Vývoj dynamických teorií pro změnu chování

Nezdravé chování přispívá k většině chronických onemocnění, která tvoří 86 % všech výdajů na zdravotní péči v USA. Navzdory velkému množství výzkumu zůstává vývoj účinných, škálovatelných a udržitelných intervencí pro změnu chování náročný. Nedávné pokroky v oblasti mobilních detekcí a technologií založených na chytrých telefonech vedly k nové a slibné formě intervence nazvané „Just-in-time, adaptivní intervence“ (JITAI), která má potenciál neustále se přizpůsobovat měnícímu se kontextu a personalizovat individuální potřeby a příležitosti ke změně chování. Ačkoli se ukázalo, že intervence jsou účinnější, když jsou založeny na zdravé teorii, současné behaviorální teorie postrádají časovou granularitu a víceúrovňovou dynamickou strukturu potřebnou pro vývoj efektivních JITAI založených na měření komplexního dynamického chování a kontextů. Zároveň zde chybí modelovací rámce, které by mohly vyjadřovat dynamické, časově multiškálové teorie a reprezentovat dynamická, časově multiškálová data. Tento projekt se bude zabývat teoreticko-vývojovými, měřicími a modelovacími výzvami a příležitostmi, které představují intenzivně shromažďovaná longitudinální data, se zaměřením na fyzickou aktivitu a sedavé chování a široké důsledky pro další chování.

Pro efektivitu studie vychází z roční mikrorandomizované studie (MRT) financované NIH HeartSteps (n=60), adaptivní intervence mHealth založené na sociálně-kognitivní teorii (SCT) vyvinuté za účelem zvýšení chůze a snížení sedavého chování. u pacientů s kardiovaskulárním onemocněním. Cíle tohoto nového návrhu jsou: 1) Upřesnit a vyvinout dynamická měření teoretických konstrukcí, které ovlivňují cílové chování studie, 2) Vylepšit HeartSteps pomocí opatření vyvinutých v Cíli 1 a shromáždit data ze dvou dalších ročních kohort HeartSteps (sedavá nadváha /obézní dospělí (n=60) a pacienti s diabetem 2. typu (n=60), celkem n=180), 3) Vyvinout modelovací rámec pro operacionalizaci dynamických a kontextualizovaných teorií chování v prostředí intervence a 4) Zlepšení predikce Výsledky SCT využívající stále složitější modely. Zde navrhovaná práce poskytne nová digitální, daty řízená měření klíčových konstruktů teorie chování v momentálním, denním a týdenním časovém měřítku, poskytne nové nástroje šité na míru pro specifikaci komplexních modelů dynamiky chování a také nové nástroje pro odhadování modelů šité na míru. konkrétně na komplexní, longitudinální, vícenásobná behaviorální a kontextová data, která jsou nyní dostupná pomocí technologií mHealth. Nakonec vyšetřovatelé využijí shromážděná data a navrhované modelovací nástroje k vývoji a testování vylepšených, dynamických rozšíření teorie sociálního poznání operacionalizovaných jako plně kvantifikované, prediktivní dynamické modely. Souhrnně tato práce poskytne teoretické základy a nástroje potřebné k výraznému zvýšení efektivity mobilních zdravotních intervencí založených na fyzické aktivitě v několika časových škálách, včetně jejich schopnosti účinně podporovat změnu chování v delších časových škálách.