机器学习技术在吸毒发生前预测复发并实施同伴恢复干预

本研究的目的是检查物质使用障碍个体的渴望、认知表现、行为和生理标记之间的关系，以及通过可穿戴技术（例如，Oura）对生物标记数据异常进行同伴恢复干预的效果环），以及参与者通过 RNI Health 应用程序对问卷和认知任务的回答。 所有参与者最初将接受 3 个月的监测，然后被随机分配至以下组之一： 1) 照常治疗； 2）PRSS（对等恢复支持）干预。 参与者将以 1:1 的比例随机分配接受标准护理治疗（照常治疗）或 PRSS 干预。 参与者将被要求连续佩戴可测量心率、睡眠和身体活动的可穿戴设备长达 5 年。 参与者还将被要求完成有关健康、思维和情感、过去经历和社会背景的调查问卷，并在有指示时完成认知和生理任务。 调查问卷将通过智能设备上的 WVU RNI Health 应用程序完成。 将通过机器学习算法和标准统计分析来分析参与者数据。 研究人员计划识别参与者数据中的异常情况，例如生理生物标志物、认知表现、行为以及与复发风险增加和相关情绪状况相关的渴望水平，其中同伴恢复支持专家（PRSS）可能会联系参与者评估任何参与者的需求，例如根据他们的护理标准联系或转介资源（治疗方案、住房资源等）。 该研究的目标是开发机器学习算法来预测吸毒复发的风险，开发一个预测模型，帮助确定预后并根据生理、认知和行为反应模式改进治疗计划，评估同行的疗效康复支持专家干预预防吸毒复发，并利用数据更好地了解可穿戴技术如何帮助改善治疗计划。