論文の概要: Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study
- arxiv url: http://arxiv.org/abs/2407.11612v1
- Date: Tue, 16 Jul 2024 11:22:22 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 15:23:07.413432
- Title: Improving Engagement and Efficacy of mHealth Micro-Interventions for Stress Coping: an In-The-Wild Study
- Title（参考訳）: ストレスコーピングにおけるmHealth micro-intervention(mHealth micro-intervention)の効果とエンゲージメントの改善
- Authors: Chaya Ben Yehuda, Ran Gilad-Bachrach, Yarin Udi,
- Abstract要約: パーソナライズされたコンテキスト認識介入選択アルゴリズムは、mHealth介入のエンゲージメントと有効性を改善する。
短時間でも1分間の介入は、知覚されるストレスレベルを著しく減少させる。
本研究は,個人化された文脈認識介入選択アルゴリズムを導入することで文献に寄与する。
- 参考スコア（独自算出の注目度）: 4.704094564944504
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sustaining long-term user engagement with mobile health (mHealth) interventions while preserving their high efficacy remains an ongoing challenge in real-world well-being applications. To address this issue, we introduce a new algorithm, the Personalized, Context-Aware Recommender (PCAR), for intervention selection and evaluate its performance in a field experiment. In a four-week, in-the-wild experiment involving 29 parents of young children, we delivered personalized stress-reducing micro-interventions through a mobile chatbot. We assessed their impact on stress reduction using momentary stress level ecological momentary assessments (EMAs) before and after each intervention. Our findings demonstrate the superiority of PCAR intervention selection in enhancing the engagement and efficacy of mHealth micro-interventions to stress coping compared to random intervention selection and a control group that did not receive any intervention. Furthermore, we show that even brief, one-minute interventions can significantly reduce perceived stress levels (p=0.001). We observe that individuals are most receptive to one-minute interventions during transitional periods between activities, such as transitioning from afternoon activities to bedtime routines. Our study contributes to the literature by introducing a personalized context-aware intervention selection algorithm that improves engagement and efficacy of mHealth interventions, identifying key timing for stress interventions, and offering insights into mechanisms to improve stress coping.
- Abstract（参考訳）: モバイルヘルス(mHealth)の介入による長期的なユーザエンゲージメントを維持しながら、高い有効性を維持することは、現実の幸福なアプリケーションにおいて、現在進行中の課題である。
この問題に対処するために、フィールド実験における介入選択と性能評価のための新しいアルゴリズムであるパーソナライズされたコンテキストアウェア・レコメンド(PCAR)を導入する。
子ども29人の親を対象とする4週間の実験で、モバイルチャットボットを通じて、個人化されたストレス低減マイクロインターベンションを納品した。
介入前後の時間的ストレスレベル・時間的評価(EMA)を用いてストレス低減効果を評価した。
本研究は,PCAR介入選択によるストレス対策に対するmHealth micro-interventionsの関与と有効性の向上が,無作為介入選択や介入を受けない制御群よりも優れていることを示すものである。
さらに,短時間の1分間の介入でも,知覚ストレスレベル(p=0.001)が著しく低下することを示した。
午後の行動から就寝のルーチンへの移行など,活動の移行期間中の1分間の介入に対して,個人が最も受け入れやすいことが観察された。
本研究は,mHealth介入のエンゲージメントと有効性を向上し,ストレス介入の重要なタイミングを特定し,ストレス対処を改善するメカニズムに関する洞察を提供することにより,文献に寄与する。
関連論文リスト
- Deep Reinforcement Learning Empowered Activity-Aware Dynamic Health
Monitoring Systems [69.41229290253605]
既存のモニタリングアプローチは、医療機器が複数の健康指標を同時に追跡するという前提で設計されている。
これは、その範囲内で関連するすべての健康値を報告し、過剰なリソース使用と外部データの収集をもたらす可能性があることを意味します。
最適なモニタリング性能とコスト効率のバランスをとるための動的アクティビティ・アウェアヘルスモニタリング戦略(DActAHM)を提案する。
