测试一种基于机器学习的适应性激励系统,用于社会经济不利的吸烟者 (Adapt2Quit):随机对照试验的协议
Ariana Kamberi1, Benjamin Weitz1, Julie Flahive2
1Division of Health Informatics and Implementation Science, Department of Population and Quantitative Health Sciences, UMass Chan Medical School, Worcester, MA, United States.
JMIR research protocols
|April 16, 2025
概括
这项研究测试了Adapt2Quit推系统,以提高社会经济弱势群体的戒烟率. 该系统使用机器学习来定制消息,旨在提高这一高风险人群的戒烟率.
科学领域:
- 公共卫生 公共卫生
- 数字健康数字健康
- 行为科学 行为科学
背景情况:
- 在社会经济上处于劣势的个人吸烟率很高,面临戒烟干预的障碍.
- 计算机定制的健康沟通显示了促进行为改变的潜力.
- Adapt2Quit推系统是一种机器学习方法,旨在提高信息的相关性和戒烟的有效性.
研究的目的:
- 通过一项随机对照试验,评估Adapt2Quit推系统在增加社会经济不利的吸烟者中戒烟的有效性.
主要方法:
- 从低收入保险团体和社区卫生中心招募社会经济弱势的吸烟者.
- 干预组通过Adapt2Quit系统接受了为期6个月的定制短信,包括促进和状态评估信息.
- 对照组仅收到促进和状态评估信息;主要结果通过7天的流行点6个月戒烟来衡量,通过一氧化碳测试进行验证.
主要成果:
- 招募了757名参与者,样本多样化,包括64%的女性,35%的黑人或非裔美国人,51.1%的白人.
- 参与者的特点包括52.6%的高中教育,70%的吸烟者在醒来后30分钟内吸烟,50%的参与者在过去一年中至少有一天不吸烟.
- 该研究正在进行中,招募和6个月的随访已经完成;主要分析正在等待.
结论:
- 一个多样化的社会经济弱势的吸烟者样本被招募用于Adapt2Quit研究.
- 建立了一个严格的协议来评估Adapt2Quit推系统的有效性.
- 未来的出版物将介绍随机对照试验数据的初级分析.
