Denna sida har översatts automatiskt och översättningens korrekthet kan inte garanteras. Vänligen se engelsk version för en källtext.

Utvärdering av hälsoutfall av AI-baserade fitness wearables & appprogram hos äldre med kognitiv nedgång

10 juni 2026 uppdaterad av: Zan Gao, The University of Tennessee, Knoxville

Utvärdering av hälsoutfall av AI-baserade fitness-bärbara och appprogram hos äldre vuxna som bor ensamma med kognitiv nedgång

Det övergripande målet med vår forskning är att utveckla personliga och tillgängliga hälsosamma åldrande livsstilsinsatser som syftar till att främja fysisk aktivitet (PA) och förbättra hälsan bland äldre vuxna som bor ensamma med kognitiv nedgång (LACD). För att uppnå detta mål är syftet med detta projekt att avgöra om bärbar och appbaserad mHealth-interventionskomponent kommer att bidra till ökade PA och förbättrade hälsoutfall hos äldre vuxna LACD. Våra specifika syften är att: identifiera och utvärdera mHealth-interventionskomponenter som praktiskt och väsentligt bidrar till förbättrade mekanistiska resultat (t.ex. själveffektivitet, resultatförväntningar) och ökat PA (primärt resultat) hos äldre vuxna LACD under en 6-månadersperiod; bestämma de optimala kombinationerna av interventionskomponenter för framtida effektivitetstest; Förklara mekanismen för beteendeförändringar (MOBC) och potentiella resultat av dessa interventionskomponenter, nämligen de förmedlande effekterna av MOBC-variabler (t.ex. själveffektivitet, resultatförväntningar) på förhållandet mellan interventionskomponenter och förändring i PA. De två första målen är primära och fulldrivna. Det tredje målet är utforskande. Målen kommer att stödja en förfinad, datadriven interventionsdesign för en efterföljande större försök.

Studieöversikt

Detaljerad beskrivning

Mobile Health (MHealth) är ett lovande tillvägagångssätt för att förbättra hälsobeteenden, definierade som "hälsovårdstjänster och information som levereras eller förbättras via Internet och relaterad teknik." Det inkluderar sjukdomsförebyggande och hanteringsverktyg, fjärrinterventioner, personlig övervakning av hälso- och mobiltjänst. Med utbredd teknik för teknik använder forskare alltmer bärbara enheter och appar för att förbättra hälsoutfallet genom att främja PA och minska stillasittande beteende. Bärbara enheter och fitnessappar är nu allmänt integrerade i PA -interventionsprogram och hjälper individer att anta mer aktiva livsstilar. Dessa verktyg spårar steg, aktivitetsvaraktighet och framsteg, vilket ger realtidsåterkoppling, målsättning och social integration för att förbättra motivation och beteendereglering. Noterbart använder 21% av amerikanska vuxna regelbundet smartur eller fitnessspårare, vilket gör dem genomförbara för PA -interventioner hos äldre vuxna. RCT: er har visat sina positiva effekter på PA, QoL och psykosocialt välbefinnande hos äldre vuxna, men vissa studier rapporterade blygsamma förbättringar. Nya framsteg inom datavetenskap och AI-driven mHealth-interventioner möjliggör skalbara, personliga träningsrecept. Personliga tillvägagångssätt, särskilt de som förbättrar själveffektiviteten, ger bättre resultat än generaliserade interventioner. Men få studier har utnyttjat fitness -bärbara och appar för äldre vuxna LACD. Denna rättegång behandlar denna stora svaghet genom att implementera en AI-driven mHealth-intervention för skräddarsydda precisionshälsoprogram hos äldre LACD för vuxna.

Studietyp

Interventionell

Inskrivning (Beräknad)

64

Fas

  • Inte tillämpbar

Kontakter och platser

Det här avsnittet innehåller kontaktuppgifter för dem som genomför studien och information om var denna studie genomförs.

Studiekontakt

  • Namn: Zan Gao, PhD
  • Telefonnummer: 865-974-7971
  • E-post: zan@utk.edu

Studieorter

    • Tennessee
      • Knoxville, Tennessee, Förenta staterna, 37920
        • Har inte rekryterat ännu
        • University of Tennessee
        • Huvudutredare:
          • Zan Gao, PhD
        • Kontakt:
          • Kinesiology, Recreation, and Sport Studies
          • Telefonnummer: (865) 974-3340
          • E-post: krss@utk.edu
        • Underutredare:
          • Danielle Ostendorf, PhD
        • Underutredare:
          • Xiaopeng Zhao, PhD
        • Underutredare:
          • Jeffrey Labban, PhD
      • Knoxville, Tennessee, Förenta staterna, 37996
        • Rekrytering
        • The University of Tennessee, Knoxville. Health, Recreation, and Physical Education Building

Deltagandekriterier

Forskare letar efter personer som passar en viss beskrivning, så kallade behörighetskriterier. Några exempel på dessa kriterier är en persons allmänna hälsotillstånd eller tidigare behandlingar.

