Efecto de la aplicación de teléfono inteligente en la actividad

El objetivo del estudio es aumentar la actividad física de los pacientes mediante el uso de una aplicación celular dedicada que alentará a los pacientes a seguir las recomendaciones de su médico de forma personal.

Resultado primario En pacientes diabéticos: medir un aumento en la actividad física diaria En pacientes con cáncer: mejora de la calidad de vida en correlación con el nivel de actividad física

Medidas de resultado secundarias En pacientes diabéticos: control glucémico mejorado evaluado mediante análisis de sangre secuenciales para HbA1c.

Los pacientes completarán cuestionarios de calidad de vida (SF36) en el momento del reclutamiento y después de 6 meses. Después de 6 meses, los pacientes también completarán un cuestionario sobre su experiencia con el uso de la aplicación.

Cada paciente reclutado tendrá un teléfono inteligente basado en Android. Cada paciente proporcionará:

1. Aprobación para unirse al experimento
2. Edad, sexo, altura
3. Número de teléfono (para SMS)

Duración de la intervención: al menos 6 meses por paciente. Cada paciente será asignado aleatoriamente a uno de dos grupos, que especificarán comentarios relativos a sí mismo oa los demás o un recordatorio semanal para hacer ejercicio.

Número de pacientes:

1. Diabetes: 150 pacientes, de los cuales 50 son controles.
2. Cáncer: 100 pacientes, de los cuales 20 son controles. Todos los pacientes recibirán instrucción sobre la importancia de la actividad física y una recomendación personal para el nivel de actividad, n sesiones de actividad por semana y el tiempo por sesión (es decir, al menos 2 horas de caminata por semana divididas en 3 sesiones de caminata por semana) Los pacientes en los brazos de tratamiento recibirán al menos n (número de sesiones recomendadas) mensajes por semana de comentarios positivos si se realizó la actividad o comentarios negativos si no se realizó. El día elegido cada semana el paciente recibirá un resumen del ejercicio de toda la semana.

Retroalimentación Posible retroalimentación

(NOTA: estos son los mensajes de retroalimentación reales que recibirán los participantes y, por lo tanto, están en segunda persona):

1. Comentarios negativos: "Necesita hacer ejercicio para alcanzar sus objetivos de actividad. Por favor, recuerda hacer ejercicio mañana".

2. Retroalimentación positiva:

   1. Relativo a sí mismo: "Tu nivel de ejercicio es más alto que la semana pasada. Sigan con el buen trabajo"
   2. En relación con los demás: "Haces más ejercicio que la persona promedio. Sigan con el buen trabajo"
3. Brazo de control: "¿Te acordaste de hacer ejercicio?"

Requerimientos técnicos

1. Aplicación: recopilará la actividad física y la enviará a un servidor. La aplicación se ejecutará en segundo plano sin necesidad de reiniciar al reiniciar.
2. Servidor - Recoge actividad física

Políticas de retroalimentación El experimento tendrá dos fases de retroalimentación. Fase 1

Los investigadores comienzan sin datos, por lo que la política en esta etapa es la siguiente:

1. Se enviarán comentarios positivos cada día si el usuario ha superado 1/7 de la actividad semanal ese día.
2. Se enviarán comentarios negativos cada 3 días, si la actividad no ha pasado 1/7 de la actividad.

Cada día, con una probabilidad de 0,2, se tomará una decisión aleatoria sobre la retroalimentación.

Esta fase tendrá una duración aproximada de 4 semanas. Fase 2 Usando un algoritmo de aprendizaje (ver más abajo), la computadora ajustará la retroalimentación y decidirá diariamente sobre la retroalimentación (positiva \ negativa \ ninguna).

Aprendizaje de políticas Los investigadores comenzarán con una estrategia simple de aprendizaje de políticas y luego utilizarán métodos más sofisticados que tendrán una representación del espacio de estado del usuario.

El algoritmo inicial representará a cada usuario en cada día utilizando los siguientes atributos:

1. Datos demográficos (edad y género)
2. Nivel de actividad esperado versus nivel real esta semana (proporción de los dos)
3. Último comentario dado (positivo \ negativo)
4. Día de la semana (usaremos ciclos de una semana). El objetivo del algoritmo es dar retroalimentación hoy para fomentar la actividad mañana.

Al entrenar el algoritmo, la computadora tendrá un vector de características que comprende los atributos anteriores y una matriz de acciones (para el día t). El resultado a predecir es si el nivel de actividad al día siguiente (t+1).

Puede haber dos tipos de retroalimentación dependiendo de los comportamientos semanales y diarios:

Objetivo semanal No alcanzado Alcanzado Objetivo diario (en el día (t+1)) No alcanzado 1 1+alfa Conseguido 1+alfa 1 (alfa>0) El algoritmo pagará una penalización mayor si, por ejemplo, en un día determinado el mensaje animó la actividad, pero la meta semanal no se logró en comparación con si lo fue.

Para simplificar, el algoritmo de aprendizaje inicial será lineal, hasta que se recopilen suficientes datos. Es decir, dada una matriz:

X = (datos demográficos, actividad esperada frente a actividad real, último comentario, día de la semana, acciones) Y un vector que muestra la cantidad de actividad del día siguiente, ponderada como en la tabla anterior, denotada por Y, aprenderemos un vector de pesos w tales que: X * w = Y.

En la fase 2 del proyecto, la computadora utilizará otros algoritmos de aprendizaje. La exploración (acción aleatoria en un día determinado) continuará en ambas fases al mismo nivel.