这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
移动电话技术的进步为加强及时提供健康行为改变干预措施提供了巨大的潜力。基于智能手机的健康干预(应用程序)的开发是一个快速发展的研究领域,但很少有纵向研究人们如何在日常生活中体验和使用这些应用程序,特别是在基于Web和基于应用程序的混合干预的背景下。
本研究采用了深入的混合方法设计,以检查(1)在与基于web的体重管理干预(POWeR)同时提供时,访问体重管理应用(POWeR Tracker)对自我报告的目标投入(即动机、自我效能、意识、努力、成就)的影响;(2)使用和查看POWeR Tracker。
研究人员为13名成年人提供了POWeR,并对他们进行了为期4周的监测。每隔两周(即第1周和第3周或第2周和第4周)提供一次POWeR Tracker。参与者每天通过自我报告来衡量目标投入程度。研究人员使用混合效应模型来检查在POWeR Tracker可用和不可用的几周内,目标投入的变化,以及个体参与者之间目标投入的变化程度是否不同。POWeR和POWeR Tracker的使用情况会被自动记录下来。通过电话访谈和归纳主题分析,进一步探讨参与者使用POWeR和POWeR Tracker的体验。
获得POWeR Tracker与参与者对自己饮食的意识显著增加相关(β1= 0.31,
这项研究提供的证据表明,智能手机作为现有在线干预的补充,有可能提高个人对健康相关目标的参与度。移动访问信息的便利性似乎并没有阻止基于web的干预措施的使用,也没有加强应用程序访问对目标参与的影响。混合方法的设计可以探索基于应用程序的工具的日常使用的个体差异。
在过去十年中,提供旨在支持健康行为改变的干预措施的数字技术激增,包括基于计算机和互联网的平台[
应用程序的开发激增,以支持各种各样的健康问题,包括健康促进和疾病预防(例如,营养和体育活动[
应用程序可以而且已经被设计成独立的健康干预措施。另一种混合模式是提供更大的基于web的信息和建议包,并辅以基于移动的对特定干预组件的访问[
似乎也很少有充分的探索,人们如何实际使用他们的移动电话,并将健康应用程序整合到他们的日常生活中,使用纵向案例研究的方法[
定性研究表明,虽然人们接受使用移动健康应用的可能性,但这些应用可能很容易被丢弃[
我们知道,很少有研究将干预使用和自我报告结果变化的定量分析与深入的定性研究相结合,以检查和比较健康应用程序的影响和体验的个体差异。这项研究使用了一种新颖的混合方法设计来检查体重管理应用程序(POWeR Tracker)的影响、使用和视图,该应用程序与基于web的体重管理干预(POWeR)一起提供。帮助用户设定个人健康饮食和体育活动目标是POWeR中包含的关键行为改变技术(BCT)。健康行动过程方法认为行为改变(在这种情况下追求体重管理目标)通过两个阶段发生:动机和意志[
积极在线减肥(POWeR)是一种基于网络的体重管理干预措施,使用LifeGuide创作软件开发[
前三个课程被指定为核心课程。第1部分介绍POWeR方法,指导用户选择与低卡路里或低碳水化合物饮食计划一致的目标,并回顾他们减肥的个人动机。第二部分提供了获得体重管理支持的技巧。第三阶段指导用户选择与步行或混合体育活动计划一致的目标。设定个性化的目标(并制定如何实现这些目标的详细计划),回顾目标进展,并获得基于网络的目标实现反馈,这是POWeR干预的一个基本要素。从第二阶段开始,参与者需要记录他们的体重,并在访问新的会话内容之前回顾他们的目标。在4-11阶段,用户被邀请在完成体重和目标评估后选择感兴趣的话题(例如,控制渴望,处理失误,外出就餐)。POWeR的最后一个环节提供了关于用户如何长期保持体重管理的信息和建议。
POWeR Tracker是一款Android手机应用程序,它为POWeR用户提供了通过手机跟踪个人POWeR目标的机会
POWeR Tracker移动应用程序截图(从左到右:菜单、每日目标更新和饮食日记)
通过在英国南安普顿大学校园周围放置纸质广告,招募了13名志愿者样本。符合条件的参与者必须拥有至少23的身体质量指数(BMI),拥有Android手机,并且没有阻碍营养调整或身体活动的健康状况。当参与者对POWeR Tracker的体验没有实质性的不同见解时(即达到饱和时),招募就停止了。
数据收集于2012年8月至2013年8月期间进行,并由南安普顿大学伦理委员会和研究治理办公室批准。在POWeR干预的前3个网络会议期间,每个参与者都被要求选择他们个人的饮食和体育活动计划和目标。在完成前3个基于网络的会议后,每个参与者都被邀请下载POWeR Tracker应用程序,然后在4周的时间内进行监测(参见
在提到POWeR Tracker应用程序时,“干预内容”指的是提供的信息、建议和工具,而“每日问卷”指的是自我报告研究措施。每个参与者对POWeR Tracker应用程序提供的干预内容的访问受到限制,并每周交替进行。参与者可以在第1周和第3周或第2周和第4周访问干预内容。第一次访问POWeR Tracker干预内容的顺序在参与者之间平衡;在研究的第一周或第二周,参与者通过抛硬币的方式被随机分为4组。
