Een mobiele app om de fysieke activiteit van studenten te vergroten
Een mHealth-app die adaptief leren gebruikt om de fysieke activiteit van universiteitsstudenten te verhogen
Achtergrond: Onvoldoende lichaamsbeweging is wereldwijd een van de belangrijkste risicofactoren voor overlijden. Gedragsbehandelingen die via smartphone-apps worden geleverd, zijn veelbelovend om mensen te helpen gezond gedrag aan te nemen, waaronder meer fysiek actief worden. Echter, vergelijkbaar met 'face-to-face'-behandelingen, lijken de effecten doorgaans niet aan te houden gedurende langere perioden.
Methoden: de onderzoekers ontwikkelden een smartphone-applicatie die verschillende soorten motiverende en feedback-sms-berichten gebruikt om individuen te motiveren om meer te bewegen. Hier worden deelnemers gerandomiseerd om berichten te ontvangen door een uniforme willekeurige verdeling (n=50), of gekozen door een algoritme voor versterkend leren (n=50), dat leert van dagelijkse gegevens van deelnemers om de frequentie en het type motivatie van berichten te personaliseren.
Doelstellingen: In de huidige studie onderzoeken de onderzoekers deze toepassing bij niet-gegradueerde en afgestudeerde studenten aan de University of California, Berkeley. De onderzoekers vergelijken of deelnemers in de uniforme willekeurige of adaptieve groep hogere stappenstijgingen hebben tijdens het onderzoek. Ook kijken de onderzoekers naar het effect van de verschillende soorten berichten op het aantal stappen. Verder beoordelen de onderzoekers de invloed van kenmerken van de patiënt, zoals sociaal-demografische scores, scores op psychologische vragenlijsten en lichamelijke activiteit bij baseline op het effect van de adaptieve arm en de effectiviteit van de berichten. Ten slotte beoordelen de onderzoekers de kwalitatieve feedback van deelnemers op het sms-programma, door middel van feedback via vragenlijsten, sms-berichten en telefonische interviews.
Studie Overzicht
Toestand
Gedetailleerde beschrijving
De onderzoekers ontwikkelden een smartphone-applicatie, de DIAMANTE-app, die machine learning gebruikt om adaptieve sms-berichten te genereren, lerend van dagelijkse deelnemersgegevens om de frequentie en het type motivatie van berichten te personaliseren. In de huidige studie zullen de onderzoekers deze toepassing bij niet-gegradueerde en afgestudeerde studenten aan de Universiteit van Berkeley vergelijken met willekeurig gekozen sms-berichten. Dit onderzoek zal inzicht geven in de effectiviteit van deze smartphone-applicatie voor het verhogen van de fysieke activiteit van universiteitsstudenten. Verder zal het voorlopige kennis opleveren over de werkingsmechanismen en variabelen die de effectiviteit van de interventie matigen.
Dit onderzoek wordt gekenmerkt door een factorieel ontwerp met in totaal 3 factoren die motiverende berichten (M), feedbackberichten (F) en het tijdsbestek (T) vertegenwoordigen toen het bericht werd verzonden, van respectievelijk 4, 5 en 4 niveaus. Eén niveau van M en F kwam overeen met een controlebehandeling, d.w.z. er werd geen bericht verzonden. Elke deelnemer kreeg elke dag een andere combinatie van M, F en T.
Zowel de adaptieve als de uniforme willekeurige groep zullen dezelfde soorten berichten ontvangen: feedback (4 actieve categorieën plus geen bericht) en motivatie (3 actieve categorieën plus geen bericht). De berichtcategorieën, timing en frequentie zullen echter worden geoptimaliseerd door een leeralgoritme voor versterking in de adaptieve groep, en zullen met gelijke kansen worden afgeleverd in de uniforme willekeurige groep (volgens een uniforme willekeurige verdeling).
Voor de versterkingsleerlinggroep bestaan de trainingsgegevens van het algoritme uit de historische gegevens van alle deelnemers (contextvariabelen), waaronder welke berichten eerder zijn verzonden en binnen welke tijdsperioden, en geselecteerde klinische/demografische gegevens (zoals leeftijd, dag van de week- en depressiescores) om het voorspellend vermogen te verbeteren. Vervolgens wordt het bericht gekozen op basis van de voorspelde effectiviteit van berichten, gecombineerd met een steekproefmethode. Als zodanig kiest het regelmatig uit de meest lonende berichten en onderzoekt het af en toe de berichten met onzekerheid over hun beloning.
De doelstellingen van deze studie zijn:
- om te beoordelen of deelnemers aan het versterkingsleerbeleid na zes weken follow-up een grotere toename in dagelijkse stappen laten zien dan deelnemers die berichten ontvangen met een uniforme willekeurige verdeling
- om te beoordelen of sociodemografische, baseline fysieke activiteit gedrag/attitudes en psychologische factoren het effect van de adaptieve interventie beïnvloeden.
- om te beoordelen welke berichten het meest gunstig zijn bij het verhogen van de fysieke activiteit.
