Diese Seite wurde automatisch übersetzt und die Genauigkeit der Übersetzung wird nicht garantiert. Bitte wende dich an die englische Version für einen Quelltext.

MyBehavior: Persuasion by Adapting to User Behavior and User Preference

10. Februar 2015 aktualisiert von: Cornell University
MyBehavior is a mobile application with a suggestion engine that learns a user's physical activity and dietary behavior, and provides finely-tuned personalized suggestions. To our knowledge, MyBehavior is the first smartphone app to provide personalized health suggestions automatically, going beyond commonly used one-size-fits-all prescriptive approaches, or tailored interventions from health-care professionals. MyBehavior uses an online multi-armed bandit model to automatically generate context-sensitive and personalized activity/food suggestions by learning the user's actual behavior. The app continually adapts its suggestions by exploiting the most frequent healthy behaviors, while sometimes exploring non-frequent behaviors, in order to maximize the user's chance of reaching a health goal (e.g. weight loss).

Studienübersicht

Status

Abgeschlossen

Bedingungen

Intervention / Behandlung

Detaillierte Beschreibung

A dramatic rise in self-tracking applications for smartphones has occurred recently. Rich user interfaces make manual logging of users' behavior easier and more pleasant; sensors make tracking effortless. To date, however, feedback technologies have been limited to providing counts or attractive visualization of tracked data. Human experts (health coaches) have needed to interpret the data and tailor make customized recommendations. No automated recommendation systems like Pandora, Netflix or personalized search for the web have been available to translate self-tracked data into actionable suggestions that promote healthier lifestyle without needing to involve a human interventionist.

MyBehavior aims to fill this gap. It takes a deeper look into physical activity and dietary intake data and reveal patterns of both healthy and unhealthy behavior that could be leveraged for personalized feedback. Based on common patterns from a user's life, suggestions are created that ask users to continue, change or avoid existing behaviors to achieve certain fitness goals. Such an approach is different from existing literature in two important aspects: (1) suggestions are contextualized to a user's life and are built on existing user behaviors. As a result, users can act on these suggestions easily, with minimal effort and interruption to daily routines; (2) unique suggestions are created for each individual. This personalized approach differs from traditional one-size-fits-all or targeted intervention models where identical suggestions are applied for groups of similar people or the entire population.

Studientyp

Interventionell

Einschreibung (Tatsächlich)

17

Phase

  • Unzutreffend

Kontakte und Standorte

Dieser Abschnitt enthält die Kontaktdaten derjenigen, die die Studie durchführen, und Informationen darüber, wo diese Studie durchgeführt wird.

Studienorte

  • Vereinigte Staaten
    • New York
      • Ithaca, New York, Vereinigte Staaten, 14850
        • Cornell University

Teilnahmekriterien

Forscher suchen nach Personen, die einer bestimmten Beschreibung entsprechen, die als Auswahlkriterien bezeichnet werden. Einige Beispiele für diese Kriterien sind der allgemeine Gesundheitszustand einer Person oder frühere Behandlungen.

Zulassungskriterien

Studienberechtigtes Alter

18 Jahre bis 60 Jahre (Erwachsene)

Akzeptiert gesunde Freiwillige

Ja

Studienberechtigte Geschlechter

Alle

Beschreibung

Inclusion Criteria:

  • In relatively healthy condition. Also, users must be interested in health and fitness.

Exclusion Criteria:

  • Individuals with physical disability and dietary problems are excluded.

Studienplan

Dieser Abschnitt enthält Einzelheiten zum Studienplan, einschließlich des Studiendesigns und der Messung der Studieninhalte.

Wie ist die Studie aufgebaut?