参与者还被要求在整个4周的研究过程中,每天通过POWeR Tracker应用程序完成一系列关于目标投入的自我报告测量(每日问卷)。
研究设计流程图。
使用LifeGuide软件的每位参与者使用POWeR和POWeR Tracker的情况都会被自动记录下来,包括浏览特定页面或屏幕的时间、时长以及顺序。所有参与者都被告知,他们使用POWeR和POWeR Tracker的情况将被记录。在基于网络的POWeR干预的前3个核心环节中,指导用户制定3个饮食目标和3个体育活动目标。在为期4周的研究期间,通过POWeR Tracker应用程序每天记录自我报告的目标投入,以评估使用POWeR Tracker应用程序是否增强了(1)目标追求动机(目标动机),(2)应对自我效能感(目标自我效能感)(3)行动控制(目标意识、目标努力)和(4)目标实现(目标实现)。动机、自我效能、意识和成就都是用本研究开发的3项量表来衡量饮食目标和体育活动目标的(Cronbach alpha= 0.95 - 0.99)
使用R软件环境3.0.2版本进行统计分析[
总结每个参与者对POWeR和POWeR Tracker的使用情况,以比较访问干预内容的持续时间、频率和时间。我们还根据所有13名参与者的综合使用数据计算了平均值,以总结整个样本在研究期间使用POWeR和POWeR Tracker的频率和时间。二元相关分析(Pearson
电话采访被录音并逐字抄录。13名参与者的成绩单均采用归纳主题分析方法进行分析[
在第二阶段,对为每个参与者(在第一阶段)生成的主题进行了主题分析,以生成一套囊括所有13名参与者经验的主题。这包括比较最初为每个参与者生成的主题内容,以在参与者之间合并和综合,同时保留个体之间在如何看待和体验POWeR方面的任何差异。参与者识别号码(如P1a, P11b)用于保护参与者的匿名性,其中“a”表示第一周首次访问应用程序,“b”表示第2周首次访问应用程序。
研究结果将分四个部分介绍。第一部分将描述参与者的特征。第二部分将报告提供能量跟踪应用程序和自我报告的目标参与度变化之间的重大关联。最后两个部分将概述参与者对POWeR Tracker应用程序的使用和视图,以及并发的基于Web和应用程序的POWeR交付。
共有13名(6男7女)18-52岁(中位数27岁)的健康成年人参与了研究。参与者的BMI在23.69 ~ 38.51 kg/m之间2(中位数26公斤/米2).所有参与者都已完成或正在攻读学位。平均而言,参与者报告他们每天使用手机的时间为1-16小时(中位数为2小时)。大多数参与者表示,报名参加这项研究的动机不止一个。最常见的动机是减肥和变得更健康(8/ 13,62%),以及了解健康的生活方式,赚钱,并为当前的研究做出贡献(3/ 13,23%)。只有1名参与者(8%)表示有兴趣尝试新的应用程序。
使用POWeR Tracker应用程序与自我报告的动机、自我效能、意识和饮食目标的实现显著增加有关,并且与自我报告的身体活动目标意识显著增加有关。在使用和不使用POWeR Tracker应用程序的几周内,在自我报告的目标努力(饮食或身体目标)或自我报告的动机、自我效能和身体活动目标的实现方面没有显著差异。
模型1测试固定干预效果的估计值。
测量 | β0一个 | β1 | σ欧c | ρd |
|
||||
|
|
β1b | SE |
|
|
|
边际 | 有条件的 | |
|
|
|
|
|
|
|
|
|
|
|
动机 | 4.68 | 0.42 | 0.15 | . 01 | 1.41 | 0。 | 1.30 | 60 |
|
自我效能感 | 4.53 | 0.34 | 0.15 | 03 | 1.47 | 厚 | 点 | 64 |
|
意识 | 5.26 | 0.31 | 0.15 | .04点 | 1.19 | 口径。 | .96点 | 58 |
|
努力,目标1f | 4.98 | 0.22 | 0.17 | 只要 | 1.29 | 02 | 38 | 52 |
|
努力,目标2f | 5.07 | 0.24 | 0.16 | 酒精含量 | 1.27 | .04点 | 点 | 49 |
|
努力,目标3f | 4.84 | 0.10 | 0.24 | i = | 0.88 | .40 | 07 | 24 |
|
成就 | 4.64 | 0.32 | 0.17 | 06 | 1.38 | . 21 | .79 | 60 |
|
|
|
|
|
|||||
|
动机 | 4.86 | 0.12 | 0.18 | 点 | 1.40 | 点 | .10 | 58 |
|
自我效能感 | 4.85 | -0.09 | 0.18 | .64点 | 1.35 | 16 | 0。 | 52 |
|
意识 | 5.14 | 0.28 | 0.13 | 03 | 1.38 | 06 | 点 | 68 |
|
努力,目标1f | 4.80 | -0.02 | 0.30 | .95 | 1.02 | .19 | 〇〇 | 20. |
