord — Keywords

Säilytyspaikka — Förvaringsställe — Where deposited

Muita tietoja — Övriga uppgifter — Additional information

HELSINGIN YLIOPISTO — HELSINGFORS UNIVERSITET — UNIVERSITY OF HELSINKI

Sisältö1 Johdanto 1

2 Taustaa 2

3 Mittaustiedon hyödyntäminen ja tulkinta 3

4 Kiihtyvyysanturilliset aktiviteettimittarit 54.1 Rajapinnat . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

5 Haasteet 10

6 Keskustelu 11

Lähteet 12

ii

1 JohdantoOn olemassa monenlaisia sensoreita, joiden avulla voidaan helpottaa ihmis-ten elämää. Sensoreita on sekä kehon sisäisiä että puettavia, mutta myösympäristöön asetettuja, esimerkiksi kodin seiniin tai lattioihin kiinnitettyjä.[19]

Langattomien sensorien avulla voidaan mitata ja ymmärtää ympäristöl-lisiä tekijöitä sekä puuttua niihin. Tämä sulautettu aistiminen koskettaamontaa modernin elämän osa-aluetta [15].

Puettava teknologia (wearable technology) on kovaa vauhtia arkipäiväis-tymässä. Useilla laitevalmistajilla on tarjolla tuotteita, joiden tavoitteena ontarkkailla ja mitata käyttäjänsä elämää. Datankeruu mahdollistaa sekä omientapojensa tarkkailun itse käyttäjälle, mutta myös laajempien päätelmientekemisen koko kerätystä aineistosta.

Terveydenhuolto ja erityisesti sairauksien ennaltaehkäisy on keskeineninnoittaja ihmisen käytökseen liittyvän mittaustiedon keräämiseen ja analy-sointiin.

Tässä seminaarityössä käsitellään kuluttajamarkkinoilla tarjolla oleviapuettavia sensoreita ja niiden keräämää dataa. Työssä tutustutaan ylipäätäänsyihin käyttää sensoreita ja mietitään tulevaisuutta.

1

2 TaustaaÄlypuhelinten yleistyminen on johtanut siihen, että ihmiset laajenevassamäärin keräävät itsestään heidän henkilökohtaiseen hyvinvointiinsa liittyväämittaustietoa. Yksittäisen ihmisen terveyden edistämisen lisäksi tätä kerättyämittaustietoa analysoimalla on mahdollisuus ennaltaehkäistä ja tunnistaariskejä erilaisiin elintasosairauksiin. [11]

Kiinnostus sensoreita kohtaan on suurta terveydenhoidon alueella. Esi-merkiksi väestön ikääntyminen asettaa terveydenhuoltojärjestelmälle paineitaja arvellaan, että erityisesti kroonisten sairauksien ja vanhusten hoito ovatkeskeisiä tulevaisuuden terveydenhuollon kuormittajia [12].

Länsimaissa ilmenevät terveysriskit liittyvät pitkälti käyttäytymiseen.Tupakointi, huono ruokavalio ja liikkumattomuus ovat kolme keskeistä riski-tekijää kroonisille sairauksille kuten sydäntaudit, 2. tyypin diabetes, keuh-kotaudit ja tietyt syövät. Yhdessä nämä tavat ovat vastuussa yli 50% en-naltaehkäistävissä olevista kuolemantapauksista. Uskotaan, että seuraavatedistysaskeleet terveysalalla liittyvät tapojen hallintaan. Teknologian avullavoidaan puuttua hälyttävään käytökseen jokapäiväisessä elämässä. [16]

Itsemittaus (quantified self) ja itseanalyysi kasvattaa suosiotaan, ja lääke-tieteessä ollaan matkalla potilasta osallistavampaan suuntaan sekä sosiaalis-ten verkostojen käyttöön [19]. Keskeisenä keinona tälle nähdään niinsanottuläpitunkeva terveydenhoito (pervasive healthcare), joka perustuu pitkälti tek-nisten apuvälineiden käyttämiselle ja terveydenhuollon tuomisen jatkuvastisaataville. Läpitunkeva terveydenhoito pyrkii muuttamaan terveydenhoi-toa lääkärikeskeisestä potilaskeskeiseksi ja akuuttiin sairauteen reagoivastajatkuvasti tarkkailevaan ja ennaltaehkäisevämpään suuntaan [12].

