Datele aplicației Mining Health pentru a găsi mai multe și mai puține subgrupuri de slăbire
Katrina J Serrano
1 Institutul Național al Cancerului, Bethesda, MD, Statele Unite
Mandi Yu
1 Institutul Național al Cancerului, Bethesda, MD, Statele Unite
Kisha I Coa
2 ICF International, Rockville, MD, Statele Unite
Linda M Collins
3 Pennsylvania State University, State College, PA, Statele Unite
Audie A Atienza
2 ICF International, Rockville, MD, Statele Unite
Abstract
fundal
Mai mult de jumătate din toate descărcările aplicațiilor smartphone implică greutate, dietă și exerciții fizice. Dacă au succes, aceste aplicații de stil de viață pot avea efecte de anvergură pentru prevenirea bolilor și reducerea costurilor pentru sănătate, însă puțini cercetători au analizat datele din aceste aplicații.
Obiectiv
Scopul acestui studiu a fost analizarea datelor dintr-o aplicație comercială de sănătate (Lose It!) Pentru a identifica subgrupurile de slăbire cu succes prin analize exploratorii și pentru a verifica stabilitatea rezultatelor.
Metode
Date transversale, dezidentificate din Lose It! au fost analizate. Acest set de date (n = 12.427.196) a fost împărțit aleatoriu în 24 de subprobe, iar acest studiu a folosit 3 subprobe (combinate n = 972.687). Metodele de clasificare și arborescență de regresie au fost utilizate pentru a explora grupările de scădere în greutate cu un singur eșantion, cu analize descriptive pentru a examina alte caracteristici ale grupului. Metodele de validare a exploatării datelor au fost efectuate cu 2 submostre suplimentare.
Rezultate
În sub-eșantionul 1, 14,96% dintre utilizatori au pierdut 5% sau mai mult din greutatea corporală inițială. Analiza arborelui de clasificare și regresie a identificat 3 subgrupuri distincte: „utilizatorii ocazionali” au avut cea mai mică proporție (4,87%) de indivizi care au slăbit cu succes; „Utilizatorii de bază” au avut 37,61% pierderea în greutate; iar „consumatorii de energie” au obținut cel mai mare procent de succes în pierderea în greutate la 72,70%. Factorii comportamentali au delimitat subgrupurile, deși caracteristicile comportamentale legate de aplicații le-au distins în continuare. Rezultatele au fost replicate în analize ulterioare cu submostre separate.
Concluzii
Acest studiu demonstrează că subgrupurile distincte pot fi identificate în datele „dezordonate” ale aplicațiilor comerciale și subgrupurile identificate pot fi reproduse în eșantioane independente. Factorii comportamentali și utilizarea caracteristicilor aplicației personalizate au caracterizat subgrupurile. Direcționarea și adaptarea informațiilor la anumite subgrupuri ar putea spori succesul pierderii în greutate. Studiile viitoare ar trebui să reproducă analizele miniere de date pentru a spori rigoarea metodologiei.
Introducere
Deținerea de smartphone-uri în rândul adulților americani a crescut de la 35% în 2011 la 68% în 2015 [1]. Această creștere a coincis cu proliferarea aplicațiilor pentru smartphone-uri, iar 19% din toate descărcările de aplicații sunt legate de sănătate, mai mult de jumătate dintre acestea implicând greutate, dietă și exerciții fizice [2]. Acest lucru oferă noi oportunități de a oferi intervenții pentru schimbarea comportamentului de sănătate și pierderea în greutate în Statele Unite, unde ratele de obezitate au rămas ridicate [3].
Deși aplicațiile arată o mare promisiune pentru a ajuta persoanele să piardă în greutate și să gestioneze obiceiurile de viață [4-6], lipsesc încă dovezi care să susțină impactul aplicațiilor comerciale asupra comportamentului asupra sănătății și a pierderii în greutate. Acest lucru se poate datora lipsei principiilor de slăbire bazate pe dovezi în aplicațiile disponibile în prezent [7]. Dar având în vedere popularitatea acestor aplicații, implicațiile potențiale sunt de anvergură, nu numai în ceea ce privește prevenirea bolilor (de exemplu, diabet, boli cardiovasculare, cancer), ci și în ceea ce privește economia de costuri [8-11].
Datele care sunt colectate din aplicațiile comerciale de sănătate nu sunt adesea colectate având în vedere cercetarea științifică. Cu toate acestea, aceste aplicații pot ajunge la milioane de utilizatori. Dacă sunt analizate cu metode științifice riguroase, datele potențial bogate colectate din aceste aplicații pot oferi informații importante despre modul în care are loc schimbarea comportamentului în medii naturaliste în segmentele mari ale populației. Analizele exploratorii, cum ar fi metodele de extragere a datelor, care pot fi utilizate pentru a examina datele de sănătate existente nu sunt noi [11-13], dar rareori au fost utilizate pentru a examina datele de sănătate colectate din aplicații comerciale.
În plus, metodele științifice pentru a examina fiabilitatea și robustețea analizelor exploratorii (de exemplu, metodele de validare a exploatării datelor) au fost, de asemenea, disponibile de ceva timp [14,15], dar nu au fost utilizate cu datele aplicațiilor de sănătate. Cu milioane de indivizi care folosesc aplicații comerciale de sănătate, există acum oportunități atât pentru exploatarea datelor exploratorii, cât și pentru metodele de validare a exploatării datelor, care să aibă loc în succesiune rapidă. Metodele de validare a exploatării datelor măresc rigoarea științifică a abordărilor exploratorii testând dacă constatările inițiale sunt stabile.
Din câte știm, niciun studiu nu a explorat eficacitatea unei aplicații comerciale de scădere în greutate ȘI a evaluat fiabilitatea descoperirilor exploratorii. Scopul acestui studiu a fost de a (1) evalua prevalența pierderii în greutate în rândul adulților supraponderali și obezi din datele colectate de o aplicație comercială, (2) a identifica subgrupurile de pierdere în greutate cu succes și a caracteristicilor acestora utilizând tehnici exploratorii de extragere a datelor și (3) examinează fiabilitatea subgrupurilor identificate folosind eșantioane independente.
Metode
Set de date
Am analizat un subset de date transversale, dezidentificate (n = 12,427,196), care au fost obținute direct din Lose It! (FitNow Inc., Boston, MA, SUA). Datele au fost puse la dispoziția cercetătorilor de la Institutul Național al Cancerului doar în scopuri de cercetare. Lose It! - Lansat în 2008 - este o aplicație de slăbit care este disponibilă atât pe piețele de aplicații iOS și Android, cât și pe web. Lose It! (de acum, denumită aplicație) oferă utilizatorilor instrumente de urmărire (de exemplu, scanere de coduri de bare); conexiuni cu alte dispozitive și aplicații (de exemplu, Fitbit, RunKeeper); motivație și sprijin (de exemplu, legătura cu prietenii); și feedback nutrițional (de exemplu, rapoarte generate de sistem care compară jurnalul alimentar al unui utilizator cu recomandările MyPlate ale Departamentului Agriculturii din SUA).