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

Maschinenbasierter Algorithmus für mehr körperliche Aktivität und nachhaltiges Benutzerengagement

21. April 2025 aktualisiert von: Western University, Canada

Maschinenbasierter Algorithmus zur Anpassung von Aktivitätszielen, um die körperliche Aktivität zu steigern und das Benutzerengagement unter Spout-Benutzern aufrechtzuerhalten

Diese 12-wöchige Studie vergleicht die Wirksamkeit personalisierter täglicher Schrittziele, die von einem maschinellen Lernalgorithmus in der Sprout-App generiert werden, mit festen täglichen Schrittzielen von 10.000 Schritten bei Erwachsenen. Die Teilnehmer werden über die Sprout-App rekrutiert und nach einer einwöchigen Einlaufphase entweder der Interventions- oder der Kontrollgruppe zugeordnet. Die Interventionsgruppe erhält adaptive Ziele basierend auf ihren historischen Schrittdaten, während die Kontrollgruppe ein festes Ziel hat. Beide Gruppen erhalten finanzielle Anreize. Ziel dieser Studie ist es, künftige Interventionen zur Messung von Veränderungen bei den täglichen Schritten und App-Engagementniveaus (d. h. Zeit, die mit der App verbracht wird, Anzahl der App-Öffnungen) zu informieren, indem untersucht wird, wie der Einsatz finanzieller Anreize und eines adaptiven Zielsetzungsdesigns das körperliche Aktivitätsniveau von App-Benutzern verbessern kann , informiert durch einen maschinellen Lernalgorithmus.

Studienübersicht

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

Interventionell

Einschreibung (Tatsächlich)

1249

Phase

  • Unzutreffend

Kontakte und Standorte

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

Studienorte

    • Ontario
      • London, Ontario, Kanada
        • Western 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

  • Erwachsene
  • Älterer Erwachsener

Akzeptiert gesunde Freiwillige

Ja

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

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

Wie ist die Studie aufgebaut?

Designdetails

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

Waffen und Interventionen

Teilnehmergruppe / Arm
Intervention / 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

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

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

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

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.

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 (Tatsächlich)

1. Januar 2023

Primärer Abschluss (Tatsächlich)

1. März 2025

Studienabschluss (Tatsächlich)

24. März 2025

Studienanmeldedaten

Zuerst eingereicht

29. Juli 2023

Zuerst eingereicht, das die QC-Kriterien erfüllt hat

24. April 2024

Zuerst gepostet (Tatsächlich)

29. April 2024

Studienaufzeichnungsaktualisierungen

Letztes Update gepostet (Tatsächlich)

25. April 2025

Letztes eingereichtes Update, das die QC-Kriterien erfüllt

21. April 2025

Zuletzt verifiziert

1. April 2024

Mehr Informationen

Begriffe im Zusammenhang mit dieser Studie

Andere Studien-ID-Nummern

  • 123632

Plan für individuelle Teilnehmerdaten (IPD)

Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?

NEIN

Beschreibung des IPD-Plans

Alle Daten sind nicht identifizierbar und es werden nur Ergebnisse präsentiert.

Arzneimittel- und Geräteinformationen, Studienunterlagen

Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt

Nein

Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt

Nein

Produkt, das in den USA hergestellt und aus den USA exportiert wird

Nein

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

Klinische Studien zur Adaptives Schrittziel (Intervention)

Abonnieren