Log2Lose: Development and Lessons Learned From a Mobile Technology Weight Loss Intervention
Notice bibliographique
Résumé
BACKGROUND: Providing financial incentives has gained popularity as a strategy to promote weight loss, but questions remain about how best to utilize them. A promising mobile health strategy provides users with near-real-time financial incentives based on both the process of weight loss (behavioral modification) and actual weight loss. To maximize the impact of this strategy, a methodology is needed to close the gap between the desired behavior and the financial incentive. Leveraging mobile health tools-such as mobile phone apps, cellular body weight scales that transmit data to physicians and researchers, and text messaging for instructions and encouragement-has the potential to close this gap. OBJECTIVE: This study aimed to describe the development of an innovative technology-based solution and lessons learned from a feasibility trial-Log2Lose-that encouraged individuals to lose weight by providing near-real-time financial incentives for weight loss and/or dietary self-monitoring. METHODS: for a 24-week weight loss trial. Participants received a behavioral intervention of biweekly, in-person group sessions and were instructed to log a minimum number of daily calories in MyFitnessPal and to step on the BodyTrace cellular scale at least twice per week. In a 2×2 design, participants were randomized into 4 groups to receive financial incentives for the following: (group 1) weekly weight loss and dietary self-monitoring, (group 2) dietary self-monitoring only, (group 3) weekly weight loss only, or (group 4) no financial incentives. Diet and weight data from the devices were obtained through application programming interfaces. Each week, we applied algorithms to participants' data to determine whether they qualified for a monetary incentive (groups 1-3). A text message notified these participants of whether they met weight loss and/or self-monitoring requirements to earn an incentive and the amount they earned or would have earned. The money was uploaded to a debit card. RESULTS: Our custom-engineered software platform analyzed data from multiple sources, collated and processed the data to send appropriate text messages automatically, and informed study staff of the appropriate incentives. We present lessons learned from the development of the software system and challenges encountered with technology, data transmission, and participants (eg, lost connections or delayed communication). CONCLUSIONS: With consistent and constant validation checks and a robust beta test run, the process of analyzing data and determining eligibility for weekly incentives can be mostly automated. We were able to accomplish this project within an academic health system, which required significant security and privacy safeguards. Our success demonstrates how this methodology of automated feedback loops can provide health interventions via mobile technology. TRIAL REGISTRATION: ClinicalTrials.gov NCT02691260; https://clinicaltrials.gov/ct2/show/NCT02691260.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Étiquettes directes de modèles (non validées)
Étiquettes de catégorie et de devis d'étude par modèle, issues des rondes d'étiquetage. C'est une sortie machine, non validée, et le désaccord entre modèles est livré comme donnée. Aucun devis ici n'est encore validé contre MEDLINE.
| Bras | Catégories | Devis d'étude | Confiance |
|---|---|---|---|
| gemma | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Sans objet | low |
| gpt | aucune catégorie Domaine: non disponible · Genre: Empirique Porte sur le système de recherche canadien: non · Porte sur un sujet canadien: non | Autre devis | high |
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,012 | 0,014 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,002 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéeÉtiqueté directement par 2 modèles lisant le dossier complet.
Les modèles divergent sur des parties de cette classification; chaque voix est préservée dans la section en fin de page.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».