Urvalskriterier

Åldrar som är berättigade till studier

  • Äldre vuxen

Tar emot friska volontärer

Nej

Beskrivning

Inkluderingskriterier:

  • Deltagaren måste vara minst 65 år äldre
  • Deltagaren måste bo ensam i USA under de kommande 6 månaderna
  • Deltagaren måste ha en rapport mild kognitiv nedgång [vi kommer att använda ett kort självrapport AD8-mått på kognitiva problem. De som gör positiva på AD8 (≥2) kommer att kvalificera sig som mild kognitiv nedgång];
  • Deltagaren måste äga en Android/Apple -smartphone
  • Deltagaren måste ha tillgång till internet eller Wi-Fi-åtkomst
  • Deltagaren måste kunna delta i en del PA som bestäms av PA -beredskapsfrågeformuläret eller läkarnas godkännande
  • Deltagaren måste för närvarande delta i veckovis måttlig till-kraftig PA (MVPA) eller mindre än 150 minuter
  • Deltagaren måste ha grundläggande engelska kommunikationsförmågor.

Uteslutningskriterier:

  • Utländska invånare eller besökare

Studieplan

Det här avsnittet ger detaljer om studieplanen, inklusive hur studien är utformad och vad studien mäter.

Hur är studien utformad?

Designdetaljer

  • Primärt syfte: Förebyggande
  • Tilldelning: Randomiserad
  • Interventionsmodell: Faktoriell uppgift
  • Maskning: Dubbel

Vapen och interventioner

Deltagargrupp / Arm
Intervention / Behandling
Experimentell: Tillgång till alla applikationer
VILLKOR 1: Deltagaren är försedd med receptbelagda applikationer (applikation1), social applikation (applikation 2) och applikation för hälsotips (applikation 3).
AI-driven personlig recept för träning via en fitness-app. Detta riktar sig till själveffektivitet.
Deltagarna kommer att få tillgång till ett socialt nätverk via app. Detta riktar sig till socialt stöd.
Deltagarna har en appbaserad hälsoutbildning. Detta riktar sig till resultatförväntningarna.
Experimentell: Tillgång till applikation 1 & 2
VILLKOR 2: Deltagaren förses med receptbelagda applikationer, social tillämpning, men de är inte försedda med applikationen för hälsotips.
AI-driven personlig recept för träning via en fitness-app. Detta riktar sig till själveffektivitet.
Deltagarna kommer att få tillgång till ett socialt nätverk via app. Detta riktar sig till socialt stöd.
Experimentell: Tillgång till applikation 1 & 3
VILLKOR 3: Deltagaren är försedd med receptansökan, och de är inte försedda med den sociala tillämpningen, men de är försedda med applikationen för hälsotips.
AI-driven personlig recept för träning via en fitness-app. Detta riktar sig till själveffektivitet.
Deltagarna har en appbaserad hälsoutbildning. Detta riktar sig till resultatförväntningarna.
Experimentell: Endast åtkomst till applikation 1
VILLKOR 4: Deltagaren är försedd med receptansökan, men är inte försedda med den sociala tillämpningen och applikationen för hälsotips.
AI-driven personlig recept för träning via en fitness-app. Detta riktar sig till själveffektivitet.
Experimentell: Tillgång till applikation 2 & 3
VILLKOR 5: Deltagaren är inte försedd med receptansökan, men de är försedda med den sociala tillämpningen och applikationen för hälsotips.
Deltagarna kommer att få tillgång till ett socialt nätverk via app. Detta riktar sig till socialt stöd.
Deltagarna har en appbaserad hälsoutbildning. Detta riktar sig till resultatförväntningarna.
Experimentell: Endast åtkomst till applikation 2
VILLKOR 6: Deltagaren är inte försedd med receptansökan, men de är försedda med den sociala tillämpningen, och de är inte försedda med Health Tips -applikationen.
Deltagarna kommer att få tillgång till ett socialt nätverk via app. Detta riktar sig till socialt stöd.
Experimentell: Endast åtkomst till applikation 3
VILLKOR 7: Deltagaren är inte försedda med receptansökan eller den sociala tillämpningen, men de är försedda med applikationen för hälsotips.
Deltagarna har en appbaserad hälsoutbildning. Detta riktar sig till resultatförväntningarna.
Inget ingripande: Ingen åtkomst till någon ansökan
VILLKOR 8: Deltagaren är inte försedd med receptansökan eller den sociala tillämpningen eller med applikationen för hälsotips.

Vad mäter studien?

