Umfassende und kontinuierliche Statusmessung von Warfighters vor und nach dem Einsatz mit mobiler Anwendung

Kriegskämpfer der Special Operations Forces (SOF) sind nach der Rückkehr aus dem Einsatz und während des Trainings vor dem Einsatz einer enormen körperlichen und geistigen Belastung und Erniedrigung ausgesetzt. Diese Erniedrigung wurde lose mit Verhaltensweisen in Verbindung gebracht, die als „rote Linie“-Ereignisse bezeichnet werden, wie Alkoholmissbrauch, Selbstmord und Scheidung, es fehlt jedoch eine umfassende Bewertung, die das „rote Linie“-Verhalten direkt mit körperlicher und geistiger Erniedrigung in Verbindung bringt. Um dieses Problem anzugehen, wurde ein Programm namens Comprehensive Operator Readiness Assessment (cORA) für 3rd SFG(A) Green Beret-Kriegskämpfer in Fort Bragg als ganzheitliche eintägige körperliche und geistige Bewertung implementiert, um leistungsmindernde Faktoren zu identifizieren und zu mindern. Aufgrund des persönlichen Charakters der cORA-Bewertung ist die Skalierbarkeit des Programms jedoch begrenzt. Darüber hinaus erfasst das aktuelle Programm nur eine Momentaufnahme des körperlichen und geistigen Zustands, da alle Daten an einem Tag gesammelt werden. In dieser Studie wollen wir eine Forschungsstudie durchführen, in der wir das cORA-Programm skalieren, indem wir es in eine vertrauliche, cybersichere mobile Forschungsanwendung (App) namens Digital cORA umwandeln, die die bestehenden Maßnahmen des Programms digitalisieren und sammeln wird kontinuierliche Messungen der körperlichen, neurokognitiven (z. B. räumliches Gedächtnis, Arbeitsgedächtnis), psychologische und Lifestyle-Faktoren über einen Zeitraum von sechs Monaten. In Verbindung mit den über die mobile App gesammelten Daten werden tragbare Sensoren verwendet, um physiologische (z. Herzfrequenz) und andere Daten (z. Aktivität, Schlaf), kontinuierlich während ihrer etwa sechsmonatigen Studienteilnahme. Zusätzlich zum Sammeln von Daten und ähnlich wie beim persönlichen Programm wird die App in der Lage sein, hilfreiche Funktionen bereitzustellen, wie z. B. Informationen und Aktivitäten rund um Ernährung, Meditation und Achtsamkeitsfunktionen, um Kriegskämpfer bestmöglich zu unterstützen, Verschlechterungen zu mildern und die Leistung zu optimieren. Das übergeordnete Ziel des Vorschlags besteht darin, zu untersuchen, ob eine digitale Version des persönlichen cORA-Programms erstellt werden kann, um „red-line“ Verhaltensereignisse (z. Verletzungen, Suizid, Scheidung, Fahren unter Einfluss (DUI) usw.) im Besonderen oder die allgemeine Verschlechterung des Kriegszustands im Allgemeinen können aus täglichen kontinuierlichen Messungen des körperlichen und geistigen Verhaltens vorhergesagt werden. Wir werden Folgendes rekrutieren: 1) 250 Warfighter von der 3rd Special Forces Group (SFG(A)) (Fort Bragg, NC) und 2) 250 Warfighter vom 1st Recon Battalion (Camp Pendleton, CA). Dies sind beide militärische Elite-Kriegsführungsgruppen. 3rd SFG(A) wird innerhalb von 3 Monaten nach Rückkehr vom Einsatz (z. B. Red Cycle) eingeschrieben, während Reconnaissance Marines bis zu 6 Monate vor dem Einsatz während des Kampftrainings eingeschrieben werden (z. B. individuelle und betriebliche Ausbildungsphasen (ITP/UTP)). Die Forschung wird die Sammlung eines umfassenden Datensatzes kontinuierlicher physischer und mentaler Faktoren ermöglichen, die mit Verhaltensergebnissen, insbesondere "Red-Line"-Ereignissen, in Verbindung gebracht werden können. Wir werden die Daten mit traditioneller deskriptiver Statistik analysieren, um die Struktur der Daten zu verstehen. Wir werden dann die Beziehung zwischen den verschiedenen Arten von Daten und selbstberichteten Red-Line-Ereignissen oder allgemeinem Verhaltenswohlbefinden/Verschlechterung analysieren, indem wir gegebenenfalls Korrelationen und multiple Regressionsanalysen verwenden. Wir werden die facettenreichen und kontinuierlichen Daten aus der Studie als Trainingsdatensatz verwenden, um einen neuartigen maschinellen Lernalgorithmus zu entwickeln. Daher werden wir neuartige Verhaltensmerkmale aus den aktiv und passiv erstellten Daten der App extrahieren.