Maschinenbasierter Algorithmus für mehr körperliche Aktivität und nachhaltiges Benutzerengagement
Maschinenbasierter Algorithmus zur Anpassung von Aktivitätszielen, um die körperliche Aktivität zu steigern und das Benutzerengagement unter Spout-Benutzern aufrechtzuerhalten
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Intervention / Behandlung
Intervention / Behandlung
Detaillierte Beschreibung
Das Forschungsteam wird mit Telus Health und der Sprout-App (iOS- und Android-Versionen) zusammenarbeiten, die darauf ausgelegt ist, die körperliche Aktivität zu steigern, indem sie es den Teilnehmern ermöglicht, ihre täglichen Schrittzahlen zu verfolgen und sie aktiv mit ihren täglichen Zielen zu vergleichen. Nach dem Herunterladen von Sprout können Benutzer die App öffnen und durch die Landing- und Homepage navigieren. Auf der Startseite werden die Anzahl der an diesem Tag absolvierten Schritte und das tägliche Schrittziel des Benutzers angezeigt. Teilnehmer können oben auf der Startseite auf zwei Symbole klicken. Wenn die Benutzer auf das linke Symbol klicken, wird die Verlaufsseite angezeigt. Auf der Verlaufsseite können Teilnehmer ihre Leistung in der letzten Woche verfolgen, indem sie ihre täglichen Schritte und täglichen Ziele in einem farbcodierten Balkendiagramm anzeigen. Der grüne Balken zeigt an, dass das Schrittziel am entsprechenden Tag erreicht wurde, und der rote Balken zeigt an, dass das Schrittziel am entsprechenden Tag nicht erreicht wurde. Der eingebaute Gesundheitschip in den iPhone- und Android-Geräten erfasst die Schrittdaten, und die Genauigkeit der vom iPhone- und Android-Gesundheitschip erfassten Schrittzahlen wurde in einer Reihe von Studien validiert und weist eine vergleichbare Genauigkeit wie ein ActiGraph auf. Die Sprout-App speichert die Schritt- und Zieldaten zunächst lokal auf dem Telefon und synchronisiert sich dann alle 10 Minuten mit dem Server, wenn das Telefon aktiv ist. Die Push-Benachrichtigung für die App ist ebenfalls aktiviert (sofern vom Benutzer aktiviert) und es wird die Standard-iOS- und Android-Push-Benachrichtigung verwendet. Die Push-Benachrichtigung ist auf der Zielseite und auf der Registerkarte „Letzte Benachrichtigungen“ auf dem Telefon sichtbar.
Berechtigte Teilnehmer beginnen nach dem Herunterladen der App mit einer einwöchigen Einlaufphase. Der Zweck der Einlaufphase besteht darin, grundlegende tägliche Schritte zu sammeln und zu beurteilen, ob der Teilnehmer in der Lage ist, die Anforderungen zu erfüllen, die für die regelmäßige Nutzung der Sprout-App erforderlich sind. Während der Einlaufphase erhalten alle Teilnehmer der Kontroll- und Interventionsgruppe identische tägliche Schrittziele für Tag 1 bis Tag 7, nämlich 3000, 3500, 4000, 4500, 5000, 5500 bzw. 6000 Schritte. Der Algorithmus für maschinelles Lernen wird während der Einlaufphase nicht zur Berechnung der Schrittziele für Teilnehmer der Interventionsgruppe verwendet. In der Einlaufphase werden dynamisch steigende Schrittziele verwendet, um die Teilnehmer zur regelmäßigen Nutzung der App zu motivieren. Darüber hinaus erhalten alle Teilnehmer um 8 Uhr morgens eine Push-Benachrichtigung mit dem Schrittziel des Tages. Wenn der Teilnehmer das Ziel vor 20 Uhr erreicht, wird eine weitere Push-Benachrichtigung gesendet, um dem Teilnehmer zum Erreichen seines Schrittziels für den Tag zu gratulieren . Die identischen Ziele zwischen den beiden Gruppen während der Einlaufphase werden verwendet, um ein Referenzniveau der anfänglichen körperlichen Aktivität festzulegen, das in den statistischen Analysen verwendet wird, um den Unterschied in den täglichen Schritten zwischen der Einlaufphase und 12 Wochen für die beiden zu vergleichen Gruppen. Die während der Einlaufphase gesammelten Daten werden vom Algorithmus für maschinelles Lernen verwendet, um Schrittziele für die Interventionsphase zu berechnen. Dies ist ein gültiger Ansatz, da Run-in-Daten Aufschluss über die Präferenzen verschiedener Teilnehmer geben. Alle Teilnehmer werden in eine von zwei Gruppen eingeteilt. Die Zuordnung der App-Nutzer zu Gruppen wird nach der Einlaufphase von Telus Health umgesetzt. Nach der einwöchigen Einlaufphase erhalten die Teilnehmer der Kontrollgruppe über die Sprout-App konstante tägliche Schrittziele, die auf 10.000 Schritte pro Tag festgelegt wurden. Die Teilnehmer erhalten jeden Tag um 8:00 Uhr eine Push-Benachrichtigung mit dem Schrittziel des Tages (10.000 Schritte). Wenn der Teilnehmer das Ziel vor 20:00 Uhr erreicht, wird eine weitere Push-Benachrichtigung gesendet, um dem Teilnehmer zum Erreichen zu gratulieren ihr Schrittziel (von 10.000 Schritten) für den Tag.
