En utvärdering av effekten av app-baserad träningsrecept med hjälp av RL på tillfredsställelse och träningsintensitet (PERFORM-RL)

Studieöversikt PERFORM-RL-studien var en 12-veckors randomiserad crossover-studie som genomfördes för att utvärdera effekten av app-baserade personliga träningsrecept på användartillfredsställelse och träningsintensitet, med hjälp av förstärkningsinlärning (RL) som nyckelmekanismen för anpassning. Denna studie försökte avgöra om RL-genererade träningspass kunde förbättra användarnas tillfredsställelse och öka träningsintensiteten jämfört med icke-personifierade, generiska sessioner. Resultaten förväntas bidra till det växande fältet av digitala hälsointerventioner, särskilt inom området skalbara, appbaserade träningsprogram utformade för att öka användarens engagemang och långsiktighet.

Studiens mål Det primära syftet med studien var att jämföra användarnas tillfredsställelse mellan RL-genererade träningspass och generiska sessioner. Hypotesen var att RL-driven personalisering skulle resultera i högre användarnöjdhet, mätt med Physical Activity Enjoyment Scale (PACES-8). Det sekundära målet var att utvärdera effekten av RL på träningsintensiteten, mätt med Borg Rating of Perceived Exertion (RPE)-skalan. Det antogs att deltagarna skulle träna med högre intensitet i RL-tillståndet på grund av passernas skräddarsydda karaktär, som överensstämde med deras preferenser och konditionsnivåer.

Studiedesign

Detta var ett randomiserat, bedömarblindat crossover-försök. Varje deltagare genomförde två olika villkor under den 12 veckor långa studien:

Interventionsvillkor: Träningspassen anpassades med hjälp av en förstärkningsinlärningsmodell som anpassade sessionens svårighetsgrad och innehåll baserat på deltagarnas preferenser, tidigare prestationer och feedback.

Kontrollvillkor: Deltagarna genomförde generiska, icke-personifierade träningspass. Dessa sessioner var förutformade och anpassade inte baserat på användarens feedback eller preferenser.

Deltagarna växlade veckovis mellan interventions- och kontrollförhållandena, vilket innebär att de varje vecka upplevde ett annat förhållningssätt till träningsrecept. Denna design säkerställde att varje deltagare fungerade som sin egen kontroll, vilket minskade variabiliteten och ökade robustheten i resultaten. Alla träningspass levererades genom i80 BPM-appen, utvecklad av Samsung, som också underlättade datainsamling.

Deltagare Deltagare rekryterades från Dublin, Irland och dess omgivningar via mun till mun och sociala medier. Totalt 62 deltagare (27 män, 42 kvinnor; medelåldern 42 år) genomförde minst ett träningspass, med 559 pass slutförda totalt under den 12 veckor långa provperioden. Deltagarna var friska, fritidsaktiva vuxna i åldern 18 till 65 år. De screenades för behörighet med hjälp av "Exercise Preparticipation Health Screening Questionnaire for Exercise Professionals." Uteslutningskriterier inkluderade fysisk funktionsnedsättning, grav kognitiv funktionsnedsättning eller oförmåga att läsa och skriva på engelska.

Interventioner Reinforcement Learning (RL) Intervention

RL-modellen som används av i80 BPM-appen anpassade träningspass baserat på användarpreferenser, upplevd ansträngning och feedback från tidigare sessioner. RL-ramverket använde en beslutsfattande agent, som valde övningar från en redan existerande databas baserat på användarens konditionsnivå, mål och feedback i realtid. Modellens belöningsfunktion syftade till att maximera användartillfredsställelse och sessionseffektivitet genom att anpassa träningens svårighetsgrad och innehåll som svar på användarens föränderliga behov.

Till exempel, om en deltagare rapporterade hög tillfredsställelse och måttlig intensitet under ett tidigare pass, skulle RL-modellen föreslå liknande eller lite mer utmanande övningar för nästa pass. RL-systemet lärde sig kontinuerligt av användarinteraktioner och justerade träningsreceptet för att bibehålla optimalt engagemang och effektivitet.

Kontrollvillkor

I kontrolltillståndet fick deltagarna generiska träningspass som inte var personliga eller anpassade baserat på användarfeedback. Dessa sessioner inkluderade ett fast urval av övningar och utvecklades inte över tiden, vilket gav en baslinje mot vilken den personliga RL-interventionen kunde jämföras.

Resultatmått Primärt resultat: Användarnöjdhet

Användartillfredsställelse utvärderades efter varje session med en förkortad version med 8 punkter av Physical Activity Enjoyment Scale (PACES-8). Denna validerade skala mäter i vilken utsträckning deltagarna tyckte om sina träningspass. Poäng varierar från 1 (låg tillfredsställelse) till 5 (hög tillfredsställelse), med högre poäng tyder på större njutning och övergripande tillfredsställelse med träningsupplevelsen.

Sekundärt resultat: Träningsintensitet

Träningsintensiteten mättes med hjälp av Borg Rating of Perceived Exertion (RPE)-skalan, som sträcker sig från 1 (mycket lätt) till 10 (maximal ansträngning). Deltagarna uppmanades att betygsätta sin upplevda ansträngning efter varje session via appen, för att säkerställa realtidsfångning av deras upplevelse. Hjärtfrekvensdata, insamlad med en Samsung Galaxy Fit 2 smartwatch, fungerade som ett ytterligare mått på intensiteten och validerade de subjektiva RPE-poängen.

Ytterligare resultat: Puls

Pulsen övervakades kontinuerligt under varje session med smartklockan Samsung Galaxy Fit 2. Pulsdata överfördes automatiskt till i80 BPM-appen och användes för att spåra fysiologiska svar på träningspassen.

Datainsamling och hantering Data samlades in via i80 BPM-appen, som registrerade användarnöjdhet, träningsintensitet, hjärtfrekvens och varaktigheten av varje träningspass. För att säkerställa deltagarnas konfidentialitet anonymiserades all data före analys. Deltagarna tilldelades en unik identifieringskod och alla känsliga dokument förvarades på ett säkert sätt, med endast behörig personal som fick tillgång.

Provstorlek och effektberäkningar Baserat på en tidigare genomförbarhetsstudie uppskattades urvalsstorleken vara minst 40 deltagare för att upptäcka en medelskillnad på 8 poäng på PACES-8-skalan med 80 % effekt. Totalt 69 deltagare rekryterades för att ta hänsyn till potentiella avhopp och 62 deltagare genomförde minst ett träningspass. Den slutliga provstorleken gav tillräcklig kraft för att detektera skillnader mellan RL- och kontrollförhållandena.

Statistisk analys Generalized Estimating Equations (GEE) användes för att analysera de primära och sekundära resultaten. GEE-modeller användes för att redogöra för korrelationen av upprepade mätningar inom försökspersoner. De beroende variablerna i modellerna var användarnöjdhet (PACES-8 poäng) och upplevd ansträngning (Borg-skala poäng), medan de oberoende variablerna var tillstånd (RL vs kontroll) och försöksvecka. Kovariater inkluderade ålder, kön och fysiska aktivitetsnivåer vid baslinjen, med deltagar-ID inkluderat som en ämneseffekt.