身体活動の増加とユーザーエンゲージメントの持続のためのマシンベースのアルゴリズム
身体活動を増加させ、スパウトユーザーのエンゲージメントを維持するために活動目標を調整するためのマシンベースのアルゴリズム
調査の概要
詳細な説明
研究チームは、Telus Health および Sprout アプリ (iOS および Android バージョン) と提携します。このアプリは、参加者が毎日の歩数を追跡し、毎日の目標と積極的に比較できるようにすることで、身体活動を増やすように設計されています。 Sprout をダウンロードした後、ユーザーはアプリを開いてランディング ページとホームページに移動できます。 ホームページには、その日に完了した歩数とユーザーの毎日の歩数目標が表示されます。 参加者は、ホームページの上部にある 2 つのアイコンをクリックできます。 ユーザーが左側のアイコンをクリックすると、履歴ページが表示されます。 履歴ページでは、参加者が毎日の歩数と毎日の目標を色分けされた棒グラフで表示することで、過去 1 週間のパフォーマンスを追跡できます。 緑色のバーは、対応する日の歩数目標の達成を示し、赤色のバーは、対応する日の歩数目標の達成に失敗したことを示します。 iPhone および Android デバイスに組み込まれたヘルス チップは歩数データを収集します。iPhone および Android ヘルス チップによって収集された歩数の精度は、ActiGraph と同等の精度であることが多くの研究で検証されています。 Sprout アプリは、まず歩数と目標のデータを携帯電話のローカルに保存し、携帯電話がアクティブな場合は 10 分ごとにサーバーと同期します。 アプリのプッシュ通知も有効になり (ユーザーが有効にした場合)、標準の iOS および Android プッシュ通知が使用されます。 プッシュ通知は、ランディング ページと携帯電話の [最近の通知] タブに表示されます。
資格のある参加者は、アプリをダウンロードした後、1 週間の慣らし期間を開始します。 慣らし運転期間の目的は、ベースラインの毎日の歩数を収集し、参加者が Sprout アプリを定期的に使用するために必要な要件を遵守できるかどうかを評価することです。 慣らし期間中、対照グループと介入グループのすべての参加者は、1 日目から 7 日目まで、それぞれ 3000、3500、4000、4500、5000、5500、および 6000 歩という同一の毎日の歩数目標のセットを受け取ります。 機械学習アルゴリズムは、慣らし運転期間中に介入グループの参加者の歩数目標を計算するために使用されません。 動的に増加する歩数目標は、参加者がアプリを定期的に使用するように参加者を引き込むために、慣らし期間中に使用されます。 さらに、すべての参加者は、その日の歩数目標を提供するプッシュ通知を午前 8 時に受け取ります。参加者が午後 8 時までに目標を達成すると、その参加者がその日の歩数目標に到達したことを祝うために別のプッシュ通知が送信されます。 。 慣らし運転期間中の 2 つのグループ間の同一の目標は、初期身体活動の基準レベルを確立するために使用され、統計分析で使用され、慣らし運転期間と 2 つのグループの 12 週間の 1 日の歩数の差を比較します。グループ。 慣らし期間中に収集されたデータは、介入期間のステップ目標を計算するために機械学習アルゴリズムによって使用されます。 実行データはさまざまな参加者の好みを示すため、これは有効なアプローチです。 すべての参加者は 2 つのグループのいずれかに振り分けられます。 アプリ ユーザーのグループへの割り当ては、導入期間後に Telus Health によって実装されます。 1 週間の慣らし期間の後、対照グループの参加者には、Sprout アプリを通じて 1 日あたり 10,000 歩に設定された一定の毎日の歩数目標が提供されます。 参加者は毎日午前 8 時にその日の歩数目標 (10,000 歩) を示すプッシュ通知を受け取ります。参加者が午後 8 時までに目標を達成した場合は、参加者の達成を祝う別のプッシュ通知が送信されます。その日の歩数目標(10,000歩)。
1 週間の慣らし期間の後、介入グループの参加者は、Sprout アプリを通じて適応的にパーソナライズされた歩数目標を受け取ります。 毎日の歩数目標は、ユーザーの完全な履歴 (過去の歩数と目標) に基づく機械学習を使用して計算されます。 機械学習は毎日適用され、将来のステップと目標のばらつきを減らします。 参加者は毎日午前 8 時に今日の歩数目標を示すプッシュ通知を受け取ります。参加者が午後 8 時までに目標を達成した場合は、その歩数目標の達成を祝う別のプッシュ通知が送信されます。日。 機械学習は、過去のすべての歩数データと各参加者の目標に基づいて、各参加者の将来の身体活動を最大化すると予測されるパーソナライズされた歩数目標を適応的に計算します。 機械学習は各参加者に個別に適用され、主に 2 つのステップで構成されます。 最初のステップは、参加者のすべてのデータを使用して、所定の一連の歩数目標を与えられた場合に、参加者が将来何歩歩くかを予測する定量的モデルを構築することです。モデルの重要な側面は、どのように歩数を増やすかを記述するコンポーネントです。現在の目標を達成することで、将来の目標を達成する可能性が高まります。 2 番目のステップは、この定量的モデルを使用して、予測される将来の歩数を最大化する一連の歩数目標を選択することです。 歩数目標の更新プロセスを適応的にするために、機械学習が毎日 (すべてのユーザーの過去のデータを使用して) 適用され、次の日の歩数目標が生成されます。 さらに、機械学習によって計算される翌日の歩数目標は一定ではなく、モデルの予測に基づいて増減します。 Sprout アプリは参加者の歩数を毎日自動的に追跡し、12 週間の学習期間中のアプリ内での参加レベルに関係なく目標を提供します。 データは遡及的に分析されているため、参加者には「研究終了」通知は提供されません。 ただし、研究手順に登録する際、すべてのユーザーはデータが収集および分析されることについて書面によるインフォームドコンセントを提供しました。