|
努力,目标2f | 4.66 | -0.20 | 0.26 | 。45 | 1.42 | 16 | 只要 | 38 |
|
努力,目标3f | 4.31 | 0.13 | 0.30 | 正 | 1.42 | 点 | 07 | 35 |
|
成就 | 4.56 | 0.14 | 0.21 | 点 | 1.39 | 收 | 点 | 51 |
一个β0表示第一天的平均基线值,其中最低可能得分为1(非常不同意),最高可能得分为7(非常同意)。
bβ1表示所有参与者在使用和不使用POWeR Tracker应用程序的几周内得分的平均变化。
cσ欧表示第一天平均基线值变化的随机效应的标准差。
d自相关。
e
f努力,目标1-3表示参与者设定的每一个饮食和体育活动目标。
由于使用POWeR Tracker应用程序,自我报告的饮食和身体活动目标意识以及自我报告的饮食目标实现的变化幅度在参与者之间存在显著差异。然而,参与者之间没有观察到自我报告的饮食目标的动机和自我效能的变化。
模型2测试个体干预效果的估计值。
测量 | β0一个 | β1 | σ欧c | σ1 u | ρ01你 | ρ | 似然比 | ||||
|
|
β1b | SE |
|
|
|
|
|
LR |
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
动机 | 4.61 | 0.48 | 0.24 | 0。 | 1.59 | 0.63 | 55 | . 01 | 3.97 | .14点 |
|
自我效能感 | 4.52 | 0.35 | 0.18 | 0。 | 1.49 | 0.32 | 16 | .09点 | 0.38 | 点 |
|
意识 | 5.13 | 0.45 | 0.35 | .19 | 1.63 | 1.07 | -.76 | 06 | 20.59 | <措施 |
|
成就 | 4.55 | 0.42 | 0.32 | .19 | 1.57 | 0.96 | 票价 | 07 | 10.52 | . 01 |
|
|
|
|
|
|
|
|
||||
|
意识 | 5.11 | 0.31 | 0.22 | 16 | 1.61 | 0.62 | 2 | . 01 | 8.76 | . 01 |
一个β0表示第一天的平均基线值,其中最低可能得分为1(非常不同意),最高可能得分为7(非常同意)。
bβ1表示使用和不使用POWeR Tracker应用程序的几周之间的得分变化,其中每个参与者的变化幅度可能不同。
cσ欧表示与第1天平均基线值的标准差。
dσ1 u表示POWeR Tracker应用程序可用和不可用两周之间分数变化随机效应的标准偏差。
参与者P1a、P8b和P11b报告说,在提供能量跟踪器的几周内,他们的意识和目标的实现有了最大的改善。相比之下,参与者P3a, P5a, P6a和P13b在他们的意识和目标的实现方面几乎没有或没有改善。
估计单个截距(β0我)一个干预效果(β1我)b对于每个参与者。
参与者 | 目标意识 |
目标成就 |
目标意识 |
||||
|
β0我 | β1我 | β0我 | β1我 | β0我 | β1我 | |
|
|
|
|
|
|
||
|
P1a | 1.79 | 3.32 | 2.23 | 2.67 | 2.35 | 1.66 |
|
P2a | 3.57 | 0.48 | 3.65 | 0.28 | 3.27 | 0.52 |
|
P3a | 3.83 | 0.04 | 1.79 | -0.38 | 4.07 | 0.02 |
|
P4a | 5.93 | 0.34 | 5.43 | 0.54 | 6.11 | 0.15 |
|
P5a | 6.05 | 0.04 | 5.11 | -0.13 | 6.89 | -0.20 |
|
P6a | 6.87 | -0.03 | 4.98 | -0.14 | 6.99 | -0.05 |
|
|
|
|
|
|
||
|
P8b | 3.86 | 0.78 | 3.18 | 1.11 | 4.05 | 0.84 |
|
P9b | 5.84 | -0.13 | 5.60 | 0.19 | 3.54 | 0.18 |
|
P10b | 4.66 | 0.28 | 5.27 | -0.06 | 5.41 | 0.16 |
|
P11b | 6.27 | 0.49 | 4.74 | 0.76 | 6.14 | 0.24 |
|
P12b | 6.21 | 0.14 | 6.04 | 0.25 | 5.78 | 0.33 |
|
P13b | 6.70 | -0.32 | 6.57 | 0.03 | 6.71 | -0.12 |
一个β0表示第一天的基线值,其中最低可能得分为1(非常不同意),最高可能得分为7(非常同意)。
bβ1表示使用和不使用POWeR Tracker应用程序的几周之间的得分变化。