Studietype
Inschrijving (Werkelijk)
Fase
- Niet toepasbaar
Contacten en locaties
Studie Locaties
-
-
California
-
Berkeley, California, Verenigde Staten, 94709
- Caroline Figueroa
-
-
Deelname Criteria
Geschiktheidscriteria
Leeftijden die in aanmerking komen voor studie
Accepteert gezonde vrijwilligers
Geslachten die in aanmerking komen voor studie
Beschrijving
Opnamecriteria: we nemen momenteel ingeschreven niet-gegradueerde en afgestudeerde studenten van 18 tot 65 jaar op.
-
Uitsluitingscriteria: Studenten die geen smartphone hebben, niet kunnen sporten vanwege een handicap of plannen hebben om het land te verlaten tijdens de studie van 6 weken, worden uitgesloten.
-
Studie plan
Hoe is de studie opgezet?
Ontwerpdetails
- Primair doel: Preventie
- Toewijzing: Gerandomiseerd
- Interventioneel model: Parallelle opdracht
- Masker: Enkel
Wapens en interventies
Deelnemersgroep / Arm |
Interventie / Behandeling |
|---|---|
|
Actieve vergelijker: Uniform willekeurig
In deze arm werden de soorten berichten willekeurig verzonden, d.w.z. met een uniforme willekeurige verdeling.
|
De uniforme willekeurige interventiegroep ontvangt met gelijke waarschijnlijkheid feedback en motiverende berichten gekozen uit de berichtenbanken.
|
|
Experimenteel: Versterking leren
In deze arm werden de soorten berichten gekozen door een leeralgoritme voor versterking.
De beslissing over welk bericht verzonden moest worden, was gebaseerd op verschillende contextuele variabelen, waaronder gegevens voor de stappenteller-app, en opeenvolgende dagen sinds berichten uit verschillende categorieën werden verzonden.
|
De adaptieve interventiegroep ontvangt berichten die zijn gekozen uit de berichtenbanken door een algoritme voor versterkend leren.
|
Wat meet het onderzoek?
Primaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Stappen (gemeten door telefoon stappenteller)
Tijdsspanne: 24 uur (gemeten over een periode van 6 weken)
|
Verandering in het aantal dagelijkse stappen (het aantal stappen van vandaag min het aantal stappen van gisteren)
|
24 uur (gemeten over een periode van 6 weken)
|
|
Stappen (gemeten door telefoon stappenteller)
Tijdsspanne: Verandering van basislijn naar follow-up na 6 weken
|
Gemiddelde verandering in dagelijkse stappentellingen in de loop van het onderzoek
|
Verandering van basislijn naar follow-up na 6 weken
|
Secundaire uitkomstmaten
Uitkomstmaat |
Maatregel Beschrijving |
Tijdsspanne |
|---|---|---|
|
Depressie scoort
Tijdsspanne: Verandering van basislijn naar follow-up na 6 weken
|
Patiëntgezondheidsvragenlijst 9 item (PHQ-9).
De PHQ-9 heeft scores van 0 tot 27.
Hogere scores betekenen een slechter resultaat.
|
Verandering van basislijn naar follow-up na 6 weken
|
|
Angst scoort
Tijdsspanne: Verandering van basislijn naar follow-up na 6 weken
|
Algemene angststoornis 7 item (GAD-7).
De GAD-7 heeft scores van 0 tot 21.
Hogere scores betekenen een slechter resultaat.
|
Verandering van basislijn naar follow-up na 6 weken
|
|
Gedragsactivering
Tijdsspanne: Verandering van basislijn naar follow-up na 6 weken
|
Gedragsactivering voor depressieschaal - korte vorm (BADS-SF).
De BADS-SF heeft scores van 0-54.
Hogere scores betekenen betere resultaten.
|
Verandering van basislijn naar follow-up na 6 weken
|
Medewerkers en onderzoekers
Onderzoekers
- Hoofdonderzoeker: Adrian Aguilera, PhD, University of California, Berkeley
Publicaties en nuttige links
Studie record data
Bestudeer belangrijke data
Studie start (Werkelijk)
Primaire voltooiing (Werkelijk)
Studie voltooiing (Werkelijk)
Studieregistratiedata
Eerst ingediend
Eerst ingediend dat voldeed aan de QC-criteria
Eerst geplaatst (Werkelijk)
Updates van studierecords
Laatste update geplaatst (Werkelijk)
Laatste update ingediend die voldeed aan QC-criteria
Laatst geverifieerd
Meer informatie
Termen gerelateerd aan deze studie
Andere studie-ID-nummers
- 2019-04-12118
Plan Individuele Deelnemersgegevens (IPD)
Bent u van plan om gegevens van individuele deelnemers (IPD) te delen?
Beschrijving IPD-plan
IPD-tijdsbestek voor delen
IPD-toegangscriteria voor delen
IPD delen Ondersteunend informatietype
- LEERPROTOCOOL
- SAP
- ANALYTIC_CODE
Informatie over medicijnen en apparaten, studiedocumenten
Bestudeert een door de Amerikaanse FDA gereguleerd geneesmiddel
Bestudeert een door de Amerikaanse FDA gereguleerd apparaatproduct
Deze informatie is zonder wijzigingen rechtstreeks van de website clinicaltrials.gov gehaald. Als u verzoeken heeft om uw onderzoeksgegevens te wijzigen, te verwijderen of bij te werken, neem dan contact op met register@clinicaltrials.gov. Zodra er een wijziging wordt doorgevoerd op clinicaltrials.gov, wordt deze ook automatisch bijgewerkt op onze website .