Abstract Inertial sensors are devices that measure movement, and therefore, when they are attached to a body, they can be used to measure human movements. In this thesis, data from these sensors are studied to recognize human activities user-independently. This is possible if the following two hypotheses are valid: firstly, as human movements are dissimilar between activities, also inertial sensor data between activities is so different that this data can be used to recognize activities. Secondly, while movements and inertial data are dissimilar between activities, they are so similar when different persons are performing the same activity that they can be recognized as the same activity. In this thesis, pattern recognition -based solutions are applied to inertial data to find these dissimilarities and similarities, and therefore, to build models to recognize activities user-independently. Activity recognition within this thesis is studied in two contexts: daily activity recognition using mobile phones, and activity recognition in industrial context. Both of these contexts have special requirements and these are considered in the presented solutions. Mobile phones are optimal devices to measure daily activity: they include a wide range of useful sensors to detect activities, and people carry them with them most of the time. On the other hand, the usage of mobile phones in active recognition includes several challenges; for instance, a person can carry a phone in any orientation, and there are hundreds of smartphone models, and each of them have specific hardware and software. Moreover, as battery life is always as issue with smartphones, techniques to lighten the classification process are proposed. Industrial context is different from daily activity context: when daily activities are recognized, occasional misclassifications may disturb the user, but they do not cause any other type of harm. This is not the case when activities are recognized in industrial context and the purpose is to recognize if the assembly line worker has performed tasks correctly. In this case, false classifications may be much more harmful. Solutions to these challenges are presented in this thesis. The solutions introduced in this thesis are applied to activity recognition data sets. However, as the basic idea of the activity recognition problem is the same as in many other pattern recognition procedures, most of the solutions can be applied to any pattern recognition problem, especially to ones where time series data is studied. / Tiivistelmä Liikettä mittaavista antureista, kuten kiihtyvyysantureista, saatavaa tietoa voidaan käyttää ihmisten liikkeiden mittaamiseen kiinnittämällä ne johonkin kohtaan ihmisen kehoa. Väitöskirjassani tavoitteena on opettaa tähän tietoon perustuvia käyttäjäriippumattomia malleja, joiden avulla voidaan tunnistaa ihmisten toimia, kuten käveleminen ja juokseminen. Näiden mallien toimivuus perustuu seuraavaan kahteen oletukseen: (1) koska henkilöiden liikkeet eri toimissa ovat erilaisia, myös niistä mitattava anturitieto on erilaista, (2) useamman henkilön liikkeet samassa toimessa ovat niin samanlaisia, että liikkeistä mitatun anturitiedon perusteella nämä liikkeet voidaan päätellä kuvaavan samaa toimea. Tässä väitöskirjassa käyttäjäriippumaton ihmisten toimien tunnistus perustuu hahmontunnistusmenetelmiin ja tunnistusta on sovellettu kahteen eri asiayhteyteen: arkitoimien tunnistamiseen älypuhelimella sekä toimintojen tunnistamiseen teollisessa ympäristössä. Molemmilla sovellusalueilla on omat erityisvaatimuksensa ja -haasteensa. Älypuhelimien liikettä mittaavien antureihin perustuva tunnistus on haastavaa esimerkiksi siksi, että puhelimen asento ja paikka voivat vaihdella. Se voi olla esimerkiksi laukussa tai taskussa, lisäksi se voi olla missä tahansa asennossa. Myös puhelimen akun rajallinen kesto luo omat haasteensa. Tämän vuoksi tunnistus tulisi tehdä mahdollisimman kevyesti ja vähän virtaa kuluttavalla tavalla. Teollisessa ympäristössä haasteet ovat toisenlaisia. Kun tarkoituksena on tunnistaa esimerkiksi työvaiheiden oikea suoritusjärjestys kokoamislinjastolla, yksikin virheellinen tunnistus voi aiheuttaa suuren vahingon. Teollisessa ympäristössä tavoitteena onkin tunnistaa toimet mahdollisimman tarkasti välittämättä siitä kuinka paljon virtaa ja tehoa tunnistus vaatii. Väitöskirjassani kerrotaan kuinka nämä erityisvaatimukset ja -haasteet voidaan ottaa huomioon suunniteltaessa malleja ihmisten toimien tunnistamiseen. Väitöskirjassani esiteltyjä uusia menetelmiä on sovellettu ihmisten toimien tunnistamiseen. Samoja menetelmiä voidaan kuitenkin käyttää monissa muissa hahmontunnistukseen liittyvissä ongelmissa, erityisesti sellaisissa, joissa analysoitava tieto on aikasarjamuotoista.

