Tracking von Situationen der Funktionsfähigkeit für Gesunde Langlebigkeit (TRACK)

Gruppenleiter:innen: Dr. Christina Röcke, Dr. Susan Mérillat, Prof. Dr. Mike Martin

Gruppenmitglieder: Dr. Minxia Luo

Projekte

Mobilität, Aktivität und soziale Interaktionen im Leben von gesunden älteren Erwachsenen (MOASIS-Projekt)

Längsschnittliches Datenbankprojekt zum gesunden Altern des Gehirns (LHAB) - Bald verfügbar

Überblick

TRACK stützt sich auf eine einzigartige Forschungskompetenz bei der Erkennung von Situationen in Echtzeit und in der realen Welt, die es dem Einzelnen ermöglichen, das zu erreichen, was er zu Recht schätzt (was die WHO als Situationen der funktionalen Fähigkeit bezeichnet), sowie auf die einzigartige Technologie der multiskaligen Datenerweiterung und analytischen Integration. In Zusammenarbeit mit dem Privatsektor fördert diese F&I-Gruppe Innovationen im Bereich der Erkennung von Situationen gesunder Langlebigkeit, Echtzeit-Feedback, just-in-time adaptive Entscheidungsunterstützung und Interventionen und trägt somit zur Optimierung des individuellen Managements von Gesundheitssituationen (Funktionsfähigkeit) bei.

Angewandte Forschung und Innovationspotenzial

TRACK betreibt angewandte Forschung zur Erkennung von Situationen, in denen Individuen soziale, kognitive oder physische Aktivitäten ausführen, und setzt diese mit den zugrunde liegenden situativen Gelegenheitsstrukturen in Beziehung. Auf diese Weise ist die Gruppe in der Lage, individuelle Aktivitäten zu kontextualisieren (z. B. kognitives Engagement und Wahlmöglichkeiten zu kombinieren, um Entscheidungsaktivitäten zu erkennen) und somit Situationen zu identifizieren, in denen der Einzelne das erreicht oder nicht erreicht hat, was er zu tun wünscht. In enger Zusammenarbeit mit Forschungs- und Industriepartnern werden die Innovationen bei der Definition und Erkennung solcher Situationen zunehmend verfeinert. Weitere Innovationen beziehen sich auf die Umsetzung der Situationserkennung in benutzerfreundliches Feedback und Entscheidungsunterstützung.

Datenzugang und -austausch

TRACK verwendet Datensätze mit hoher Dichte in mehreren Bereichen und Skalen, die eine Vielzahl von Daten umfassen (von hochauflösenden Hirndaten bis hin zu komplexen Exposomendarstellungen von Sensoren, Trackern und Hörgeräten), die von gesunden älteren Menschen stammen.