Una evaluación del efecto de la prescripción de ejercicio basada en aplicaciones utilizando RL sobre la satisfacción y la intensidad del ejercicio (PERFORM-RL)

Descripción general del estudio El estudio PERFORM-RL fue un ensayo cruzado aleatorio de 12 semanas realizado para evaluar el impacto de la prescripción de ejercicio personalizada basada en aplicaciones sobre la satisfacción del usuario y la intensidad del ejercicio, utilizando el aprendizaje por refuerzo (RL) como mecanismo clave para la personalización. Este estudio buscó determinar si las sesiones de ejercicio generadas por RL podrían mejorar la satisfacción del usuario y aumentar la intensidad del ejercicio en comparación con sesiones genéricas no personalizadas. Se espera que los hallazgos contribuyan al creciente campo de las intervenciones de salud digital, particularmente en el área de programas de ejercicio escalables basados ​​en aplicaciones diseñados para mejorar la participación del usuario y la adherencia a largo plazo.

Objetivos del estudio El objetivo principal del estudio fue comparar la satisfacción del usuario entre las sesiones de ejercicio generadas por RL y las sesiones genéricas. La hipótesis era que la personalización impulsada por la RL daría como resultado una mayor satisfacción del usuario, medida por la Escala de disfrute de la actividad física (PACES-8). El objetivo secundario fue evaluar el efecto de RL sobre la intensidad del ejercicio, medida por la escala Borg Rating of Perceived Exertion (RPE). Se planteó la hipótesis de que los participantes se ejercitarían a mayor intensidad en la condición RL debido a la naturaleza personalizada de las sesiones, que se alineaban con sus preferencias y niveles de condición física.

Diseño de estudio

Este fue un ensayo cruzado aleatorio y cegado por el evaluador. Cada participante completó dos condiciones diferentes durante el estudio de 12 semanas:

Condición de intervención: Las sesiones de ejercicio se personalizaron utilizando un modelo de aprendizaje por refuerzo que adaptó la dificultad y el contenido de la sesión según las preferencias de los participantes, el desempeño anterior y la retroalimentación.

Condición de control: los participantes completaron sesiones de ejercicio genéricas y no personalizadas. Estas sesiones fueron prediseñadas y no se adaptaron en función de los comentarios o preferencias del usuario.

Los participantes alternaron semanalmente entre las condiciones de intervención y control, lo que significa que cada semana experimentaron un enfoque diferente en la prescripción de ejercicio. Este diseño aseguró que cada participante actuara como su propio control, reduciendo la variabilidad y aumentando la solidez de los hallazgos. Todas las sesiones de ejercicio se realizaron a través de la aplicación i80 BPM, desarrollada por Samsung, que también facilitó la recopilación de datos.

Participantes Los participantes fueron reclutados en Dublín, Irlanda y sus alrededores a través del boca a boca y las redes sociales. Un total de 62 participantes (27 hombres, 42 mujeres; edad media 42 años) completaron al menos una sesión de ejercicio, con 559 sesiones completadas en total durante el período de prueba de 12 semanas. Los participantes eran adultos sanos y recreativamente activos de entre 18 y 65 años. Se les evaluó su elegibilidad mediante el "Cuestionario de detección de salud previo al ejercicio para profesionales del ejercicio". Los criterios de exclusión incluyeron discapacidad física, deterioro cognitivo severo o incapacidad para leer y escribir en inglés.

Intervenciones Intervención de aprendizaje por refuerzo (RL)

El modelo RL empleado por la aplicación i80 BPM personalizó las sesiones de ejercicio según las preferencias del usuario, el esfuerzo percibido y los comentarios de sesiones anteriores. El marco de RL utilizó un agente de toma de decisiones, que seleccionó ejercicios de una base de datos preexistente en función del nivel de condición física, los objetivos y la retroalimentación en tiempo real del usuario. La función de recompensa del modelo tenía como objetivo maximizar la satisfacción del usuario y la efectividad de la sesión adaptando la dificultad y el contenido del ejercicio en respuesta a las necesidades cambiantes del usuario.

