Maskinbaseret algoritme for øget fysisk aktivitet og vedvarende brugerengagement

Forskerholdet vil samarbejde med Telus Health og Sprout-appen (iOS- og Android-versioner), som er designet til at øge fysisk aktivitet ved at give deltagerne mulighed for at spore deres daglige skridttælling og aktivt sammenligne dem med deres daglige mål. Efter at have downloadet Sprout kan brugerne åbne appen og navigere gennem landings- og startsiden. På hjemmesiden vises antallet af gennemførte trin den dag og brugernes daglige trinmål. Deltagerne kan klikke på to ikoner øverst på startsiden. Hvis brugerne klikker på det venstre ikon, vises historiksiden. Historiesiden giver deltagerne mulighed for at spore deres præstationer i løbet af den seneste uge ved at vise deres daglige skridt og daglige mål på et farvekodet søjlediagram. Den grønne bjælke angiver opnåelsen af ​​trinmålet på den tilsvarende dag, og den røde bjælke angiver manglende opnåelse af trinmålet på den tilsvarende dag. Den indbyggede sundhedschip i iPhone- og Android-enhederne indsamler trindataene, og nøjagtigheden af ​​trinoptællinger indsamlet af iPhone- og Android-sundhedschippen er blevet valideret i en række undersøgelser til at have sammenlignelig nøjagtighed med en ActiGraph. Sprout-appen gemmer først trin- og måldataene lokalt på telefonen og synkroniserer derefter med serveren hvert 10. minut, når telefonen er aktiv. Push-beskeden til appen er også aktiveret (hvis den er aktiveret af brugeren), og standard iOS- og Android-push-besked bruges. Push-notifikationen er synlig på landingssiden og på fanen seneste notifikationer på telefonen.

Kvalificerede deltagere starter en 1-uges indkøringsperiode efter at have downloadet appen. Formålet med indkøringsperioden er at indsamle daglige basistrin, og vurdere om deltageren er i stand til at overholde de krav, der er nødvendige for regelmæssigt at bruge Sprout-appen. I løbet af indkøringsperioden vil alle deltagere i kontrol- og interventionsgrupperne modtage identiske sæt af daglige trinmål for dag 1 til dag 7 som henholdsvis 3000, 3500, 4000, 4500, 5000, 5500 og 6000 trin. Maskinlæringsalgoritmen vil ikke blive brugt til at beregne trinmål for deltagere i interventionsgruppen i løbet af indkøringsperioden. Dynamisk stigende trinmål vil blive brugt i indkøringsperioden til at engagere deltagere i at bruge appen regelmæssigt. Derudover vil alle deltagere modtage en push-besked kl. 8.00, der angiver dagens trinmål, og hvis deltageren opnår målet før kl. 20.00, vil der blive sendt endnu en push-besked for at lykønske den pågældende deltager med at nå deres trinmål for dagen . De identiske mål mellem de 2 grupper i indkøringsperioden bruges til at fastlægge et referenceniveau for indledende fysisk aktivitet, som vil blive brugt i de statistiske analyser til at sammenligne forskellen i daglige skridt mellem indkøring og 12 uger for de 2. grupper. Data indsamlet i løbet af indkøringsperioden vil blive brugt af maskinlæringsalgoritmen til at beregne trinmål for interventionsperioden. Dette er en gyldig tilgang, fordi indkørte data vil være vejledende for forskellige deltageres præferencer. Alle deltagere vil være blevet placeret i en af ​​to grupper. Tildelingen af ​​app-brugere til grupper vil blive implementeret af Telus Health efter indkøringsperioden. Efter den 1-ugers indkøringsperiode vil deltagerne i kontrolgruppen blive forsynet med konstante daglige trinmål, der blev sat til 10.000 trin om dagen gennem Sprout-appen. Deltagerne modtager en push-besked kl. 8.00 hver dag, der angiver dagens trinmål (10.000 trin), og hvis deltageren når målet før kl. 20.00, vil der blive sendt endnu en push-meddelelse for at lykønske deltageren med at nå deres skridtmål (på 10.000 skridt) for dagen.

Efter den 1-uges indkøringsperiode vil deltagere i interventionsgruppen modtage adaptivt personlige trinmål gennem Sprout-appen. De daglige trinmål vil blive beregnet ved hjælp af maskinlæring på brugerens komplette historie (tidligere trin og mål). Maskinlæring vil blive anvendt hver dag for at reducere variansen i fremtidige trin og mål. Deltagerne vil modtage en push-besked kl. 8:00 hver dag, der angiver dagens trinmål, og hvis deltageren når målet før 20:00, vil der blive sendt endnu en push-meddelelse for at lykønske deltageren med at nå deres trinmål for det. dag. Maskinlæring vil adaptivt beregne personlige trinmål, der forudsiges at maksimere fremtidig fysisk aktivitet for hver deltager baseret på alle deres tidligere trins data og mål for hver deltager. Machine learning anvendes på hver deltager individuelt, og den består af to hovedtrin. Det første trin er at bruge alle deltagerens data til at konstruere en kvantitativ model, der forudsiger, hvor mange skridt deltageren vil tage i fremtiden, givet et foreskrevet sæt trinmål, og et vigtigt aspekt af modellen er en komponent, der beskriver, hvordan at nå mål i nuet kan øge sandsynligheden for at nå mål i fremtiden. Det andet trin er at bruge denne kvantitative model til at vælge en sekvens af trinmål, der maksimerer det forudsagte fremtidige antal trin. For at gøre processen med at opdatere trinmål adaptiv, anvendes maskinlæring hver dag (ved at bruge alle brugernes tidligere data) for at generere trinmål for den kommende dag. Desuden er trinmålene beregnet af maskinlæring for den kommende dag ikke konstante, men stiger eller falder baseret på modelforudsigelsen. Sprout-appen vil automatisk spore deltagernes antal skridt hver dag og vil give mål uanset deres engagementsniveau i appen over den 12-ugers studieperiode. Da dataene analyseres retrospektivt, vil der ikke blive givet et "end of study"-brev til deltagerne. Ved tilmelding til undersøgelsesprocedurerne gav alle brugere dog skriftligt informeret samtykke til, at deres data blev indsamlet og analyseret.