Effekten af ​​en maskinlæringsbaseret mobilapplikation på fysisk aktivitet hos overvægtige og fede kvinder

Ifølge Verdenssundhedsorganisationen (WHO) er fysisk inaktivitet et af vor tids væsentlige folkesundhedsproblemer. Sundhedsproblemer forbundet med dette problem fører til en overbelastning af sundhedsydelser. Ifølge rapporten udgivet af WHO i 2022 udgør forekomsten af ​​overvægt og fedme i verden 60 % af den samlede befolkning og forårsager 1,2 millioner dødsfald i den europæiske region. I Tyrkiet er prævalensen af ​​fedme 66,8 hos alle køn og 69,3 hos kvinder. Den stigende epidemi af overvægt og fedme, som fører til kroniske sygdomme på lang sigt, udgør en betydelig trussel mod folkesundheden både globalt og i vores land.

Fysisk aktivitet er en vigtig livsstilsforanstaltning for at opretholde en sund vægt og forebygge overvægt. Hos kvinder falder det fysiske aktivitetsniveau under graviditeten, og inaktivitet fortsætter efter fødslen. Derfor er det også vigtigt at bestemme det fysiske aktivitetsniveau for kvinder med risiko for fedme og planlægge folkesundhedsinitiativer for at øge deres fysiske aktivitetsniveau.

Kognitiv adfærdsteori (CBT) er en teori, der antyder, at tanker, følelser og adfærd hænger sammen og påvirker hinanden. CBT bruges i mange sundhedsforbedrende interventioner, såsom forbedring af fysisk aktivitetsniveau. På den anden side er Social Cognitive Theory (SCT) en vigtig teori i planlægningen af ​​adfærdsændringsinterventioner relateret til individers ændrede og opretholdende sundhedsadfærd. SCT giver et stærkt perspektiv til at forstå sundhedsadfærd relateret til fysisk aktivitet ved at identificere interaktionen mellem individer, miljøet og adfærd. At forbinde komponenterne i CBT og SCT med niveauet af fysisk aktivitet vil give en omfattende tilgang ved samtidig at adressere kognitive, adfærdsmæssige, miljømæssige og sociale faktorer, der påvirker midaldrende kvinders fysiske aktivitetsniveau.

Øget fysisk aktivitet er en effektiv intervention til at reducere forekomsten af ​​fedme og overvægt, som er betydelige folkesundhedsproblemer på verdensplan og i vores land. Der er et presserende behov for adfærdsændringsinterventioner for at bestemme og øge det fysiske aktivitetsniveau i hele samfundet og især i risikogrupper for at fremme sund livsstil. Denne forskning er designet til at evaluere virkningen af ​​en maskinlæringsbaseret mobilapplikation, der giver personlige anbefalinger til at øge fysisk aktivitet, hvilket er en væsentlig sundhedsadfærd til forebyggelse af fedme og mange andre ikke-overførbare sygdomme hos overvægtige og fede kvinder.

Efter at have opnået institutionelle og etiske godkendelser, vil data blive indsamlet gennem ansigt-til-ansigt interviews med kvinder i alderen 35-60, som søger til familiesundhedscentre i Istanbul. Kvindernes højde og vægt vil blive målt, og deres Body Mass Index (BMI) vil blive beregnet. Kvinder med en BMI-værdi på 25 eller højere og ingen medicinsk tilstand eller helbredsproblemer, der ville hæmme deres fysiske aktivitetsstatus, vil blive inkluderet i undersøgelsen.

Dataene til undersøgelsen vil blive indsamlet ved hjælp af følgende værktøjer og foranstaltninger: Identificerende karakteristika Form, Visual Analog Scale (VAS), Antropometriske målinger, International Physical Activity Questionnaire (Short Form), Kvinders Fysiske Aktivitet Self-Efficacy Scale, Fysisk aktivitetsbarriereskala , Cognitive Behavioural Physical Activity Scale, Exercise Self-Efficacy Scale og et smart armbånd.

Efter dataindsamlingen vil dataene blive overført til softwarepakken Statistisk Pakke for Samfundsvidenskab (SPSS) 25.0 til analyse. Dataanalysen vil omfatte procenter, middelværdier, standardafvigelser og chi-kvadrattest, uafhængig prøve t-test, gentagne målinger ANOVA test og den korrigerede Bonferroni test til avancerede analyser.