Nach der einwöchigen Einlaufphase erhalten die Teilnehmer der Interventionsgruppe über die Sprout-App adaptiv personalisierte Schrittziele. Die täglichen Schrittziele werden mithilfe von maschinellem Lernen anhand der gesamten Historie (vergangene Schritte und Ziele) des Benutzers berechnet. Maschinelles Lernen wird jeden Tag angewendet, um die Varianz bei zukünftigen Schritten und Zielen zu reduzieren. Die Teilnehmer erhalten jeden Tag um 8:00 Uhr eine Push-Benachrichtigung mit dem heutigen Schrittziel. Wenn der Teilnehmer das Ziel vor 20:00 Uhr erreicht, wird eine weitere Push-Benachrichtigung gesendet, um dem Teilnehmer zum Erreichen seines Schrittziels zu gratulieren Tag. Durch maschinelles Lernen werden personalisierte Schrittziele adaptiv berechnet, die auf der Grundlage aller vergangenen Schrittdaten und Ziele jedes Teilnehmers die zukünftige körperliche Aktivität jedes Teilnehmers maximieren sollen. Maschinelles Lernen wird bei jedem Teilnehmer individuell angewendet und besteht aus zwei Hauptschritten. Der erste Schritt besteht darin, alle Daten des Teilnehmers zu verwenden, um ein quantitatives Modell zu erstellen, das vorhersagt, wie viele Schritte der Teilnehmer in der Zukunft unternehmen wird, wenn vorgegebene Schrittziele vorgegeben sind. Ein wichtiger Aspekt des Modells ist eine Komponente, die beschreibt, wie Das Erreichen von Zielen in der Gegenwart kann die Wahrscheinlichkeit erhöhen, Ziele in der Zukunft zu erreichen. Der zweite Schritt besteht darin, mithilfe dieses quantitativen Modells eine Folge von Schrittzielen auszuwählen, die die prognostizierte zukünftige Anzahl von Schritten maximiert. Um den Prozess der Aktualisierung von Schrittzielen adaptiv zu gestalten, wird jeden Tag maschinelles Lernen angewendet (unter Verwendung aller früheren Daten der Benutzer), um Schrittziele für den kommenden Tag zu generieren. Darüber hinaus sind die durch maschinelles Lernen berechneten Schrittziele für den kommenden Tag nicht konstant, sondern steigen oder fallen basierend auf der Modellvorhersage. Die Sprout-App verfolgt automatisch jeden Tag die Schrittzahlen der Teilnehmer und liefert Ziele, unabhängig von ihrem Engagement innerhalb der App während des 12-wöchigen Studienzeitraums. Da die Daten retrospektiv analysiert werden, wird den Teilnehmern kein „Studienende“-Brief zugesandt. Bei der Anmeldung zu den Studienverfahren gaben jedoch alle Nutzer eine schriftliche Einverständniserklärung zur Erhebung und Analyse ihrer Daten ab.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Phase
Phase
- Unzutreffend
Kontakte und Standorte
Studienorte
-
-
Ontario
-
London, Ontario, Kanada
- Western University
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
- Erwachsene
- Älterer Erwachsener
Akzeptiert gesunde Freiwillige
Beschreibung
Einschlusskriterien:
- Erwachsene ab 18 Jahren
- Absicht des Benutzers, in den nächsten 12 Wochen körperlich aktiv zu werden
- Besitzen Sie ein Smartphone
- Bereit, die Sprout-App (für die eine Internetverbindung erforderlich ist) 12 Wochen lang täglich zu installieren und zu nutzen
- Fähigkeit, Englisch zu sprechen und zu lesen
