Ett bra verktyg med för liten marknad kan få en andra andning – ett hårdvaruhack med Zeo

Philipp Kalwies om sitt hårdvaruhack med Zeo (foto: Magnus Nilsson)

Vad händer när du hittat ett mätverktyg som du verkligen gillar – och tillverkaren lägger ned? Philipp Kalwies ville inte släppa sömnmätaren Zeo trots att företaget gått omkull. Nu gör han en kopia som släpps som öppen källkod.

På konferensen Quantified Self Europe 2015 i Amsterdam presenterade den tyske entreprenören Philipp Kalwies ett hårdvaruhack, där han löser det faktum att hans favoritprodukt gått ur tiden.

Philipp Kalwies använde Zeo, ett mätverktyg utformat som ett pannband. Philipp var väldigt nöjd med Zeo, inte minst för att att den data som Zeo resulterade i var väldigt precis samt att han faktiskt kunde få ut mycket av denna data. Framförallt kring sömn.

Men sensorerna i pannbandet var känsliga och behövdes bytas ut ofta, så produkten liknade egentligen en prenumererad tjänst. Man behövde i praktiken köpa ett nytt pannband var tredje månad. Det var lite bökigt, helt enkelt.

Inte blev det bättre av att Zeo gick omkull. Till en början kunde Philipp och andra entusiastiska användare hitta pannband på Ebay, men de blev allt dyrare – och till slut var naturligtvis tillgången tömd.

Men Philipp är inte den som ger sig så lätt. Han skickade en förfrågan på ett nätverk för frilansande utvecklare – fanns det möjligen någon som skulle kunna utveckla en kopia på Zeos pannband?

Det fanns det. Och nu har Philipp och hans utvecklarkontakt tagit fram en prototyp, en kopia som faktiskt till delar är lite bättre än originalet – eftersom tekniken gått framåt sedan Zeos dagar. De är inte riktigt i hamn än, men hoppas att snart ha löst de sista tekniska problemen.

Vad händer sen?

Om Philipp lyckas brotta ned de sista pusselbitarna, så är planen _inte_ att börja tillverka och sälja produkten som ”Zeo 2”. Philipp bedömer helt enkelt marknaden som alltför smal och han har dessutom fullt upp med sin vanliga verksamhet, Decimo.

Men däremot finns det ett intresse från andra tillverkare att komplettera sina produkter med Zeo, inte minst företag som verkar inom området sömn och mätning. Komponenterna i Zeo är mycket billiga, så att kunna lägga till ett riktigt precist mätverktyg till en annan produkt kan vara en attraktiv lösning. Om inte annat för att nå den målgrupp som är som Philipp.

Så när Philipp är klar med kopian av sin favoritprodukt så kommer hela projektet att publiceras som öppen källkod. Fritt för den som vill använda den att göra det – eller bygga vidare på den.

Kan mätning hjälpa anhöriga som vårdar sina närmaste – och får resultatet konsekvenser för vårdpolitiken?

Rajiv Mehta på konferensen Quantified Self Europe i Amsterdam (foto: Magnus Nilsson)

Många kroniskt sjuka och dementa vårdas av anhöriga. Ett amerikanskt projekt studerar hur mycket tid och energi som faktiskt går åt till att ta hand om en sjuk släkting. Och resultatet kan vara smärtsamt för vårdpolitiken.

I The Bay Area driver Rajiv Mehta ett projekt som heter Atlas of Caregiving. Rajiv har länge varit verksam inom området digital hälsa och han är själv aktiv i nätverket Quantified Self. Det har gjort att han knutit många kontakter inom alla områden som rör hälsa, inte minst bland patienter och anhöriga.

Rajiv har sett ett mönster – när vi talar om sjukvård, att ta hand om någon som har en sjukdom, så menar vi ofta bara toppen av ett isberg. Den vård som sker på sjukhus eller på annat sätt av vårdpersonal. Men den mesta vården sköts ju hemma, inte sällan av anhöriga.

Jämför med Sara Riggares tes, att 1 timme om året möter en kroniskt sjuk person en läkare. Resterande 8765 timmar hanterar du själv.

