定期的なアフターケア プログラムを評価および監視するための身体活動のセンシング (SensE-M) (SensE-M)

一次仮説 (仮説 1 - 効果的な統合): 研究者は、活動目標を測定するために Fitbit をプログラムに効果的に統合することは、プログラム参加者が毎日の活動目標を追求するのを支援するという仮説を立てています。 Fitbit を個人の日常生活に効果的に統合するための前提条件は、Fitbit で便利に測定および追跡できる活動目標の定義です。

分析計画: 分析戦略は、最終的なサンプル サイズによって異なります。 説明的なアプローチを使用して、研究者は帰国後の平均的な毎日の活動と、「Bliib dra」プログラムの一部として定義されている事前定義された活動目標との差を計算します (たとえば、異なる強度の活動ゾーン時間、歩数/時間)。日）以前に合意された活動レベルの目標と比較して。 さらに、調査員は、日常生活での活動目標を追求する際の課題とファシリテーターに関する参加者の自由テキストの返信と、この点に関するアクティビティトラッカーの可能性/難しさを調べます。 関連情報を抽出するために、調査員は自然言語処理技術を使用して Fitbit 関連のステートメントを評価します。

二次仮説 (仮説 2 - 自宅での日常生活活動): さらに、研究者は、プログラム参加者は身体活動の一貫した比較的安定したレベルを維持するという仮説を立てています。

分析計画: 分析戦略は、最終的なサンプル サイズによって異なります。 調査員は、記述的および視覚的な方法を使用して、時系列データのさまざまな活動レベルの結果 (アクティブ ゾーンの分、歩数、高/中強度の分など) を調べます。 サンプルサイズがより複雑なモデルを可能にする場合、彼らは経時的な身体活動をモデル化し、(マルチレベル) 回帰フレームワークを使用して個々のレベル要因を調査し、それによって個々のレベル要因を制御します。 研究者は、急激な減少または長期間にわたる着実な減少として定義される活動レベルの低下を調査します (つまり、少なくとも 1 週間)。

探索的: 研究者は、プログラムの参加者とセラピストが経験する課題、彼らが評価するもの、および Fitbit デバイスなどのアクティビティトラッカーを効果的にルーチンケアプログラム「Bliib dra」に効果的に統合するために必要なものをさらに調査します。 また、個人レベルの健康指標 (PROMIS-10 など) が時間の経過とともにどのように変化するかについても調査します。

分析計画: 研究者は、自然言語処理技術を使用して、未解決の質問に対するセラピストとプログラム参加者の回答を調べます。 時系列データに関しては、分析戦略は最終的なサンプル サイズによって異なります。 彼らは、記述的および視覚的な方法を使用して時系列データを調べます。 サンプルサイズがより複雑なモデルを可能にする場合、研究者は多変数回帰フレームワークを使用して、個人レベルの要因を制御します。