Koneoppimiseen perustuvan mobiilisovelluksen vaikutus ylipainoisten ja lihavien naisten fyysiseen aktiivisuuteen

Maailman terveysjärjestön (WHO) mukaan liikkumattomuus on yksi aikamme merkittävistä kansanterveysongelmista. Tähän asiaan liittyvät terveysongelmat johtavat terveydenhuoltopalvelujen ylikuormitukseen. WHO:n vuonna 2022 julkaiseman raportin mukaan ylipainon ja liikalihavuuden esiintyvyys maailmassa muodostaa 60 prosenttia koko väestöstä ja aiheuttaa 1,2 miljoonan kuoleman Euroopan alueella. Turkissa liikalihavuuden esiintyvyys on 66,8 kaikissa sukupuolissa ja 69,3 naisilla. Kasvava ylipaino- ja liikalihavuusepidemia, joka johtaa pitkällä aikavälillä kroonisiin sairauksiin, on merkittävä kansanterveysuhka sekä maailmanlaajuisesti että maassamme.

Fyysinen aktiivisuus on olennainen elintapojen toimenpide terveen painon ylläpitämiseksi ja liikalihavuuden ehkäisemiseksi. Naisten fyysinen aktiivisuus laskee raskauden aikana ja liikkumattomuus jatkuu synnytyksen jälkeen. Siksi on myös tärkeää määrittää liikalihavuusriskissä olevien naisten fyysinen aktiivisuus ja suunnitella kansanterveysaloitteita heidän fyysisen aktiivisuutensa lisäämiseksi.

Kognitiivinen käyttäytymisteoria (CBT) on teoria, joka ehdottaa, että ajatukset, tunteet ja käytökset liittyvät toisiinsa ja vaikuttavat toisiinsa. CBT:tä käytetään monissa terveyden parantamistoimenpiteissä, kuten fyysisen aktiivisuuden parantamisessa. Toisaalta Social Cognitive Theory (SCT) on tärkeä teoria suunniteltaessa käyttäytymisen muutosinterventioita, jotka liittyvät yksilöiden muuttuviin ja ylläpitäviin terveyskäyttäytymiseen. SCT tarjoaa vahvan näkökulman fyysiseen aktiivisuuteen liittyvän terveyskäyttäytymisen ymmärtämiseen tunnistamalla yksilöiden, ympäristön ja käyttäytymisen välisen vuorovaikutuksen. CBT:n ja SCT:n komponenttien yhdistäminen fyysisen aktiivisuuden tasoon tarjoaa kattavan lähestymistavan käsittelemällä samanaikaisesti kognitiivisia, käyttäytymiseen liittyviä, ympäristöllisiä ja sosiaalisia tekijöitä, jotka vaikuttavat keski-ikäisten naisten fyysiseen aktiivisuustasoon.

Fyysisen aktiivisuuden lisääminen on tehokas keino vähentää liikalihavuuden ja ylipainon esiintyvyyttä, jotka ovat merkittäviä kansanterveysongelmia maailmanlaajuisesti ja maassamme. Tarvitaan kiireesti käyttäytymisen muutostoimenpiteitä fyysisen aktiivisuuden määrittämiseksi ja lisäämiseksi koko yhteiskunnassa ja erityisesti riskiryhmissä terveellisten elämäntapojen edistämiseksi. Tämä tutkimus on suunniteltu arvioimaan koneoppimiseen perustuvan mobiilisovelluksen vaikutuksia, joka antaa henkilökohtaisia ​​suosituksia fyysisen aktiivisuuden lisäämiseen, mikä on olennainen terveyskäyttäytyminen ylipainoisten ja lihavien naisten liikalihavuuden ja monien muiden tarttumattomien sairauksien ehkäisyssä.

Institutionaalisten ja eettisten hyväksyntöjen saamisen jälkeen tiedot kerätään kasvokkain haastattelemalla Istanbulin perheterveyskeskuksiin hakevia 35–60-vuotiaita naisia. Naisten pituus ja paino mitataan ja heidän painoindeksinsä (BMI) lasketaan. Naiset, joiden BMI-arvo on 25 tai korkeampi ja joilla ei ole sairautta tai terveysongelmia, jotka heikentäisivät heidän fyysistä aktiivisuuttaan, otetaan mukaan tutkimukseen.

Tutkimuksen tiedot kerätään seuraavilla työkaluilla ja toimenpiteillä: Tunnistusominaisuuslomake, Visual Analog Scale (VAS), Antropometriset mittaukset, Kansainvälinen fyysinen aktiivisuuskysely (lyhyt lomake), Naisten fyysisen aktiivisuuden itsetehokkuusasteikko, Fyysisen aktiivisuuden esteiden asteikko , Kognitiivisen käyttäytymisen fyysisen aktiivisuuden asteikko, Harjoituksen itsetehokkuusasteikko ja älykäs ranneke.

Tiedonkeruun jälkeen tiedot siirretään SPSS 25.0 -ohjelmistopakettiin analysoitavaksi. Tietojen analyysi sisältää prosenttiosuudet, keskiarvot, keskihajonnan ja khin neliötestin, riippumattoman näytteen t-testin, toistettujen mittausten ANOVA-testin ja korjatun Bonferroni-testin edistyneille analyyseille.