Men dementa och svårt sjuka äldre har ofta tillsyn av hemtjänst eller annan form av vård. Samt – inte minst – hjälp från anhöriga. Och eftersom vården ser helt annorlunda ut i USA än i Europa, så är det mycket vanligt att anhöriga har en stor del i det här pusslet.

Utgångspunkten för projektet är dessa:

1. Under lång tid har Rajiv observerat att anhöriga går på knäna av att ta hand om sina sjuka. Och många gånger kan det för dessa personer vara svårt att kommunicera att det är svårt och att det tar mycket tid. Man kanske inte ens själv ser hur stor insatsen är.

2. Finns det något i den kunskap om hälsa, mätning och uppföljning som finns i Quantified Self-rörelsen, som skulle kunna hjälpa anhöriga?

Första problemet var att rekrytera. Rajiv bedömde att man skulle behöva 12 anhöriga att studera, för att få en hanterbart underlag med hyfsad spridning. Patientorganisationerna var omedelbart på hugget och kom med motfrågan ”behöver ni inte fler, vi kan greja hur många som helst”. Men sedan blev det tyst.

Problemet med att rekrytera anhöriga genom patienter är – eller kan vara – att patienten själv inte tycker att han eller hon får så mycket hjälp. Det kan också vara stigmatiserande att säga att ens anhöriga hjälper en hela tiden. Och precis lika svårt att prata om att man är väldigt sjuk. Samtidigt har anhöriga fullt upp med att hjälpa, de orkar inte tänka på att vara med i ett forskningsprojekt.

Till slut gav ett nyhetsbrev från Family Caregiver Alliance resultat och Rajiv kunde börja sin studie.

Så vad gjorde man i projektet?

Varje anhörig / patient studerades intensivt under en och en halv dag. Dels antecknade den anhörige alla ”vårdhändelser”, dels utrustades de med olika mätverktyg. Bland annat användes Narrative, den lilla kamera som tar två bilder i minuten från t.ex. kavajslaget, och aktivitetsarmbandet Empatica E4 (som är godkänt i USA för medicinsk forskning). Dessutom satte man upp flera sensorer i försökspersonernas hem, allt för att få en så heltäckande bild som möjligt.

”I det här läget tittar vi på allt som vi kan mäta, men än så länge är det bara teoretiskt intressant. Vi vet ännu inte vad som är intressant att mäta”, säger Rajiv Mehta.

I den skrivna dagboken gjorde den anhörige anteckningar efter ett givet formulär. Här fyllde man i:

  • När man gjorde något
  • Hur länge
  • Vad man gjorde
  • Om andra personer var inblandade (t.ex. vårdpersonal)
  • Hur stor grad av hjälp som behövdes (t.ex. ‘lyfte mamma ur rullstolen’)
  • Samarbetsgrad (t.ex. ‘mamma protesterade vilt’)
  • Stressnivå

Självskattning kunde senare bekräftas eller korrigeras med hjälp av mätverktygen. Empatica gav viss hjälp med stressnivåerna, men deltagarna kunde ibland ange väldigt höga stressnivåer själva – något som inte kunde bekräftas med mätverktyget. Men framförallt kunde den ganska intensiva punktbevakningen finjusteras med hjälp av Narrative. Bildflödet gav också ett bra underlag i samtalen med de anhöriga, det blev lättare att prata om olika händelser och det gav möjlighet att berätta vidare om vad de olika situationerna betydde.

”Att få fram och visa ‘rikare data’ är en ögonöppnare för människor”, säger Rajiv. ”De har ofta ingen aning om hur mycket tid de lägger på att ta hand om sina sjuka”.

Projektet Atlas of Caregiving pågår fortfarande, inte minst i sin analysfas. Därför är Rajiv Mehta försiktig med att dra några slutsatser av det han hittills har sett. Men han menar att resultatet av den här kartläggningen också kan bli en ögonöppnare för de som har hand om den politik som formar vår offentliga vård.

