Yökukkujien sosiaaliset verkostot ovat laajempia kuin aamuvirkkujen

Digitaalisen käyttäytymisemme jälkiä älypuhelimissa voidaan käyttää mielenterveysongelmien hoidossa.
Yökukkujat (siniset) ovat keskeisempiä sosiaalisissa verkostoissaan kuin aamuvirkut (oranssit). Jokainen piste kuvaa yhtä ihmistä ja viivat vuorovaikutusta (puheluita) heidän välillään.

Aalto-yliopiston tohtorikoulutettava Talayeh Aledavood on tutkinut ihmisten käyttäytymismalleja anonyymin puhelindatan avulla. Hän on saanut selville, että ihmisten ”kronotyypillä” eli luontaisella vuorokausirytmillä on yhteys heidän sosiaalisten verkostojensa laajuuteen ja siihen, miten tiiviisti he pitävät yhteyttä muihin.

Aledavood on havainnut, että yökukkujilla on selvästi laajemmat sosiaaliset verkostot kuin aamuvirkuilla. Iltavirkut ovat myös aamuihmisiä keskeisempiä omissa verkostoissaan ja ovat selvästi valikoivammin yhteydessä omaan kronotyyppiinsä eli niin ikään myöhään valvoviin.

”Päivittäisestä puhelimenkäytöstä jäävistä digitaalisista jäljistä voi erottaa erilaisia käyttäytymismalleja. Jäljet antavat kuvan aktiviteeteistamme, liikkeistämme ja yhteydenpidostamme”, Aledavood sanoo.

Nukkumisajat on tutkimuksessa päätelty ajanjaksoista, jolloin älypuhelinta ei käytetä. Sosiaalisten verkostojen laatu ja laajuus paljastuvat ajankohdista, jolloin soitamme hyville ystäville, sekä niiden ihmisten määrästä, joille soitamme ja lähetämme sähköposteja. Yhtä täsmällistä tietoa on vaikea saada esimerkiksi kyselytutkimuksilla, ja digitaalisten jälkien avulla voidaan tutkia jopa kokonaisia maita.

 

Miten käyttää puhelindataa mielenterveyden hoidossa?

Aledavood aikoo soveltaa tutkimustuloksiaan – unirytmin yhteyksiä sosiaaliseen kanssakäymiseen ja verkostojen laajuuteen – mielenterveysongelmien ymmärtämiseen ja hoitoon. Hänen mukaansa keräämällä ja yhdistelemällä mobiililaitteista, sosiaalisen median käytöstä ja digitaalisilta alustoilta saatua tietoa voisi ennakoida monia mielenterveyden ongelmia. Aledavood on tutkimuksessaan kehittänyt menetelmän tietojen keräämiseen.

”Mielenterveysongelmille ei ole yksiselitteisiä biomarkkereita, kuten esimerkiksi diabetekselle tai syöpäkasvaimille. Tarvitaan siis uusia havaintokeinoja. Häiriöt unirytmissä voivat viitata moniin mielenterveyden ongelmiin, ja tulevan tutkimukseni tavoite on pystyä päättelemään digitaalisten laitteiden käytöstä, onko esimerkiksi avohoitopotilaiden tilassa tapahtunut muutoksia,” Aledavood selittää.

Tiedonkeruu on tarkoitus automatisoida siten, että potilaita voisi auttaa hakemaan ammattiapua ennen kuin heidän tilansa muuttuu vakavaksi. Tiedon jalostaminen ja visualisointi helpottaisi terveydenhuollon ammattilaisten työtä ja antaisi heille yksityiskohtaisen kokonaiskäsityksen potilaan tilasta.

 

Tietojen yksityisyys taataan jo suunnitteluvaiheessa

Tutkimuksiin osallistuvien ihmisten ja etenkin potilaiden yksityisyys ja tietoturva ovat Aledavoodille ensiarvoisia seikkoja.

”Tiedonkeruumenetelmämme on suunniteltu alusta alkaen siten, ettei ihmisten yksityisyyttä vaaranneta. Se on tietenkin tärkeää koko digitaalisessa elämässämme. Tulevissa tutkimuksissa ja hoidossa menetelmillemme tehdään tiukka lääketieteellinen ja eettinen arviointi – toisin kuin kaikille niille vastaavaa tietoa kerääville puhelinsovelluksille, joita kuka tahansa voi ladata sovelluskaupoista ja joita ei ole validoitu tieteellisesti tai hyväksytty eettisesti. Meidän pitää varmistua siitä, että menetelmät tai sovellukset, joilla tietoa keräämme, todella tukevat potilaan hyvinvointia ja hoitoa”, Aledavood muistuttaa.

Talayeh Aledavood jatkaa tutkimustaan Helsingin seudun yliopistollisessa keskussairaalassa. Aledavood on saanut tutkijatohtoreille myönnettävän, arvostetun James S. McDonnell -apurahan, joka tukee hänen työtään seuraavan kolmen vuoden ajan.

Aledavood väitteli Aalto-yliopiston tietotekniikan laitoksella 5.12.2017. Hänen tutkimustaan on ohjannut professori Jari Saramäki.

Väitöskirja sähköisenä: Temporal patterns of human behavior.

 

Lisätietoja:

Talayeh Aledavood

[email protected]

puh. 050 56 32 634

 

Jari Saramäki, professori

[email protected]

puh. 040 525 4285

Lisää tästä aiheesta

Syväoppimismenetelmä auttaa tunnistamaan diabeteksen aiheuttamia silmäsairauksia.
Tutkimus ja taide Julkaistu:

Suomalaistutkijoiden kehittämä syväoppimismalli tunnistaa tarkasti diabeteksen aiheuttamia silmäsairauksia

Suomalaiset tekoälytutkijat ovat kehittäneet syväoppimismallin, josta voi olla merkittävää apua diabeteksen aiheuttamien silmäsairauksien tunnistamisessa.
Kansikuvat Verma ja Lee
Tutkimus ja taide Julkaistu:

Hyvää suunnittelua vauvasta vaariin

Aalto ARTSin elokuun väittelijät ratkaisevat ongelmia eri käyttäjäryhmät huomioonottavilla suunnittelumetodeilla.
Mika Juuti studied the use of machine learning in information security for his dissertation.
Tutkimus ja taide Julkaistu:

Tietoturvatutkijan täytyy osata ennakoida hyökkääjän seuraava askel

Tohtorikoulutettava Mika Juuti keskittyi väitöskirjassaan koneoppimisen hyödyntämiseen tietoturvajärjestelmissä.
Photoactive rod-like virus bundle schematic
Tiedotteet, Tutkimus ja taide, Yliopisto Julkaistu:

Virukset ja väriaineet voidaan valjastaa vedenpuhdistukseen

Aalto-yliopiston tutkijat kehittivät uuden tavan luoda viruspohjaisia materiaaleja. Tulevaisuudessa niitä voidaan hyödyntää muun muassa nanolääketieteessä ja ympäristöteknologiassa.
  • Julkaistu:
  • Päivitetty:
Jaa
URL kopioitu