Bättre app: (vidare-)utveckling och utvärdering av ett digitalt livsstilsprogram (BETTERapp)

Bakgrund: I Nederländerna har antalet personer med kroniska tillstånd ökat markant de senaste åren och förväntas fortsätta att växa (2). Att behandla kroniska tillstånd är dyrt och kräver mycket vård och uppmärksamhet. Detta leder till höga sjukvårdskostnader för både patienten och staten. Den holländska staten spenderade 108 miljarder euro på medicinsk och långtidsvård 2021, den största delen av de 125 miljarder euro som totalt spenderades på vård och omsorg vid den tiden (3). Kroniska tillstånd har stor inverkan på människors livskvalitet. De kan orsaka symtom och begränsningar i det dagliga livet och även påverka människors arbetsdeltagande.

Övervikt och fetma är relaterade till en ökad risk för många kroniska tillstånd, såsom hjärt- och kärlsjukdomar, typ 2-diabetes och vissa cancerformer. Livsstil spelar en viktig roll i utvecklingen av övervikt och fetma. Det är känt att ohälsosam kost och brist på fysisk aktivitet är de vanligaste orsakerna till övervikt och fetma. Därför är det viktigt att vidta åtgärder och erbjuda program för att vända dessa trender och främja en hälsosam livsstil (4,5). Till skillnad från ett generaliserat förhållningssätt matchar mer personliga insatser en persons specifika behov, egenskaper och situationer och kan därför potentiellt leda till bättre resultat när det kommer till hållbara förändringar av hälsosam livsstil (6-8).

Personliga livsstilsinterventioner, BETTER-programmen, har utvecklats och utvärderats av Zuyd University of Applied Sciences lektorat för Nutrition, Lifestyle and Exercise de senaste åren. BETTER står (BETER på holländska) för Move, Eat, Change och programmen fokuserar på träning, kost och beteendeförändring. Kunskap och insikter från systembiologisk grundforskning ligger till grund för dessa program för att göra livsstilsrekommendationer mer personliga. Det finns allt fler bevis för att personer med samma tillstånd kan ha olika bakomliggande orsaker, vilket också gör livsstilsrekommendationer och insatser olika (9). I BÄTTRE-programmen tillämpas denna kunskap praktiskt genom att arbeta med undertyper.

Livsstilsprogrammet ansikte mot ansikte BETTER har framgångsrikt tillämpats på överviktiga och feta individer. Efter att ha avslutat programmet gick deltagarna ner i vikt, kände sig piggare och visade att de kände sig mer i kontroll över sin livsstil (10).

Inom BETTER-programmet skedde individuell subtypning av deltagare av en eller flera experter. Detta är tidskrävande och (relativt) dyrt, speciellt för upprepade mätningar. I en pilotstudie undersökte vi i vilken utsträckning subtypen som bestämts med hjälp av ett digitalt symptomenkät inklusive algoritm motsvarar subtypen som bestämts av en expert (kriteriumvaliditet). De första preliminära resultaten visade att utfallen från enkäten motsvarade måttligt till någorlunda väl med expertklassificeringen. Baserat på dessa data utvecklades en maskininlärningsalgoritm som kan öka frågeformulärets validitet (optimering av viktning och beroende av svar). Denna algoritm kan tränas genom att lägga till ny data (ifyllt frågeformulär och subtyping av expert). Algoritmen arbetar utifrån principen Semi-Supervised Classification (11).

Med utgångspunkt i resultaten och slutsatserna från ovanstående studier utvecklas appen BÄTTRE där livsstilsprogrammet BÄTTRE för överviktiga inklusive symtomenkäten erbjuds på ett automatiserat och digitaliserat sätt. Användare kan självständigt använda personligt relevanta programkomponenter på ett tillgängligt sätt, vilket främjar självförvaltning och självreglering. Den automatiserade versionen av symtomenkäten spelar en viktig roll, eftersom programinnehållet bland annat är skräddarsytt efter användarens underliggande subtyp. Det automatiserade frågeformuläret i appen gör det därför enkelt att identifiera en förändring av undertyp och anpassa livsstilsråden därefter. För utvecklingen av innehållet, processen som ska följas och designen av BETTER-appen kommer material från de tidigare BETTER-programmen att anpassas. Denna utvecklingsprocess sker i samskapande med målgruppen i flera iterationer. Denna studie bidrar till att optimera den minimala livskraftiga produkten av BETER-appen för att så småningom nå en mogen version.