”Vi bygger vår politik på det underlag vi har idag. Om vi får fram rikare data – vad händer då? När man inser att brukaren behöver 40 timmar istället för 20? Det är en utmaning för hela samhället.”

Hur kan man använda Fitbit? Så här får du ut mer av aktivitetsarmbandet

Ernesto Ramirez pratar om Fitbit på Quantified Self Europe 2015 (foto: Magnus Nilsson)

Du har skaffat ett aktivitetsarmband och du är intresserad av att prova nya saker. Produkten du köpt visar siffror och staplar, men vad får du ut av det – över tid? Ernesto Ramirez har tips och tricks för att använda Fitbit på fler sätt.

Ernesto Ramirez är en av personerna bakom nätverket Quantified Self och han är forskare i själ och yrke. Han har använt Fitbit sedan 2011. Under temat ”ha kul med din Fitbit” presenterade han på Quantified Self Europe i Amsterdam sina bästa tips om hur du kan förbättra din upplevelse av Fitbit.

Varför är det intressant? Fitbit är en av de vanligaste och mest kända produkterna för att mäta hälsa och aktivitet, och min gissning är att många användare – som jag – förstår att Fitbit mäter en hel del siffror på ett till synes korrekt sätt, men vet inte vad de ska få ut av all data. Utöver att titta på den.

När allt kommer omkring är antalet steg man tar under en dag en ganska begränsad uppgift.

Att tolka Fitbits siffror

Om du vill få ut mer meningsfullt (eller bara mer) ur din Fitbit så finns det flera sätt, beroende på hur angelägen, avancerad eller besatt du är. Det här är några av de sätt som Ernesto Ramirez nämnde på konferensen:

  • Exportera data. Fitbit införde gratis export så sent som i år. Det handlar om en 30-dagarsexport, dvs du kan exportera dina data från denna dag och en månad tillbaka i tiden. Varför kan man inte ladda ner all sin egen data? Ja, din gissning är lika bra som min. (Och om du vill, kan du använda en tjänst som kallas Fitbit Data Export.)
  • Använd tjänsten IFTTT. If This Then That är en onlinetjänst som efterliknar hur programmering fungerar (som ”När jag skriver ett inlägg på Twitter så publicera det som en uppdatering på Facebook”.) En bra källa för att använda IFTTT ihop med Fitbit är ifttt.com/fitbit.

Vad är intressant att mäta med Fitbit?

Du avgör förstås själv vad som är intressant att mäta. Men att veta vad som är intressant för en själv kan ibland vara svårt. Helt enkelt eftersom du inte vet vad du ska fråga efter. Här är det perfekt att använda tjänsten IFTTT och utforska de möjligheter som redan finns och ta reda på vad som passar dig.

Det finns färdiga IFTT-recept för att…

  • Tända lamporna när du vaknar.
  • Exportera din sömndata till ett Google-kalkylark.
  • Få en veckosammanfattning av dina aktiviteter till din inkorg.
  • Om du väger dig med Withings våg, kan du uppdatera din vikt på Fitbit.

Ernestos eget favoritrecept är att ”få en utskällning på telefon om jag inte uppnått mitt dagliga stegmål före 22:30”. Men du kan enkelt anpassa recepten på IFTTT för dina egna behov.

Om du är bekväm med att hantera lite kod själv, så är det bästa sättet att få tillgång till Fitbits data att använda deras API på dev.fitbit.com. Det är gratis och du kan få minut-för-minut-data till… ja, vad du nu vill göra med dina siffror.

Visualisering av Fitbits data

För att få ut något intressant ur mätning, så måste du kunna visa vad du mäter. Det är nyckeln till att förstå data. Här är några verktyg som du kan använda:

Använda Fitbit med andra appar

Det finns flera orsaker till att använda Fitbit med andra appar. Fitbit är bra för att samla in data, men du kanske har andra behov än de som finns i deras app eller vill kombinera Fitbits mätning med din favoritapp. En naturlig fråga är om man kan använda Fitbit med Apples HealthKit. Ernesto Ramirez säger att Fitbit ”inte vill vara snälla mot Apple”, så den kombinationen är inte tillgänglig för ögonblicket. Men det finns flera appar som sköter synkronisering, och de kostar bara några dollar.

