DOI: https://doi.org/10.1038/s41746-024-01028-5
PMID: https://pubmed.ncbi.nlm.nih.gov/38374424
تاريخ النشر: 2024-02-19
المؤلف: Julie C. Lauffenburger وآخرون
الموضوع الرئيسي: الصحة المتنقلة وتطبيقات الصحة المتنقلة
نظرة عامة
تدرس الدراسة تطبيق التعلم المعزز لتعزيز تخصيص الرسائل النصية للترويج للالتزام بالعلاج بين الأفراد المصابين بالسكري. على الرغم من إمكانية الرسائل النصية في تشجيع السلوكيات الصحية، إلا أن فعاليتها كانت محدودة بسبب نقص المحتوى المخصص. قام الباحثون بتوزيع 60 مشاركًا مصابًا بالسكري ومستويات الهيموجلوبين الغليكوزيل A1c (HbA1c) تبلغ 7.5% أو أعلى إلى مجموعة تدخل التعلم المعزز أو مجموعة التحكم التي لم تتلق أي رسائل. أظهرت مجموعة التدخل تحسنًا كبيرًا في الالتزام بالعلاج، مع زيادة مطلقة معدلة بنسبة 13.6% (95% CI: 1.7%-27.1%) مقارنة بمجموعة التحكم. ومن الجدير بالذكر أن التدخل كان فعالًا بشكل خاص للمرضى الذين تتراوح مستويات HbA1c لديهم بين 7.5% و9.0%، حيث أظهروا زيادة بنسبة 36.6% (95% CI: 25.1%-48.2%، تفاعل p < 0.001). بالإضافة إلى ذلك، استكشفت الدراسة العلاقة بين خصائص المرضى الفردية واستجابتهم لعوامل سلوكية مختلفة، محددة مجموعات فريدة من الالتزام. تشير النتائج إلى أن التعلم المعزز يمكن أن يكون استراتيجية قيمة لتعزيز الالتزام بالعلاج وتخصيص التواصل في بيئات الرعاية الصحية.
الطرق
تحدد قسم “الطرق” التصميم التجريبي والتقنيات التحليلية المستخدمة في الدراسة. استخدم الباحثون نهجًا كميًا، حيث نفذوا تجارب محكومة لجمع البيانات حول المتغيرات المحددة. شملت المنهجيات الرئيسية التحليل الإحصائي باستخدام أدوات البرمجيات لتقييم دلالة النتائج، بالإضافة إلى تطبيق نماذج رياضية مختلفة لتفسير البيانات بدقة.
شملت جمع البيانات بروتوكولات أخذ عينات وقياس منهجية لضمان الموثوقية والصلاحية. كما استخدم الباحثون تحليل الانحدار لتحديد العلاقات بين المتغيرات المستقلة والتابعة، مما يسمح بفهم شامل للأنماط الأساسية. بشكل عام، تم تصميم الطرق بدقة لدعم فرضيات الدراسة وتسهيل استنتاجات قوية.
النتائج
في هذه الدراسة التي شملت 60 مريضًا، تم توزيع المشاركين عشوائيًا إلى مجموعات التدخل (29 مريضًا) والتحكم (31 مريضًا)، مع تحليل نية العلاج الذي شمل جميع الموضوعات على الرغم من بعض الانسحابات (1 من التدخل و3 من التحكم). تألفت المجموعة من 26 أنثى (43%) و35 فردًا أبيض (58%).
أشارت الخصائص الأساسية إلى اختلافات طفيفة بين المجموعات بناءً على الفروقات المعيارية المطلقة؛ ومع ذلك، كانت المقاييس الرئيسية مثل العمر والجنس وقيم HbA1c الأساسية والالتزام متوازنة بشكل جيد. ومن الجدير بالذكر أن مجموعة التدخل أظهرت نسبة أعلى من الأفراد ذوي التحصيل التعليمي المنخفض (24.1% مقابل 16.1% ليس لديهم أكثر من تعليم ثانوي) وانتشار أكبر للمرضى الذين يتناولون أدوية سكري متعددة عن طريق الفم (31% مقابل 19% يتناولون ≥2 أدوية) مقارنة بمجموعة التحكم.
المناقشة
في هذه التجربة العشوائية المضبوطة، أدى تدخل التعلم المعزز الذي يستخدم الرسائل النصية المخصصة إلى تحسين كبير في الالتزام بالعلاج بين المرضى المصابين بالسكري على مدى فترة 6 أشهر. تم إرسال ما مجموعه 5,143 رسالة إلى 29 مريضًا في مجموعة التدخل، مع معدل التزام متوسط قدره 74.3% مقارنة بـ 67.7% في مجموعة التحكم، مما أسفر عن فرق ذو دلالة إحصائية قدره 13.6% (95% CI: 1.7%، 27.1%، p = 0.047). قامت الخوارزمية بتكييف استراتيجيتها في الرسائل مع مرور الوقت، حيث انتقلت من هيمنة الرسائل ذات الإطار السلبي إلى تركيز أكبر على الإطار الإيجابي والتعزيز الاجتماعي، مما ارتبط بتحسين نتائج الالتزام.