I det här uppföljningsprojektet syftar vi till att utvärdera och optimera subtyp-frågeformuläret/algoritmen (studie 1, interterrater-tillförlitlighet) och utvärdera det digitaliserade BETER-programmet, BETTER-appen (studie 2, design av fallserier med kvalitativ och kvantitativ utvärdering). Huvudfrågorna som den syftar till att besvara är:

1. Vilken är interbedömartillförlitligheten för två subtypexperter och kriterievaliditeten för symtomenkäten jämfört med experterna för att identifiera överviktiga subtyper?
2. Hur används och betygsätts BETER-appen (processutvärdering)?

Metod Studiedesign och mätningar Delstudie 1: Symptomenkät För att bedöma interbedömartillförlitligheten och kriterievaliditeten för subtypmätningarna kommer deltagarna att bjudas in till en mätsession på upp till 60 minuter. Dessa mättillfällen kommer att erbjudas på fem olika dagar och på olika platser, och deltagarna kommer att övervakas av en forskare/forskare. Deltagarna går igenom tre mätsessioner i separata rum: (1) ifyllande av det digitala symptomfrågeformuläret och demografiska data (ca. 10 minuter), (2) intervju med expert 1 (ca. 20 minuter), (3) intervju med expert 2 (ca. 20 minuter).

Delstudie 2: Processutvärdering BETER app Denna delstudie använder både kvantitativa och kvalitativa forskningsmetoder i en fallseriedesign. Baslinjemätningen (T0) sker innan appanvändningen börjar, en mellanmätning (T1) 3 veckor efter start och en slutlig mätning vid slutet av appanvändningen (T2) 6 veckor efter starten. Vid baslinjen samlas demografisk data och förväntningar på appen in. På T1 och T2 kartläggs användning, upplevelser och betyg genom ett frågeformulär (mHealth App Usability Questionnaire (MAUQ)) och fokusgruppsintervjuer. Loggfiler registrerar automatiskt hur ofta en person loggar in, vilka delar av BETER-appen som används av deltagarna och hur länge appen används.

Studiepopulation Inklusionskriterier: Personer i åldern 16 år eller äldre som är överviktiga eller feta (kroppsmassaindex (BMI) på 25 eller högre); uteslutningskriterier: Otillräcklig behärskning av nederländska språket, otillräckliga grundläggande smartphonekunskaper.

BETTER-appen BETTER-appen erbjuder ett "skräddarsytt" livsstilsprogram inklusive möjlighet till personlig coachning under 6 veckor. BETTER-appen är ett automatiserat och digitaliserat livsstilsprogram baserat på det tidigare utvecklade och utvärderade BETER-programmet. BETER-appen har utvecklats av forskare från expertcentret för Nutrition, Lifestyle and Exercise från Zuyd University of Applied Sciences och mjukvaruutvecklaren HelloSunshine B.V. i samarbete med målgruppen. Appen erbjuder stöd för livsstilsförändringar.

Dataanalys För att bedöma interbedömartillförlitligheten mellan de två experterna beräknas Cohens kappa (k) med standardfel och procentuell överensstämmelse mellan de två experterna. Ett 95 % konfidensintervall används. Både oviktad Kappa och linjärt viktad Kappa beräknas. Med hjälp av den viktade kappan kan man vid skillnad undersöka om denna skillnad huvudsakligen förekommer mellan vissa subtyper och kan korrigeras för detta (17).

För att bestämma kriteriets giltighet uttrycks graden av överensstämmelse som en korrelationskoefficient (r ≥ 0,8 bedöms som "bra" och används som gränsvärde). Dessutom bedöms sensitivitet, specificitet och F1-poäng med hjälp av en 5x5-tabell och de fem ROC-kurvorna "One versus Rest" (18,19).

Processutvärdering: alla uppmätta variabler från kvantitativa mätningar T0, T1 och T2 och loggfiler rapporteras på gruppnivå för varje mättidpunkt med hjälp av beskrivande statistik.

Under fokusgruppsintervjuerna sker datainsamling och dataanalys delvis samtidigt. Vi tillämpar tematisk kodning och kategorisering redan under datainsamlingsprocessen.

Datahantering och etiska överväganden All data lagras på säkra nätverksenheter och deltagarnas anonymitet garanteras. Informerat samtycke kommer att erhållas innan mätningarna av delstudie 1 och innan T0 av delstudie 2 slutförs.