Medición de estado integral y continua de combatientes antes y después del despliegue con aplicación móvil

Los combatientes de las Fuerzas de Operaciones Especiales (SOF, por sus siglas en inglés) experimentan una enorme tensión y degradación física y mental después de regresar del despliegue y durante el entrenamiento previo al despliegue. Esta degradación se ha relacionado vagamente con el comportamiento denominado eventos de "línea roja", como el abuso de alcohol, el suicidio y el divorcio; sin embargo, falta una evaluación integral que vincule directamente el comportamiento de "línea roja" con la degradación física y mental. Para abordar este problema, se implementó un programa llamado Evaluación integral de preparación del operador (cORA) para los combatientes de boina verde del 3er SFG (A) en Fort Bragg como una evaluación física y mental holística de un día para ayudar a identificar y mitigar los factores que degradan el rendimiento. Sin embargo, debido a la naturaleza en persona de la evaluación cORA, la escalabilidad del programa es limitada. Además, el programa actual solo captura una instantánea del estado físico y mental, ya que todos los datos se recopilan en un día. En este estudio, nuestro objetivo es realizar un estudio de investigación en el que escalamos el programa cORA transformándolo en una aplicación móvil (app) de investigación confidencial y cibersegura, llamada Digital cORA, que digitalizará las medidas existentes del programa, así como recopilará medidas continuas de la actividad física, neurocognitiva del combatiente (p. memoria espacial, memoria de trabajo), factores psicológicos y de estilo de vida durante un período de seis meses. Junto con los datos recopilados a través de la aplicación móvil, se utilizarán sensores portátiles para recopilar datos fisiológicos (p. frecuencia cardíaca) y otros datos (p. actividad, sueño), continuamente durante su participación en el estudio de aproximadamente seis meses. Además de recopilar datos, y de manera similar al programa en persona, la aplicación tendrá la capacidad de ofrecer funciones útiles, como información y actividades relacionadas con la nutrición, la meditación y las funciones de atención plena para apoyar mejor a los combatientes, mitigar la degradación y optimizar el rendimiento. El objetivo general de la propuesta es investigar si se puede crear una versión digital del programa cORA en persona para reducir los eventos de comportamiento de "línea roja" (p. Las lesiones, el suicidio, el divorcio, la conducción bajo la influencia (DUI, por sus siglas en inglés), etc.) específicamente, o la degradación general del combatiente en general, se pueden predecir a partir de medidas continuas diarias del comportamiento físico y mental. Reclutaremos lo siguiente: 1) 250 combatientes del 3er Grupo de Fuerzas Especiales (SFG(A)) (Fort Bragg, NC) y 2) 250 combatientes del 1er Batallón de Reconocimiento (Camp Pendleton, CA). Ambos son grupos militares de guerra de élite. El 3er SFG(A) se inscribirá dentro de los 3 meses posteriores al regreso del despliegue (p. ej., el ciclo rojo), mientras que los Marines de reconocimiento se inscribirán hasta 6 meses antes del despliegue durante el entrenamiento de combate (p. ej., el ciclo rojo). fases formativas individuales y de unidades (ITP/UTP)). La investigación permitirá la recopilación de un conjunto completo de datos de factores físicos y mentales continuos que pueden vincularse a los resultados del comportamiento, en particular a los eventos de "línea roja". Analizaremos los datos con estadísticas descriptivas tradicionales para comprender la estructura de los datos. Luego, analizaremos la relación entre los diversos tipos de datos y los eventos de línea roja autoinformados o el bienestar/degradación del comportamiento general mediante correlaciones y análisis de regresión múltiple cuando corresponda. Usaremos los datos multifacéticos y continuos del estudio como un conjunto de datos de entrenamiento para desarrollar un nuevo algoritmo de aprendizaje automático. Por lo tanto, extraeremos nuevas características de comportamiento de los datos creados de forma activa y pasiva de la aplicación.