The association between physical behaviour and chronic low back and neck pain: Acquiring data from the Norwegian HUNT4 Study

I den fjerde runden av Helseundersøkelsen i Nord-Trøndelag (HUNT4) har vi samlet inn objektive data på fysisk aktivitet fra 33 000 voksne. For å samle data benyttet vi to sensorer festet direkte på huden på høyre lår og nedre del av ryggen. Deltagerne gikk med sensorene i 7 dager. Ved hjelp av maskinlæringsmetoder har vi utviklet en datamodell som kan klassifisere tid med å sitte, stå, gå, løpe, sykle og ligge med ca. 95% nøyaktighet. Sammen med registreringene av fysisk aktivitet ble det i HUNT4 samlet inn en rekke andre helsedata, inkludert informasjon om smerter i nakken og korsryggen. Deltagerne fylte også inn en enkel dagbok for å angi start og slutt på arbeidsdagen. I dette prosjektet har vi fokusert på kvalitetssikring og ?rensing? av data (noen deltagere tok av en eller begge sensorene før 7 dager, noen sensorer hadde tekniske svakheter etc.). Videre har vi prosessert data med den mest oppdatert datamodellen for å klassifisere tid med ulike aktiviteter. I tillegg har vi ekstrahert noe helsedata som er relevant for å konstruere prognostiske modeller for nakke og ryggsmerter. Dataene vil i første omgang bli benyttet for å utvide og styrke et pågående EU prosjekt som er finansiert via Horisont 2020 programmet (prosjekttittel Back-UP) der NTNU er partner. Hovedmålet i EU prosjektet er å utvikle nye og mer presise prognostiske modeller for nakke- og ryggsmerter og dermed forbedre behandlingen av disse plagene. Dataene fra HUNT4 er unike og styrker vårt bidrag i prosjektet. Videre gir disse dataene oss en konkurransefordel med tanke på å tiltrekke nye EU finansierte prosjekter.

The data from HUNT4 has strengthened our contribution to the Back-UP project. Moreover, we are currently working on a new Horizon 2020 proposal where the unique data from HUNT4 play a major role.

The funding applied for in the current proposal will be used to acquire data on about 10 000 participants in the ongoing 4th survey of the Nord-Trøndelag Health Study (HUNT4). The data will be used to expand the ongoing EU-funded Back-UP project. In HUNT4, we are collecting 7-days physical behaviour data with two accelerometers attached to the skin on the right thigh and low back. By utilising state-of-the-art machine-learning techniques, we have developed a data model that classify time with sitting, standing, walking, running, cycling and lying down with an overall accuracy of about 95%. Along with the recordings of physical behaviour, a range of other relevant health parameters are collected in HUNT4, including pain in low back and neck. The HUNT4 data collection started in September 2017 and runs until February 2019. Based on the current participation rate, we will obtain objective measurements of physical behaviour from about 33 000 people. Thus, these data provide and a unique opportunity to study the association between physical behaviour and neck and/or low back pain. To establish the HUNT4 dataset, it is necessary to 1) perform a quality check and clean the data (e.g., some participants removed one or both sensors before the end of the 7-day recording, some sensor may have malfunctions etc.), 2) process the data with our most up-to-date model to classify time with different physical behaviours, and 3) extract a limited number of other health data relevant for the prognostic model. We foresee that 3-4 person-months are required to create the HUNT4 dataset. The dataset will have significant impact on the quality and potential impact of the prognostic models developed in Back-UP. Moreover, the uniqueness of the physical behaviour data in HUNT4, and the potential for ground-breaking research based on these data, will strengthen our possibilities for attracting further EU funding.