Gépi tanulási technológia a visszaesés előrejelzésében és a kábítószer-használat előtti helyreállítási beavatkozás végrehajtásában

Ennek a tanulmánynak az a célja, hogy megvizsgálja a sóvárgás, a kognitív teljesítmény, a viselkedés és a fiziológiai markerek közötti kapcsolatot szerhasználati zavarban szenvedő egyéneknél, valamint a kortárs-helyreállítási beavatkozás hatásait a biomarker adatok anomáliáira válaszul viselhető technológia (pl. Oura) segítségével. gyűrű), valamint a résztvevők válaszai kérdőívekre és kognitív feladatokra az RNI Health alkalmazáson keresztül. Minden résztvevőt kezdetben 3 hónapig megfigyelnek, majd véletlenszerűen besorolják a következő ágak egyikébe: 1) Kezelés a szokásos módon; 2) PRSS (Peer Recovery Support) beavatkozás. A résztvevőket 1:1 arányban véletlenszerűen besorolják, hogy vagy a szokásos ellátásban részesüljenek (a szokásos kezelés), vagy PRSS-beavatkozásban részesüljenek. A résztvevőket arra kérik, hogy 5 évig folyamatosan viseljenek pulzusszámot, alvást és fizikai aktivitást mérő hordható eszközt. A résztvevőket arra is felkérik, hogy töltsenek ki kérdőíveket az egészségről, a gondolkodásról és az érzelmekről, a múltbeli tapasztalatokról és a szociális háttérről, valamint kognitív és fiziológiai feladatokat is teljesítsenek, ha szükséges. A kérdőívek kitöltése a WVU RNI Health alkalmazáson keresztül történik okoseszközön. A résztvevők adatait gépi tanulási algoritmusok és szabványos statisztikai elemzések segítségével elemzik. A kutatók azt tervezik, hogy azonosítják a résztvevők adataiban, például a fiziológiás biomarkerekben, a kognitív teljesítményben, a viselkedésben és a sóvárgás mértékében jelentkező rendellenességeket, amelyek a visszaesés és a kapcsolódó hangulati állapotok fokozott kockázatával kapcsolatosak, és amelyek során a résztvevőkkel kapcsolatba léphet a Peer Recovery Support Specialist (PRSS) segítségével. a résztvevők szükségleteinek felmérésére, mint például az erőforrásokhoz való kapcsolódás vagy utalás (kezelési lehetőségek, lakhatási források stb.) az ellátási színvonaluk alapján. A kutatás célja gépi tanulási algoritmusok kidolgozása a kábítószer-használat megismétlődésének kockázatának előrejelzésére, olyan prediktív modell kidolgozása, amely segíthet a prognózis meghatározásában és a fiziológiai, kognitív és viselkedési válaszmintákon alapuló kezelési tervezés javításában, valamint a Peer hatékonyságának értékelése. Helyreállítási támogatás Szakértői beavatkozások a kábítószer-használat megismétlődésének megelőzésében, és az adatok felhasználása annak jobb megértésére, hogy a hordható technológia hogyan segíthet a kezelési tervek javításában.