Pilóta személyre szabott cirkadiánus mHealth pilóta az éjszakai műszakban alkalmazott munkavállalók alvásának javítása érdekében (SAIL)

Kísérleti: Váltóalkalmazás

Ebben a állapotban résztvevők hozzáférési kódot kapnak a mobil alkalmazás letöltéséhez, és irányítást végeznek a váltáshoz, valamint a tanulmányi eljárások egy tanulmánycsoport tagjával. Ezután négy hetes tanulmányi irányítást végeznek a műszakban, ahol napi napi eljárás során képzik őket a nap elején, és az alkalmazás ajánlásainak megfelelően megtervezik a napjukat. Az alkalmazáshasználatot (hetente négyszer) arra ösztönzik, hogy heti bónuszokat adjanak hozzá a tanulmányi kompenzációhoz. A tanulmányi irányítás négy hetes felhasználását követően a résztvevők folytatják az önirányított felhasználást. Négy hónapon belül a résztvevők ezután két további hetes tanulmányozású felhasználással készítik el az emlékeztető ülést, amelyet a vizsgálat végéig önkormányzati használat követ. A Booster ülés szerkezete bizonyítékokkal rendelkezik a kezelési nyereség fenntartására, és összhangban áll a kereskedelem terve.

Egyéb: Személyre szabott cirkadiánus mHealth

A Shift egy olyan mobil alkalmazás, amelynek célja az éjszakai műszakban alkalmazott munkavállalók alvásának javítása. A Shift Mobile alkalmazást az Apple Watch adatgyűjtésére használják az egyéni műszakban alkalmazott munkavállaló test-órás időzítésének felmérésére, és személyre szabott ajánlásokat készítenek a fény expozíciós ütemtervéről, amelyet úgy terveztek, hogy a test-órát az éjszakai műszakban.

Más nevek:

• VÁLTÁS

Nincs beavatkozás: Várólisták vezérlése

Ebben a állapotban résztvevők csak a kezdeti nyolc hónapban kapják meg a kérdőíveket. Azok, akik továbbra is műszakban dolgozók, lehetősége van a Shift alkalmazásra és a nyomon követési felmérések befejezésére, ugyanúgy, mint a Shift alkalmazás állapotát.

Állítsa be a váltás hatását az érdekelt felek-központú eredményekre.

Cél 1a. Mérje meg a eltolódásnak a munka termelékenységére és elégedettségére gyakorolt ​​hatását a várólisták ellenőrzéséhez, a munka elégedettségi index segítségével. A hatást vegyes effektusok lineáris regressziós modelljével kell megvizsgálni, a résztvevőkkel, mint a véletlenszerű hatás és az idő, az állapot és az idő × állapot interakciós kifejezése, mint a rögzített hatások.

1b. Cél: Mérje meg a eltolódásnak a globális egészségre gyakorolt ​​hatását a várólisták ellenőrzéséhez, az NIH PROMIS globális egészségügyi kérdőív segítségével. Az effektusokat ugyanolyan módszerrel kell megvizsgálni, mint az 1A.

Cél 1C. Mérje meg a váltásnak a forgalomra gyakorolt ​​hatását a várólisták vezérléséhez képest, a 8 hónapos nyomon követéskor mérve. A forgalmat olyan személyként fogják működésbe hozni, aki vagy megszüntette a kiindulási helyzetben lévő pozíciót, vagy már nem vesz részt a műszakban, ahogyan azt a tanulmányban működőképes. A hatást egy általános vegyes effektusú regresszióval határozzuk meg, a forgalom dichotomikus eredményként.

Hasonlítsa össze az Sleep Android felhasználási élményét és pontosságát az eredeti iOS verzióval.

Cél 2a. Mérje meg az Android és az iOS verzióinak felhasználói élményét a felhasználói élmény kérdőív (UEQ) segítségével. A klinikai közömbösség következő tartományait használjuk: ± 3 pont a felhasználói élmény kérdőívén, a küszöbértékek 6 -os mérete alapján (rossz, semleges és jó felhasználói élmény).

Cél 2b. Mérje meg az előrejelzett cirkadián eltérés (CM), alvás és depresszió pontosságát az Android és iOS verziókban. A CM -t a cirkadián rendszer biomatematikai modelljének kimeneteivel indexálják. Az alvást az álmatlanság súlyossági index és az alvási naplók felhasználásával kell mérni. A depressziót a depressziós tünetek gyors leltárával kell mérni. A klinikai közömbösség következő tartományait fogják használni: 1) CM = ± 3 óra, körülbelül 2x alapján a modell előrejelzéseink abszolút átlagos hibája, 2) Álmatlanság súlyosságának = ± 6 pontja, és 3) depresszió = a QID -k 28,5% -a a QID -k 28,5% -a. -SR16 pontszám.

Értékelje az elkötelezettség és a végrehajtás elősegítőit és akadályait.

A félig strukturált interjúk sorozatát használják tematikus elemzéshez, és átfogó ütemterv a jövőbeli alkalmazásfrissítésekhez a felhasználói visszajelzések alapján. A félig strukturált interjúk az interjú útmutató megközelítést használják a tanulmányhoz kiválasztott CFIR keretrendszer után. A tematikus elemzéshez hat fázist fognak követni: (1) adatok megismerése, (2) kezdeti kódok generálása, (3) témák keresése, (4) a témák áttekintése, (5) a témák meghatározása és elnevezése, és (6) a jelentés elkészítése - A deduktív és induktív technikákat kombináljuk a tematikus elemzések pontosságának növelése érdekében.