Mia Health introduserer AQ fra NTNU

De fleste av oss har et forhold til IQ som et mål på intelligens. I samarbeid med NTNU presenterer vi nå AQ, en helt ny måte å måle fysisk aktivitet på.

Større helseeffekter

Den 4. april holdt Helsedirektoratet pressekonferanse. De presenterte sin nye rapport om fysisk aktivitet og helseeffekter (1). Et stjernelag av forskere hadde bidratt til å analysere aktivitetsnivået til 32 millioner mennesker fra hele verden. De viktigste resultatene kan oppsummeres kort i to punkter som de aller fleste egentlig vet fra før:

1. All fysisk aktivitet er bra for helsa. Den største helsegevinsten får helt inaktive som begynner å bevege seg litt mer enn før.
2. Jo mer aktiv man er, i alle fall opp til et visst nivå, jo bedre er det for helsa.

Det som først og fremst er nytt, er at den dokumenterte helseeffekten av fysisk aktivitet er enda større enn det man har vist i tidligere beregninger. Årsaken er åpenbar: Jo mer data man har tilgjengelig, jo sikrere estimater kan man gi.

I de nye beregningene har Helsedirektoratet like stort datagrunnlag som om de skulle ha fulgt hele Norges befolkning gjennom 30 år!

Dermed kunne de den 4. april med stor sikkerhet fortelle oss at personer som er "ekstra fysisk aktive" gjennom store deler av livet, ... :

1. ... har 73 % lavere risiko for å dø før det som forventes, sammenlignet med personer som er fysisk inaktive mesteparten av livet.
2. ... i snitt lever 6,5 år lenger og har 13 flere friske leveår enn inaktive.

Mer raffinerte aktivitetsråd

I Australia var arbeidsdagen allerede over da Helsedirektoratet presenterte rapporten sin. Men NTNU-professor Ulrik Wisløff, leder av Cardiac Exercise Research Group (CERG), var fortsatt på jobb. Han nikket anerkjennende til de nye tallene.

Selvsagt kjente han godt til resultatene fra før. Han er tross alt en av verdens mest innflytelsesrike kapasiteter innen fysisk aktivitet og helse. Hans mangeårige kollega og nestleder i CERG, professor Dorthe Stensvold, var dessuten med i ekspertgruppa som jobbet sammen med Helsedirektoratet om den nye rapporten.

Men for Ulrik kunne ikke timingen ha vært bedre. For det er ikke bare Helsedirektoratet som har fått mer forskningsdata å basere estimatene sine på det siste tiåret.

Det har Ulrik og CERG også.

Professor Wisløff, mannen bak Kondiskalkulatoren og PAI, har nemlig brukt deler av forskningsoppholdet sitt i Australia det siste året til å forberede NTNUs neste nyvinning. Og nok en gang vil han ha med Mia Health på laget.

Med større forskningsgrunnlag kan man gi enda mer raffinerte råd om hvor fysisk aktive vi bør være for å ta best mulig vare på vår egen helse. Helsedirektoratet definerer det som "ekstra fysisk aktiv". Ulrik – og Mia Health – definerer det som 100 AQ.

Fra PAI til AQ

Det har gått åtte år siden Ulrik lanserte PAI, algoritmen som forlenger og forenkler livet. PAI har vært en suksesshistorie – med millioner av brukere fra hele verden. Men det kanskje fremste kjennetegnet på Ulriks forskerkarriere er nettopp drivkraften til å gjøre ting enda bedre.

Fra 5000 til én million

For i årene siden 2016 har det skjedd enormt mye. Da Ulrik og NTNU estimerte 100 PAI til å være den optimale treningsmengden, var utgangspunktet data fra under 5000 trøndere (2). I den store sammenhengen er ikke det så veldig mange.

Og selv om 100 PAI senere har blitt bekreftet som et svært godt mål på anbefalt aktivitetsnivå i en rekke studier med hundretusenvis av deltakere (3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13), har ikke noe av denne forskningen utfordret hypotesen om at PAI er det absolutt optimale målet på fysisk aktivitetsnivå.

Det er nettopp det Ulrik nå har gjort. AQ nøyer seg ikke med 5000 trøndere. AQ er laget på bakgrunn av data fra mer enn en million menn og kvinner fra store deler av verden, inkludert Norge, USA, Australia, Kina og Taiwan.