Abstract In recent years, facial expression recognition has become a useful scheme for computers to affectively understand the emotional state of human beings. Facial representation and facial expression recognition under unconstrained environments have been two critical issues for facial expression recognition systems. This thesis contributes to the research and development of facial expression recognition systems from two aspects: first, feature extraction for facial expression recognition, and second, applications to challenging conditions. Spatial and temporal feature extraction methods are introduced to provide effective and discriminative features for facial expression recognition. The thesis begins with a spatial feature extraction method. This descriptor exploits magnitude while it improves local quantized pattern using improved vector quantization. It also makes the statistical patterns domain-adaptive and compact. Then, the thesis discusses two spatiotemporal feature extraction methods. The first method uses monogenic signal analysis as a preprocessing stage and extracts spatiotemporal features using local binary pattern. The second method extracts sparse spatiotemporal features using sparse cuboids and spatiotemporal local binary pattern. Both methods increase the discriminative capability of local binary pattern in the temporal domain. Based on feature extraction methods, three practical conditions, including illumination variations, facial occlusion and pose changes, are studied for the applications of facial expression recognition. First, with near-infrared imaging technique, a discriminative component-based single feature descriptor is proposed to achieve a high degree of robustness and stability to illumination variations. Second, occlusion detection is proposed to dynamically detect the occluded face regions. A novel system is further designed for handling effectively facial occlusion. Lastly, multi-view discriminative neighbor preserving embedding is developed to deal with pose change, which formulates multi-view facial expression recognition as a generalized eigenvalue problem. Experimental results on publicly available databases show that the effectiveness of the proposed approaches for the applications of facial expression recognition. / Tiivistelmä Kasvonilmeiden tunnistamisesta on viime vuosina tullut tietokoneille hyödyllinen tapa ymmärtää affektiivisesti ihmisen tunnetilaa. Kasvojen esittäminen ja kasvonilmeiden tunnistaminen rajoittamattomissa ympäristöissä ovat olleet kaksi kriittistä ongelmaa kasvonilmeitä tunnistavien järjestelmien kannalta. Tämä väitöskirjatutkimus myötävaikuttaa kasvonilmeitä tunnistavien järjestelmien tutkimukseen ja kehittymiseen kahdesta näkökulmasta: piirteiden irrottamisesta kasvonilmeiden tunnistamista varten ja kasvonilmeiden tunnistamisesta haastavissa olosuhteissa. Työssä esitellään spatiaalisia ja temporaalisia piirteenirrotusmenetelmiä, jotka tuottavat tehokkaita ja erottelukykyisiä piirteitä kasvonilmeiden tunnistamiseen. Ensimmäisenä työssä esitellään spatiaalinen piirteenirrotusmenetelmä, joka parantaa paikallisia kvantisoituja piirteitä käyttämällä parannettua vektorikvantisointia. Menetelmä tekee myös tilastollisista malleista monikäyttöisiä ja tiiviitä. Seuraavaksi työssä esitellään kaksi spatiotemporaalista piirteenirrotusmenetelmää. Ensimmäinen näistä käyttää esikäsittelynä monogeenistä signaalianalyysiä ja irrottaa spatiotemporaaliset piirteet paikallisia binäärikuvioita käyttäen. Toinen menetelmä irrottaa harvoja spatiotemporaalisia piirteitä käyttäen harvoja kuusitahokkaita ja spatiotemporaalisia paikallisia binäärikuvioita. Molemmat menetelmät parantavat paikallisten binärikuvioiden