Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

En mobilapp for å øke fysisk aktivitet hos studenter

22. juni 2020 oppdatert av: University of California, Berkeley

En mHealth-app som bruker adaptiv læring for å øke fysisk aktivitet hos universitetsstudenter

Bakgrunn: Utilstrekkelig fysisk aktivitet er en av de ledende risikofaktorene for død på verdensbasis. Atferdsbehandlinger levert via smarttelefon-apper har store løfter for å hjelpe folk med å engasjere seg i sunn atferd, inkludert å bli mer fysisk aktive. I likhet med "ansikt-til-ansikt"-behandlinger, ser det imidlertid ut til at effektene vanligvis ikke opprettholdes over lengre tidsperioder.

Metoder: etterforskerne utviklet en smarttelefonapplikasjon som bruker ulike typer motiverende tekstmeldinger og tilbakemeldinger for å motivere enkeltpersoner til å øke fysisk aktivitet. Her blir deltakerne randomisert til enten å motta meldinger ved en ensartet tilfeldig fordeling (n=50), eller valgt av en forsterkende læringsalgoritme (n=50), som lærer fra daglige deltakerdata for å tilpasse frekvensen og typen motivasjon av meldinger.

Mål: I den nåværende studien undersøker etterforskerne denne applikasjonen hos studenter og hovedfagsstudenter ved University of California, Berkeley. Undersøkerne sammenligner om deltakere i den uniformerte tilfeldige eller adaptive gruppen har høyere trinnøkninger i løpet av studien. Etterforskerne undersøker også effekten av de ulike meldingstypene på antall skritt. Videre vurderer etterforskerne påvirkningen av pasientkarakteristikker, som sosiodemografiske, psykologiske spørreskjemaskårer og fysisk aktivitet ved baseline på effekten av den adaptive armen og effektiviteten til meldingene. Til slutt vurderer etterforskerne deltakernes kvalitative tilbakemeldinger på tekstmeldingsprogrammet, gjennom tilbakemeldinger gitt via spørreskjemaer, tekstmeldinger og telefonintervjuer.

Studieoversikt

Detaljert beskrivelse

Etterforskerne utviklet en smarttelefonapplikasjon, DIAMANTE-appen, som bruker maskinlæring for å generere adaptive tekstmeldinger, og lærer fra daglige deltakerdata for å tilpasse frekvensen og typen motivasjon til meldinger. I den nåværende studien vil etterforskerne sammenligne denne applikasjonen hos bachelor- og hovedfagsstudenter ved University of Berkeley, med tekstmeldinger valgt tilfeldig. Denne studien vil gi innsikt i effektiviteten til denne smarttelefonapplikasjonen for å øke fysisk aktivitet hos universitetsstudenter. Videre vil det gi foreløpig kunnskap om arbeidsmekanismene og variablene som modererer effektiviteten av intervensjonen.

Denne studien er preget av et faktorielt design med totalt 3 faktorer som representerer Motivasjonsmeldinger (M), Tilbakemeldingsmeldinger (F) og Tidsrammen (T) da meldingen ble sendt, på henholdsvis 4, 5 og 4 nivåer hver. Ett nivå av M og F tilsvarte en kontrollbehandling, dvs. ingen melding sendt. Hver deltaker fikk en annen kombinasjon av M, F og T hver dag.

Både den adaptive og ensartede tilfeldige gruppen vil motta de samme typene meldinger: tilbakemelding (4 aktive kategorier pluss ingen melding) og motivasjon (3 aktive kategorier pluss ingen melding). Meldingskategoriene, timingen og frekvensen vil imidlertid bli optimalisert av en forsterkende læringsalgoritme i den adaptive gruppen, og vil bli levert med like sannsynligheter i den ensartede tilfeldige gruppen (etter en enhetlig tilfeldig fordeling).

For forsterkningselevergruppen består algoritmetreningsdataene av historiske data til alle deltakerne (kontekstvariabler), som inkluderer hvilke meldinger som ble sendt tidligere og innen hvilke tidsperioder, og utvalgte kliniske/demografiske data (som alder, dag for uke og depresjonspoeng) for å forbedre prediksjonsevner. Deretter velges meldingen basert på den forutsagte effektiviteten til meldinger, kombinert med en prøvetakingsmetode. Som sådan plukker den ofte ut fra de mest givende meldingene og utforsker av og til meldingene med usikkerhet i belønningen.

Målene med denne studien er:

  1. å vurdere om deltakere i forsterkningslæringspolitikken viser en større økning i daglige skritt etter seks ukers oppfølging, enn deltakere som mottar meldinger med en jevn tilfeldig fordeling
  2. for å vurdere om sosiodemografisk, fysisk aktivitetsatferd/holdninger i utgangspunktet og psykologiske faktorer påvirker effekten av den adaptive intervensjonen.
  3. å vurdere hvilke meldinger som er mest gunstig for å øke fysisk aktivitet.