Fra spørreskjema til pulsklokker

Men AQ er ikke bare basert på informasjon fra flere mennesker enn PAI. De trønderske målene på fysisk aktivitetsnivå og treningsintensitet er supplert med andre måter å samle inn data på i andre befolkninger. Fundamentet i den nye algoritmen består dermed av flere nivåer med aktivitetsdata. Flere datapunkter gir en mer komplett algoritme med færre kilder til unøyaktighet.

Og der PAI-algoritmen utelukkende tok utgangspunkt i data fra spørreskjema hvor folk har svart hvor aktive de pleier å være, nyter AQ godt av at det nå er samlet inn døgnkontinuerlige pulsmålinger fra store befolkningsgrupper over flere år.

Den aktivitetsmengden folk selv oppgir, er nemlig slett ikke alltid helt lik den faktiske aktiviteten de gjennomfører. For eksempel har det vist seg at folk flest tilbringer mye mer tid med rolig aktivitet enn det de rapporterer når de svarer på spørreskjema. Objektive aktivitetsdata fra smartklokker gir forskere langt bedre grunnlag for å gjøre presise beregninger av det reelle aktivitetsnivået til alle som har svart på spørreskjemaer.

AQ > PAI

Den første AQ-forskningen er allerede klar, og Ulrik og hans CERG-kolleger jobber nå med den første forskningsartikkelen om AQ. Den sammenligner blant annet helsegevinsten av 100 PAI med helsegevinsten av 100 AQ. Vi har ikke lov til å røpe alt før forskningen er publisert, men man trenger ikke være spåmann for å skjønne hovedkonklusjonen:

100 PAI er bra for helsa. Men 100 AQ er enda bedre.

En mer brukervennlig algoritme

Det er Ulrik Wisløff, CERG og NTNU som gir oss AQ og forskningen bak, men i Mia Health er vi stolte av å kunne si at denne algoritmen er litt vår, også.

For årene med PAI har lært oss mye. Algoritmen har åpenbare styrker, men også noen svakheter når det kommer til brukervennlighet. Det siste året har vi i Mia Health tatt imot flere tusen henvendelser fra dere som bruker appen vår. Og i Mia Health tar vi brukerne på alvor.

Så da Ulrik kom til oss med den nye formelen sin, gav vi innspill til hvordan algoritmen kan implementeres best mulig i Mia Health-appen.

Det vil fortsatt være summen av utholdenhetstreningen du gjør hver uke, som utgjør din totale AQ. Det vil fortsatt være din helt spesifikke pulsprofil som legger grunnlaget for hvor høy AQ du har. I likhet med PAI vil AQ fortsatt møte deg på ditt nivå og dra deg sakte mot sikkert mot bedre form, ut fra dine forutsetninger. Og vi setter fortsatt 100 som minstemålet for å oppnå maksimal helseeffekt.

Med AQ gjør vi det derimot lettere å forstå hvordan du kommer deg til 100. For eksempel vil summen av all AQ du har tjent de siste sju dagene, alltid være lik din totale AQ i Mia Health-appen. Slik er det ikke med PAI. Og mens du tjener AQ, vil appen vår oppdatere deg med svar på de spørsmålene som måtte dukke opp underveis.

AQ i september

Nå tipper vi en del av dere lurer på hva som er forskjellen mellom PAI og AQ i praksis. Vil det være vanskeligere eller lettere å oppnå 100 AQ enn det har vært å oppnå 100 PAI?

Men det er det umulig for oss å vite svaret på, for det kommer helt an på deg og aktivitetsmønsteret ditt. I arbeidet med å utvikle AQ oppdaget Ulrik Wisløff at PAI har belønnet noen aktivitetsrutiner mer enn de fortjener, mens andre typer treningsvaner har blitt avspist med for få poeng.

Nytt NTNU-flaggskip

AQ retter opp disse skjevhetene. De av dere som har innarbeidet gode treningsrutiner, vil kanskje ikke merke så stor forskjell på hvor mye som skal til. Andre kan nok få seg en liten overraskelse. 

Svaret får du uansett i september, for da kan du begynne å måle din AQ med Mia Health. Og når algoritmen er på plass i appen, følger vi opp med en ny bloggpost som gir deg inngående detaljer om hvordan du tjener dine AQ.

Du vil kjenne igjen mye fra tida med PAI. Men en del vil også være annerledes.

Da Mia Health-appen ble lansert i april 2023, var vi stolte av å kunne gi deg PAI, det mest nøyaktige målet som fantes på helseeffekten av din fysiske aktivitet. PAI har motivert enormt mange mennesker over hele verden til å bli mer fysisk aktive – og vil alltid være en viktig del av NTNUs og Mia Healths historie. 

