MoveMentor-检查机器学习和基于应用程序的数字助理在增加成人身体活动方面的有效性:随机对照试验的协议
Corneel Vandelanotte1, Stewart Trost2, Danya Hodgetts3
1Appleton Institute, Central Queensland University, Bruce Highway, Rockhampton, QLD, 4702, Australia. c.vandelanotte@cqu.edu.au.
Trials
|July 2, 2025
概括
这项研究评估了一款以机器学习为动力的应用程序,以促进身体活动. 数字助理提供个性化的指导和推动,以增加炼和改善健康结果.
科学领域:
- 数字健康数字健康
- 行为科学 行为科学
- 机器学习 机器学习
背景情况:
- 身体不活动是一个重大的全球健康挑战,有助于增加疾病负担和医疗保健成本.
- 目前的干预措施往往在适度的效果,参与度和可扩展性方面扎.
- 需要新的方法来整合机器学习 (ML) 以进行个性化干预.
研究的目的:
- 为了评估一款基于应用程序的基于机器学习的新型数字助理的有效性,该助理旨在增加身体活动.
- 评估个性化,适应性数字工具在促进行为改变方面的潜力.
主要方法:
- 一个随机对照试验,涉及198名通过Facebook招募的参与者.
- 干预组获得了一款应用程序,使用ML (强化学习,NLP,LLMs) 进行个性化教育,推动和问答,并设定适应性目标和行动计划.
- 在基线,3个月和6个月测量的结果,包括设备测量的身体活动,应用程序参与度,生活质量和心理健康指标.
主要成果:
- 主要结局:通过加速度计测量中度至强度体力活动 (MVPA) 的变化.
- 二次结果:应用程序的参与度,保留率,生活质量,抑郁,焦虑,压力,坐时间,睡眠和工作场所的生产力.
- 该研究已在澳大利亚新西兰临床试验注册表 (ACTRN12624000255583p) 上注册.
结论:
- 这项试验调查了一代新的数字干预,利用先进的ML来改变身体活动行为.
- 这项研究旨在克服当前对话代理人的局限性,为更有效和更适应的健康干预措施铺平道路.
