发展行为改变的动态理论

不健康的行为导致大多数慢性病，占美国所有医疗保健支出的 86%。 尽管进行了大量研究，但开发有效、可扩展且可持续的行为改变干预措施仍然具有挑战性。 移动传感和基于智能手机的技术的最新进展催生了一种新颖且有前途的干预形式，称为“及时、自适应干预”(JITAI)，它有可能不断适应不断变化的环境并个性化行为改变的个人需求和机会。 尽管基于可靠理论的干预措施已被证明更有效，但当前的行为理论缺乏开发基于复杂动态行为和背景测量的有效 JITAI 所需的时间粒度和多尺度动态结构。 同时，缺乏能够表达动态、时间多尺度理论和表示动态、时间多尺度数据的建模框架。 该项目将解决密集收集的纵向数据所带来的理论发展、测量和建模挑战和机遇，重点关注身体活动和久坐行为，以及对其他行为的广泛影响。

为了提高效率，该研究建立在 NIH 资助的为期一年的 HeartSteps 微型随机试验 (MRT) (n=60) 的基础上，这是一种基于社会认知理论 (SCT) 的适应性 mHealth 干预，旨在增加步行和减少久坐行为在患有心血管疾病的患者中。 这项新提案的目的是：1) 改进和开发影响研究目标行为的理论结构的动态测量，2) 通过目标 1 中开发的测量增强 HeartSteps，并从另外两个为期一年的 HeartSteps 队列（久坐超重）收集数据/肥胖成人 (n=60) 和 2 型糖尿病患者 (n=60)，总 n=180)，3) 开发一个建模框架，以在干预环境中实施动态和情境化的行为理论，以及 4) 改进预测使用越来越复杂的模型的 SCT 结果。 这里提出的工作将在瞬时、每日和每周时间尺度上提供新的数字、数据驱动的关键行为理论结构测量，提供为复杂行为动力学模型的规范量身定制的新工具，以及新的模型估计工具。特别是复杂的、纵向的、多时间尺度的行为和上下文数据，现在可以使用 mHealth 技术访问这些数据。 最后，研究人员将利用收集到的数据和建议的建模工具来开发和测试社会认知理论的增强动态扩展，这些理论被操作为完全量化的预测动态模型。 总的来说，这项工作将提供显着提高基于身体活动的移动健康干预在多个时间尺度上的有效性所需的理论基础和工具，包括它们在更长的时间尺度上有效支持行为改变的能力。