Terveysteknologian toiveena on muuttaa asiakas passiivisesta vastaanot-tajasta aktiiviseksi muokkaajaksi [19]. Ajatuksena on rohkaista asiakastaottamaan aktiivinen rooli oman terveytensä tarkkailussa ja edistämisessä.Esimerkiksi käyttäjäpalaute tai jopa henkilökohtainen valmennus voisi auttaaihmisiä muokkaamaan elämäntapaansa terveydentilan vaatimaan suuntaan[12].

2

3 Mittaustiedon hyödyntäminen ja tulkintaSekä hyvinvointiin liittyviä mittauksia tekevien ohjelmistojen valikoima ettätällaisen datan keräämiseen liittyvä tutkimus on lisääntynyt ja sen oletetaankasvavan vielä lisää [11].

Ihmisen aktiivisuutta voidaan mitata kolmiakselisella kiihtyvyysanturilla.Kiihtyvyysantureita on monenlaisia, mutta yleisimmät MEMS -kiihtyvyysanturitperustuvat pietsosähköiseen ilmiöön, jossa mekaaninen voima kohdistettunapietsosähköiseen elementtiin aiheuttaa muutoksen jännitteeseen. Tyypillisestianturissa on massa, joka on kiinnitettynä joko jouseen tai kiinteään tankoon(cantilever beam). [9]

Kiihtyvyysanturin liikkeistä voidaan päätellä terveyteen vaikuttavaa tie-toa, kuten tunnistaa käveleminen, juokseminen, istuminen tai portaidenkiipeäminen. Kiihtyvyysanturin datan perusteella on mahdollista automaatti-sesti päätellä myös minkätyyppistä sosiaalista toimintaa ihminen sillä hetkellätekee, erittäin ruuhkaisessa tilassakin. Esimerkiksi saadaan selville onko hänjuomassa, nauraako hän, vai ottaako askelta. Siitä voidaan päätellä kuinkasosiaalisesti aktiivinen ihminen on tai tarkastella ryhmän sosiaalista hie-rarkiaa. [17] Tämän lisäksi kiihtyvyysanturia voidaan käyttää suoranaiseenkäyttäjän vakoilemiseen, esimerkiksi matkapuhelimen salasana tai pin-koodimurtuu kiihtyvyysanturin tietojen analyysillä [13].

Algoritmit, jotka tekevät päättelyä kiihtyvyysanturin mittaamista arvois-ta toimivat esimerkiksi seuraavalla tavalla. Mittaustuloksessa on mukanajatkuva kiihtyvyys maan keskipistettä kohti eli painovoima, joka suodatetaandatasta pois. Jäljelle jää kiihtyvyys suhteessa paikkaan. Jakamalla suodatet-tu arvo suodattamattomalla saadaan tulokseksi suhde, jota voidaan käyttäävertailuissa. Käytännössä laitteita kokeilemalla saadaan mitattua raja-arvot,joiden perusteella luokitellaan esimerkiksi onko liikkeessä vai tekeekö kotitöi-tä. Ylipäätään mitattavissa ovat erisuuntaiset liikkeet ja niiden voimakkuus.[18]

Mittaustietoa tulkitsemalla voidaan saada lisää ymmärrystä moneen asi-aan. Esimerkiksi ihmisen käyttäytyminen ja tapojen muuttaminen on prosessi,jota ei vielä tunneta läpikotaisin. Eri ihmiset kokevat esimerkiksi tapoihinsapuuttumisen (intervention) eri tavalla. Kerättäessä tarkkaa mittaustietoayksilön fyysisestä aktiivisuudesta, tilasta ja asiayhteydestä, voidaan lopultasitä analysoimalla rakentaa tarkempia malleja muutosprosessista. Sen avullavoidaan paremmin ymmärtää kaikkia osatekijöitä, jotka vaikuttavat pitkäntähtäimen muutokseen. Koska sensorit mahdollistavat tilanteeseen reagoimi-sen, voidaan käyttäjälle esimerkiksi esittää kysymyksiä tietyissä tilanteissa,vaikka juoksulenkin jälkeen. Näin saadaan kerättyä lisää dataa, joka auttaaymmärtämään käytöstä. [16]

