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 Aktivitäten und Situationen im realen Alltagskontext (d.h. ausserhalb des Labors), die für einzelne Personen individuell bedeutsam und wichtig sind (was die WHO im Rahmenmodell zum gesunden Altern als «funktionale 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 Aktivitäten und Situationen gesunden Alterns und gesunder Langlebigkeit, Echtzeit-Feedback, zeitlich und räumlich kontextualisierte ('just-in-time adaptive') Entscheidungsunterstützung und Interventionen und trägt somit zur Optimierung des kontextbezogenen, individuellen Gesundheitsmanagements (im Sinne funktionaler Fähigkeit) bei.

Angewandte Forschung und Innovationspotenzial

TRACK betreibt grundlagenwissenschaftliche und angewandte Forschung zur Untersuchung sozialer, kognitiver, räumlicher oder physischer Aktivitäten des täglichen Lebens und ihres Zusammenspiels innerhalb von Individuel 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 einzelne Personen das erreichen oder nicht erreicht haben, was sie zu tun wünschen und wertschätzen - sowie Aktivitäten in unterschiedliche Umweltkontexte zu integrieren. In enger Zusammenarbeit mit Forschungs- und Industriepartnern werden die Innovationen bei der Definition und Erkennung solcher Aktivitäten und 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.