Por ejemplo, si un participante informó alta satisfacción e intensidad moderada en una sesión anterior, el modelo RL sugeriría ejercicios similares o ligeramente más desafiantes para la siguiente sesión. El sistema RL aprendía continuamente de las interacciones de los usuarios, ajustando la prescripción de ejercicios para mantener una participación y eficacia óptimas.

Condición de control

En la condición de control, los participantes recibieron sesiones de ejercicio genéricas que no fueron personalizadas ni adaptadas en función de los comentarios de los usuarios. Estas sesiones incluyeron una selección fija de ejercicios y no evolucionaron con el tiempo, lo que proporcionó una base con la que se podría comparar la intervención personalizada de RL.

Medidas de resultado Resultado primario: satisfacción del usuario

La satisfacción del usuario se evaluó después de cada sesión utilizando una versión abreviada de 8 ítems de la Escala de Disfrute de la Actividad Física (PACES-8). Esta escala validada mide en qué medida los participantes disfrutaron de sus sesiones de ejercicio. Las puntuaciones varían de 1 (baja satisfacción) a 5 (alta satisfacción), y las puntuaciones más altas indican un mayor disfrute y satisfacción general con la experiencia del ejercicio.

Resultado secundario: intensidad del ejercicio

La intensidad del ejercicio se midió utilizando la escala de Borg de Esfuerzo Percibido (RPE), que va de 1 (muy fácil) a 10 (esfuerzo máximo). Se pidió a los participantes que calificaran su esfuerzo percibido después de cada sesión a través de la aplicación, asegurando una captura en tiempo real de su experiencia. Los datos de frecuencia cardíaca, recopilados con un reloj inteligente Samsung Galaxy Fit 2, sirvieron como medida adicional de intensidad, validando las puntuaciones subjetivas de RPE.

Resultado adicional: frecuencia cardíaca

La frecuencia cardíaca se controló continuamente durante cada sesión utilizando el reloj inteligente Samsung Galaxy Fit 2. Los datos de frecuencia cardíaca se transmitieron automáticamente a la aplicación i80 BPM y se utilizaron para rastrear las respuestas fisiológicas a las sesiones de ejercicio.

Recopilación y gestión de datos Los datos se recopilaron a través de la aplicación i80 BPM, que registró la satisfacción del usuario, la intensidad del ejercicio, la frecuencia cardíaca y la duración de cada sesión de ejercicio. Para garantizar la confidencialidad de los participantes, todos los datos se anonimizaron antes del análisis. A los participantes se les asignó un código de identificación único y todos los documentos confidenciales se almacenaron de forma segura y solo se concedió acceso al personal autorizado.

Cálculos de tamaño de muestra y potencia Según un estudio de viabilidad anterior, se estimó que el tamaño de la muestra era de un mínimo de 40 participantes para detectar una diferencia media de 8 puntos en la escala PACES-8 con un poder del 80%. Se reclutó a un total de 69 participantes para tener en cuenta posibles abandonos y 62 participantes completaron al menos una sesión de ejercicio. El tamaño de la muestra final proporcionó suficiente poder para detectar diferencias entre el RL y las condiciones de control.

Análisis estadístico Se utilizaron ecuaciones de estimación generalizadas (GEE) para analizar los resultados primarios y secundarios. Se aplicaron modelos GEE para tener en cuenta la correlación de medidas repetidas dentro de los sujetos. Las variables dependientes en los modelos fueron la satisfacción del usuario (puntuaciones PACES-8) y el esfuerzo percibido (puntuaciones en la escala de Borg), mientras que las variables independientes fueron la condición (RL versus control) y la semana de prueba. Las covariables incluyeron edad, sexo y niveles iniciales de actividad física, y la identificación del participante se incluyó como efecto del sujeto.