Lääketieteessä voidaan ajatella lääkäreiden ja muun hoitohenkilökunnanhyötyvän yksittäisen potilaan kohdalla jatkuvasta automaattisesta tiedonke-ruusta paljon enemmän kuin satunnaisesta näytteenotosta [12]. Väestötasolla

3

jatkuvasta mittaustiedosta on myös hyötyä. On oletettavaa, että tulevaisuu-dessa merkittävä osa väestöstä useissa maissa käyttää mukana kuljetettavaalaitetta, joka sisältää sensoreita, esimerkiksi älypuhelinta. Tällä tavoin jatku-vasti kerätty aktiivisuustieto tuottaisi paljon tarkemman kuvan väestötasonfyysisestä aktiivisuudesta kuin nykyisin ns. perinteisillä menetelmillä kerättytieto, esimerkiksi kyselytutkimukset mahdollistavat. [11].

4

4 Kiihtyvyysanturilliset aktiviteettimittaritKuluttajamarkkinoilla olevat aktiviteettimittarit, joista esimerkkeinä Fitbitja Jawbone, perustuvat kolmiakselisen kiihtyvyysanturin antaman datantulkintaan.

Kuva 1: Jawbone UP -rannekkeen osat [6].

Kuvassa 1 nähdään mistä osista Jawbone UP -ranneke koostuu [6]. Ra-kenne on melko yksinkertainen, keskeisimpinä komponentteina rannekkeessaon kolmiakselinen kiihtyvyysanturi, värinämoottori ja akku. Jawbone UP-rannekkeessa käytetään MotionX -nimistä kiihtyvyysanturia [6].

Fitbit ei ole virallisesti julkaissut laitteensa komponentteja, mutta jo-tain on voitu selvittää takaisinmallintamalla. Kuvassa 3 nähdään puretunFitbit Flex -laitteen emolevy ja siihen integroidut laitepaikat. Punaisellamerkitty on mikro-ohjain (microcontroller), eli hyvin pieni ja vähävirtainentietokone. Tämä mikro-ohjain, STMicroelectronics 32L151C6, sisältää ARM-arkkitehtuurin 32-bittisen prosessorin Cortex M3. Oranssilla merkitty onBluetooth-mikropiiri (Nordic Semiconductor nRF8001 Bluetooth Low Ener-gy Connectivity IC), keltaisella merkityn arvellaan olevan kiihtyvyysanturi-mikropiiri (accelerometer IC) ja sinisellä merkitty on latausmikropiiri (Char-ger IC: TI BQ24040) [3].

Fitbitin laitteet lataavat keräämänsä datan mallista riippuen joko suoraan

5

Kuva 2: Fitbit Flex -rannekkeen sensoriosa avattuna [3].

Kuva 3: Fitbit Flex -rannekkeen emolevy komponentteineen [3].

tietokoneelle usb-porttiin kytkettävän vastaanottimen kautta tai suoraankäyttäjän älypuhelimeen Bluetooth Smart -yhteyden välityksellä [4]. Jawbo-nen UP-malli on kytkettävä suoraan puhelimeen, mutta uudempi malli UP24käyttää myös Bluetooth Smart-yhteyttä[8]. Molempien valmistajien laitteetlähettävät käyttäjän datan eteenpäin omaan verkkopalveluunsa, josta se onkäyttäjän tarkasteltavissa joko verkkosivuston tai älypuhelinohjelman kautta[8] [4].

