Wpływ aplikacji na smartfony na aktywność

Celem badania jest zwiększenie aktywności fizycznej pacjentów poprzez wykorzystanie dedykowanej aplikacji komórkowej, która zachęci pacjentów do osobistego stosowania się do zaleceń lekarza.

Wynik główny U chorych na cukrzycę: pomiar wzrostu dziennej aktywności fizycznej U chorych na nowotwory: poprawa jakości życia w korelacji z poziomem aktywności fizycznej

Wyniki drugorzędowe U pacjentów z cukrzycą: poprawa kontroli glikemii oceniana na podstawie sekwencyjnych badań krwi na obecność HbA1c.

Pacjenci będą wypełniać kwestionariusze jakości życia (SF36) podczas rekrutacji i po 6 miesiącach. Po 6 miesiącach pacjenci wypełnią również ankietę na temat swoich doświadczeń z korzystania z aplikacji.

Każdy zrekrutowany pacjent będzie miał smartfon z systemem Android. Każdy pacjent zapewni:

1. Zgoda na dołączenie do eksperymentu
2. Wiek, płeć, wzrost
3. Numer telefonu (na SMS)

Długość interwencji - co najmniej 6 miesięcy na pacjenta. Każdy pacjent zostanie losowo przydzielony do jednej z dwóch grup, które określą informację zwrotną dotyczącą siebie lub innych lub cotygodniowe przypomnienie o ćwiczeniach.

Liczba pacjentów:

1. Cukrzyca: 150 pacjentów, z czego 50 stanowi grupę kontrolną.
2. Rak: 100 pacjentów, z których 20 to grupa kontrolna. Wszyscy pacjenci otrzymają instrukcje na temat znaczenia aktywności fizycznej i osobiste zalecenia dotyczące poziomu aktywności, n sesji aktywności tygodniowo i czasu trwania sesji (tj. co najmniej 2 godziny marszu tygodniowo podzielone na 3 sesje marszu tygodniowo) Pacjenci w ramionach leczenia będą otrzymywać co najmniej n (liczba zalecanych sesji) wiadomości tygodniowo z pozytywną informacją zwrotną, jeśli czynność zostanie wykonana, lub negatywną, jeśli nie zostanie wykonana. W wybrany dzień każdego tygodnia pacjent otrzyma podsumowanie ćwiczeń za cały tydzień.

Informacje zwrotne Możliwe informacje zwrotne

(UWAGA - to rzeczywiste komunikaty zwrotne, które otrzymają uczestnicy, a zatem są w drugiej osobie):

1. Negatywne opinie: „Musisz ćwiczyć, aby osiągnąć swoje cele związane z aktywnością. Proszę pamiętać o ćwiczeniach jutro”.

2. Pozytywne opinie:

   1. W stosunku do siebie: „Twój poziom ćwiczeń jest wyższy niż w zeszłym tygodniu. Tak trzymaj"
   2. W stosunku do innych: „Ćwiczysz więcej niż przeciętna osoba. Tak trzymaj"
3. Ramię kontrolne: „Czy pamiętałeś o ćwiczeniach?”

Wymagania techniczne

1. Aplikacja - zbierze aktywność fizyczną i prześle ją na serwer. Aplikacja będzie działać w tle bez konieczności ponownego uruchamiania po ponownym uruchomieniu.
2. Serwer — zbiera aktywność fizyczną

Zasady zbierania opinii Eksperyment będzie miał dwie fazy zbierania opinii. Faza 1

Badacze rozpoczynają bez danych, więc zasady na tym etapie są następujące:

1. Pozytywne opinie będą wysyłane każdego dnia, jeśli użytkownik przekroczy 1/7 tygodniowej aktywności tego dnia.
2. Negatywne opinie będą wysyłane co 3 dni, jeśli aktywność nie przekroczy 1/7 aktywności.

Każdego dnia z prawdopodobieństwem 0,2 zostanie podjęta losowa decyzja w sprawie informacji zwrotnej.

Ta faza potrwa około 4 tygodni. Faza 2 Używając algorytmu uczącego się (patrz poniżej) komputer dostosuje informacje zwrotne i codziennie podejmie decyzję w sprawie informacji zwrotnej (pozytywna \ negatywna \ brak).

Uczenie się zasad Badacze rozpoczną od prostej strategii uczenia się zasad, a później użyją bardziej wyrafinowanych metod, które będą miały reprezentację użytkownika w przestrzeni stanów.

Początkowy algorytm będzie reprezentował każdego użytkownika każdego dnia przy użyciu następujących atrybutów:

1. Dane demograficzne (wiek i płeć)
2. Oczekiwany a rzeczywisty poziom aktywności w tym tygodniu (stosunek dwóch)
3. Ostatnia udzielona opinia (pozytywna \ negatywna)
4. Dzień tygodnia (będziemy stosować cykle tygodniowe). Celem algorytmu jest przekazanie informacji zwrotnej dzisiaj, aby jutro zachęcić do aktywności.

Podczas uczenia algorytmu komputer będzie miał wektor cech składający się z powyższych atrybutów oraz macierz działań (dla dnia t). Wyjściem, które należy przewidzieć, jest poziom aktywności następnego dnia (t+1).

Mogą istnieć dwa rodzaje informacji zwrotnych w zależności od tygodniowych i codziennych zachowań:

Cel tygodniowy Nieosiągnięty Cel dzienny (w dniu (t+1)) Nieosiągnięty 1 1+alfa Osiągnięty 1+alfa 1 (alfa>0) Algorytm zapłaci wyższą karę, jeśli np. w danym dniu komunikat zachęciła do aktywności, ale tygodniowy cel nie został osiągnięty w porównaniu z tym, gdyby tak było.

Dla uproszczenia początkowy algorytm uczenia się będzie liniowy, dopóki nie zostanie zebrana wystarczająca ilość danych. To znaczy, biorąc pod uwagę macierz:

X = (dane demograficzne, oczekiwana vs. rzeczywista aktywność, ostatnia informacja zwrotna, dzień tygodnia, działania) I wektor pokazujący ilość aktywności następnego dnia, ważony jak w powyższej tabeli, oznaczony jako Y, poznamy wektor wag w takich, że: X * w = Y.

W fazie 2 projektu komputer będzie wykorzystywał inne algorytmy uczenia. Eksploracja (losowa akcja w danym dniu) będzie kontynuowana przez obie fazy na tym samym poziomie.