Men nå finnes AQ. Og AQ er ikke PAI. AQ er mer nøyaktig enn PAI. AQ er mer brukervennlig enn PAI. AQ er rett og slett NTNUs nye flaggskip innen objektiv måling av fysisk aktivitet og helseeffektene av aktiviteten man gjør.

Og AQ måler du kun med Mia Health.

Referanseliste:

1. Kunst, N., Sælensminde, K., & Belander, O. (2024). Vunne leveår og helsetapsjusterte leveår (DALYs) ved fysisk aktivitet.

2. Nes, B. M., Gutvik, C. R., Lavie, C. J., Nauman, J., & Wisløff, U. (2017). Personalized activity intelligence (PAI) for prevention of cardiovascular disease and promotion of physical activity. The American journal of medicine, 130(3), 328-336.
3. Zisko, N., Skjerve, K. N., Tari, A. R., Sandbakk, S. B., Wisloff, U., Nes, B. M., & Nauman, J. (2017). Personal Activity Intelligence (PAI), Sedentary Behavior and Cardiovascular Risk Factor Clustering-The HUNT Study. Progress in Cardiovascular Diseases.
4. Kieffer, S. K., Zisko, N., Coombes, J. S., Nauman, J., & Wisløff, U. (2018) Personal Activity Intelligence and Mortality in Patients with Cardiovacular Disease: The HUNT Study. Mayo Clinic Proceedings, 92(5), 1191-1201
5. Kieffer, S. K., Croci, I., Wisløff, U., & Nauman, J. (2018). Temporal Changes in a Novel Metric of Physical Activity Tracking (Personal Activity Intelligence) and Mortality: The HUNT Study, Norway. Progress in Cardiovascular Diseases.
6. Nauman, J., Nes, B. M., Zisko, N., Revdal, A., Myers, J., Kaminsky, L. A., & Wisløff, U. (2019). Personal activity intelligence (PAI): A new standard in activity tracking for obtaining a healthy cardiorespiratory fitness level and low cardiovascular risk. Progress in Cardiovascular Diseases.
7. Nauman, J., Sui, X., Lavie, C. J., Wen, C. P., Laukkanen, J. A., Blair, S. N., Dunn, P., Arena, R., & Wisløff, U. (2020). Personal activity intelligence and mortality – Data from the Aerobics Center Longitudinal Study. Progress in Cardiovascular Diseases.
8. Nauman, J., Arena, R., Zisko, N., Sui, X., Lavie, C. J., Laukkanen, J. A., Blair, S. N., Dunn, P., Nes, B. M., Tari, A. R., Stensvold, D., Whitsel, L. P., & Wisløff, U. (2020). Temporal changes in personal activity intelligence and mortality: Data from the aerobics center longitudinal study. Progress in Cardiovascular Diseases.
9. Kieffer, S. K., Nauman, J., WSyverud, K., Selboskar, H., Lydersen, S., Ekelund, U., & Wisløff, U. (2021). Association between Personal Activity Intelligence (PAI) and body weight in a population free from cardiovascular disease – The HUNT study. The Lancet Regional Health-Europe, 5, 100091.
10. Nauman, J., Franklin, B. A., Nes, B. M., Sallis, R. E., Sawada, S. S., Marinovic, J., Stensvold, D., Lavie, C. J., Tari, A. R., & Wisløff, U. (2021) Association Between Personal Activity Intelligence and Mortality: Population-Based China Kadoorie Biobank Study. Mayo Clinic Proceedings
11. Tari, A. R., Selbæk, G., Franklin, B. A., Bergh, S., Skjellegrind, H., Sallis, R. E., Bosnes, I., Stordal, E., Ziaei, M., Lydersen, S., Kobro-Flatmoen, A., Huuha, A. M., Nauman, J., & Wisløff, U. (2022). Temporal changes in personal activity intelligence and the risk of incident dementia and dementia related mortality: A prospective cohort study (HUNT). eClinicalMedicine, 52, 101607.
12. Hammer, P., Tari, A. R., Franklin, B. A., Wen, C.-P., Wisløff, U., & Nauman, J. (2022). Personal Activity Intelligence and Ischemic Heart Disease in a Healthy Population: China Kadoorie Biobank Study. Journal of Clinical Medicine.
13. Gao, W., Sanna, M., Chen, Y. H., Tsai, M. K., & Wen, C. P. (2024). Occupational Sitting Time, Leisure Physical Activity, and All-Cause and Cardiovascular Disease Mortality. JAMA Network Open, 7(1), e2350680-e2350680.