6

4.1 Rajapinnat

Vaikka molempien laitteiden mittaama data lähetetäänkin palveluntarjoajanomaan verkkopalveluun, se ei kuitenkaan ole siilossa täysin jumissa. Molem-piin datavarastoihin pääsee käsiksi laitevalmistajan toteuttaman rajapinnanavulla. Rajapinnat ovat keskenään melko samanlaiset, tallennettuja tietojavoi hakea tiedon tyypin mukaan http-kutsulla ja takaisin palautuu pyydettytieto JSON-muotoisena oliona (JavaScript Object Notation). Kummassakaantapauksessa raakaan sensoridataan ei pääse rajapinnan avulla kiinni. [2] [5]

Jawbonen palvelu antaa käyttäjälle mahdollisuuden jakaa datansa suo-raan johonkin toiseen palveluun. Palveluiden välinen sopimus tehdään OAUTH2.0 -protokollaa käyttäen. Yrityksen mukaan käyttäjä hallitsee datan jaka-mista ja voi perua toisten palveluiden oikeudet dataan yksipuolisesti. [7]Fitbit puolestaan toteuttaa saman toiminnallisuuden OAUTHin aiemmalla1.0 -versiolla [2].

Syitä rajapinnan tarjoamiselle ovat mm. laitteen käyttäjien käyttäjä-kokemuksen parantaminen ja täydentävien palveluiden mahdollistaminen.Käytännössä se voisi tarkoittaa esimerkiksi datan yhdistelyä eri lähteistä,tiedon visualisointia, pelillisten elementtien mukaantuomista, markkinoinninapuvälineenä käyttämistä, palkintojen antamista tai muuta vastaavaa. [5]

Tarkastellaan Jawbonen rajapinnan käyttöä esimerkinomaisesti. Raja-pinnan käyttämistä varten kehittäjän on hankittava rajapinta-avain (APIKey) ja luotava Jawbonen sivuille tunnus. Ensin kehittäjän sovellus ohjaakäyttäjän kirjautumaan sisään ja tämän jälkeen Jawbonen OAUTH-sivulle,jossa listataan pyydettävät oikeudet. Kun käyttäjä hyväksyy datansa näyttä-misen kehittäjän sovellukselle, käyttäjä ohjataan takaisin kehittäjän osoit-teeseen ja ohjauksen mukana tulee pyynnön parametrina hyväksymiskoodi,esimerkiksi http://kehitysesimerkki.com/lupa?koodi=ABC123. Tämä hyväk-symiskoodi on voimassa 10 minuuttia, minkä aikana kehittäjän sovelluksenon vaihdettava se pysyvämpään lupaan (access token) tekemällä JawbonenOAUTH-sivulle HTTPS-kutsu, jonka mukana välitetään sovelluksen tiedot jasaatu hyväksymiskoodi. Palvelin palauttaa kehittäjälle JSON-objektin, jokasisältää pysyvän luvan, joka on voimassa aina vuoden kerrallaan. Tämän jäl-keen kehittäjä voi tehdä rajapintakutsuja käyttäjän nimissä, sisällyttämälläpyyntöihinsä tämän luvan. [5]

Esimerkiksi haetaan käyttäjän askeleet. Palautuvassa oliossa nähdäänyksittäisellä tunnisteella varustettu käyttäjä (user xid) ja hänen askeldatansa.Mielenkiintoisia kenttiä kehittäjälle varmasti ovat ainakin etäisyys metreinä(distance), askeleet (steps), aktiivinen aika (active time) ja epäaktiivinenaika (inactive time).

Seuraavalla pyynnöllä haettaisiin käyttäjän askeleet:

GET https://jawbone.com/nudge/api/v.1.0/users/@me/moves?start_time=1383289200HTTP/1.1Host: jawbone.com

7

Ja seuraava vastaus meille palautuisi.

HTTP 200 OK{

"meta":{

"user_xid": "6xl39CsoVp2KirfHwVq_Fx","message": "OK","code": 200"time": 1386122022

},"data":{

"items":[{

"xid": "40F7_htRRnQwoMjIFucJ2g","title": "16,804 steps","type": "move","time_created": 1384963500,"time_updated": 1385049599,"time_completed": 1385099220,"date": 20131121"snapshot_image":"/nudge/image/e/1385107737/40F7_htRRnQwoMjIFucJ2g/grEGutn_XYZ.png""details":{