Primära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Fitbit mvpa
Tidsram: Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Fitbit Inspire 3 Tracker kommer att användas för att bedöma deltagarnas MVPA (aktiv tid som inkluderar både ganska aktiv tid och mycket aktiv tid). Ganska aktiv; Varaktighet förknippad med ljusintensitetsaktiviteter, dvs. promenader, lätt cykling, hushållsarbete (~ 3-6 METS). Mycket aktiv; Varaktighet förknippad med högintensitetsaktiviteter, dvs. löpning, aeroba träningspass (> 6 Mets).
Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Fysisk aktivitet
Tidsram: Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Vi kommer att använda den fysiska aktivitetsskalan för äldre för att bedöma PA. Högre poäng betyder mer fysisk aktivitet. (Låg aktivitet: <100; Måttlig: 100-250; Hög:> 250)
Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Mekanism för beteendeförändringsvariabler (MOBC)
Tidsram: Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).

Psykometriskt validerade frågeformulär kommer att användas för att bedöma trosuppfattningar: själveffektivitet, socialt stöd och resultatförväntningar.

Själveffektivitet; Låg poäng indikerar lågt förtroende för förmågan att utföra beteende, hög poäng indikerar starkt förtroende. Socialt stöd; Låg poäng indikerar dåligt stöd från familj eller vänner, hög poäng indikerar stort stöd.

Resultatförväntningar; Låg poäng indikerar tron ​​att beteende inte kommer att hjälpa, hög poäng indikerar tron ​​att beteendet kommer att leda till positivt resultat.

Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).

Sekundära resultatmått

Resultatmått
Åtgärdsbeskrivning
Tidsram
Livskvalitet (QOL)
Tidsram: Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).

Vi kommer att välja den korta äldre livskvalitetsfrågeformuläret för att bedöma livskvalitet (Opqol-Brief).

Minsta: 13 (mycket dålig livskvalitet) Maximum: 65 (utmärkt livskvalitet)

Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Psykosocialt välbefinnande
Tidsram: Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).

Vi kommer att bedöma välbefinnande med hjälp av Världshälsoorganisationens välbefinnande index (WHO-5) frågeformulär.

0 -12 -lågt välbefinnande; Möjlig depression (skärmpositiv) 13 - 19 - Måttligt välbefinnande 20 - 25 - Högt välbefinnande

Baslinjen (dvs före intervention), 3 månader (mittpunkt) och 6 månader (slutpunkt).
Cognition
Tidsram: Baseline (i.e., pre-intervention), 3 months (mid-point), and 6 months (end-point).

To assess older adults' cognition (thinking and memory), we will use the 5-minute Montreal Cognitive Assessment (MoCA).

26 - 30: Normal; Indicates health cognitive functioning for most adults.

18 - 25: Mild Cognitive Impairment (MCI); Shows noticeable memory or thinking issues that do not severely disrupts daily life.

10 - 17: Moderate Cognitive Impairment; Suggests a heightened progression towards early-to-mid stage dementia.

Less than 10: Severe Cognitive Impairment.

Baseline (i.e., pre-intervention), 3 months (mid-point), and 6 months (end-point).

Samarbetspartners och utredare

Det är här du hittar personer och organisationer som är involverade i denna studie.

Studieavstämningsdatum

Dessa datum spårar framstegen för inlämningar av studieposter och sammanfattande resultat till ClinicalTrials.gov. Studieposter och rapporterade resultat granskas av National Library of Medicine (NLM) för att säkerställa att de uppfyller specifika kvalitetskontrollstandarder innan de publiceras på den offentliga webbplatsen.

Studera stora datum

Studiestart (Faktisk)

8 juni 2026

Primärt slutförande (Beräknad)

8 juni 2028

Avslutad studie (Beräknad)

8 juni 2028

Studieregistreringsdatum

Först inskickad

19 september 2025

Först inskickad som uppfyllde QC-kriterierna

27 september 2025

Första postat (Faktisk)

6 oktober 2025

Uppdateringar av studier

Senaste uppdatering publicerad (Faktisk)

15 juni 2026

Senaste inskickade uppdateringen som uppfyllde QC-kriterierna

10 juni 2026

Senast verifierad

1 juni 2026

Mer information

Termer relaterade till denna studie

Plan för individuella deltagardata (IPD)

Planerar du att dela individuella deltagardata (IPD)?

OBESLUTSAM

Läkemedels- och apparatinformation, studiedokument

Studerar en amerikansk FDA-reglerad läkemedelsprodukt

Nej

Studerar en amerikansk FDA-reglerad produktprodukt

Nej

Denna information hämtades direkt från webbplatsen clinicaltrials.gov utan några ändringar. Om du har några önskemål om att ändra, ta bort eller uppdatera dina studieuppgifter, vänligen kontakta register@clinicaltrials.gov. Så snart en ändring har implementerats på clinicaltrials.gov, kommer denna att uppdateras automatiskt även på vår webbplats .

Prenumerera