Een real-world dataset voor het detecteren van handen wassen in het dagelijks leven met polsbeweginggegevens van wearables

Handen wassen, gezondheid in de gaten houden

De meesten van ons wassen hun handen zonder er veel bij stil te staan. Voor mensen die in ziekenhuizen werken of met voedsel omgaan, en voor mensen met een obsessieve-compulsieve stoornis (OCS), kan handen wassen van invloed zijn op gezondheid, veiligheid en het dagelijks leven. Deze studie introduceert een nieuw type gegevensbron: wekenlange real-world opnames van polsgevoerde sensoren die zowel alledaags als dwangmatig handen wassen vastleggen. Het doel is toekomstige smartwatches te helpen herkennen wanneer we onze handen wassen — en uiteindelijk het onderscheid te maken tussen gezonde routines en door angst gedreven rituelen.

Waarom handen wassen zo belangrijk is

Schone handen zijn een van de eenvoudigste verdedigingslinies tegen infecties, thuis, in een kliniek of in een bedrijfskeuken. Toch is handen wassen buiten gecontroleerde omgevingen verrassend moeilijk te monitoren. Bestaande systemen vertrouwen vaak op camera’s bij gootstenen of op sensoren die in specifieke werkplekken zijn geïnstalleerd, wat opdringerig kan zijn, privacyvragen oproept of simpelweg niet schaalbaar is voor het dagelijks leven. Tegelijkertijd is handen wassen voor veel mensen met OCS niet alleen hygiëne: het kan een tijdrovende, pijnlijke reactie worden op overweldigende angst voor besmetting. Hun wasgedrag kan veel frequenter en langer zijn dan nodig, wat leidt tot beschadigde huid en een lagere levenskwaliteit. Een technologie die betrouwbaar handen wassen detecteert terwijl het natuurlijk gebeurt, zou daarom twee heel verschillende behoeften kunnen dienen: controleren of professionals voldoende wassen en patiënten helpen herkennen wanneer wassen door angst in plaats van nood wordt gestuurd.

Een maand leven aan de pols

Om een realistisch beeld te krijgen van handen wassen in het wild, rekruteerden de onderzoekers 22 volwassenen in Zwitserland die gediagnosticeerd waren met dwangmatig handen wassen bij OCS. Elke persoon droeg gedurende vier weken een Android-gebaseerde smartwatch aan de pols, met als doel minstens zes uur per dag. Het horloge registreerde subtiele polsbewegingen 50 keer per seconde met ingebouwde bewegingssensoren, vergelijkbaar met die in fitnesstrackers. Telkens wanneer deelnemers hun handen hadden gewassen, tikten ze op een knop op het horloge en beantwoordden daarna een paar korte vragen: was deze wasbeurt dwangmatig of routine, hoe sterk was hun drang om te wassen en hoe gespannen voelden ze zich (allemaal op een schaal van 1–5). Elke avond vroeg het horloge hen ook te beoordelen hoe vaak en hoe intens ze die dag gewassen hadden en hoe vaak ze eraan hadden gedacht wasbeurten te bevestigen.

Rommelige dagen omzetten in bruikbare data

Het echte leven is rommelig: mensen vergeten apparaten te dragen, kranen kunnen verkeerd worden gelabeld en horloges liggen op tafels en registreren niets dan stilte. Het team ontwierp daarom een uitgebreid schoonmaak- en labelingsproces. Ze verwijderden volledige opnames wanneer er duidelijk geen beweging was of wanneer bestanden te kort of beschadigd waren, en markeerden lange perioden van inactiviteit zodat andere onderzoekers deze eenvoudig konden overslaan. Omdat elke knopdruk slechts één tijdpunt gaf, moesten de wetenschappers afleiden wanneer elke wasbeurt begon en eindigde. Eerst schatten ze typische wasduur op basis van een gesuperviseerd voorbeeld in het lab, daarna verfijnden ze de labels met een schuivend tijdvenster en, voor zes zorgvuldig geselecteerde deelnemers, door grondige handmatige herlabeling door getrainde annotatoren die de bewegingssporen visueel inspecteerden. Het eindresultaat is de OCDetect-dataset: ongeveer 2.600 uur aan alledaagse activiteit, inclusief ruwweg 31 uur handen wassen uitgespreid over 2.930 wasbeurten, bijna gelijk verdeeld tussen zelfaangegeven routine- en dwangmatige gebeurtenissen.

Machines leren wassen te herkennen

Met deze dataset testte het team hoe goed standaard machine-learningmethoden handen wassen konden onderscheiden van al het andere wat mensen gedurende een dag doen. Dit is een grote uitdaging: wassen vormt slechts ongeveer 1% van de opgenomen tijd en mensen wassen op zeer verschillende manieren. Met korte vijfsecondenvensters bewegingsdata en een verzameling eenvoudige kenmerken — zoals hoe sterk of haperend de bewegingen waren — trainden ze klassieke modellen zoals random forests en gradient boosting. Deze modellen werden streng geëvalueerd, altijd getest op deelnemers die de algoritmen nog nooit eerder hadden gezien. De beste opzet behaalde een F1-score tot 0,77 (gemiddeld ongeveer 0,33 over personen), ruim boven toeval, bij de simpele beslissing “handen wassen of niet.” Echter, wanneer de taak was routine te onderscheiden van dwangmatig wassen, daalde de prestatie tot toevalsniveau. Met andere woorden: huidige bewegingspatronen alleen geven niet betrouwbaar de emotionele redenen achter een wasbeurt prijs.

Wat dit betekent voor toekomstige smartwatches

Voor leken is de boodschap tweeledig. Ten eerste hebben smartwatches nu al genoeg sensorkracht om de meeste wasbeurten in het dagelijks leven te herkennen, zelfs tegen de rumoerige achtergrond van lopen, koken of werken. Ten tweede is weten waarom iemand wast — of het voor hygiëne is of gedreven door OCS-gerelateerde angst — veel moeilijker dan alleen weten dat iemand wast. De OCDetect-dataset, nu openbaar beschikbaar, biedt onderzoekers een realistische, open gedeelde basis om detectiemethoden te verbeteren, geavanceerdere modellen te verkennen en bewegingsdata te combineren met andere aanwijzingen of klinische inzichten. In de loop van de tijd kan dit de weg openen voor hulpmiddelen die op een zachte manier zowel infectiebestrijding als therapie voor OCS ondersteunen, terwijl ze privacyvriendelijk en onopvallend aan de pols blijven.

Bronvermelding: Burchard, R., Kirsten, K., Miché, M. et al. A Real-World Dataset for detecting Handwashing in daily Life using Wrist Motion Data from Wearables. Sci Data 13, 179 (2026). https://doi.org/10.1038/s41597-026-06698-2

Trefwoorden: handen wassen, wearable sensoren, obsessieve-compulsieve stoornis, smartwatch-gegevens, herkenning van menselijke activiteit