Die JustWalk JITAI-Studie: Ein Systemidentifikationsexperiment zum Verständnis von Just-in-Time-Zuständen körperlicher Aktivität

Es werden N=50 englischsprachige Erwachsene ab 21 Jahren rekrutiert, die körperlich inaktiv sind (selbst gemeldetes Engagement in weniger als 60 Minuten/Woche bei mäßig intensiver Aktivität) und ein Smartphone (iPhone oder Android) besitzen. Den Teilnehmern wird eine Fitbit Versa 3 zur Verfügung gestellt und sie werden gebeten, sie zu tragen und die Studien-App JustWalk 270 Tage lang zu nutzen.

Es wird ein Systemidentifikationsexperiment durchgeführt, bei dem es sich um ein Einzelsubjekt/N-von-1-Versuchsprotokoll handelt, das in der Steuerungssystemtechnik verwendet wird. Ziel dieser Studie ist die empirische Optimierung dynamischer Modelle, die in einer zukünftigen modellprädiktiven, reglergesteuerten Just-in-Time-Adaptive-Intervention (JITAI) verwendet werden können. Dieses Systemidentifikationsexperiment wird zwei experimentell manipulierte Komponenten umfassen: 1) Benachrichtigungen, die bis zu viermal pro Tag gesendet werden und darauf abzielen, die Schritte einer Person innerhalb der nächsten drei Stunden zu erhöhen, indem entweder das Bewusstsein für den Drang zum Gehen geschärft wird oder indem eine Trainingsplanung durchgeführt wird; und 2) adaptive tägliche Schrittzielvorschläge. Beide Komponenten werden experimentell mithilfe von Verfahren manipuliert, die zur Systemidentifizierung geeignet sind. Konkret werden Benachrichtigungen, die zur Planung kurzer Spaziergänge innerhalb der nächsten drei Stunden auffordern, experimentell bereitgestellt oder nicht, je nach Bedarf (d. h. ob die täglichen Schrittziele zuvor erreicht wurden), Gelegenheit (d. h. die nächsten drei Stunden sind ein Zeitfenster, in dem eine Person zuvor gelaufen) und Empfänglichkeit (d. h. die Person hat in den letzten 72 Stunden weniger als 6 Nachrichten erhalten und ist gelaufen, nachdem Benachrichtigungen gesendet wurden). Dies ermöglicht die experimentelle Manipulation unterschiedlicher „Just-in-Time“-Zustände und liefert so wertvolle Daten für zukünftige Vorhersagen darüber, wann, wo und für wen eine Kampfbenachrichtigung die gewünschten Auswirkungen haben würde und nicht. Es handelt sich also um einen hypothesengesteuerten Ansatz zum besseren Verständnis von Problemen der Benachrichtigungsmüdigkeit, indem versucht wird, Benachrichtigungen nur dann bereitzustellen, wenn diese Benachrichtigungen benötigt werden, wenn eine Person die Möglichkeit hat, darauf zu reagieren, und für den Erhalt von Unterstützung empfänglich ist. Darüber hinaus werden die vorgeschlagenen täglichen Schrittziele im Laufe der Zeit systematisch variiert. Das vorgeschlagene Schrittziel variiert zwischen den durchschnittlichen Schritten/Tag einer Person, berechnet aus der vorherigen, über Fitbit gemessenen Aktivität der Person, und bis zu 3.000 Schritten über ihrem durchschnittlichen Referenzwert. Die Ziele werden immer schwieriger, wenn eine Person ihre vorgeschlagenen Schrittziele erreicht. Das System stoppt die Erhöhung der vorgeschlagenen Schrittziele, wenn eine Person als Referenz einen Median von 12.000 Schritten/Tag erreicht. Während der Studie tragen die Teilnehmer für die Dauer ein Fitbit, um die PA zu messen und außerdem Umfragen zur ökologischen Momentanbewertung psychologischer Konstrukte auszufüllen, von denen angenommen wird, dass sie Schlüsselvariablen für die angestrebten dynamischen Rechenmodelle sind.

Nach Abschluss der Studie werden für jeden Teilnehmer dynamische Modellierungsanalysen durchgeführt, die zur Systemidentifizierung geeignet sind (siehe Referenzen für weitere Einzelheiten zu den Arten der durchgeführten Analysen). Das Ziel besteht darin, die dynamischen Rechenmodelle zu schätzen und zu validieren, wobei ein bestimmter Maßstab für den Grad verwendet wird, in dem ein dynamisches Modell prospektiv die zukünftigen Schritte/Tag jeder Person und die Reaktion auf eine bestimmte Kampfbenachrichtigung vorhersagen kann. Die Ergebnisse dieser dynamischen Systemmodellierung werden dann die Entwicklung eines mehrzeitskaligen, modellprädiktiven, steuerungsgesteuerten JITAI ermöglichen, der die Verbesserung des Gehens bei gesunden Erwachsenen unterstützen soll und der dann in einer zukünftigen klinischen Studie getestet werden kann.