Aktivitetsbevidst tilskyndelse til at forbedre overholdelse af medicin hos hjertesvigtpatienter

Efterforskerne antager, at mange individer med behov for medicinintervention kan være mere kompatible med deres medicinregime, hvis der gives besked på de rigtige tidspunkter og i den rigtige kontekst. De vil validere hypotesen ved at designe og evaluere maskinlæringsbaserede softwarealgoritmer, der genkender daglige aktiviteter, giver aktivitetsbevidste medicinpåmindelsesinterventioner og giver indsigt i interventionstidspunkter, der giver succesfuld overholdelse.

Det første mål med projektet er at udvide og validere softwarealgoritmer, der genkender daglige aktiviteter og aktivitetsovergange med mobile enheder. Hypotesen er, at daglige adfærdskontekster kan karakteriseres og spores med minimalt brugerinput ved hjælp af maskinlæring kombineret med automatiseret aktivitetsopdagelse. I tidligere arbejde havde efterforskerne demonstreret succesen med vores algoritmer i smarte hjem. I dette projekt foreslår de at tilpasse teknikkerne til mobile enheder.

Det andet formål med projektet er at udvikle aktivitetssensitive medicinske tilskyndelser og vurdere virkningen af ​​aktivitetsfølsomme tilskyndelser på det primære resultat af medicinadhærensrater og det sekundære resultat af livskvalitet. Til dette formål kan dette mål opdeles i to opgaver, herunder (a) udvikling af aktivitetsfølsomme tilskyndelser; (b) vurdering af virkningen af ​​aktivitetsfølsomme tilskyndelser på patientresultater. Efterforskerne vil kombinere en aktivitetsfremkaldende grænseflade med aktivitetsgenkendelse for at levere prompter i sammenhænge med demonstreret succes.

Til sidst, i det tredje mål, designer efterforskerne maskinlæringsalgoritmer til at analysere medicinpåmindelser om succes og fiaskosituationer. De antager, at maskinlæringsteknikker kan bruges til automatisk at forudsige prompt overholdelse ved at bruge computeralgoritmer til at lære, hvordan man skelner succesfulde fra mislykkede promptsituationer. I deres tilgang bruger efterforskerne sensordata til at analysere daglig adfærd og forbinde adfærdskontekst med medicinadhærens.