Ausschlusskriterien:
- Bekannte Erkrankungen oder körperliche Probleme, die bei einem körperlichen Aktivitätsprogramm besondere Aufmerksamkeit erfordern
- Planen Sie in den nächsten drei Monaten eine internationale Reise, die die täglichen Server-Uploads von Mobiltelefondaten beeinträchtigen könnte
- Schwanger oder in den letzten 6 Monaten entbunden
- Aktuelle Teilnahme an Programmen zur Änderung des Lebensstils oder Forschungsstudien, die die Studienergebnisse verfälschen können
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Hauptzweck: Behandlung
- Zuteilung: Zufällig
- Interventionsmodell: Parallele Zuordnung
- Maskierung: Single
Anzahl der Arme
Waffen und Interventionen
Teilnehmergruppe / ArmTeilnehmergruppe / Arm |
Intervention / BehandlungIntervention / Behandlung |
|---|---|
|
Experimental: Adaptives Stiefziel (Intervention)
Die Funktion "Smart -Modus" verwendete einen ML -Algorithmus für Angemessenheit, um 16 Benutzercluster zu generieren, basierend auf den täglichen Stufenzählemutern von ungefähr 100.000 globalen Telus -Wellbeing -Benutzern in den letzten zwei Jahren (1. März 2020 bis 1. März 2022; Merkmale dieser Nutzer unbekannt).
Der Algorithmus verglichen dann Zeitreihendaten aus der fünfwöchigen Grundlinie der Teilnehmer mit dem Repository von 16 Benutzer-Cluster-Mustern, um zu bestimmen, welcher Cluster sie zugewiesen würden.
Nachdem zugewiesen wurde, wurde ein Differenz in den Anteilen berechnet (Verhältnis der durchschnittlichen täglichen Stufenzahl der Vorwoche gegenüber dem Stiefzählziel für diese Woche gegenüber der durchschnittlichen täglichen Stufenzahl aus zwei Wochen zuvor über die Stufenzählziel für diese Woche [z. B. 8000 Schritte/7500 Schritte = 1,067 vs. 8000 Schritte/9500 Schritte = 0,8421].
Chi-Quadrat-Tests wurden verwendet, um die statistische Signifikanz des Unterschieds zu bewerten (p <0,05).
Dies geschah, um festzustellen, ob das nächste kalkulierte Ziel stand, unten oder gleich bleiben würde.
|
Erhalten Sie automatisierte personalisierte tägliche Schrittziele,
|
|
Aktiver Komparator: Statisches Stiefziel (Kontrolle)
Im Laufe der 12-wöchigen Interventionszeitskontrollen setzte sich das statische tägliche Schrittziel fort, was der wöchentlichen durchschnittlichen Daily-Stufenzahl der Basiszeit entspricht.
Die Kontrollteilnehmer erhielten jeden Montag um 8:00 Uhr während der Interventionszeit eine Push-Benachrichtigung außerhalb der App-Push, die sie an ihr statisches tägliches Stiefziel erinnerte.
Wenn der Teilnehmer sein tägliches Stiefziel vor 20:00 Uhr erreicht hat. An jedem Tag wurde eine Push -Benachrichtigung geschickt, um ihnen zum Erreichen ihres Ziels für diesen Tag zu gratulieren.
Es wurden keine Benachrichtigungen nach 20:00 Uhr geschickt. Die Teilnehmer, die die täglichen Schrittziele erreichen, wurden mit FI in Form von Punkten (d. H. "Sproutbucks") belohnt.
Sie konnten "Sproutbucks" entweder "On-Plattform" (z. B. Geschenkkarten an Starbuckstm, Bestbuytm, iTunestm, Visatm) oder "Off-Platform" (z. B. arbeitgeberspezifische Belohnungen wie Gutscheine für Fitness-Mitgliedschaftsrabatte) einlösen.
