Una valutazione dell'effetto della prescrizione di esercizi basata su app utilizzando RL sulla soddisfazione e sull'intensità dell'esercizio (PERFORM-RL)

Panoramica dello studio Lo studio PERFORM-RL è stato uno studio crossover randomizzato di 12 settimane condotto per valutare l'impatto della prescrizione di esercizi personalizzati basata su app sulla soddisfazione dell'utente e sull'intensità dell'esercizio, utilizzando l'apprendimento per rinforzo (RL) come meccanismo chiave per la personalizzazione. Questo studio ha cercato di determinare se le sessioni di allenamento generate da RL potessero migliorare la soddisfazione dell'utente e aumentare l'intensità dell'esercizio rispetto alle sessioni generiche non personalizzate. Si prevede che i risultati contribuiranno al crescente campo degli interventi sulla salute digitale, in particolare nell’area dei programmi di esercizi scalabili e basati su app, progettati per migliorare il coinvolgimento degli utenti e l’adesione a lungo termine.

Obiettivi dello studio L'obiettivo principale dello studio era confrontare la soddisfazione degli utenti tra sessioni di esercizi generate da RL e sessioni generiche. L’ipotesi era che la personalizzazione basata sull’RL avrebbe comportato una maggiore soddisfazione dell’utente, come misurato dalla Physical Activity Enjoyment Scale (PACES-8). L'obiettivo secondario era valutare l'effetto del RL sull'intensità dell'esercizio, misurato dalla scala Borg Rating of Perceived Exertion (RPE). È stato ipotizzato che i partecipanti si esercitassero a un'intensità maggiore nella condizione RL a causa della natura su misura delle sessioni, in linea con le loro preferenze e livelli di forma fisica.

Progettazione dello studio

Si trattava di uno studio crossover randomizzato, in cieco per il valutatore. Ogni partecipante ha completato due diverse condizioni durante lo studio di 12 settimane:

Condizione di intervento: le sessioni di esercizio sono state personalizzate utilizzando un modello di apprendimento di rinforzo che adattava la difficoltà e il contenuto della sessione in base alle preferenze dei partecipanti, alle prestazioni passate e al feedback.

Condizione di controllo: i partecipanti hanno completato sessioni di esercizi generici e non personalizzati. Queste sessioni erano pre-progettate e non si adattavano in base al feedback o alle preferenze dell'utente.

I partecipanti alternavano settimanalmente le condizioni di intervento e di controllo, il che significa che ogni settimana sperimentavano un approccio diverso alla prescrizione degli esercizi. Questo disegno ha assicurato che ciascun partecipante agisse come proprio controllo, riducendo la variabilità e aumentando la robustezza dei risultati. Tutte le sessioni di allenamento sono state erogate tramite l'app i80 BPM, sviluppata da Samsung, che ha anche facilitato la raccolta dei dati.

Partecipanti I partecipanti sono stati reclutati da Dublino, Irlanda, e dalle aree circostanti tramite passaparola e social media. Un totale di 62 partecipanti (27 maschi, 42 femmine; età media 42 anni) hanno completato almeno una sessione di esercizi, con 559 sessioni completate complessivamente durante il periodo di prova di 12 settimane. I partecipanti erano adulti sani e ricreativamente attivi di età compresa tra 18 e 65 anni. L'idoneità è stata valutata utilizzando il "Questionario di screening sulla salute prima della partecipazione all'esercizio fisico per professionisti dell'esercizio fisico". I criteri di esclusione includevano disabilità fisica, grave deterioramento cognitivo o incapacità di leggere e scrivere in inglese.

Interventi Apprendimento per Rinforzo (RL) Intervento

Il modello RL utilizzato dall'app i80 BPM ha personalizzato le sessioni di allenamento in base alle preferenze dell'utente, allo sforzo percepito e al feedback delle sessioni precedenti. Il framework RL utilizzava un agente decisionale, che selezionava gli esercizi da un database preesistente in base al livello di forma fisica, agli obiettivi e al feedback in tempo reale dell'utente. La funzione di ricompensa del modello mirava a massimizzare la soddisfazione dell'utente e l'efficacia della sessione adattando la difficoltà e il contenuto dell'esercizio in risposta alle esigenze in evoluzione dell'utente.