在为期4周的研究期间,参与者平均花费29分钟(SD 21分钟)使用基于应用程序的干预内容。作为一个组,参与者平均只在14天(64%)中有9天访问基于应用程序的干预内容。与访问的第二周(平均12分钟,SD 14分钟)相比,参与者在访问的第一周(平均18分钟,SD 11分钟)使用基于应用程序的干预内容的总时间也更长。
然而,有几个参与者在应用程序可用的大部分时间里访问了该应用程序(参见
参与者对POWeR Tracker应用程序提供的干预内容的使用情况总结。一个
参与者 | 应用程序使用时长(分钟) | 应用使用天数(0-14天),n (%) | 参与者请求的通知,n | ||||||
|
总计 | 第一个星期 | 第二周 | 每一天,b的意思是 |
|
总计 | 视图的目标 | 每日目标更新 | |
|
|
|
|
|
|||||
|
P1a | 64.30 | 20.38 | 43.92 | 5.36 | 12 (86) | 4 | 2 | 2 |
|
P2a | 53.57 | 37.82 | 15.75 | 5.55 | 11 (79) | 1 | 1 | 0 |
|
P3a | 13.20 | 9.40 | 3.80 | 2.20 | 6 (43) | 0 | 0 | 0 |
|
P4a | 47.27 | 35.3 | 11.97 | 6.75 | 7 (50) | 0 | 0 | 0 |
|
P5a | 15.48 | 9.53 | 5.95 | 2.21 | 7 (50) | 0 | 0 | 0 |
|
P6a | 29.33 | 25.62 | 3.72 | 2.44 | 12 (86) | 0 | 0 | 0 |
|
P7a | 1.32 | 1.32 | 0 | 0.33 | 4 (29) | 0 | 0 | 0 |
|
|
|
|
|
|
||||
|
P8b | 24.08 | 17.23 | 6.85 | 2.41 | 10 (71) | 17 | 8 | 9 |
|
P9b | 2.87 | 1.10 | 1.77 | 0.91 | 4 (29) | 8 | 3. | 5 |
|
P10b | 20.15 | 17.32 | 2.83 | 3.36 | 6 (43) | 0 | 0 | 0 |
|
P11b | 57.27 | 26.26 | 31.02 | 4.09 | 14 (100) | 21 | 13 | 8 |
|
P12b | 17.08 | 14.2 | 28.95 | 1.42 | 12 (86) | 26 | 14 | 12 |
|
P13b | 41.17 | 12.38 | 28.78 | 3.74 | 11 (79) | 16 | 9 | 7 |
一个由于应用程序的技术问题,只有5名参与者(P1a、P2a、P3a、P9b和P11b)间歇性地收到通知。因此,报告的请求通知数量可能低估了这些参与者对该组件的使用情况。
b表示仅在访问基于应用程序的干预内容的天数内的平均使用时长。
每个参与者查看或完成每个基于应用程序的干预组件的次数。
几乎所有受访者(10/ 13,77%)表示,使用应用程式比使用网站更方便,因为他们随身携带手机,可以随时使用(见
从参与者访谈中确定的主题概述。
主题 | 概述 |
便利性和可访问性:短时间的动态访问 | 这款应用被认为是访问内容的一种方便和可访问的方式,因为手机是便携式的,可以在任何地方使用。如果参与者认为网站和应用程序在不同的环境中提供了不同的价值,他们就会乐意同时使用它们。 |
不断的提醒和重复 | 该应用程序不断提醒参与者的目标和计划。这有助于保持对目标的意识,并把它们记在心里。基于应用程序的提醒通常被认为在日常或长期基础上没有必要。 |
跟踪的动机好处 | 参与者报告了通过日记、目标更新和每日问卷来记录和跟踪思想和行为的激励益处。使用跟踪工具有助于认识到进展和今后需要改进的领域。 |
在生活方式和日常习惯的指导下,与时间相关的使用 | 该应用程序的使用与个人生活方式和日常生活的波动有关。参与者通常报告在空闲时间或基于应用程序的干预内容最相关的特定时间(如用餐时间)使用该应用程序。 |
应用程序的便利性似乎解决了访问基于web的干预内容的障碍;这款应用可以在空闲的5分钟内使用,而需要在分配的大量时间内完成基于web的会话。例如,P3a说:
因为它一直都在我面前,在我手里,如果我在思考这些问题,我更容易在应用程序上查看,而不是登录电脑上的网站。
P8b是个例外,他报告说,通过应用程序访问干预内容实际上不太方便:
实际上,我认为网站比应用程序更容易访问……But that might be because in terms of my phone I kind of use my phone just for texting and calling but I’ve got my iPod for all the apps so I don’t normally connect my phone with an app...I would actually physically have to remember to use it on my phone.