Der Wert von "Sproutbucks" war für Unternehmen einzigartig und lag zwischen 0,00 USD und 1,00 USD pro tägliches Ziel.
|
Erhalten Sie personalisierte statische tägliche Schrittziele.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Schrittzahl
Zeitfenster: 17 Wochen
|
Relative Veränderung der täglichen Schritte von der 5-wöchigen Einlaufphase bis zur 12-wöchigen Nachbeobachtung in Gruppen, die adaptive tägliche Schrittziele erhalten, im Vergleich zu Gruppen, die nicht adaptive Ziele erhalten.
|
17 Wochen
|
Sekundäre Ergebnismessungen
Sekundäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Anzahl der App-Öffnungen, insgesamt mit der App verbrachte Zeit, Anzahl der geöffneten Seiten
Zeitfenster: 12 Wochen
|
Unterschied im Grad des Engagements (im Titel beschrieben) innerhalb der Gruppe mit adaptiven Zielen im Vergleich zu nicht adaptiven Zielen während der 12-wöchigen Nachbeobachtungszeit.
|
12 Wochen
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Michie S, van Stralen MM, West R. The behaviour change wheel: a new method for characterising and designing behaviour change interventions. Implement Sci. 2011 Apr 23;6:42. doi: 10.1186/1748-5908-6-42.
- Mitchell MS, Orstad SL, Biswas A, Oh PI, Jay M, Pakosh MT, Faulkner G. Financial incentives for physical activity in adults: systematic review and meta-analysis. Br J Sports Med. 2020 Nov;54(21):1259-1268. doi: 10.1136/bjsports-2019-100633. Epub 2019 May 15.
- Armijo-Olivo S, Stiles CR, Hagen NA, Biondo PD, Cummings GG. Assessment of study quality for systematic reviews: a comparison of the Cochrane Collaboration Risk of Bias Tool and the Effective Public Health Practice Project Quality Assessment Tool: methodological research. J Eval Clin Pract. 2012 Feb;18(1):12-8. doi: 10.1111/j.1365-2753.2010.01516.x. Epub 2010 Aug 4.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- 123632
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Beschreibung des IPD-Plans
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .
Klinische Studien zur Gesundheitsverhalten
-
NCT07534111Noch keine RekrutierungErziehungsstress | Positive Mental Health
-
NCT07157566RekrutierungGesundheitskompetenz | Lebensmittelkompetenz | Medienkompetenz | E-Health-Kompetenz
-
NCT03544346UnbekanntBrain Health Elite-Athleten im Ruhestand
-
NCT03885232AbgeschlossenPräventive Gesundheitsdienste (PREV HEALTH SERV)
-
NCT05904041AbgeschlossenGesundes Lebensstilverhalten | E-Health-Kompetenz
-
NCT07552857Noch keine RekrutierungPräventive Gesundheitsdienste (PREV HEALTH SERV)
-
NCT02263118AbgeschlossenExklusives Stillen | Koproduktion von Health in Communities
-
NCT05700968Noch keine RekrutierungHealth Care Acceptor Gesundheitswissen, Einstellungen, Patientenbeteiligung üben
-
NCT03719976AbgeschlossenImmigrant Caregiver Health Care Navigation für Kinder
-
NCT01135693UnbekanntGründe für die Inhaftierung nach dem Mental Health Act 1983
Klinische Studien zur Adaptives Schrittziel (Intervention)
-
NCT01426581AbgeschlossenAsthma | Chronisch obstruktive Lungenerkrankung (COPD)
-
NCT04373499AbgeschlossenAsthma | Kurzatmigkeit | Bronchospasmus
-
NCT01456494Abgeschlossen
-
NCT03000166AbgeschlossenJunger Erwachsener, Krebs, körperliche Aktivität
-
NCT06191276Abgeschlossen
-
NCT03632356Aktiv, nicht rekrutierend
-
NCT00378950Abgeschlossen
-
NCT02764853Abgeschlossen
-
NCT01641744AbgeschlossenHäusliche Gewalt | Kindesmisshandlung
-
NCT05738499RekrutierungDepression | Streicheln | Rehabilitation | Intervention