研究の種類
入学 (推定)
段階
- 適用できない
連絡先と場所
研究場所
-
-
Ontario
-
London、Ontario、カナダ
- Western University
-
-
参加基準
適格基準
就学可能な年齢
- 大人
- 高齢者
健康ボランティアの受け入れ
説明
包含基準:
- 18歳以上の大人
- 今後 12 週間以内に身体をアクティブにするユーザーの意向
- スマートフォン端末を所有している
- Sprout アプリ (インターネット接続が必要) を 12 週間毎日インストールして使用する意思がある
- 英語を話し、読む能力
除外基準:
- 身体活動プログラムにおいて特別な注意が必要な既知の病状または身体的問題
- 今後 3 か月以内に海外旅行を計画しています。携帯電話データの毎日のサーバー アップロードに支障をきたす可能性があります。
- 過去6か月以内に妊娠または出産した
- 研究結果を混乱させる可能性のあるライフスタイル修正プログラムまたは研究研究に現在参加している
研究計画
研究はどのように設計されていますか?
デザインの詳細
- 主な目的:処理
- 割り当て:非ランダム化
- 介入モデル:並列代入
- マスキング:独身
武器と介入
参加者グループ / アーム |
介入・治療 |
---|---|
実験的:適応歩数目標(介入)
1 週間の慣らし期間の後、対照グループの参加者には、Sprout アプリを通じて 1 日あたり 10,000 歩に設定された一定の毎日の歩数目標が提供されます。
参加者は毎日午前 8 時にその日の歩数目標 (10,000 歩) を示すプッシュ通知を受け取ります。参加者が午後 8 時までに目標を達成した場合は、参加者の歩数目標達成を祝う別のプッシュ通知が送信されます ( 10,000歩)その日の。
|
自動化されたパーソナライズされた毎日の歩数目標を受信し、
|
アクティブコンパレータ:静的ステップ目標 (コントロール)
1 週間の慣らし期間の後、対照グループの参加者には、Sprout アプリを通じて 1 日あたり 10,000 歩に設定された一定の毎日の歩数目標が提供されます。
参加者は毎日午前 8 時にその日の歩数目標 (10,000 歩) を示すプッシュ通知を受け取ります。参加者が午後 8 時までに目標を達成した場合は、参加者の歩数目標達成を祝う別のプッシュ通知が送信されます ( 10,000歩)その日の。
|
1 日あたり 10,000 歩という固定の毎日の歩数目標を受け取る
|
この研究は何を測定していますか?
主要な結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
歩数
時間枠:17週間
|
適応的な毎日の歩数目標を与えられたグループと非適応的な目標を与えられたグループにおける、5 週間の慣らし期間から 12 週間の追跡調査までの毎日の歩数の相対的な変化。
|
17週間
|
二次結果の測定
結果測定 |
メジャーの説明 |
時間枠 |
---|---|---|
アプリを開いた数、アプリに費やした合計時間、開いたページ数
時間枠:12週間
|
12 週間の追跡期間全体における、適応目標グループと非適応目標グループ内の取り組みレベルの差 (タイトルに記載)。
|
12週間
|
協力者と研究者
研究記録日
主要日程の研究
研究開始 (実際)
一次修了 (推定)
研究の完了 (推定)
試験登録日
最初に提出
QC基準を満たした最初の提出物
最初の投稿 (実際)
学習記録の更新
投稿された最後の更新 (実際)
QC基準を満たした最後の更新が送信されました
最終確認日
詳しくは
本研究に関する用語
キーワード
その他の研究ID番号
- 123632
個々の参加者データ (IPD) の計画
個々の参加者データ (IPD) を共有する予定はありますか?
IPD プランの説明
医薬品およびデバイス情報、研究文書
米国FDA規制医薬品の研究
米国FDA規制機器製品の研究
この情報は、Web サイト clinicaltrials.gov から変更なしで直接取得したものです。研究の詳細を変更、削除、または更新するリクエストがある場合は、register@clinicaltrials.gov。 までご連絡ください。 clinicaltrials.gov に変更が加えられるとすぐに、ウェブサイトでも自動的に更新されます。
健康行動の臨床試験
-
University of Colorado, DenverEunice Kennedy Shriver National Institute of Child Health and Human Development (NICHD); National... と他の協力者積極的、募集していない
-
Queens College, The City University of New York募集American Journal of Public Healthに投稿された論文の出版アメリカ
-
Istanbul University - Cerrahpasa (IUC)募集
適応歩数目標(介入)の臨床試験
-
University of MichiganNational Institute on Drug Abuse (NIDA)募集