Dynamische theorieën ontwikkelen voor gedragsverandering

Ongezond gedrag draagt ​​bij aan de meeste chronische ziekten, die goed zijn voor 86% van alle zorguitgaven in de VS. Ondanks veel onderzoek blijft het een uitdaging om interventies voor gedragsverandering te ontwikkelen die effectief, schaalbaar en duurzaam zijn. Recente ontwikkelingen op het gebied van mobiele detectie en op smartphones gebaseerde technologieën hebben geleid tot een nieuwe en veelbelovende vorm van interventie, een zogenaamde "Just-in-time, adaptieve interventie" (JITAI), die het potentieel heeft om zich continu aan te passen aan veranderende contexten en te personaliseren om individuele behoeften en mogelijkheden voor gedragsverandering. Hoewel is aangetoond dat interventies effectiever zijn als ze gebaseerd zijn op degelijke theorie, missen de huidige gedragstheorieën de temporele granulariteit en dynamische structuur op meerdere schalen die nodig zijn voor het ontwikkelen van effectieve JITAI's op basis van metingen van complexe dynamische gedragingen en contexten. Tegelijkertijd is er een gebrek aan modelleringskaders die dynamische, temporeel multischaaltheorieën kunnen uitdrukken en dynamische, temporeel multischaalgegevens kunnen weergeven. Dit project gaat in op de uitdagingen en kansen op het gebied van theorieontwikkeling, meting en modellering die worden geboden door intensief verzamelde longitudinale gegevens, met een focus op fysieke activiteit en sedentair gedrag, en brede implicaties voor ander gedrag.

Voor efficiëntie bouwt de studie voort op de door de NIH gefinancierde micro-gerandomiseerde studie (MRT) van een jaar lang van HeartSteps (n=60), een adaptieve mHealth-interventie gebaseerd op de sociaal-cognitieve theorie (SCT) die is ontwikkeld om het lopen te vergroten en sedentair gedrag te verminderen bij patiënten met hart- en vaatziekten. De doelstellingen van dit nieuwe voorstel zijn: 1) Verfijn en ontwikkel dynamische metingen van theoretische constructies die het doelgedrag van de studie beïnvloeden, 2) Verbeter HeartSteps met de maatregelen ontwikkeld in Doel 1 en verzamel gegevens van twee extra HeartSteps-cohorten van een jaar (sedentair overgewicht /zwaarlijvige volwassenen (n=60) en type 2 diabetespatiënten (n=60), totaal n=180), 3) een modelleringskader ontwikkelen om dynamische en gecontextualiseerde gedragstheorieën in een interventiesetting te operationaliseren, en 4) de voorspelling van SCT-uitkomsten met behulp van steeds complexere modellen. Het hier voorgestelde werk zal nieuwe digitale, datagestuurde metingen van belangrijke gedragstheorieconstructies op de momentane, dagelijkse en wekelijkse tijdschalen bieden, nieuwe tools bieden die zijn toegesneden op de specificatie van complexe modellen van gedragsdynamiek, evenals nieuwe op maat gemaakte modelschattingstools specifiek voor de complexe, longitudinale, multi-tijdschaal gedrags- en contextuele gegevens die nu toegankelijk zijn met behulp van mHealth-technologieën. Ten slotte zullen de onderzoekers de verzamelde gegevens en de voorgestelde modelleringstools gebruiken om verbeterde, dynamische uitbreidingen van sociaal-cognitieve theorie te ontwikkelen en te testen, geoperationaliseerd als volledig gekwantificeerde, voorspellende dynamische modellen. Gezamenlijk zal dit werk de theoretische grondslagen en hulpmiddelen bieden die nodig zijn om de effectiviteit van op fysieke activiteit gebaseerde mobiele gezondheidsinterventies over meerdere tijdschalen aanzienlijk te vergroten, inclusief hun vermogen om gedragsverandering over langere tijdschalen effectief te ondersteunen.