Desarrollo de teorías dinámicas para el cambio de comportamiento

Los comportamientos poco saludables contribuyen a la mayoría de las enfermedades crónicas, que representan el 86 % de todo el gasto en atención médica en los EE. UU. A pesar de una gran cantidad de investigación, el desarrollo de intervenciones de cambio de comportamiento que sean efectivas, escalables y sostenibles sigue siendo un desafío. Los avances recientes en la detección móvil y las tecnologías basadas en teléfonos inteligentes han dado lugar a una forma de intervención novedosa y prometedora, denominada "intervención adaptativa justo a tiempo" (JITAI), que tiene el potencial de adaptarse continuamente a contextos cambiantes y personalizarse para necesidades individuales y oportunidades para el cambio de comportamiento. Aunque se ha demostrado que las intervenciones son más efectivas cuando se basan en una teoría sólida, las teorías conductuales actuales carecen de la granularidad temporal y la estructura dinámica multiescala necesarias para desarrollar JITAI efectivos basados ​​en mediciones de comportamientos y contextos dinámicos complejos. Al mismo tiempo, hay una falta de marcos de modelado que puedan expresar teorías dinámicas y temporalmente multiescala y representar datos dinámicos y temporalmente multiescala. Este proyecto abordará los desafíos y oportunidades de desarrollo teórico, medición y modelado que presentan los datos longitudinales recopilados de manera intensiva, con un enfoque en la actividad física y el comportamiento sedentario, y amplias implicaciones para otros comportamientos.

En aras de la eficiencia, el estudio se basa en el ensayo microaleatorio (MRT) de HeartSteps (n=60) de un año de duración financiado por los NIH, una intervención de salud móvil adaptativa basada en la Teoría sociocognitiva (SCT) desarrollada para aumentar el caminar y disminuir el comportamiento sedentario en pacientes con enfermedades cardiovasculares. Los objetivos de esta nueva propuesta son: 1) Refinar y desarrollar medidas dinámicas de construcciones teóricas que influyan en los comportamientos objetivo del estudio, 2) Mejorar HeartSteps con las medidas desarrolladas en el Objetivo 1 y recopilar datos de dos cohortes adicionales de HeartSteps de un año de duración (sedentarios con sobrepeso /adultos obesos (n=60) y pacientes con diabetes tipo 2 (n=60), total n=180), 3) Desarrollar un marco de modelado para operacionalizar teorías de comportamiento dinámicas y contextualizadas en un entorno de intervención, y 4) Mejorar la predicción de Resultados de SCT utilizando modelos cada vez más complejos. El trabajo propuesto aquí proporcionará nuevas medidas digitales basadas en datos de construcciones clave de la teoría del comportamiento en las escalas de tiempo momentáneas, diarias y semanales, proporcionará nuevas herramientas adaptadas para la especificación de modelos complejos de dinámica del comportamiento, así como nuevas herramientas de estimación de modelos adaptadas específicamente a los datos conductuales y contextuales complejos, longitudinales y de múltiples escalas temporales a los que ahora se puede acceder mediante tecnologías mHealth. Finalmente, los investigadores aprovecharán los datos recopilados y las herramientas de modelado propuestas para desarrollar y probar extensiones dinámicas mejoradas de la teoría cognitiva social operadas como modelos dinámicos predictivos totalmente cuantificados. En conjunto, este trabajo proporcionará los fundamentos teóricos y las herramientas necesarias para aumentar significativamente la eficacia de las intervenciones de salud móviles basadas en la actividad física en múltiples escalas de tiempo, incluida su capacidad para apoyar de manera efectiva el cambio de comportamiento en escalas de tiempo más largas.