erottelukykyä ajallisessa ulottuvuudessa. Piirteenirrotusmenetelmien pohjalta työssä tutkitaan kasvonilmeiden tunnistusta kolmessa käytännön olosuhteessa, joissa esiintyy vaihtelua valaistuksessa, okkluusiossa ja pään asennossa. Ensiksi ehdotetaan lähi-infrapuna kuvantamista hyödyntävää diskriminatiivistä komponenttipohjaista yhden piirteen kuvausta, jolla saavutetaan korkea suoritusvarmuus valaistuksen vaihtelun suhteen. Toiseksi ehdotetaan menetelmä okkluusion havainnointiin, jolla dynaamisesti havaitaan peittyneet kasvon alueet. Uudenlainen menetelmä on kehitetty käsittelemään kasvojen okkluusio tehokkaasti. Viimeiseksi työssä on kehitetty moninäkymäinen diskriminatiivisen naapuruston säilyttävään upottamiseen pohjautuva menetelmä käsittelemään pään asennon vaihtelut. Menetelmä kuvaa moninäkymäisen kasvonilmeiden tunnistamisen yleistettynä ominaisarvohajotelmana. Kokeelliset tulokset julkisilla tietokannoilla osoittavat tässä työssä ehdotetut menetelmät suorituskykyisiksi kasvonilmeiden tunnistamisessa.

Abstract About one third of home-dwelling older people suffer a fall ech year. The most consuming falls occur when the person is alone and unable to get up, resulting in long lies which are associated with institutionalisation and high morbidity-mortality rate. Even though personal emergency response systems provide applications to call for help, older people are not always able or willing to activate them. Hence, an automatic fall detection system is an important setting. Even though pilot applications and commercial fall detection systems exist, the real-life validation of these systems is scant. The aim of this study was to develop a validated acceleration-based method for fall detection to be adapted for real-life applications among older people. Methods capable of discriminating between falls and activities of daily living (ADL) were determined based on laboratory tests. The threshold-based algorithms were validated with intentional falls in 20 middle-aged test persons and ADL in 20 middle-aged and 21 older people. The algorithm for the waist with impact and end posture detection was able to discriminate falls from ADL with 97% sensitivity and 100% specificity. In order to validate the fall detection system, a field test was performed with 16 residents in elderly care units wearing a wireless sensor. During the 6-month test period, acceleration data from five real-life falls were collected. One of the falls resulted in a hip fracture. These falls showed similar features as intentional falls. However, high pre impact velocity was detected in the case with a fracture, but not in all falls with preventative actions. The system had a fall detection sensitivity of 71.4% with a false alarm rate of 1.1 alarms over a 24-hour time period in this real-life pilot test. The data from real-life falls provide important material for further development of fall detection and studies on fall mechanism and fall prevention. / Tiivistelmä Kotona asuvista yli 65-vuotiaista kaatuu vuosittain kolmannes. Mikäli kaatunut ei kykene nousemaan omin neuvoin, avun saaminen saattaa viivästyä. Tämä suurentaa sekä laitoshoitoon joutumisen todennäköisyyttä että kuoleman riskiä. Erilaisia hälytysjärjestelmiä on kyllä saatavilla, mutta ikääntyneet eivät aina kykene käyttämään niitä tai eivät jostain syystä halua tehdä hälytystä. Tämän vuoksi automaattiselle kaatumishälyttimelle on tarvetta. Tässä tutkimuksessa kehitettiin ja testattiin ikääntyneiden tarpeisiin soveltuva kiihtyvyysanturiin perustuva kaatumisen tunnistumenetelmä. Aineisto koottiin laboratorio-olosuhteissa kokeilla, joihin osallistui sekä nuoria että keski-ikäisiä. Raja-arvoon perustuvia tunnistusalgoritmeja testattiin 