Effekten av en maskininlärningsbaserad mobilapplikation på fysisk aktivitet hos överviktiga och feta kvinnor

Enligt Världshälsoorganisationen (WHO) är fysisk inaktivitet en av vår tids betydande folkhälsofrågor. Hälsoproblem i samband med denna fråga leder till en överbelastning av sjukvårdstjänster. Enligt den rapport som WHO publicerade 2022 utgör prevalensen av övervikt och fetma i världen 60 % av den totala befolkningen och orsakar 1,2 miljoner dödsfall i den europeiska regionen. I Turkiet är förekomsten av fetma 66,8 för alla kön och 69,3 hos kvinnor. Den ökande epidemin av övervikt och fetma, som leder till kroniska sjukdomar på lång sikt, utgör ett betydande hot mot folkhälsan både globalt och i vårt land.

Fysisk aktivitet är en viktig livsstilsåtgärd för att bibehålla en hälsosam vikt och förebygga fetma. Hos kvinnor minskar den fysiska aktivitetsnivån under graviditeten och inaktiviteten fortsätter efter förlossningen. Därför är det också viktigt att fastställa de fysiska aktivitetsnivåerna för kvinnor som riskerar att drabbas av fetma och att planera folkhälsoinitiativ för att öka deras fysiska aktivitetsnivåer.

Kognitiv beteendeteori (KBT) är en teori som antyder att tankar, känslor och beteenden är sammankopplade och påverkar varandra. KBT används i många hälsoförbättrande insatser, såsom förbättring av fysisk aktivitetsnivå. Å andra sidan är Social Cognitive Theory (SCT) en viktig teori för att planera beteendeförändringsinterventioner relaterade till individers förändrade och upprätthållna hälsobeteenden. SCT ger ett starkt perspektiv på att förstå hälsobeteenden relaterade till fysisk aktivitet genom att identifiera interaktionen mellan individer, miljö och beteende. Att associera komponenterna i KBT och SCT med nivån av fysisk aktivitet kommer att ge ett heltäckande tillvägagångssätt genom att samtidigt ta itu med kognitiva, beteendemässiga, miljömässiga och sociala faktorer som påverkar den fysiska aktivitetsnivån hos medelålders kvinnor.

Ökad fysisk aktivitet är ett effektivt ingripande för att minska förekomsten av fetma och övervikt, vilket är betydande folkhälsoproblem över hela världen och i vårt land. Det finns ett akut behov av beteendeförändringsinsatser för att fastställa och öka fysisk aktivitetsnivå i hela samhället och särskilt i riskgrupper för att främja en hälsosam livsstil. Denna forskning är utformad för att utvärdera effekten av en maskininlärningsbaserad mobilapplikation som ger personliga rekommendationer för att öka fysisk aktivitet, vilket är ett viktigt hälsobeteende för att förebygga fetma och många andra icke-smittsamma sjukdomar hos överviktiga och feta kvinnor.

Efter att ha erhållit institutionella och etiska godkännanden kommer data att samlas in genom personliga intervjuer med kvinnor i åldern 35-60 som ansöker till Family Health Centers i Istanbul. Kvinnornas längd och vikt kommer att mätas och deras Body Mass Index (BMI) kommer att beräknas. Kvinnor med ett BMI-värde på 25 eller högre och inget medicinskt tillstånd eller hälsoproblem som skulle hindra deras fysiska aktivitetsstatus kommer att inkluderas i studien.

Data för studien kommer att samlas in med hjälp av följande verktyg och mått: Identifierande egenskaper 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 och ett smart armband.

Efter datainsamlingen kommer uppgifterna att överföras till programpaketet Statistiska paketet för samhällsvetenskap (SPSS) 25.0 för analys. Dataanalysen kommer att innehålla procentsatser, medelvärden, standardavvikelser och chi-kvadrattest, oberoende prov t-test, upprepade mätningar ANOVA-test och det korrigerade Bonferroni-testet för avancerade analyser.