Det bästa sättet att gräva djupare i Fitbit och alla dess möjligheter är att följa Reddits sida om Fitbit.

Använda Fitbit i forskning

Om du vill använda Fitbit i forskning, så finns det ett praktiskt verktyg som heter Fitabase. Det är en tjänst som bjuder in deltagare att registrera sig och mäta sin aktivitet med Fitbit, och du slipper krångla med datainsamling och sekretessproblem. Fitabase använder Fitbits API och dina deltagare loggar in på sina egna Fitbit-konton, så varken du eller Fitabase har tillgång till deltagarnas kontouppgifter.

Den här tjänsten är bara tillgänglig för forskare.

Du kan även streama data från Fitbit, men Ernesto tror att du kan behöva be Fitbit om lov för att få tillgång till den möjligheten.

Hur går vi vidare med att använda Fitbit?

Naturligtvis finns det mer att få ut av att använda Fitbit och att använda data från Fitbit utanför själva appen, men det här inlägget kanske kan vara en utgångspunkt. Kommentera gärna inlägget om du har förslag på vad man skulle kunna använda Fitbit till och om du har egna erfarenheter.

Länkar

Vad är Quantified Self? En introduktion till egenmätning

Diskussion under QS15, konferensen om Quantified Self i San Francisco 2015 (foto: Magnus Nilsson)

Idag kan vi ta reda på mycket mer om oss själva, än vad vi kunde förr. Och vi behöver inte be någon annan om lov. Det vi mäter och följer upp om oss själva kallas egenmätning, eller Quantified Self.

Under en längre tid har jag arbetat med medicinsk teknik och mobilutveckling i kombination.

Traditionellt har medicinsk teknik, eller MedTech som många pratar om idag, handlat om maskiner och proteser. Saker som man kan ta på. I allt större utsträckning är medicinsk teknik också program i en dator eller mobiltelefon.

I samma stund som man lämnar den traditionella, fysiska världen börjar man hantera data. Data är uppgifter om en patients namn och adress. Och blodvärden. Och andning. Och puls. Eller inget av detta, eller allt tillsammans.

Jag vet inte hur du tänker, men i alla fall för mig så faller det sig naturligt att tänka stort när man pratar om data. Hur kan man jämföra en persons data med uppgifter från en hel befolkning? Kan vi hitta mönster i den stora bilden – mönster som kanske är osynliga för människan, men som maskinen kan hitta…

Begreppet Quantified Self handlar om motsatsen till ivern att fokusera på stora samband. Ja, kanske inte motsatsen – men det handlar helt och hållet om att utgå från individen.

Man brukar prata om n = 1. Studien handlar om 1, om mig.

Quantified Self är en nischad folkrörelse, där individen mäter och följer upp sig själv. I många fall handlar det om hälsa – hur kan jag förbättra hur jag mår? – men i princip kan begreppet omfatta allt som varje enskild person vill (och kan) mäta. Och naturligtvis: man vill dra slutsatser av det man mäter.

Egenmätning kan vara att väga sig regelbundet och anteckna sin vikt på ett rutat papper. Det kan också vara att studera sin sömn (idag finns det många prylar som kan mäta hur du sover). Eller så är det att du skapar en systematisk bild över hur många e-brev du får, och vad du gör med dem.

Kärnan i Quantified Self är att reflektera över och analysera det du får fram. Självklart är det toppen att påverka sin situation baserat på det man lärt sig, men det får man så att säga ansvara för själv.

Den som vill kan mäta sig själv utan att bry sig om någon annan, men det finns också ett organiserat nätverk. De har en bra modell för hur man presenterar sitt ”projekt” för andra:

  1. Vad har jag gjort?
  2. Hur gjorde jag det?
  3. Vad har jag lärt mig?

Det kan vara så enkelt som att jag har velat springa snabbare, och därför tränat på snabba intervaller. Jag har tränat i olika miljöer och antecknat resultatet. Slutsatsen är att det är bättre för snabbheten att träna i lätt uppförsbacke. (Om det nu är det jag kommer fram till.)