Ad esempio, se un partecipante ha riportato un’elevata soddisfazione e un’intensità moderata in una sessione precedente, il modello RL suggerirebbe esercizi simili o leggermente più impegnativi per la sessione successiva. Il sistema RL apprende continuamente dalle interazioni dell'utente, adattando la prescrizione degli esercizi per mantenere un coinvolgimento e un'efficacia ottimali.

Condizione di controllo

Nella condizione di controllo, i partecipanti hanno ricevuto sessioni di esercizi generici che non erano personalizzate o adattate in base al feedback degli utenti. Queste sessioni includevano una selezione fissa di esercizi e non si sono evolute nel tempo, fornendo una base di riferimento rispetto alla quale è stato possibile confrontare l'intervento RL personalizzato.

Misure di risultato Risultato primario: soddisfazione dell'utente

La soddisfazione dell'utente è stata valutata dopo ogni sessione utilizzando una versione abbreviata di 8 elementi della Physical Activity Enjoyment Scale (PACES-8). Questa scala convalidata misura la misura in cui i partecipanti hanno apprezzato le loro sessioni di allenamento. I punteggi vanno da 1 (bassa soddisfazione) a 5 (alta soddisfazione), con punteggi più alti che indicano maggiore divertimento e soddisfazione generale per l'esperienza di esercizio.

Risultato secondario: intensità dell'esercizio

L’intensità dell’esercizio è stata misurata utilizzando la scala Borg Rating of Perceived Exertion (RPE), che varia da 1 (molto facile) a 10 (massimo sforzo). Ai partecipanti è stato chiesto di valutare il loro sforzo percepito dopo ogni sessione tramite l'app, garantendo l'acquisizione in tempo reale della loro esperienza. I dati sulla frequenza cardiaca, raccolti utilizzando uno smartwatch Samsung Galaxy Fit 2, sono serviti come misura aggiuntiva di intensità, convalidando i punteggi RPE soggettivi.

Risultato aggiuntivo: frequenza cardiaca

La frequenza cardiaca è stata continuamente monitorata durante ogni sessione utilizzando lo smartwatch Samsung Galaxy Fit 2. I dati sulla frequenza cardiaca sono stati trasmessi automaticamente all'app i80 BPM e utilizzati per monitorare le risposte fisiologiche alle sessioni di allenamento.

Raccolta e gestione dei dati I dati sono stati raccolti tramite l'app i80 BPM, che ha registrato la soddisfazione dell'utente, l'intensità dell'esercizio, la frequenza cardiaca e la durata di ciascuna sessione di allenamento. Per garantire la riservatezza dei partecipanti, tutti i dati sono stati resi anonimi prima dell'analisi. Ai partecipanti è stato assegnato un codice identificativo univoco e tutti i documenti sensibili sono stati archiviati in modo sicuro, con accesso consentito solo al personale autorizzato.

Calcoli della dimensione del campione e della potenza Sulla base di un precedente studio di fattibilità, la dimensione del campione è stata stimata in un minimo di 40 partecipanti per rilevare una differenza media di 8 punti sulla scala PACES-8 con una potenza dell'80%. Sono stati reclutati un totale di 69 partecipanti per tenere conto dei potenziali abbandoni e 62 partecipanti hanno completato almeno una sessione di esercizi. La dimensione del campione finale ha fornito una potenza sufficiente per rilevare le differenze tra le condizioni RL e quelle di controllo.

Per analizzare i risultati primari e secondari sono state utilizzate le equazioni di stima generalizzate (GEE) dell'analisi statistica. Sono stati applicati modelli GEE per tenere conto della correlazione di misure ripetute all'interno dei soggetti. Le variabili dipendenti nei modelli erano la soddisfazione dell'utente (punteggi PACES-8) e lo sforzo percepito (punteggi della scala Borg), mentre le variabili indipendenti erano la condizione (RL vs controllo) e la settimana di prova. Le covariate includevano età, sesso e livelli di attività fisica di base, con l'ID del partecipante incluso come effetto del soggetto.