然而,对POWeR Tracker的便利性和可访问性的看法似乎与所观察到的使用情况或应用程序对目标参与度的影响没有很强的联系。例如,P8b使用应用程序相对较多,尽管认为应用程序访问不如Web访问方便,但显示出最强的干预效果之一。P3a使用应用程序相对较少,尽管认为应用程序访问比Web访问更方便,但显示出最弱的干预效果之一
大多数参与者都认为,这款应用程序的另一个主要好处是,它不断提醒人们的POWeR目标
在你的脑海中总是会有目标和你为什么想做某事的理由,但是把它写在某个地方,你可以去看看它是非常好的。我的意思是,这是一件很好的事情,因为很明显,如果你把它写在一张纸上,你很可能不会去看它,我不认为我会有一个全天候的应用程序是很好的。
参与者报告需要这些提醒的频率似乎有所不同。一些参与者表示,不需要每天或持续地提醒目标或食物清单,特别是一旦相关信息已被记忆,如P2a解释:
但一旦我有了食物清单,一旦我知道了我的目标和目标,就真的没有理由登录了……一旦它在我的脑海里,我就不觉得有必要去查这些东西。
参与者讨论了定期使用跟踪工具(包括每日问卷)如何促进对进展进行批判性的自我反思,并促进进一步的目标导向行为。P11b解释了如何用李克特量表回答关于他们每晚目标的问题,这为他们意识到何时该设定新目标提供了一个有用的衡量标准:
当你已经……你的目标是一种习惯,然后你改变它[为一个新的目标],我认为这是[在我研究期间发生的]最深刻的事情,[POWeR]给你建议……你应该试着不喝含糖的茶或吃巧克力,然后你试着去做,然后你发现,哦,我实际上可以这样做。当(一个目标)变成一种习惯后,你……试着做点别的。
参与者建议,使用基于应用程序的跟踪工具的吸引力和体验可以通过为日记提供轻松的数据输入(例如,下拉菜单,条形码扫描仪)和个性化反馈来优化。例如,P4a评论说,该应用程序可以提供更多的反馈,与每周网络评审中提供的权重图一致:
也许你这周说的话会有更多的反馈……因为它接收了所有的信息,然后它可以吐出一些东西。
参与者继续使用POWeR网站,尽管他们认为基于应用程序的访问更方便
在基于应用程序的干预内容可用和不可用的几周内,参与者对POWeR网站的使用情况的总结。
参与者 | 时间(分钟) | 会话完成,n | ||||||||
|
所有的周 | 应用周 | Nonapp周 | 重量和目标评审完成情况 | 已查看的其他主题 | |||||
|
|
|
|
所有的周 | 应用周 | Nonapp周 | 所有的周 | 应用周 | Nonapp周 | |
|
|
|
|
|||||||
|
P1a | 127.54 | 6.06 | 123.15 | 3. | 0 | 3. | 2 | 0 | 2 |
|
P2a | 154.11 | 111.10 | 43.01 | 2 | 1 | 1 | 2 | 1 | 1 |
|
P3a | 54.78 | 15.42 | 39.35 | 4 | 1 | 3. | 3. | 1 | 2 |
|
P4a | 46.98 | 10.52 | 36.46 | 4 | 1 | 3. | 1 | 0 | 1 |
|
P5a | 17.53 | 6.84 | 10.69 | 2 | 2 | 0 | 0 | 0 | 0 |
|
P6a | 51.71 | 30.99 | 20.72 | 4 | 2 | 2 | 3. | 2 | 1 |
|
P7a | 9.74 | 3.42 | 6.31 | 2 | 1 | 1 | 0 | 0 | 0 |
|
|
|
|
|
|
|||||
|
P8b | 67.06 | 25.32 | 41.74 | 3. | 1 | 2 | 3. | 1 | 2 |
|
P9b | 26.24 | 22.16 | 4.08 | 2 | 1 | 1 | 1 | 1 | 0 |
|
P10b | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 |
|
P11b | 68.96 | 44.49 | 24.48 | 3. | 2 | 1 | 3. | 2 | 1 |
|
P12b | 40.60 | 33.21 | 7.39 | 3. | 2 | 1 | 3. | 2 | 1 |
|
P13b | 67.14 | 67.14 | 0 | 2 | 2 | 0 | 1 | 1 | 0 |