"distance": 14745,"km": 14.745,"steps": 16804,"active_time": 11927,"longest_active": 2516,"inactive_time": 32760,"longest_idle": 27180,"calories": 1760.30480012,"bmr_day": 1697.47946931,"bmr": 1697.47946931,"bg_calories": 1099.9439497,"wo_calories": 388.506116077,"wo_time": 11484,"wo_active_time": 3902,"wo_count": 2,"wo_longest": 2516,"tz": "America/Los Angeles","tzs":

8

[[1384963500, "America/Phoenix"],[1385055720, "America/Los_Angeles"]

],"hourly_totals":{

"2013112101":{

"distance": 1324,"calories": 90.0120018125,"steps": 1603,"active_time": 793,"inactive_time": 220,"longest_active_time": 302,"longest_idle_time": 780

},"2013112101":{

"distance": 626,"calories": 47.0120018125,"steps": 455,"active_time": 246,"inactive_time": 260,"longest_active_time": 203,"longest_idle_time": 650

},... more hours ...

}}

},{... more items ....}],"links":{

"next":"/nudge/api/v.1.0/users/6xl39CsoVp2KirfHwVq_Fx/moves?page_token=1384390680"

},"size": 10

}}

9

5 HaasteetLuonnollisesti kysymys yksityisyydensuojasta nousee esiin puhuttaessa hyvinhenkilökohtaisesta ja terveyteen liittyvästä mittausdatasta ja sen tallenta-misesta. Ihmisten käyttämien sensorilaitteiden keräämää dataa haluttaisiintallentaa ja käyttää esimerkiksi tilastojen laatimiseen. Tiedot voitaisiin jokosuoraan lähettää ulkoiseen palveluun analysoitavaksi tai sitten ne voitaisiinesikäsitellä käyttäjän laitteessa anonyymimmäksi ennen lähetystä. Kun kyseon väestötason tilastoinnista, voi kerättävä data olla yleisempää. Tarkoi-tuksena olisi tunnistaa väestötasolla riskejä ja ennaltaehkäistävissä oleviaterveysvaikutuksia, jolloin henkilöiden tunnistaminen ei ole tarpeellista. [11].

On kehitettävä tekniikoita yksityisyyden säilyttämiseen jatkuvasta mit-taamisesta huolimatta, jotta ihmiset voivat turvallisesti käyttää sensoreitatapojensa tunnistamiseen ja niiden muuttamiseen. Esimerkiksi sosiaalisiaverkostoja analysoitaessa voitaisiin tallentaa vain kommunikaation määrä,ilman lähettäjän tai vastaanottajan tietoja [16]. Tietenkin voidaan kysee-nalaistaa kuinka luotettavia tällaiset lupaukset lopulta ovat, ellei kyse olestandardista tai avoimen lähdekoodin ratkaisusta.

Kiihtyvyysanturin datan perusteella voidaan jo nyt tehdä varsin tarkkojapäätelmiä kantajastaan. Voidaan olettaa, että mainittu kolmas osapuolitallentaa sensoridatan myös raakana myöhempää käyttöä ja analyysia varten.Saattaa olla, että pieni harmiton askelmittari rannekkeessa ei olekaan lopultaniin harmiton ja huomaa käyttäjästään myös paljon sellaista, jonka olisiparempi jäädä huomaamatta.

Yksityisyydensuojan haasteiden lisäksi myös itse laitteisto aiheuttaahaasteita. Kiihtyvyysanturin tuottaman raa’an mittaustiedon muuttaminenymmärrykseksi, esimerkiksi fyysisen aktiviisuuden määräksi, ei ole yksinker-taista ja vaatii sekä monitieteistä osaamista että tutkimista myös jatkossa[16].

Käyttäytymisen ymmärtäminen on myös vielä lapsenkengissään. Esi-merkiksi sellaiset lähestymistavat, jotka toimivat aikuisilla hyvin fyysisenaktiivisuuden lisäämisessä saattavat olla tehottomia lapsilla, koska he eivätvoi vaikuttaa ympäristöönsä yhtä hyvin kuin aikuiset [10].

Mittaustiedon analyysi ei myöskään ole vielä kovin tarkkaa. Esimerkiksion vaikeaa erottaa onko henkilö hiljaa paikallaan vai onko laite pöydällä [14].Kuitenkin näihin tilanteisiin haluttaisiin reagoida varsin erilaisella tavalla javäärän päätelmän tekeminen johtaa harhaan.

