더 나은 앱: (더-)디지털 라이프스타일 프로그램 개발 및 평가 (BETTERapp)

배경: 네덜란드에서는 만성 질환을 가진 사람들의 수가 최근 몇 년 동안 크게 증가했으며 계속해서 증가할 것으로 예상됩니다(2). 만성 질환을 치료하는 것은 비용이 많이 들고 많은 관심과 관심이 필요합니다. 이것은 환자와 정부 모두에게 높은 의료 비용으로 이어집니다. 네덜란드 정부는 2021년에 의료 및 장기 요양에 1,080억 유로를 지출했는데, 이는 당시 총 요양 및 복지에 지출한 1,250억 유로 중 가장 큰 부분입니다(3). 만성 질환은 사람들의 삶의 질에 큰 영향을 미칩니다. 그들은 일상 생활에서 증상과 제한을 유발할 수 있으며 사람들의 업무 참여에도 영향을 미칩니다.

과체중과 비만은 심혈관 질환, 제2형 당뇨병 및 특정 암과 같은 많은 만성 질환의 위험 증가와 관련이 있습니다. 라이프스타일은 과체중과 비만의 발달에 중요한 역할을 합니다. 건강에 해로운 식습관과 신체 활동의 부족은 과체중과 비만의 가장 흔한 원인으로 알려져 있습니다. 따라서 이러한 추세를 역전시키고 건강한 라이프스타일을 촉진하기 위한 조치를 취하고 프로그램을 제공하는 것이 중요합니다(4,5). 일반화된 접근 방식과 달리 보다 개인화된 개입은 개인의 특정 요구, 특성 및 상황과 일치하므로 건강한 라이프스타일의 지속 가능한 변화와 관련하여 잠재적으로 더 나은 결과를 가져올 수 있습니다(6-8).

BETTER 프로그램인 맞춤형 라이프스타일 개입은 최근 Zuyd University of Applied Sciences의 영양, 라이프스타일 및 운동 강의에 의해 개발되고 평가되었습니다. BETTER는 Move, Eat, Change의 약자(네덜란드어로 BETER)이며 프로그램은 운동, 영양 및 행동 변화에 중점을 둡니다. 시스템 생물학적 기초 연구에서 얻은 지식과 통찰력은 이러한 프로그램의 기반을 제공하여 라이프스타일 권장 사항을 더욱 개인화합니다. 동일한 조건을 가진 사람들이 다른 근본적인 원인을 가질 수 있다는 증거가 증가하고 있으며, 이로 인해 라이프스타일 권장 사항과 개입도 달라집니다(9). BETTER 프로그램에서 이 지식은 하위 유형을 사용하여 실제로 적용됩니다.

대면 BETTER 라이프스타일 프로그램은 과체중 및 비만 개인에게 성공적으로 적용되었습니다. 프로그램을 마친 후 참가자들은 체중이 줄고 건강해졌으며 라이프스타일을 더 잘 통제할 수 있다고 느꼈습니다(10).

BETTER 프로그램 내에서 참가자의 개별 하위 유형 지정은 한 명 이상의 전문가가 수행했습니다. 이것은 특히 반복 측정의 경우 시간이 많이 걸리고 (상대적으로) 비용이 많이 듭니다. 파일럿 연구에서는 알고리즘을 포함한 디지털 증상 설문지를 통해 결정된 하위 유형이 전문가가 결정한 하위 유형과 어느 정도 일치하는지(기준 유효성) 조사했습니다. 첫 번째 예비 결과는 설문지의 결과가 전문가 분류와 적당히 일치하는 것으로 나타났습니다. 이러한 데이터를 기반으로 설문지의 유효성을 높일 수 있는 기계 학습 알고리즘이 개발되었습니다(답변의 가중치 및 종속성을 최적화). 이 알고리즘은 새로운 데이터(완성된 설문지 및 전문가의 하위 유형 지정)를 추가하여 훈련할 수 있습니다. 이 알고리즘은 Semi-Supervised Classification 원리(11)를 기반으로 작동합니다.

위의 연구 결과 및 결론을 바탕으로 BETTER 앱은 증상 설문지를 포함한 과체중인 사람들을 위한 BETTER 라이프스타일 프로그램을 자동화 및 디지털 방식으로 제공하는 개발 중입니다. 사용자는 접근 가능한 방식으로 개인적으로 관련된 프로그램 구성 요소를 독립적으로 사용하여 자기 관리 및 자기 규제를 촉진할 수 있습니다. 프로그램 내용이 무엇보다도 사용자의 기본 하위 유형에 맞게 조정되기 때문에 증상 설문지의 자동화된 버전이 중요한 역할을 합니다. 따라서 앱의 자동 설문지를 통해 하위 유형의 변화를 쉽게 식별하고 그에 따라 라이프스타일 조언을 조정할 수 있습니다. 콘텐츠 개발, 따라야 할 프로세스 및 BETTER 앱의 디자인을 위해 이전 BETTER 프로그램의 자료가 채택됩니다. 이 개발 프로세스는 여러 반복을 통해 대상 그룹과 함께 공동으로 생성됩니다. 이 연구는 BETER 앱의 Minimal Viable Product를 최적화하여 궁극적으로 성숙한 버전에 도달하는 데 기여합니다.