Studietype

Intervensjonell

Registrering (Faktiske)

103

Fase

  • Ikke aktuelt

Kontakter og plasseringer

Denne delen inneholder kontaktinformasjon for de som utfører studien, og informasjon om hvor denne studien blir utført.

Studiesteder

    • California
      • Berkeley, California, Forente stater, 94709
        • Caroline Figueroa

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

18 år til 65 år (Voksen, Eldre voksen)

Tar imot friske frivillige

Ja

Kjønn som er kvalifisert for studier

Alle

Beskrivelse

Inkluderingskriterier: Vi vil inkludere for tiden påmeldte studenter og studenter i alderen 18 til 65.

-

Eksklusjonskriterier: Studenter som ikke har smarttelefon, ikke kan trene på grunn av funksjonshemming, eller som har planer om å forlate landet i løpet av 6 ukers studiet vil bli ekskludert.

-

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

  • Primært formål: Forebygging
  • Tildeling: Randomisert
  • Intervensjonsmodell: Parallell tildeling
  • Masking: Enkelt

Våpen og intervensjoner

Deltakergruppe / Arm
Intervensjon / Behandling
Aktiv komparator: Uniform tilfeldig
I denne armen ble meldingstypene sendt ut tilfeldig, det vil si med en jevn tilfeldig fordeling.
Den enhetlige tilfeldige intervensjonsgruppen mottar tilbakemeldinger og motiverende meldinger valgt fra meldingsbankene med like sannsynlighet.
Eksperimentell: Forsterkende læring
I denne armen ble meldingstypene valgt av en forsterkende læringsalgoritme. Beslutningen om hvilken melding som skulle sendes var basert på flere kontekstuelle variabler, inkludert data for skritteller-appen, og påfølgende dager siden meldinger fra forskjellige kategorier ble sendt.
Den adaptive intervensjonsgruppen mottar meldinger valgt fra meldingsbankene ved hjelp av en forsterkende læringsalgoritme.

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Trinn (målt med telefonens skritteller)
Tidsramme: 24 timer (målt i en periode på 6 uker)
Endring i daglige skritttellinger (dagens trinn teller minus gårsdagens trinntelling)
24 timer (målt i en periode på 6 uker)
Trinn (målt med telefonens skritteller)
Tidsramme: Bytt fra baseline til 6 ukers oppfølging
Gjennomsnittlig endring i daglige skritttellinger i løpet av studien
Bytt fra baseline til 6 ukers oppfølging

Sekundære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Depresjonsscore
Tidsramme: Bytt fra baseline til 6 ukers oppfølging
Pasienthelsespørreskjema 9 punkt (PHQ-9). PHQ-9 har score fra 0 til 27. Høyere score betyr dårligere resultat.
Bytt fra baseline til 6 ukers oppfølging
Angst scorer
Tidsramme: Bytt fra baseline til 6 ukers oppfølging
Generell angstlidelse 7 element (GAD-7). GAD-7 har score fra 0 til 21. Høyere score betyr dårligere resultat.
Bytt fra baseline til 6 ukers oppfølging
Atferdsaktivering
Tidsramme: Bytt fra baseline til 6 ukers oppfølging
Behavioural Activation for Depression Scale - Short Form (BADS-SF). BADS-SF har score fra 0-54. Høyere score betyr bedre resultater.
Bytt fra baseline til 6 ukers oppfølging

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Hovedetterforsker: Adrian Aguilera, PhD, University of California, Berkeley

Publikasjoner og nyttige lenker

Den som er ansvarlig for å legge inn informasjon om studien leverer frivillig disse publikasjonene. Disse kan handle om alt relatert til studiet.

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

12. september 2019

Primær fullføring (Faktiske)

10. desember 2019

Studiet fullført (Faktiske)

20. desember 2019

Datoer for studieregistrering

Først innsendt

17. juni 2020

Først innsendt som oppfylte QC-kriteriene

17. juni 2020

Først lagt ut (Faktiske)

19. juni 2020

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

24. juni 2020

Siste oppdatering sendt inn som oppfylte QC-kriteriene

22. juni 2020

Sist bekreftet

1. juni 2020

Mer informasjon

Begreper knyttet til denne studien

Andre studie-ID-numre

  • 2019-04-12118

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

JA

IPD-planbeskrivelse

Individuelle deltakerdata som ligger til grunn for resultatene rapportert i artiklene vil bli gjort tilgjengelig for forskere på forespørsel etter avidentifikasjon.

IPD-delingstidsramme

Etter publisering av data, ingen sluttdato

Tilgangskriterier for IPD-deling

Alle som har et metodisk godt forslag.

IPD-deling Støtteinformasjonstype

  • STUDY_PROTOCOL
  • SEVJE
  • ANALYTIC_CODE

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .

Abonnere