20 keski-ikäisen ohjeistettujen testikaatumisten sekä 20 keski-ikäisen ja 21 ikääntyneen arkisten askareiden tuottamalla datalla. Kaatumistapahtuman impaktin ja loppuasennon tunnistaminen vyötäröltä mitatuista kiihtyvyysarvoista erotteli kaatumisen muusta liikkeestä 95 % sensitiivisyydellä ja 100 % spesifisyydellä. Tunnistusmenetelmää testattiin kenttäkokeessa, jossa 16 ikääntynyttä hoitokodin asukasta piti vyötäröllään mittauslaitetta. Kuuden kuukauden aikana kiihtyvyyssignaali saatiin viidestä kaatumisesta. Yksi niistä aiheutti lonkkamurtuman. Analyysin mukaan näiden todellisten kaatumisten kiihtyvyyssignaalit muistuttivat testikaatumisia. Lonkkamurtumatapauksessa ennen impaktia mitattu nopeus oli erittäin korkea. Vastaavaa ei havaittu tapauksissa, joissa oli merkkejä siitä, että kaatumista oli yritetty estää. Kenttäkokeessa kaatumishälytysjärjestelmän sensitiivisyys oli 71.4 % ja vääriä hälytyksiä oli 1.1 vuorokaudessa. Tutkimuksessa saatua tietoa tosielämän kaatumistapahtumista voidaan käyttää hyväksi kehitettäessä kaatumisten ehkäisyä, niiden mekanismin tutkimista sekä kaatumisen tunnistusta kiihtyvyysanturien avulla.

Abstract This thesis investigates vision based description and recognition of human movements. Automated vision based human motion analysis is a fundamental technology for creating video based human computer interaction systems. Because of its wide range of potential applications, the topic has become an active area of research in the computer vision community. This thesis proposes the use of low level description of dynamics for human movement description and recognition. Two groups of approaches are developed: first, texture based methods that extract dynamic features for human movement description, and second, a framework that considers ballistic dynamics for human movement segmentation and recognition. Two texture based descriptions for human movement analysis are introduced. The first method uses the temporal templates as a preprocessing stage and extracts a motion description using local binary pattern texture features. This approach is then extended to a spatiotemporal space and a dynamic texture based method that uses local binary patterns from three orthogonal planes is proposed. The method needs no accurate segmentation of silhouettes, rather, it is designed to work on image data. The dynamic texture based description is also applied to gait recognition. The proposed descriptions have been experimentally validated on publicly available databases. Psychological studies on human movement indicate that common movements such as reaching and striking are ballistic by nature. Based on the psychological observations this thesis considers the segmentation and recognition of ballistic movements using low level motion features. Experimental results on motion capture and video data show the effectiveness of the method. / Tiivistelmä Tässä väitöskirjassa tutkitaan ihmisen liikkeen kuvaamista ja tunnistamista konenäkömenetelmillä. Ihmisen liikkeen automaattinen analyysi on keskeinen teknologia luotaessa videopohjaisia järjestelmiä ihmisen ja koneen vuorovaikutukseen. Laajojen sovellusmahdollisuuksiensa myötä aiheesta on tullut aktiivinen tutkimusalue konenäön tutkimuksen piirissä. Väitöskirjassa tutkitaan matalan tason piirteiden käyttöä ihmisen liikkeen dynaamiikan kuvaamiseen ja tunnistamiseen. Työssä esitetään kaksi tekstuuripohjaista mentelmää ihmisen liikkeen kuvaamiseen ja viitekehys ballististen liikkeiden segmentointiin ja tunnistamiseen. Työssä esitetään kaksi tekstuuripohjaista menetelmää ihmisen liikkeen analysointiin. Ensimmäinen menetelmä käyttää esikäsittelynä ajallisia kuvamalleja ja kuvaa mallit paikallisilla