与其他参与者相比,参与者P1a, P2a和P11b对网站表达了最积极的看法。3人都表示,他们很乐意使用网站和应用程序来访问不同的干预内容。他们的使用模式反映了这一点——他们都花了高于平均水平的时间使用网站和应用程序。P2a和P11b还讨论了应用程序访问和基于web的访问在不同上下文中提供的价值。例如,P11b描述了在移动中使用该应用程序进行快速更新,但当他觉得实现目标的进展有所减弱时,他会使用该网站进行更密集的支持。P2a说:
如果我们比较网站和应用程序,我花了很多时间在两者之间……这一切都很简单,工作得很好。比如记录食物、日记和体育活动……我更喜欢在我的电脑上做,我有时间做。这个应用程序是…对查找食物清单之类的东西最有用。
相比之下,P9b和P10b评论说,他们更喜欢通过应用程序访问整个POWeR干预。例如,P10b表示,他们不需要查看网站提供的额外内容,因为他们仅通过使用应用程序就在实现POWeR目标方面取得了良好的进展。P9b讨论了通过应用程序访问“快速的信息快照”的价值,与长时间、文本大量的基于web的会话相比:
应用程序更加快捷,如果可以的话,我倾向于在外出的时候使用它。说实话,当我外出时,如果可以的话,只要我有方便的时间,我就会尝试在3G上做一些事情。你可以自己动手做,而不是亲自去电脑前做。就我个人而言,我更喜欢使用应用程序,而不是登录网站。
同样,这一观点也反映在他们的使用模式中——他们使用网站的时间都低于平均水平;P10b根本不使用该网站,而P9b只在研究的前两周使用了很短的一段时间。然而,对基于应用程序的独家访问的强烈偏好似乎与应用程序的使用时间更长或更频繁无关。例如,P10b访问应用程序的时间不到可用天数的一半,并且在那些日子里平均花费3分钟查看干预内容,这与其他参与者花费的时间相当。与其他参与者相比,P9b访问应用程序的频率更低,使用干预内容的时间更少。对独占应用程序访问的强烈偏好也与更强的干预效果无关。事实上,对于同时重视使用应用程序和网站的参与者(P1a, P2a, P11b),访问功率跟踪器对目标参与度的影响似乎比只重视应用程序的参与者(P9b, P10b)更强。
参与者描述了他们在一天中的空闲时间使用这款应用的情况。在访问应用程序的日子里,参与者平均每天花3 (SD 2分钟)分钟使用干预工具,每天花6 (SD 2分钟)分钟完成每日问卷。这些短时间的应用使用通常在上午(上午9点和上午10点左右)、午餐时间(下午13点左右)和整个晚上(下午17点开始)更为普遍
所以只要你有空闲时间。对我来说,在课间你可以去那里阅读…所以这对我来说很重要,因为有时候你有10分钟的休息时间,你就可以“哦,好吧,我想我要看看我的应用程序,看看我能做什么。”
参与者在24小时内使用该应用程序的时间和频率存在差异。大多数参与者倾向于在一天中的不同时间偶尔访问基于应用程序的干预内容。例如,据报道,在决定食物选择时,比如在超市和做饭或准备饭菜时,食物清单会被用到。P10b描述了当应用程序不可用时缺少这个参考点:
当我在买食物的时候,我通常会用卡片,卡片上的那部分会告诉你哪些食物好,哪些不好,我是根据这些清单来买食物的,但这周没有它们,我只能试着记住上面写的东西。所以这对我来说就像一个参考点。
相比之下,少数参与者只在早上或晚上访问基于app的干预内容。例如,当被问及何时使用POWer Tracker应用程序时,P4a回答说:
通常是在晚上,所以我主要在晚上用它来回顾一天,然后我可以用一整天……而不是一点一点。
在14名参与者中,7人(54%)选择在应用程序中设置自动通知
在收到的93次通知中,有48次(52%)得到了回应。平均而言,从收到通知到随后的回复之间有47分钟的延迟。视图目标通知的请求更频繁,并提示更大、更快的响应(32/ 50,64%;延迟:平均37分钟,标准差44分钟)比目标更新通知(16/ 43,37%;延迟:平均67,标准差71分钟)。对通知的响应在个体之间和个体内部都有很大差异,最快的响应时间为7秒,最慢的响应时间为近4小时。要求通知的时间也有所不同,包括上午(0800小时)、午餐时间(1200小时)、傍晚时间(1800-1900小时)和傍晚时间(2100-2300小时)。参与者评论说,自动通知对于牢记目标和鼓励使用POWeR很有价值。例如,P11b说:
提醒我使用这款应用的部分原因是它的提醒功能,因为有时候你会听到手机的声音,它会提醒你一些事情……所以你倾向于看你的手机,所以如果应用程序能提醒我多看手机,那我认为会更好一点……一旦你看了这条信息,我相信人们至少会花几分钟来看看这款应用。
P11b还指出,如果通知包含与个人目标和计划相关的个性化消息,然后再将你引向应用程序中的某个特定组件,那么通知可能会有更大的激励作用。
