Maskinbaserad algoritm för ökad fysisk aktivitet och uthålligt användarengagemang

Forskarteamet kommer att samarbeta med Telus Health och Sprout-appen (iOS- och Android-versioner), som är utformad för att öka fysisk aktivitet genom att låta deltagarna spåra sina dagliga stegräkningar och aktivt jämföra dem med sina dagliga mål. Efter att ha laddat ner Sprout kan användare öppna appen och navigera genom landnings- och startsidan. På startsidan visas antalet steg som genomförts den dagen och användarens dagliga stegmål. Deltagarna kan klicka på två ikoner högst upp på startsidan. Om användarna klickar på den vänstra ikonen visas historiksidan. På historiksidan kan deltagarna spåra sin prestation under den senaste veckan genom att visa sina dagliga steg och dagliga mål på ett färgkodat stapeldiagram. Den gröna stapeln indikerar uppnåendet av stegmålet på motsvarande dag, och den röda stapeln indikerar misslyckande med att uppnå stegmålet på motsvarande dag. Det inbyggda hälsochippet i iPhone- och Android-enheterna samlar in stegdata, och noggrannheten i stegräkningen som samlas in av iPhone- och Android-hälsochippet har validerats i ett antal studier för att ha jämförbar noggrannhet med en ActiGraph. Sprout-appen sparar först steg- och måldata lokalt på telefonen och synkroniserar sedan med servern var 10:e minut när telefonen är aktiv. Pushnotisen för appen aktiveras också (om den är aktiverad av användaren), och standard pushnotis för iOS och Android används. Push-meddelandet är synligt på målsidan och på fliken för senaste aviseringar på telefonen.

Kvalificerade deltagare börjar en 1-veckors inkörningsperiod efter att ha laddat ner appen. Syftet med inkörningsperioden är att samla baslinje dagliga steg, och bedöma om deltagaren kan uppfylla de krav som krävs för att regelbundet använda Sprout-appen. Under inkörningsperioden kommer alla deltagare i kontroll- och interventionsgrupperna att få identiska uppsättningar av dagliga stegmål för dag 1 till dag 7 som 3000, 3500, 4000, 4500, 5000, 5500 respektive 6000 steg. Maskininlärningsalgoritmen kommer inte att användas för att beräkna stegmål för deltagare i interventionsgruppen under inkörningsperioden. Dynamiskt ökande stegmål kommer att användas under inkörningsperioden för att engagera deltagarna i att använda appen regelbundet. Dessutom kommer alla deltagare att få en push-notis kl. 08.00 som ger dagens stegmål, och om deltagaren uppnår målet före kl. 20.00 skickas ytterligare ett pushmeddelande för att gratulera deltagaren till att ha nått sitt stegmål för dagen . De identiska målen mellan de 2 grupperna under inkörningsperioden används för att fastställa en referensnivå för initial fysisk aktivitet, som kommer att användas i de statistiska analyserna för att jämföra skillnaden i dagliga steg mellan inkörning och 12 veckor för de 2 veckorna. grupper. Data som samlas in under inkörningsperioden kommer att användas av maskininlärningsalgoritmen för att beräkna stegmål för interventionsperioden. Detta är ett giltigt tillvägagångssätt eftersom inkörningsdata kommer att vara indikativa för olika deltagares preferenser. Alla deltagare kommer att ha placerats i en av två grupper. Tilldelningen av appanvändare till grupper kommer att implementeras av Telus Health efter inkörningsperioden. Efter en veckas inkörningsperiod kommer deltagarna i kontrollgruppen att förses med konstanta dagliga stegmål som sattes till 10 000 steg per dag via Sprout-appen. Deltagarna kommer att få ett pushmeddelande kl. 08.00 varje dag som anger dagens stegmål (10 000 steg), och om deltagaren uppnår målet före kl. 20.00 skickas ytterligare ett pushmeddelande för att gratulera deltagaren till att ha nått målet. deras stegmål (på 10 000 steg) för dagen.

Efter 1-veckors inkörningsperiod kommer deltagarna i interventionsgruppen att få adaptivt personliga stegmål genom Sprout-appen. De dagliga stegmålen kommer att beräknas med hjälp av maskininlärning på användarens fullständiga historik (tidigare steg och mål). Maskininlärning kommer att tillämpas varje dag för att minska variansen i framtida steg och mål. Deltagarna kommer att få ett pushmeddelande klockan 8:00 varje dag som ger dagens stegmål, och om deltagaren uppnår målet före 20:00 skickas ytterligare ett pushmeddelande för att gratulera deltagaren till att ha nått sitt stegmål för det dag. Maskininlärning kommer adaptivt att beräkna personliga stegmål som förutspås maximera framtida fysisk aktivitet för varje deltagare baserat på alla tidigare stegs data och mål för varje deltagare. Maskininlärning tillämpas på varje deltagare individuellt, och den består av två huvudsteg. Det första steget är att använda alla deltagarens data för att konstruera en kvantitativ modell som förutsäger hur många steg deltagaren kommer att ta i framtiden, givet en föreskriven uppsättning stegmål, och en viktig aspekt av modellen är en komponent som beskriver hur att nå mål i nuet kan öka sannolikheten för att nå mål i framtiden. Det andra steget är att använda denna kvantitativa modell för att välja en sekvens av stegmål som maximerar det förväntade framtida antalet steg. För att göra processen med att uppdatera stegmål adaptiv, tillämpas maskininlärning varje dag (med alla användarnas tidigare data) för att generera stegmål för den kommande dagen. Dessutom är stegmålen som beräknas av maskininlärning för den kommande dagen inte konstanta utan ökar eller minskar baserat på modellförutsägelsen. Sprout-appen kommer automatiskt att spåra deltagarnas antal steg varje dag och kommer att ge mål oavsett deras engagemang i appen under den 12 veckor långa studieperioden. Eftersom data analyseras retrospektivt kommer inget "studieslut"-brev att ges till deltagarna. Men när de registrerade sig för studieprocedurerna gav alla användare skriftligt informerat samtycke till att deras data skulle samlas in och analyseras.