移动健康中的模型预测控制:为优化个性化体育活动干预提供决策框架
Mohamed El Mistiri1, Daniel E Rivera1, Predrag Klasnja2
1Control Systems Engineering Laboratory, School for Engineering of Matter, Transport, and Energy at Arizona State University, Tempe, Arizona, US.
International journal of control
|October 2, 2025
概括
模型预测控制 (MPC) 提供了一种通过个性化干预来促进身体活动 (PA) 的新方法. 这种方法有望改善每日步数,即使数据有限和系统复杂性有限.
科学领域:
- 行为科学是一种行为科学.
- 控制系统工程 控制系统工程
- 公共卫生 公共卫生
背景情况:
- 身体活动不足 (PA) 是一个重要的全球健康问题.
- PA提供了许多经过验证的健康益处.
- 现有的干预措施往往缺乏个性化和适应性.
研究的目的:
- 评估模型预测控制 (MPC) 作为个性化自适应行为干预的框架.
- 为了提高身体活动 (PA) 水平,特别是每天的步数.
- 在社会认知理论 (SCT) 框架内探索MPC的应用.
主要方法:
- 利用基于社会认知理论 (SCT) 和流体类比的计算模型.
- 在各种条件下开发并提出使用MPC的各种控制策略.
- 研究了测量限制,物理/预算限制和工厂限制对决策的影响.
主要成果:
- 证明了MPC在提供可行和个性化的PA干预方面的潜力.
- 展示了适应有限测量,非线性和植物模型不匹配的条件的适应性.
- 强调了基于MPC的干预措施的用户友好性质.
结论:
- 模型预测控制 (MPC) 为个性化行为干预提供了一个强大的框架,以增加身体活动 (PA).
- MPC有效地解决了诸如有限数据和系统不确定性等复杂问题.
- 这种方法具有通过提高PA水平来改善公共卫生的巨大潜力.