På konferensen QS15 i San Francisco avdramatiserade Shannon Conners vad egenmätning är:

Vi börjar mäta redan från babyåldern, när våra föräldrar skaffar en ”Mitt första år-bok”.

Vän av ordning kanske ojar sig över att detta med att mäta sig själv bara är ett exempel på hur en vilsen medelklass försöker skapa mening i sina meningslösa liv. Det kanske är sant, vad vet jag? Men så här tycker jag om egenmätning:

  • Vi är fria att göra det vi tycker är intressant för oss själva.
  • På samma sätt som att n = 1 är n = 1000. Den enskildes egenmätning har relevans när fler mäter samma eller liknande saker. (Inte bara då, förstås.)
  • Den enskilde individens nyfikenhet och drivkraft kan inspirera till nya och hittills outforskade vinklar inom forskning, teknikutveckling – och samhället i stort.

Personligen har jag flera mätverktyg, framförallt aktivitetsarmband och appar. Jag använder dem självklart därför att jag är intresserad av hur de fungerar och jag jobbar med den branschen. Men egentligen är jag ganska ointresserad av min egen data. Långt mer intressant är hur andra har använt sin mätning för att nå nya insikter, hur reflektion kring ett problem många gånger leder till livsomvälvande lösningar. Det är därför jag följer de som är aktiva inom Quantified Self.

Som individ är man ju enskild, men inte ensam.

Stressad av inkorgen? Hitta mönster i mejlen

Mark Wilson på QS15 (foto: Magnus Nilsson)

Får du fler mejl än du kan hantera? Är du stressad av att du får svåra frågor som förblir obesvarade? Du är inte ensam. Mark Wilson satte siffror på stressen.

På konferensen QS15 höll utvecklaren Mark Wilson en presentation av ett flerårigt projekt där han försökte få en bild av hur han hanterar e-post och varför han känner sig stressad av inkorgen.

Mark arbetar på Yelp och han får, som andra i branschen, väldigt många mejl. Det kan röra sig om allt från viktiga meddelanden till sådana där mottagaren får en kopia för att ”det kan vara bra om du också har hört det här”.

I det här fallet handlar det inte så mycket om antalet mejl, som hanteringen av dessa. Mark Wilson kände sig stressad av att inte hinna med, och samtidigt gnagde en otrevlig känsla av att triviala uppgifter åtgärdades snabbt medan svåra frågor blev liggande.

Grunden i det här är att jag är en väldigt odisciplinerad människa. Jag har prövat att lyfta ut de viktiga sakerna ur mejlen och göra att-göra-listor, men de listorna har en tendens att bli begravningsplatser. I bakhuvudet vet jag att jag ändå tittar i mejlen.

Genom ett enkelt skript började Mark att logga sina mejl och diskussionstrådar. I backspegeln kan man se olika mönster.

  • Tydligast är att de flesta småsaker hanteras inom sex timmar. Generellt är Mark ganska snabb på att svara på och fixa uppgifter i mejl.
  • Högarna med riktigt viktiga mejl växer och flyttas fram. Under vissa perioder består inkorgen bara av viktiga ärenden, som Mark undviker och känner stress inför.
  • Även om det inte leder till att han gör något med mejlen, så kollar han sin e-post väldigt ofta.

Jag antog att antalet mejl skulle ge en statistisk bild över min stress, men egentligen var det mitt beteende som orsakade stressen.

När Mark under 2015 började förfina datainsamlingen, så var det initialt för att göra lite coolare grafer. Det gav istället plågsamma insikter i hur hans egentliga förhållande till mejlskörden ser ut:

Jag trodde att jag var dålig på mejl, men jag var besatt av mejl!

För Mark Wilson gav experimentet inte lösningen på problemet, han beskriver sig som fortsatt odisciplinerad. Men genom att sätta siffror på – och hitta mönster i – problemet har han fått en bild av den verkliga situationen. Och det gör det möjligt att också hitta lösningar.

Läs mer i Mark Wilsons blogginlägg Three Years of Logging My Inbox Count.