LvL UP 试点试验

参与者将：

• 在基线和第 8 周访问研究中心以完成评估。
• 在第 4 周完成在线评估。
• 分配到第 1 组（干预）或第 2 组（比较）。
• 第 1 组的参与者将下载 LvL UP 应用程序。
• 第 4 周被归类为“无响应者”的第 1 组参与者除了继续使用 LvL UP 应用程序 (LvL UP + MI) 之外，还将接受四次激励性访谈辅导课程。
• 第 2 组的参与者将收到新加坡健康促进委员会提供的包含标准生活方式资源的套餐。

参与者将按照有利于 LvL UP 组的 2:1 比例随机分配到第 1 组或第 2 组（LvL UP 或比较组）。 在第 4 周（决策点），LvL UP 组的参与者将根据预先指定的标准被分为响应者或非响应者。 无应答参与者将以等概率 (1:1) 重新随机分配至两个二线条件之一：(i) 继续初始干预 (LvL UP) 或 (ii) 额外的 MI 支持课程 (LvL UP) + MI）。 有反应/无反应分类将涉及评估初步干预效果（以下之一的积极变化：体力活动、饮食或心理健康）以及对干预的满意度（净启动子评分）。

参与者还将参加根据英国医学研究委员会指南（Moore 等，2015）进行的过程评估，以探索实施（过程、保真度、剂量、适应、范围）、行动机制（参与者的经验和对干预的反应） 、中介因素、意外途径和后果）以及可能影响实施和干预结果的背景因素。 方法将需要定性和定量方法，包括调查、访谈、基于网络和应用程序的分析数据以及直接观察。 此外，研究方案中还添加了其他措施，以实现以下探索性目标：（i）探索干预结果的时变和基线调节因素（例如社会人口统计学变量、个性），（ii）确定最具成本效益的干预措施从社会角度分析干预条件（例如，自我报告因病缺勤），以及 (iii) 调查哪些 LvL UP 应用程序和智能手机传感器数据（例如，使用模式、位置）可能有效预测参与者的参与度、对 LvL 的接受状态UP 通知，或脆弱状态（心理健康状况）。 结果部分描述了所有措施。

为了形式化试点研究的样本量计算，Yan 等人采用了基于精度的方法。 (2020) 用于确保 LvL UP 和 LvL UP + MI 的估计结果控制在一定的精度内（即，误差幅度占结果标准差的比例）。 假设响应率为 50%、双尾 I 型错误为 5%、精确度为 30%，则总共需要 97 名参与者。 对持续 ≤ 8 周的数字健康干预措施的保留率估计为 82%（Jabir 等人，2023 年）并对数字进行四舍五入，将招募 120 名参与者。 因此，40 名和 80 名参与者将分别被随机分配到比较条件（第 2 组）和 LvL UP（第 1 组）。 此外，估计有 40 名来自团体干预的参与者将被重新随机分组，继续进行 LvL UP 或进行 LvL UP + MI。 考虑到分配到第 1 组的参与者被要求提名一名 LvL UP Buddy，这将成为试验过程评估的一部分，因此从技术上考虑参与者，总估计样本量为 200（120 名试验参与者和 60 名 LvL UP Buddy）。