大多数参与者解释说,尽管与时间相关的工具和自动通知提供了使用提示,但他们的应用程序使用主要是由日常生活中的空闲时间决定的。自由时间的可用性往往受到生活方式因素的限制,如工作承诺和/或社会承诺,这些因素优先于使用POWeR。例如,P3a解释说,自动通知只有在正确的时间发送才会引起响应:
如果我在上午11点上班时收到类似[关于锻炼或健康饮食的信息]之类的信息,我很可能会忽略它,再也不会回头看。但如果它是在晚上我看电视的时候出现的,情况可能就不一样了,我可能会更加注意它。
在参与者的日常生活中,不可用时间的时间往往比自由时间的时间更一致。例如,P10b解释说,她在白天几乎总是无法使用这款应用程序,因为她忙于讲座、考试和复习。然而,她的日常生活在早上、晚上和周末是否有空闲时间方面有所不同。使用POWeR Tracker对P1a的影响最大,他们还讨论了日常工作转换后应用程序的使用情况如何变化
那时刚过夏天,所以我并没有那么早起床。我想如果我的工作是朝九晚五,那我早上也会使用它,不过我直到11点或12点才会醒来,因为我每天都休息,在我遛狗和做其他一些事情之后,我想我就开始使用应用程序了。
回到大学并住进学生宿舍后,P1a报告说,在当天早些时候使用这款应用程序来利用校园内的免费Wi-Fi,以及在凌晨与朋友外出时使用。P1a也表达了独立生活时对app的更大需求:
我可能会开始更多地使用它,因为当我在家的时候,显然你有所有的舒适……比如不健康的食物,你不应该吃很多饼干之类的东西,所以我在家里的情况可能比在大学时更糟糕,所以我想我现在去购物的时候……我会快速地看一眼红色、绿色和黄色的食物,根本不会买这些东西,这样我就没有诱惑了。
在应用程序访问的第一周和第二周,参与者使用应用程序的平均时间(分钟)。
一名参与者(P1a)在应用程序访问的第一周和第二周,每天的平均使用时间(以分钟为单位)。
之前的研究强调了基于应用程序的独立干预对个人饮食行为和身体活动水平的认识的好处。
与之前的研究一致[
在这项研究中,参与者对“能量追踪器”应用程序的信息组件和自我监控组件的使用和偏好各不相同。尽管大多数参与者使用“能量追踪器”来访问信息内容(例如,食物清单),但很少有人使用该应用程序来跟踪他们实现目标的进展或完成食物/身体活动日记。不使用跟踪工具的原因是手动输入数据的麻烦和缺乏个性化的反馈。这与之前的研究形成了鲜明对比,之前的研究揭示了基于应用程序的自我监控干预的积极使用和观点[
参与者对POWeR Tracker的使用不是随机的,似乎是由三种类型的事件触发的:(1)基于应用程序的工具在一天中的特定时间的相关性,(2)响应或与应用程序交互的可用性,以及(3)收到自动通知。用户与应用程序互动和利用免费朋友圈的可用性的影响与报告相呼应,将应用程序使用融入日常生活的能力是干预使用的重要潜在促进因素和/或障碍[
这项研究的结果为未来提供基于应用程序的健康干预提供了一些启示。首先,移动技术的进步并不一定会使基于网络的干预变得多余。在这项研究中,结合应用程序和基于网络的交付提高了参与者对体重管理目标的自我报告参与度,这表明多成分混合干预可能有潜力增强数字健康促进。需要进一步的研究来比较多成分、混合干预措施和仅应用程序干预措施。这项研究还表明,在便利性方面,基于应用程序的交付所提供的好处不一定与使用情况或对结果的影响相关,也不一定会阻止用户使用基于web的干预。也就是说,POWeR Tracker并没有完全复制基于web的干预所提供的内容和功能。有必要进行进一步的研究,以检查当基于应用程序的组件等同于基于web的组件时,是否观察到相同的使用模式。
其次,应用程序可能特别适合提供特定的干预组件,这些组件与移动相关,并且可以在空闲时间快速访问。在当前的研究中,基于应用程序访问选择的信息内容(例如,食物列表)被认为特别有用,而基于应用程序的自我监控的观点则是混合的。迄今为止,现有的(通常是商业的)应用程序是否提供理论和基于证据的bct已经引起了相当大的关注[
第三,本研究指出了使用混合方法方法来了解个人如何使用和看待基于应用程序的健康行为改变干预措施的价值。仅对定性数据进行分析可能过度强调了参与者对基于应用程序的干预内容交付的偏好的重要性。另一方面,仅对定量数据进行分析,无法解释为什么提供补充应用程序对一些参与者的影响比其他参与者更大。此外,采用个性化的方法使我们能够发现参与者对POWeR Tracker应用程序提供的不同行为改变工具的反应和使用方式的差异,以及这些差异是否与应用程序访问对干预结果的影响有关。这些见解将帮助我们改进新兴的基于应用程序的干预措施的设计,确保它们提供一系列不同的工具和技术,有可能吸引和留住更广泛和/或更多数量的参与用户。这些见解还警告说,参与者对干预传递的偏好(即应用程序更方便)可能并不一定与实际导致更好结果的偏好(即网站和应用程序的联合使用)相匹配。