Designdetails

  • Hauptzweck: Verhütung
  • Zuteilung: Zufällig
  • Interventionsmodell: Parallele Zuordnung
  • Maskierung: Single

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / Behandlung
Aktiver Komparator: Generic suggestions
Control group participants received suggestions generated by the a nutritionist and exercise trainer. These suggestions didn't relate to user's life or their past behavior.
Verhalten: Generic suggestions
A nutritionist and an exercise trainer jointly created 45 food and exercise suggestions based on guidelines posted by the NIH. These suggestions ask users to walk for 30 minutes or eat healthier foods. These suggestions however doesn't personalize to users daily behavior into account.
Gerät: Smartphone
An Android Smartphone with operating system version higher than 2.2
Experimental: MyBehavior
Experiment group participants received personalized suggestions from MyBehavior that relates their life and past behavior.
Gerät: Smartphone
An Android Smartphone with operating system version higher than 2.2
Verhalten: MyBehavior
The intervention automatically provides personalized suggestions based on users behavior and user context. Suggestions relates to users life and how often they have done them in the past. Since the suggestions relate to users' lives, they are easy to follow.

Was misst die Studie?

Primäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
User intentions to follow automated suggestions and behavior change
Zeitfenster: 3 weeks

The primary outcome is to measure efficacy of MyBehavior suggestions. Efficacy will be measured in two dimensions (1) whether users intend to follow the automated suggestions from MyBehavior (2) effectiveness of automated suggestions in actual behavior change.

User intentions towards following MyBehavior suggestions are measured using a 5 point likert scale. The investigators will ask users to rate whether they can follow the suggestions on an average day within a scale of 1-5 (1- I can't follow the suggestion, 5 - I can easily follow the suggestion).

On the other hand, behavior change is measured from food (calories in per meal consumed) and activity (walking, running or exercise durations per day etc.) log collected using their smartphone. Regarding physical activity, how much physical activity users are performing will be compared across experiment conditions. Similarly, calorie consumption change in food will be used to compare dietary behavior change.
3 weeks

Sekundäre Ergebnismessungen

Ergebnis Maßnahme
Maßnahmenbeschreibung
Zeitfenster
Usability improvements of automated suggestions
Zeitfenster: 3 weeks
MyBehavior is the first system to provide health suggestions for food and activity automatically. Thus there are scopes of usability improvement on how to effectively present the automatically generated information to the user. Qualitative interviews at the end of study will be conducted to gather user experience of using MyBehavior. This interviews will help to build a better and more usable version of MyBehavior for future larger scale deployments.
3 weeks

Mitarbeiter und Ermittler

Hier finden Sie Personen und Organisationen, die an dieser Studie beteiligt sind.

Sponsor

Cornell University

Ermittler

  • Hauptermittler: Mashfiqui Rabbi, BS, Cornell University

Publikationen und hilfreiche Links

Die Bereitstellung dieser Publikationen erfolgt freiwillig durch die für die Eingabe von Informationen über die Studie verantwortliche Person. Diese können sich auf alles beziehen, was mit dem Studium zu tun hat.

Allgemeine Veröffentlichungen

Studienaufzeichnungsdaten

Diese Daten verfolgen den Fortschritt der Übermittlung von Studienaufzeichnungen und zusammenfassenden Ergebnissen an ClinicalTrials.gov. Studienaufzeichnungen und gemeldete Ergebnisse werden von der National Library of Medicine (NLM) überprüft, um sicherzustellen, dass sie bestimmten Qualitätskontrollstandards entsprechen, bevor sie auf der öffentlichen Website veröffentlicht werden.

Haupttermine studieren

Studienbeginn

1. Mai 2013

Primärer Abschluss (Tatsächlich)

1. Juni 2013

Studienabschluss (Tatsächlich)

1. Juni 2013

Studienanmeldedaten

Zuerst eingereicht

2. Februar 2015

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

5. Februar 2015

Zuerst gepostet (Schätzen)

10. Februar 2015

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Schätzen)

11. Februar 2015

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

10. Februar 2015

Zuletzt verifiziert

1. Februar 2015

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Schlüsselwörter

Zusätzliche relevante MeSH-Bedingungen

Andere Studien-ID-Nummern

  • 1302003617

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 Gewichtsverlust

Klinische Studien zur Generic suggestions

Suchen Sie nach ähnlichen Studien

Sponsoren und Mitarbeiter

Krankheiten

Drogeninterventionen

CROs by country

CROs in Finland

Bedingungen

Seltene Krankheiten

Drogeninterventionen

Nahrungsergänzungsmittel

Sponsor / Mitarbeiter

Standorte

3
Abonnieren