binäärikuvioilla. Menetelmä laajennetaan myös tila-aika-avaruuteen. Dynaamiseen tekstuuriin perustuva menetelmä irroittaa paikalliset binäärikuviot tila-aika-avaruuden kolmelta ortogonaaliselta tasolta. Menetelmä ei vaadi ihmisen siluetin tarkkaa segmentointia kuvista, koska se on suunniteltu toimimaan suoraan kuvatiedon perusteella. Dynaamiseen tekstuuriin pohjautuvaa menetelmää sovelletaan myös henkilön tunnistamiseen kävelytyylin perusteella. Esitetyt menetelmät on kokeellisesti vahvistettu yleisesti käytetyillä ja julkisesti saatavilla olevilla tietokannoilla. Psykologiset tutkimukset ihmisen liikkumisesta osoittavat, että yleiset liikkeet, kuten kurkoittaminen ja iskeminen, ovat luonteeltaan ballistisia. Tässä työssä tarkastellaan ihmisen liikkeen ajallista segmentointia ja tunnistamista matalan tason liikepiirteistä hyödyntäen psykologisia havaintoja. Kokeelliset tulokset liikkeenkaappaus ja video aineistolla osoittavat menetelmän toimivan hyvin.

Abstract Childhood overweight is a serious health concern in developed countries. To help develop obesity prevention and treatment programs for children, knowledge on predisposing factors for childhood obesity and eating behavior in overweight children is needed.. The purpose of this cross-sectional study was to evaluate the prevalence, risk factors and parental recognition of childhood overweight and obesity in overweight children. Another aim was to investigate vegetable consumption and eating behaviour and factors associated with them. The first research material consisted of 749 school beginners in the City of Oulu in year 2003. The second material consisted of 54 eight-year-old overweight children and their 65 normal weight peers. The parents filled in a questionnaire enquiring food and physical activity habits and background information of the children and the family. Parents also evaluated weight status of their children. Food frequency questionnaire was used to evaluate the vegetable consumption of the children and their parents. Eating behaviour was assessed by a series of eating behavior specific questions. Fifth of the children were overweight using internationally accepted criteria. Risk factors for the child's overweight and obesity were as follows: parents' overweight, child’s physical inactivity, skipping breakfast and overeating. More than half of the parents did not recognise their offspring's overweight. Overweight was less likely to be recognised in boys than in overweight girls. Child’s healthy diet and high physical activity were inversely related to parental recognition of overweight status. Normal-weight children and parents ate vegetables more frequently than overweight children. Mother’s consumption of vegetables was the most significant predictor of child’s vegetables consumption. Emotional eating was more common in overweight children than normal weight children and if the child lived only with one biological parent. Mother's emotional eating was positively associated with the child’s emotional overeating. Efforts to prevent childhood overweight should begin in early childhood. A family-oriented intervention with the parents as the exclusive agents of change might be superior to a child-only approach. When guiding parents the importance of physical activity, regular breakfasts and reasonable portion sizes should be emphasized. Healthcare providers should promote awareness of childhood obesity among community. When treating overweight children more attention should be paid to the food habits and eating behaviour of the children and their parents. / Tiivistelmä Lasten ylipaino on merkittävä terveysongelma sekä Suomessa että muualla maailmassa. Ylipainon ehkäisemiseksi sekä hoidon