En evaluering av effekten av app-basert treningsresept ved bruk av RL på tilfredshet og treningsintensitet (PERFORM-RL)

Studieoversikt PERFORM-RL-studien var en 12-ukers randomisert crossover-studie utført for å evaluere effekten av app-baserte personaliserte treningsresepter på brukertilfredshet og treningsintensitet, ved å bruke forsterkende læring (RL) som nøkkelmekanismen for tilpasning. Denne studien forsøkte å finne ut om RL-genererte treningsøkter kunne forbedre brukertilfredsheten og øke treningsintensiteten sammenlignet med ikke-personlige, generiske økter. Funnene forventes å bidra til det voksende feltet av digitale helseintervensjoner, spesielt innen skalerbare, appbaserte treningsprogrammer designet for å øke brukerengasjement og langsiktig etterlevelse.

Studiemål Hovedmålet med studien var å sammenligne brukertilfredshet mellom RL-genererte treningsøkter og generiske økter. Hypotesen var at RL-drevet personalisering ville resultere i høyere brukertilfredshet, målt ved Physical Activity Enjoyment Scale (PACES-8). Det sekundære målet var å evaluere effekten av RL på treningsintensiteten, målt ved Borg Rating of Perceived Exertion (RPE)-skalaen. Det ble antatt at deltakerne ville trene med høyere intensitet i RL-tilstanden på grunn av den skreddersydde naturen til øktene, som stemte med deres preferanser og kondisjonsnivåer.

Studiedesign

Dette var en randomisert, assessor-blindet crossover-forsøk. Hver deltaker fullførte to forskjellige forhold i løpet av den 12-ukers studien:

Intervensjonstilstand: Treningsøktene ble personlig tilpasset ved hjelp av en forsterkende læringsmodell som tilpasset øktens vanskeligheter og innhold basert på deltakernes preferanser, tidligere prestasjoner og tilbakemeldinger.

Kontrolltilstand: Deltakerne gjennomførte generiske, ikke-personlige treningsøkter. Disse øktene var forhåndsdesignet og tilpasset seg ikke basert på brukerens tilbakemeldinger eller preferanser.

Deltakerne vekslet ukentlig mellom intervensjons- og kontrollbetingelsene, noe som betyr at de hver uke opplevde en annen tilnærming til treningsresept. Dette designet sørget for at hver deltaker fungerte som sin egen kontroll, reduserte variabiliteten og økte robustheten til funnene. Alle treningsøktene ble levert gjennom i80 BPM-appen, utviklet av Samsung, som også forenklet datainnsamling.

Deltakere Deltakerne ble rekruttert fra Dublin, Irland og områdene rundt via jungeltelegrafen og sosiale medier. Totalt 62 deltakere (27 menn, 42 kvinner; gjennomsnittsalder 42 år) fullførte minst én treningsøkt, med 559 økter totalt i løpet av den 12 uker lange prøveperioden. Deltakerne var friske, rekreasjonsaktive voksne i alderen 18 til 65 år. De ble screenet for kvalifikasjoner ved hjelp av "Exercise Preparticipation Health Screening Questionnaire for Exercise Professionals." Ekskluderingskriterier inkluderte fysisk funksjonshemming, alvorlig kognitiv svikt eller manglende evne til å lese og skrive på engelsk.

Interventions Reinforcement Learning (RL) Intervensjon

RL-modellen brukt av i80 BPM-appen tilpassede treningsøkter basert på brukerpreferanser, opplevd anstrengelse og tilbakemeldinger fra tidligere økter. RL-rammeverket brukte en beslutningstakende agent, som valgte øvelser fra en eksisterende database basert på brukerens kondisjonsnivå, mål og tilbakemeldinger i sanntid. Modellens belønningsfunksjon hadde som mål å maksimere brukertilfredshet og økteffektivitet ved å tilpasse treningsvanskeligheten og innholdet som svar på brukerens skiftende behov.

For eksempel, hvis en deltaker rapporterte høy tilfredshet og moderat intensitet i en tidligere økt, ville RL-modellen foreslå lignende eller litt mer utfordrende øvelser for neste økt. RL-systemet lærte kontinuerlig av brukerinteraksjoner, og justerte treningsoppskriften for å opprettholde optimalt engasjement og effektivitet.

Kontrolltilstand

I kontrolltilstanden fikk deltakerne generiske treningsøkter som ikke var personlig tilpasset eller tilpasset basert på tilbakemeldinger fra brukerne. Disse øktene inkluderte et fast utvalg øvelser og utviklet seg ikke over tid, og ga en grunnlinje som den personlige RL-intervensjonen kunne sammenlignes med.

Resultatmål Primært resultat: Brukertilfredshet

Brukertilfredshet ble vurdert etter hver økt ved å bruke en forkortet 8-elementversjon av Physical Activity Enjoyment Scale (PACES-8). Denne validerte skalaen måler i hvilken grad deltakerne likte treningsøktene. Poengsummen varierer fra 1 (lav tilfredshet) til 5 (høy tilfredshet), med høyere score indikerer større glede og generell tilfredshet med treningsopplevelsen.

Sekundært resultat: Treningsintensitet

Treningsintensiteten ble målt ved hjelp av Borg Rating of Perceived Exertion (RPE) skalaen, som varierer fra 1 (veldig lett) til 10 (maksimal anstrengelse). Deltakerne ble bedt om å rangere deres opplevde anstrengelse etter hver økt via appen, for å sikre sanntidsfangst av opplevelsen deres. Hjertefrekvensdata, samlet inn ved hjelp av en Samsung Galaxy Fit 2-smartklokke, fungerte som et ekstra mål på intensitet, og validerte de subjektive RPE-skårene.

Ytterligere utfall: Hjertefrekvens

Pulsen ble kontinuerlig overvåket under hver økt med Samsung Galaxy Fit 2 smartklokke. Pulsdataene ble automatisk videresendt til i80 BPM-appen og brukt til å spore fysiologiske responser på treningsøktene.

Datainnsamling og administrasjon Data ble samlet inn gjennom i80 BPM-appen, som registrerte brukertilfredshet, treningsintensitet, hjertefrekvens og varigheten av hver treningsøkt. For å sikre deltakernes konfidensialitet ble alle data anonymisert før analyse. Deltakerne ble tildelt en unik identifikasjonskode, og alle sensitive dokumenter ble oppbevart sikkert, med kun autorisert personell gitt tilgang.

Prøvestørrelse og kraftberegninger Basert på en tidligere mulighetsstudie ble prøvestørrelsen estimert til å være minimum 40 deltakere for å oppdage en gjennomsnittlig forskjell på 8 poeng på PACES-8-skalaen med 80 % kraft. Totalt 69 deltakere ble rekruttert for å ta høyde for potensielle frafall, og 62 deltakere gjennomførte minst én treningsøkt. Den endelige prøvestørrelsen ga tilstrekkelig kraft til å oppdage forskjeller mellom RL- og kontrollforholdene.

Statistisk analyse Generalized Estimating Equations (GEE) ble brukt til å analysere de primære og sekundære resultatene. GEE-modeller ble brukt for å redegjøre for korrelasjonen av gjentatte mål innen fag. De avhengige variablene i modellene var brukertilfredshet (PACES-8-skår) og opplevd anstrengelse (Borg-skala-score), mens de uavhengige variablene var tilstand (RL vs kontroll) og prøveuke. Kovariater inkluderte alder, kjønn og fysisk aktivitetsnivå ved baseline, med deltaker-ID inkludert som en subjekteffekt.