論文 参考訳（メタデータ） (2024-01-19T16:26:35Z) - Designing and evaluating an online reinforcement learning agent for
physical exercise recommendations in N-of-1 trials [0.9865722130817715]
オンライン強化学習エージェントによるパーソナライズされた介入の実装が実現可能か,有効かを検証した,革新的なN-of-1トライアルデザインを提案する。
その結果、まず、オンライン強化学習エージェントによるパーソナライズされた介入を実装することは可能であった。
第二に、このような適応的介入は、わずかな観察しか得られなくても、患者の利益を改善する可能性がある。
論文 参考訳（メタデータ） (2023-09-25T14:08:21Z) - An Adaptive Optimization Approach to Personalized Financial Incentives
in Mobile Behavioral Weight Loss Interventions [0.0]
私たちは、個人が異なるインセンティブスケジュールに対してどのように反応するかを予測することができる機械学習アプローチを作成します。
我々は、この予測モデルを適応的なフレームワークで、参加者に支払うインセンティブを計算し、研究予算内に留まる。
論文 参考訳（メタデータ） (2023-07-01T23:59:23Z) - Assessing the Impact of Context Inference Error and Partial
Observability on RL Methods for Just-In-Time Adaptive Interventions [12.762365585427377]
ジャスト・イン・タイム・アダプティブ・インターベンション(Just-in-Time Adaptive Interventions, JITAI)は、行動科学コミュニティ内で開発されたパーソナライズされた健康介入のクラスである。
JITAIは、事前定義されたコンポーネントセットから介入オプションのシーケンスを反復的に選択することで、適切なタイプとサポート量を提供することを目指している。
本研究では,文脈推定誤差と部分観測可能性が効果的な政策学習能力に与える影響について検討する。
論文 参考訳（メタデータ） (2023-05-17T02:46:37Z) - TCFimt: Temporal Counterfactual Forecasting from Individual Multiple
Treatment Perspective [50.675845725806724]
個別多面的治療の観点からの時間的対実予測の包括的枠組み(TCFimt)を提案する。
TCFimtは、選択と時間変化バイアスを軽減するためにSeq2seqフレームワークの逆タスクを構築し、比較学習ベースのブロックを設計し、混合処理効果を分離した主治療効果と因果相互作用に分解する。
提案手法は, 特定の治療法による今後の結果予測と, 最先端手法よりも最適な治療タイプとタイミングを選択する上で, 良好な性能を示す。
論文 参考訳（メタデータ） (2022-12-17T15:01:05Z) - A Neural Active Inference Model of Perceptual-Motor Learning [62.39667564455059]
アクティブ推論フレームワーク(英: active inference framework、AIF)は、現代の神経科学を基盤とした、有望な新しい計算フレームワークである。
本研究では,ヒトの視覚行動指導において,AIFが期待する役割を捉える能力をテストする。
本稿では,多次元世界状態から自由エネルギーの一次元分布にマッピングする先行関数の新たな定式化について述べる。
論文 参考訳（メタデータ） (2022-11-16T20:00:38Z) - Adaptive Identification of Populations with Treatment Benefit in
Clinical Trials: Machine Learning Challenges and Solutions [78.31410227443102]
確定的臨床試験において,特定の治療の恩恵を受ける患者サブポピュレーションを適応的に同定する問題について検討した。
サブポピュレーション構築のためのメタアルゴリズムであるAdaGGIとAdaGCPIを提案する。
論文 参考訳（メタデータ） (2022-08-11T14:27:49Z) - Counterfactual Phenotyping with Censored Time-to-Events [18.10004502065758]
本研究では,不均一な治療効果をモデル化するための潜時変動的アプローチを提案し,応答特性の異なる潜時クラスターの1つに個体が属することを提案する。
この潜伏構造は, 生存率を媒介し, 介入効果の判定に有効であることを示す。
論文 参考訳（メタデータ） (2022-02-22T18:34:40Z) - SurvITE: Learning Heterogeneous Treatment Effects from Time-to-Event
Data [83.50281440043241]
時系列データから不均一な処理効果を推定する問題について検討する。
本稿では,バランス表現に基づく治療特異的ハザード推定のための新しいディープラーニング手法を提案する。
論文 参考訳（メタデータ） (2021-10-26T20:13:17Z) - Generalization Bounds and Representation Learning for Estimation of
Potential Outcomes and Causal Effects [61.03579766573421]
代替薬に対する患者一人の反応など,個人レベルの因果効果の推定について検討した。
我々は,表現の誘導的処理群距離を正規化することにより,境界を最小化する表現学習アルゴリズムを考案した。
これらのアルゴリズムを拡張して、重み付き表現を同時に学習し、治療群距離をさらに削減する。
論文 参考訳（メタデータ） (2020-01-21T10:16:33Z) - Off-Policy Estimation of Long-Term Average Outcomes with Applications to
Mobile Health [0.0]
医療介入は、ストレスや身体活動などの近位、近位的な結果に影響を与えるように設計されている。
ジャスト・イン・タイム適応的介入(ジャスト・イン・タイム・アダプティブ・介入)と呼ばれるmHealthの介入ポリシーは、個人の現在の状態をマッピングする決定ルールである。
我々は,異なる政策の下で収集された歴史的データを用いて,そのような政策の性能に関する推論を行うアプローチを提案する。
論文 参考訳（メタデータ） (2019-12-30T21:22:21Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。