详细了解个人选择使用健康应用程序的时间和原因,对于智能系统的开发是必要的,这些系统利用手机的上下文传感器数据,在相关和方便的时刻提供实时内容或提示。充分理解用户如何以及为什么在日常基础上与基于应用程序的干预进行交互,也有助于定制接口的设计,(1)使用户能够轻松访问应用程序的常规使用组件,(2)以适合他们实际经常间歇使用的方式有效地与组件进行交互,而不是研究人员和/或程序员可能希望的常规使用[
应该注意到这项研究的一些局限性。首先,这项研究没有使用只使用应用程序或网络的对照组,也没有使用真正的无干预对照组。因此,对于独立应用程序与基于web的交付的比较影响,我们无法得出明确的结论。我们也不能排除测量效应的作用。如前所述,参与者认为日常学习措施是一种干预工具,可以提供有用的激励益处。这项研究的结果是基于一个小的,主要是年轻人和受过高等教育的样本,限制了概括性和统计能力。需要对更大、更多样化的样本进行更多的研究,以确认和重复本研究中观察到的结果。“天花板效应”可能限制了使用“能量追踪器”应用程序对某些个人目标参与度的潜在影响,特别是目标意识。事实上,表现出最强干预效果(P1a)的参与者在第一天的基线值也最低。所有参与者都积极学习采用更健康的生活方式,一些人的BMI指数处于健康范围的上限。 It is unclear whether clinically overweight/obese individuals would interact with POWeR Tracker in the same way or whether providing access to the POWeR Tracker app would have the same level of impact on goal engagement.
也有可能参与者对基于网络的POWeR干预和POWeR Tracker应用程序的使用受到了研究设计方面的混淆。例如,在晚上使用应用程序可能是鼓励在下午5点后完成每日学习措施的义务。也有可能是为参与提供的经济激励,以及为每周电话采访做准备的义务,可能导致本研究的一些参与者更经常地或以不同的方式使用基于网络的干预和应用程序。然而,一些参与者根本不使用网站和/或很少使用应用程序的事实表明,这不是所有参与者都关心的问题。此外,应用软件存在一些技术问题,限制了我们探索参与者对POWeR Tracker提供的自动通知的使用和感知。关于参与者如何与基于web的干预提供的基于应用程序的补充工具互动的发现和影响也可能是特定于体重管理领域的。
最后,本研究测量了提供POWeR Tracker对参与特定饮食和身体活动相关目标的影响,但没有检查对饮食消费或总身体活动水平的影响。因此,我们无法知道参与者对饮食和身体活动目标意识的提高是否转化为更健康的饮食选择或增加的活动水平。目前还不清楚改善参与者对基于应用程序的干预的体验是否真的能增加使用。例如,感知有用性和易用性的评级与基于应用程序的步骤日志工具的使用增加并没有很强的相关性[
需要进行更多的混合方法研究,以进一步研究长期(即超过4周)提供基于应用程序的补充干预的使用情况及其对行为变化的影响。例如,使用是否会持续较长时间,如果是,使用模式会如何变化?影响健康应用长期使用的因素是什么?积极的用户体验和健康应用的后续使用之间是否存在关联?接触健康应用程序能促进健康行为改变的长期维持吗?
这项研究的结果表明,用基于应用程序的工具补充基于网络的体重管理干预有可能提高个人对健康饮食和体育活动目标的动机和意识。基于移动设备访问干预内容的便利性使人们能够在相关和方便的时刻快速访问关键的干预内容,但似乎并没有阻止使用基于web的干预。使用混合方法可以提供补充的定性和定量见解,了解用户如何在日常基础上看待和使用基于应用程序的健康行为干预措施,以及基于应用程序的交付可能对健康相关目标产生什么影响。
POWeR Tracker应用程序提供的内容摘要。
面试安排。
测量目标意识、成就、自我效能和动机的量表项目。
行为改变技术
身体质量指数
在线积极减肥
我们感谢所有与会者分享他们的观点和经验。我们还要感谢霍莉·布彻(Hollie Butcher)在转录和清理数据方面的帮助。该研究由英国经济和自然科学研究委员会资助(EP/I032673/1: UBhave:用于积极行为改变的无处不在和社会计算)。
没有宣布。