kehittämiseksi on tärkeää saada tietoa lasten ylipainon riskitekijöistä sekä jo ylipainoisten lasten elintavoista. Tämän poikkileikkaustutkimuksen tarkoituksena oli selvittää ylipainon esiintyvyyttä, riskitekijöitä sekä ylipainon tunnistamista ja siihen yhteydessä olevia tekijöitä oululaisilla lapsilla. Lisäksi tavoitteena oli tutkia ylipainoisten lasten kasvisten käyttöä ja syömiskäyttäytymistä sekä niihin yhteydessä olevia tekijöitä. Ensimmäinen tutkimusaineistoista koostui kaikista oululaisista peruskoulun vuonna 2003 aloittaneista lapsista. Tutkimukseen osallistui 749 keskimäärin 7-vuotiasta lasta. Toisena aineistona olivat pohjoissuomalaiset 8-vuotiaat ylipainoiset lapset (n = 54) ja heidän normaalipainoiset verrokkinsa (n = 65). Lasten ja vanhempien ravitsemus- ja liikuntatottumuksia sekä perheen ja vanhempien taustatietoja selvitettiin kyselylomakkeen avulla. Vanhemmat arvioivat myös lapsensa painostatuksen. Lasten ja heidän vanhempiensa kasvisten käytön useutta selvitettiin frekvenssikyselyllä. Lasten ja vanhempien syömiskäyttäytymistä arvioitiin validoiduilla syömiskäyttäytymiskyselyillä. Tulosten mukaan vajaa viidennes lapsista oli ylipainoisia kansainvälisen painoindeksikriteerin mukaan. Lapsen ylipainon ja lihavuuden riskiin olivat yhteydessä vanhempien ylipaino, lapsen vähäinen liikunta sekä aamupalan syömättä jättäminen ja liiallinen syöminen. Yli puolet ylipainoisten lasten vanhemmista ei tunnistanut lapsensa ylipainoa. Vanhemmat tunnistivat poikien ylipainon tyttöjen ylipainoa huonommin. Lapsen ylipaino tunnistettiin heikommin, jos lapsi söi terveyttä edistävästi ja oli fyysisesti aktiivinen. Ylipainoiset lapset söivät harvemmin kasviksia kuin normaalipainoiset lapset. Äidin kasvisten käyttö oli keskeisin lasten kasvisten käyttöön yhteydessä oleva tekijä. Ylipainoisilla lapsilla oli normaalipainoisia enemmän mielialaan liittyvää runsasta syömistä. Mielialaan liittyvä runsas syöminen oli yleisempää silloin, jos lapsi asui vain toisen biologisen vanhemman kanssa. Lisäksi äidin tunnesyöminen oli positiivisessa yhteydessä lapsen mielialasyömiseen. Lasten ylipainon ehkäisemiseen tähtäävien toimenpiteiden tulisi alkaa jo varhaislapsuudessa. Perheiden ohjauksessa tulee ottaa puheeksi erityisesti liikunnan ja aamupalan merkitys. Lisäksi tulee tukea lasta syömään sopiva ruokamäärä. Terveydenhuollossa on syytä selvittää vanhempien näkemyksiä lapsensa painosta. Ylipainoisten lasten hoidossa tulisi kiinnittää huomiota paitsi lasten, myös heidän vanhempiensa ruokailutottumuksiin ja mielialasyömiseen.

Abstract Background and aims: Growing evidence supports the existence of clinically significant problems in social-emotional/behavioral (SEB) development among infants and toddlers and the importance of early identification of these problems. There is a lack of research on the occurrence and identification of problems in the SEB domain among the Finnish general population of 1 to 2-year-old children. The present study examined these important issues. Given the dearth of earlier research knowledge, particular emphasis was focused on analyzing possible moderating effects of the assessed child’s and informant’s gender on the results. Subjects and methods: Oulu toddler (N = 208, age 18 months), Oulu infant (N = 227, age 12 months), and Oulu Province (N = 1008, age 12 months) samples were collected during 2008–2013 in collaboration with child health centers. Both mothers and fathers completed questionnaires assessing their child´s SEB development (e.g. the Brief Infant-Toddler Social and Emotional Assessment; Briggs-Gowan & Carter, 2006) and the family’s sociodemographic characteristics. Child healthcare nurse (CHCN) worry reports concerning the children’s