Effekten av en maskinlæringsbasert mobilapplikasjon på fysisk aktivitet hos overvektige og overvektige kvinner

Ifølge Verdens helseorganisasjon (WHO) er fysisk inaktivitet et av vår tids betydelige folkehelsespørsmål. Helseproblemer knyttet til dette problemet fører til en overbelastning av helsetjenester. I følge rapporten publisert av WHO i 2022, utgjør forekomsten av overvekt og fedme i verden 60 % av den totale befolkningen og forårsaker 1,2 millioner dødsfall i den europeiske regionen. I Tyrkia er forekomsten av fedme 66,8 for alle kjønn og 69,3 hos kvinner. Den økende epidemien med overvekt og fedme, som fører til kroniske sykdommer på lang sikt, utgjør en betydelig folkehelsetrussel både globalt og i vårt land.

Fysisk aktivitet er et viktig livsstilstiltak for å opprettholde en sunn vekt og forebygge overvekt. Hos kvinner synker det fysiske aktivitetsnivået under svangerskapet, og inaktivitet fortsetter etter fødsel. Derfor er det også viktig å bestemme det fysiske aktivitetsnivået til kvinner med risiko for fedme og planlegge folkehelsetiltak for å øke deres fysiske aktivitetsnivå.

Kognitiv atferdsteori (CBT) er en teori som antyder at tanker, følelser og atferd henger sammen og påvirker hverandre. CBT brukes i mange helseforbedrende intervensjoner, som å forbedre fysisk aktivitetsnivå. På den annen side er sosial kognitiv teori (SCT) en viktig teori i planlegging av atferdsendringstiltak knyttet til individers endring og opprettholdelse av helseatferd. SCT gir et sterkt perspektiv i å forstå helseatferd knyttet til fysisk aktivitet ved å identifisere samspillet mellom individer, miljø og atferd. Å assosiere komponentene i CBT og SCT med nivået av fysisk aktivitet vil gi en helhetlig tilnærming ved å samtidig adressere kognitive, atferdsmessige, miljømessige og sosiale faktorer som påvirker det fysiske aktivitetsnivået til middelaldrende kvinner.

Å øke fysisk aktivitet er en effektiv intervensjon for å redusere forekomsten av fedme og overvekt, som er betydelige folkehelseproblemer over hele verden og i vårt land. Det er et presserende behov for atferdsendringstiltak for å bestemme og øke fysisk aktivitetsnivå i hele samfunnet og spesielt i risikogrupper for å fremme sunn livsstil. Denne forskningen er designet for å evaluere virkningen av en maskinlæringsbasert mobilapplikasjon som gir personlige anbefalinger for å øke fysisk aktivitet, som er en viktig helseatferd for å forebygge fedme og mange andre ikke-smittsomme sykdommer hos overvektige og overvektige kvinner.

Etter å ha oppnådd institusjonelle og etiske godkjenninger, vil data bli samlet inn gjennom ansikt-til-ansikt intervjuer med kvinner i alderen 35-60 år som søker til Family Health Centers i Istanbul. Høyden og vekten til kvinnene vil bli målt, og deres kroppsmasseindeks (BMI) vil bli beregnet. Kvinner med en BMI-verdi på 25 eller høyere og ingen medisinsk tilstand eller helseproblemer som kan hindre deres fysiske aktivitetsstatus vil bli inkludert i studien.

Dataene for studien vil bli samlet inn ved hjelp av følgende verktøy og mål: Identifiseringskjennetegn Form, Visual Analog Scale (VAS), Anthropometric Measurements, International Physical Activity Questionnaire (Short Form), Women's Physical Activity Self-Efficacy Scale, Physical Activity Barriers Scale , Cognitive Behavioural Physical Activity Scale, Exercise Self-Efficacy Scale og et smart armbånd.

Etter datainnsamling vil dataene overføres til programvarepakken Statistisk pakke for samfunnsvitenskap (SPSS) 25.0 for analyse. Dataanalysen vil inkludere prosenter, gjennomsnittsverdier, standardavvik og kjikvadrattest, uavhengig prøve t-test, gjentatte mål ANOVA-test, og den korrigerte Bonferroni-testen for avanserte analyser.