Mittauksia voidaan tehdä vain laitteella, joka on käytössä. Haasteenaonkin siis myös laitteen saaminen laatikosta osaksi päivittäisiä rutiineja.Siksi kuluttajamarkkinoilla olevat tuotteet painottavat laadukkaan laitteis-ton lisäksi myös laadukasta muotoilua. Laitteen tavoitteena on sulautuakäyttäjänsä arkielämään. [16]

10

6 KeskusteluTällä hetkellä kuluttajatuotteiden kenttä on haastava erityisesti siksi, ettälaitevalmistajat ja niille palveluita tarjoavat yritykset ovat lähes kokonaan Yh-dysvalloista. Käytännössä asiakkaat ympäri maailman luovuttavat tietonsa-sekä kiihtyvyysanturin mittaukset että sovelluksen kautta mahdollisesti an-netut muut tiedot, kuten ruokapäiväkirjansa- yrityksille, joita koskee Yhdys-valtain lainsäädäntö. Tiedetään, että Yhdysvalloissa harjoitetaan kansalais-ten massavalvontaa yhteistyössä mm. maan suurimpien teleoperaattoreidenkanssa [1].

Jotta päästäisiin tavoitteeseen, jossa merkittävä osa väestöstä haluaaja uskaltaa osallistua arkielämänsä mittaamiseen, tarvittaisiin parempiaratkaisuja. Ehtona tietojen keräämiselle ei laajassa mittakaavassa voi ollasuostumus tietojen luovuttamisesta kolmansille osapuolille. Kuitenkin tilannetällä hetkellä kuluttajalaitteiden suhteen on, että ainoa tapa saada tiedotlaitteesta ulos on lähettää se Internetin yli valmistajan palveluun. Tuottei-ta ei siis ole mahdollista käyttää vain paikallisesti, eikä laitteen tallettamamittaustieto ole käyttäjän hallittavissa. Rajapinnat voidaan nähdä osittai-sina standardeina, mutta käytännössä kaupallisten tuotteiden toteutus onkapseloitu ja kuluttaja voi vain arvailla mitä tietoja muovikuoren alta lähete-tään ja missä muodossa. Kuluttajalle tilanne on myös hankala siinä mielessä,että fyysinen tuote on sidottu valmistajan verkkopalveluun. Jos valmistajaesimerkiksi menee konkurssiin, muuttuu laite hyödyttömäksi.

Haasteiden lisäksi tulevaisuudessa on kuitenkin myös paljon mahdolli-suuksia. Kansanterveyden edistäminen ja yksittäisen ihmisen elämänlaadunparantaminen teknologian avulla tuo mukanaan ihmiskunnalle suurta hyö-tyä [16]. Jos opimme enemmän käyttäytymisestä ja tapojen muuttamisesta,ennaltaehkäistään siinä merkittäviä määriä elintavoista johtuvia sairauksia.Väestötasoinen automaattinen tiedonkeruu sensoreista mahdollistaisi paljonkohdistetumpia julkisia terveyskampanjoida, joko perinteisen median taitulevaisuuden laitteiden välityksellä [11]. Kenties meillä on jopa tulevaisuu-dessa kaikilla oma virtuaalinen terveysassistentti, joka ohjaa meitä hyvienvalintojen äärelle [12].

11

Lähteet[1] Electronic Frontier Foundation, NSA Spying FAQ, noudettu 7.3.2014,

2014. https://www.eff.org/nsa-spying/faq.

[2] Fitbit API -rajapinnan määrittely, noudettu 6.3.2014, 2014. https://wiki.fitbit.com/display/API/Fitbit+API.

[3] Fitbit Flex teardown, noudettu 6.3.2014, 2014. http://www.ifixit.com/Teardown/Fitbit+Flex+Teardown/16050.

[4] Fitbit verkkosivu, noudettu 5.3.2014, 2014. http://www.fitbit.com/uk/flex.

[5] Jawbone API -rajapinnan määrittely, noudettu 6.3.2014, 2014. https://jawbone.com/up/developer/.