development and family well-being were also gathered. Main results and conclusions: In parental ratings, girls obtained higher SEB competence scores than boys, whereas boys got higher SEB problem scores than girls, particularly among the toddler sample. Thus, boys may have an elevated risk of parent-reported problem behaviors and delays in SEB competences even before the age of 2 years. Compared to fathers, mothers were prone to rate the toddlers higher in both SEB competences and problems, especially with regard to externalizing behavior problems and problems in boys. Elevated interparental rating differences were associated with relatively elevated maternal parenting stress. Therefore, it is recommended to gather data on young children’s SEB development from both parents when possible and to focus clinical attention on the issue if the parental reports differ significantly. Parents and CHCNs seldom recognized SEB problems and delays in competency as problematical in 1-year-old infants, even in the case of infants who were screened to be in the of-concern range on the age-appropriate measure of SEB development. Thus, further efforts are needed for developing the identification of early problems in SEB development by both parents and preventive child healthcare professionals in Finland. / Tiivistelmä Tausta ja tavoitteet: Kasvava näyttö tukee käsitystä, että kliinisesti merkittäviä sosioemotionaalisen ja käyttäytymisen (SEK) kehityksen ongelmia esiintyy jo vauva- ja taaperoikäisillä ja että näiden ongelmien varhainen tunnistaminen on tärkeää. SEK-kehityksen ongelmien esiintymisestä ja tunnistamisesta 1–2-vuotaiden väestössä Suomessa puuttuu tutkimustietoa. Tämä tutkimus arvioi näitä tärkeitä aiheita. Tutkimuksessa huomioitiin erityisesti sekä tutkittavan lapsen että arvioitsijan sukupuolen mahdollinen moderoiva vaikutus tuloksiin, koska aiempaa tutkimustietoa tästä näkökulmasta on vähän. Tutkittavat ja menetelmät: Oulu taapero (N = 208, ikä 18 kk), Oulu vauva (N = 227, ikä 12 kk) ja Oulun lääni (N = 1008, ikä 12 kk) -aineistot kerättiin vuosina 2008–2013 yhteistyössä lastenneuvoloiden kanssa. Sekä äidit että isät täyttivät lomakkeet, jotka arvioivat lapsen SEK-kehitystä (mm. the Brief Infant-Toddler Social and Emotional Assessment; Briggs-Gowan & Carter, 2006) ja perheen sosiodemografisia taustatekijöitä. Myös terveydenhoitajan raportit lapsen kehitykseen ja perheen hyvinvointiin liittyvistä huolista kerättiin. Päätulokset ja johtopäätökset: Vanhempien arvioimina tytöt saivat korkeampia pistemääriä SEK-taidoissa kuin pojat, kun taas pojat saivat korkeampia pistemääriä SEK-ongelmissa kuin tytöt, etenkin taaperoaineistossa. Pojilla saattaakin olla kohonnut riski vanhempien raportoimille käytösongelmille ja SEK-kehityksen viiveille jopa ennen 2 vuoden ikää. Isiin verrattuina äidit olivat taipuvaisia antamaan korkeampia pisteitä sekä SEK-taito- että -ongelmaosioissa taaperoikäisten aineistossa, etenkin koskien ulospäin suuntautuvia käytösongelmia ja poikien ongelmia. Suurentuneet eroavaisuudet vanhempien antamissa arvioissa olivat yhteydessä suhteellisesti kohonneeseen vanhemmuuden stressiin äideillä. Onkin suositeltavaa kerätä tietoa pienen lapsen SEK-kehityksestä kummaltakin vanhemmalta, jos mahdollista, ja kiinnittää kliinistä huomiota asiaan, jos vanhempien antamat tiedot eriävät merkittävästi. Vanhemmat ja terveydenhoitajat tunnistivat SEK-ongelmia ja taitojen puutteita harvoin huolenaiheiksi 1-vuotiailla, vaikka nämä vauvat olisivat seuloutuneet huolialueelle ikätasoon soveltuvalla SEK-kehityksen mittarilla. Tarvitaankin lisätoimia, jotta vanhemmat ja terveydenhuollon ammattilaiset oppivat paremmin tunnistamaan varhaisia SEK-kehityksen ongelmia Suomessa.