Eine bedeutende Erweiterung von Gesundheitsdaten aus der realen Welt
Das Forschungsökosystem der USA hat diese Woche mit der Veröffentlichung des Wearable-Datensatzes des All of Us Research Program in Nature Medicine eine bemerkenswerte neue Datenressource erhalten. Laut der Studie enthält der Datensatz Fitbit-Daten von mehr als 59.000 Teilnehmenden über einen Zeitraum von 14 Jahren, darunter mehr als 39 Millionen Schrittbeobachtungen und 31 Millionen Schlafbeobachtungen. Nahezu die Hälfte der Teilnehmenden mit Fitbit-Daten steuerte außerdem elektronische Gesundheitsakten, körperliche Messwerte, Genomik und Umfragedaten bei.
Diese Kombination macht die Veröffentlichung zu weit mehr als einer großen Sammlung von Auslesewerten aus Consumer-Geräten. Sie schafft einen multimodalen Datensatz, der potenziell alltägliche Verhaltens- und physiologische Signale mit klinischen Ergebnissen, demografischem Kontext und molekularen Daten verbinden kann. Für Forschende, die digitale Biomarker, Schlaf, Bewegung, das Risiko chronischer Krankheiten und die Gesundheit von Bevölkerungen untersuchen, ist der Umfang bedeutend.
Warum dieser Datensatz wichtig ist
Wearables gelten seit Langem als Möglichkeit, die medizinische Forschung über die Momentaufnahmen aus Praxisbesuchen hinauszuführen. Geräte können kontinuierliche, reale Informationen über Bewegung, Schlaf und Verhalten im Zeitverlauf erfassen. Doch viele Wearable-Datensätze haben eine große Schwäche: Sie sind oft auf Bevölkerungsgruppen verzerrt, die solche Geräte bereits eher kaufen und nutzen, typischerweise wohlhabendere und weniger diverse Gruppen.
Das All of Us Paper adressiert dieses Problem ausdrücklich. Die Autorinnen und Autoren rahmen die Ressource als einen der bislang größten und demografisch reichsten Datensätze für digitale Gesundheitstechnologie. Die Mission des Programms bestand darin, eine Forschungskohorte aufzubauen, die Bevölkerungen besser abbildet, die in der biomedizinischen Forschung historisch unterrepräsentiert waren. Wenn der Wearable-Bereich diese Anforderungen erfüllt, könnte er helfen, eine der hartnäckigsten Lücken der digitalen Medizin zu schließen: die Diskrepanz zwischen denen, die die Daten erzeugen, und denen, die von den daraus gewonnenen Erkenntnissen profitieren sollen.