[6] Jawbone extended manual, noudettu 6.3.2014, 2014. http://content.jawbone.com/static/www/pdf/manuals/up/up-by-jawbone-extended-manual-en.pdf.

[7] Jawbone Platform Info .pdf, noudettu 6.3.2014, 2014. https://jawbone.app.box.com/s/0xtwb6fjkxurz17u5k75.

[8] Jawbone verkkosivut, noudettu 5.3.2014, 2014. https://jawbone.com/up.

[9] Manfred Weber, Metra Mess- und Frequenztechnik in Radebeul e.K. ,noudettu 9.3.2014, 2014. http://www.new.mmf.de/introduction.htm.

[10] Ananthanarayan, S. ja Siek, K.A.: Persuasive wearable technology designfor health and wellness. Teoksessa Pervasive Computing Technologiesfor Healthcare (PervasiveHealth), 2012 6th International Conference on,sivut 236–240, May 2012.

[11] Andrew Clarke, Robert Steele: Summarized data to achieve population-wide anonymized wellness measures. Conf Proc IEEE Eng Med BiolSoc, 2012:2158–61, 2012, ISSN 1557-170X. http://www.biomedsearch.com/nih/Summarized-data-to-achieve-population/23366349.html.

[12] Arnrich, Bert, Mayora, Oscar, Bardram, Jakob Eyvind ja Tröster, Ger-hard: Pervasive Healthcare - Paving the Way for a Pervasive, User-Centered and Preventive Healthcare Model. Methods of Information inMedicine, 1:67, 2010, ISSN 0026-1270.

12

[13] Aviv, Adam J., Sapp, Benjamin, Blaze, Matt ja Smith, Jonathan M.:Practicality of Accelerometer Side Channels on Smartphones. Teok-sessa Proceedings of the 28th Annual Computer Security Applica-tions Conference, ACSAC ’12, sivut 41–50, New York, NY, USA,2012. ACM, ISBN 978-1-4503-1312-4. http://doi.acm.org/10.1145/2420950.2420957.

[14] Choi, L., Ward, S. C., Schnelle, J. F. ja Buchowski, M. S.: Assessment ofwear/nonwear time classification algorithms for triaxial accelerometer.Med Sci Sports Exerc, 44(10):2009–2016, Oct 2012.

[15] Gubbi, Jayavardhana, Buyya, Rajkumar, Marusic, Slaven ja Palaniswa-mi, Marimuthu: Internet of Things (IoT): A Vision, Architectural Ele-ments, and Future Directions. Future Gener. Comput. Syst., 29(7):1645–1660, syyskuu 2013, ISSN 0167-739X. http://dx.doi.org/10.1016/j.future.2013.01.010.

[16] Hekler, E.B., Klasnja, P., Traver, V. ja Hendriks, M.: Realizing EffectiveBehavioral Management of Health: The Metamorphosis of BehavioralScience Methods. Pulse, IEEE, 4(5):29–34, Sept 2013, ISSN 2154-2287.

[17] Hung, Hayley, Englebienne, Gwenn ja Kools, Jeroen: Classifying SocialActions with a Single Accelerometer. Teoksessa Proceedings of the2013 ACM International Joint Conference on Pervasive and Ubiqui-tous Computing, UbiComp ’13, sivut 207–210, New York, NY, USA,2013. ACM, ISBN 978-1-4503-1770-2. http://doi.acm.org/10.1145/2493432.2493513.

[18] Ohkawara, Kazunori, Oshima, Yoshitake, Hikihara, Yuki, Ishikawa-Takata, Kazuko, Tabata, Izumi ja Tanaka, Shigeho: Real-time esti-mation of daily physical activity intensity by a triaxial accelerome-ter and a gravity-removal classification algorithm. British Journalof Nutrition, 105:1681–1691, kesäkuu 2011, ISSN 1475-2662. http://journals.cambridge.org/article_S0007114510005441.

[19] Wolbring, Gregor ja Leopatra, Verlyn: Sensors: Views of Staff of a Disa-bility Service Organization. Journal of Personalized Medicine, 3(1):23–39,2013, ISSN 2075-4426. http://www.mdpi.com/2075-4426/3/1/23.

13