Coach4Health – Kehonkoostumuksen ja fyysisen kunnon ennusteiden toteutuminen Kuka minua liikuttaisi? - hyvinvointipilotin aikana

Read full text Summarise with VIRAT
Authors: Aleksi Kemppainen, Joonatan Pietikäinen
Cited by: 0
References: 9

Summary

No summary yet. VIRAT can read this paper and write a plain-language summary of its aim, methods, key findings and limitations.

Summarise with VIRAT Free to try with your Science Catalogs account.

Abstract

Coach4Health on Jyväskylän yliopiston kehittämä digitaalinen sovellus, joka ennustaa harjoittelun vaikutuksia kehonkoostumuksen ja fyysisen kunnon muuttujien osalta. Tämän tutkimuksen tarkoituksena oli selvittää, kuinka hyvin Coach4Health-sovelluksen antamat ennusteet vastaavat todellisia mit-taustuloksia Kuka minua liikuttaisi? -hyvinvointipilotin aikana. Hankkeen tavoitteena oli lisätä kainuulaisten työikäisten liikunta-aktiivisuutta ja tukea pysyvien elintapamuutosten syntymistä. Tutkimus toteutettiin määrällisenä ennen–jälkeen-asetelmana hyödyntäen valmista hankeaineistoa (N = 17). Coach4Health-sovelluksen loppuvaiheessa muodostamat ennusteet yhdistettiin loppumittauksissa mitattuihin arvoihin. Ennusteiden paikkansapitävyyttä arvioitiin ensisijaisesti keskivirheiden ja suhteellisten ennustevirheiden avulla sekä tukevasti Pearsonin korrelaatiokertoimen avulla. Tarkastellut muuttujat olivat paino, lihasmassa, rasvaprosentti, painoindeksi (BMI), maksimaalinen hapenottokyky (VO₂max) ja isometrinen maksimivoima. Tulosten perusteella sovelluksen ennusteissa havaittiin muuttujakohtaisesti merkittäviä keskivirheitä. Suurimmat suhteelliset virheet ilmenivät lihasmassan (−27,8 %) ja rasvaprosentin (+26,2 %) ennusteissa, mikä viittaa siihen, että sovellus arvioi kehonkoostumuksen muutoksia epätarkasti lyhyen interven-tiojakson aikana. Painon (−2,0 %) ja painoindeksin (−2,1 %) ennusteet olivat suhteellisesti tarkempia. VO₂maxin ennustevirhe oli keskimäärin 5,2 % ja maksimivoiman 1,6 %, mikä osoittaa maltillista poikkeamaa mitatuista arvoista. Pearsonin korrelaatioanalyysi osoitti kaikissa muuttujissa vahvan positiivisen yhteyden ennusteiden ja mitattujen arvojen välillä (r = 0,831–0,992, p < 0,001), mutta korkea korrelaatio ei sellaisenaan kuvannut ennusteiden todellista tarkkuutta. Tulokset korostavat, että ennusteiden arvioinnissa keskivirheet ja suhteelliset virheet antavat luotettavamman kuvan sovelluksen ennustetarkkuudesta kuin pelkkä korrelaatio. Johtopäätöksenä voidaan todeta, että Coach4Health-sovellus kuvaa muutosten suuntaa johdonmukaisesti, mutta ennusteiden absoluuttinen tarkkuus vaihtelee huomattavasti eri muuttujien välillä. Sovellus soveltuu tukevaksi työkaluksi liikuntaneuvontaan ja fyysisen aktiivisuuden seurantaan, mutta kehonkoostumuksen ennustemallin tarkkuutta tulisi kehittää ennen sen laajempaa hyödyntämistä yksilöllisessä ohjauksessa.

Fields of Study & Subjects

Physical Activity and Health Mobile Health and mHealth Applications Physical Education and Training Studies

Publication details

Journal / source
Theseus (Ammattikorkeakoulujen)
Publication date
1 January 2026
Language
FI
Document type
Thesis