이 후속 프로젝트에서 우리는 하위 유형-설문지/알고리즘(연구 1, 인터레이터 신뢰도)을 평가 및 최적화하고 디지털화된 BETER 프로그램인 BETTER 앱(연구 2, 정성 및 정량 평가를 통한 사례 시리즈 설계)을 평가하는 것을 목표로 합니다. 대답하려는 주요 질문은 다음과 같습니다.

1. 과체중 아형을 식별하기 위한 전문가와 비교하여 두 아형 전문가의 평가자 간 신뢰도 및 증상 설문지의 기준 타당성은 무엇입니까?
2. BETER 앱은 어떻게 사용되고 평가됩니까(프로세스 평가)?

방법 연구 설계 및 측정 하위 연구 1: 증상 설문지 하위 유형 측정의 평가자 간 신뢰도 및 기준 유효성을 평가하기 위해 참가자는 최대 60분의 측정 세션에 초대됩니다. 이 측정 세션은 5일에 걸쳐 다른 장소에서 제공되며 참가자는 연구원/연구 보조원의 감독을 받습니다. 참가자는 별도의 방에서 세 가지 측정 세션을 거칩니다. (1) 디지털 증상 설문지 작성 및 인구 통계 데이터(약. 10분), (2) 전문가 1과의 면담(약. 20분), (3) 전문가 2인터뷰(약. 20 분).

하위 연구 2: 프로세스 평가 BETER 앱 이 하위 연구는 사례 시리즈 설계에서 양적 및 질적 연구 방법을 모두 사용합니다. 베이스라인 측정(T0)은 앱 사용 시작 전, 중간 측정(T1)은 시작 3주 후, 최종 측정은 앱 사용 종료 시(T2) 시작 6주 후에 이루어집니다. 기본적으로 앱에 대한 인구통계학적 데이터와 기대치가 수집됩니다. T1 및 T2에서는 설문지(MAUQ(mHealth App Usability Questionnaire)) 및 포커스 그룹 인터뷰를 통해 사용량, 경험 및 등급을 매핑합니다. 로그 파일은 사용자가 로그인하는 빈도, 참가자가 사용하는 BETER 앱의 부분 및 앱 사용 시간을 자동으로 기록합니다.

연구 모집단 포함 기준: 과체중 또는 비만인 16세 이상의 사람(체질량 지수(BMI) 25 이상); 제외 기준: 네덜란드어 숙달 부족, 기본 스마트폰 기술 부족.

BETTER 앱 BETTER 앱은 6주 동안 개인 코칭 옵션을 포함한 '맞춤형' 라이프스타일 프로그램을 제공합니다. BETTER 앱은 이전에 개발 및 평가된 BETER 프로그램을 기반으로 하는 자동화되고 디지털화된 라이프스타일 프로그램입니다. BETER 앱은 Zuyd 응용 과학 대학의 영양, 라이프스타일 및 운동 전문 센터의 연구원과 소프트웨어 개발자 HelloSunshine B.V.가 대상 그룹과 공동으로 개발했습니다. 이 앱은 라이프스타일 행동 변화를 지원합니다.

데이터 분석 두 전문가 사이의 평가자 간 신뢰도를 평가하기 위해 두 전문가 사이에서 표준 오차 및 백분율 동의가 포함된 Cohen의 카파(k)를 계산합니다. 95% 신뢰 구간이 사용됩니다. 가중되지 않은 Kappa와 선형 가중된 Kappa가 모두 계산됩니다. 가중된 kappa를 통해 차이가 있는 경우 이러한 차이가 특정 하위 유형 간에 주로 발생하는지 여부를 검토하고 이를 수정할 수 있습니다(17).

기준 타당도를 판단하기 위해 일치도를 상관계수(r ≥ 0.8을 '양호'로 평가하여 컷오프 포인트로 사용)로 표현한다. 또한 민감도, 특이도 및 F1 점수는 5x5 테이블과 5개의 "1 대 나머지" ROC 곡선(18,19)을 사용하여 평가됩니다.

프로세스 평가: 정량적 측정 T0, T1 및 T2의 모든 측정 변수와 로그 파일은 기술 통계를 사용하여 각 측정 시점에 대해 그룹 수준에서 보고됩니다.

포커스 그룹 인터뷰 동안 데이터 수집 및 데이터 분석은 부분적으로 동시에 수행됩니다. 데이터 수집 프로세스 중에 이미 주제별 코딩 및 분류를 적용합니다.

데이터 관리 및 윤리적 고려 모든 데이터는 안전한 네트워크 드라이브에 저장되며 참가자의 익명성이 보장됩니다. 하위 연구 1의 측정 이전과 하위 연구 2의 T0을 완료하기 전에 정보에 입각한 동의를 얻습니다.