Sviluppo di teorie dinamiche per il cambiamento del comportamento

I comportamenti non salutari contribuiscono alla maggior parte delle malattie croniche, che rappresentano l'86% di tutta la spesa sanitaria negli Stati Uniti. Nonostante una grande quantità di ricerca, lo sviluppo di interventi di cambiamento comportamentale che siano efficaci, scalabili e sostenibili rimane una sfida. I recenti progressi nel rilevamento mobile e nelle tecnologie basate su smartphone hanno portato a una nuova e promettente forma di intervento, chiamata "intervento adattivo just-in-time" (JITAI), che ha il potenziale per adattarsi continuamente ai contesti in evoluzione e personalizzare per bisogni individuali e opportunità di cambiamento comportamentale. Sebbene gli interventi si siano dimostrati più efficaci se basati su una solida teoria, le attuali teorie comportamentali mancano della granularità temporale e della struttura dinamica multiscala necessarie per sviluppare JITAI efficaci basate su misurazioni di contesti e comportamenti dinamici complessi. Allo stesso tempo, mancano strutture di modellazione in grado di esprimere teorie dinamiche, temporalmente multiscala e rappresentare dati dinamici, temporalmente multiscala. Questo progetto affronterà le sfide e le opportunità di sviluppo teorico, misurazione e modellazione presentate da dati longitudinali raccolti in modo intensivo, con particolare attenzione all'attività fisica e al comportamento sedentario e ampie implicazioni per altri comportamenti.

Per l'efficienza, lo studio si basa sullo studio micro-randomizzato (MRT) di HeartSteps (n=60) della durata di un anno finanziato dal NIH, un intervento di mHealth adattivo basato sulla teoria socio-cognitiva (SCT) sviluppato per aumentare la deambulazione e ridurre il comportamento sedentario nei pazienti con malattie cardiovascolari. Gli obiettivi di questa nuova proposta sono: 1) Perfezionare e sviluppare misure dinamiche di costrutti teorici che influenzano i comportamenti target dello studio, 2) Migliorare HeartSteps con le misure sviluppate nell'Obiettivo 1 e raccogliere dati da due ulteriori coorti HeartSteps di un anno (sovrappeso sedentario /adulti obesi (n=60) e pazienti affetti da diabete di tipo 2 (n=60), totale n=180), 3) Sviluppare un quadro di modellazione per rendere operative le teorie dinamiche e contestualizzate del comportamento in un contesto di intervento e 4) Migliorare la previsione di Risultati SCT utilizzando modelli sempre più complessi. Il lavoro qui proposto fornirà nuove misure digitali guidate dai dati di costrutti chiave della teoria comportamentale su scale temporali momentanee, giornaliere e settimanali, fornirà nuovi strumenti su misura per la specifica di modelli complessi di dinamiche comportamentali, nonché nuovi strumenti di stima del modello su misura in particolare ai dati comportamentali e contestuali complessi, longitudinali, su più scale temporali che sono ora accessibili utilizzando le tecnologie mHealth. Infine, i ricercatori sfrutteranno i dati raccolti e gli strumenti di modellazione proposti per sviluppare e testare estensioni dinamiche migliorate della teoria cognitiva sociale rese operative come modelli dinamici predittivi completamente quantificati. Collettivamente, questo lavoro fornirà le basi teoriche e gli strumenti necessari per aumentare in modo significativo l'efficacia degli interventi sanitari mobili basati sull'attività fisica su più scale temporali, inclusa la loro capacità di supportare efficacemente il cambiamento del comportamento su scale temporali più lunghe.