كان التدخل فعالًا بشكل خاص للمرضى الذين تتراوح مستويات HbA1c الأساسية لديهم بين 7.5% و9.0%، مما يشير إلى أن هذه المجموعة قد تستفيد أكثر من دعم الالتزام مقارنة بالتدخلات الأخرى. كشفت التحليلات الاستكشافية أن المرضى الأصغر سنًا، والأشخاص من العرق الأبيض، والأفراد الذين يتناولون أدوية متعددة استجابوا بشكل أكثر إيجابية للعوامل السلوكية المستخدمة في الرسائل. بالإضافة إلى ذلك، تم تعزيز الالتزام عندما تم تسليم أنواع معينة من الرسائل، مثل الرسائل ذات الإطار السلبي المقترنة بالتغذية الراجعة الملاحظة، بشكل متتالي. تؤكد هذه النتائج على إمكانية التعلم المعزز لتخصيص التدخلات الصحية وتحسين نتائج المرضى، بينما تسلط الضوء أيضًا على الحاجة إلى مزيد من البحث للتحقق من هذه النتائج عبر مجموعات سكانية وسياقات سريرية متنوعة.
DOI: https://doi.org/10.1038/s41746-024-01028-5
PMID: https://pubmed.ncbi.nlm.nih.gov/38374424
Publication Date: 2024-02-19
Author(s): Julie C. Lauffenburger et al.
Primary Topic: Mobile Health and mHealth Applications
Overview
The study investigates the application of reinforcement learning to enhance the personalization of text messaging for promoting medication adherence among individuals with diabetes. Despite the potential of text messaging to encourage healthy behaviors, its effectiveness has been limited due to a lack of personalized content. The researchers randomized 60 participants with diabetes and glycated hemoglobin A1c (HbA1c) levels of 7.5% or higher into a reinforcement learning intervention group or a control group that received no messages. The intervention group demonstrated a significant improvement in medication adherence, with an absolute adjusted increase of 13.6% (95% CI: 1.7%-27.1%) compared to the control group. Notably, the intervention was particularly effective for patients with HbA1c levels between 7.5% and 9.0%, showing a 36.6% increase (95% CI: 25.1%-48.2%, interaction p < 0.001). Additionally, the study explored the relationship between individual patient characteristics and their responsiveness to various behavioral factors, identifying unique clusters of adherence. The findings suggest that reinforcement learning could serve as a valuable strategy for enhancing medication adherence and personalizing communication in healthcare settings.
Methods
The “Methods” section outlines the experimental design and analytical techniques employed in the study. The researchers utilized a quantitative approach, implementing controlled experiments to gather data on the specified variables. Key methodologies included statistical analysis using software tools to evaluate the significance of the results, as well as the application of various mathematical models to interpret the data accurately.
Data collection involved systematic sampling and measurement protocols to ensure reliability and validity. The researchers also employed regression analysis to identify relationships between the independent and dependent variables, allowing for a comprehensive understanding of the underlying patterns. Overall, the methods were rigorously designed to support the study’s hypotheses and facilitate robust conclusions.
Results
In this study involving 60 patients, participants were randomized into intervention (29 patients) and control (31 patients) groups, with an intention-to-treat analysis including all subjects despite some dropouts (1 from the intervention and 3 from the control). The cohort comprised 26 females (43%) and 35 White individuals (58%).
Baseline characteristics indicated slight differences between the groups based on absolute standardized differences; however, key metrics such as age, sex, baseline HbA1c values, and adherence were well-balanced. Notably, the intervention group exhibited a higher proportion of individuals with lower educational attainment (24.1% vs. 16.1% with no more than a high school education) and a greater prevalence of patients taking multiple oral diabetes medications (31% vs. 19% taking ≥2 medications) compared to the control group.
Discussion
In this randomized-controlled trial, a reinforcement learning intervention utilizing personalized text messaging significantly improved medication adherence among patients with diabetes over a 6-month period. A total of 5,143 messages were sent to 29 intervention patients, with an average adherence rate of 74.3% compared to 67.7% in the control group, yielding a statistically significant difference of 13.6% (95% CI: 1.7%, 27.1%, p = 0.047). The algorithm adapted its messaging strategy over time, shifting from a predominance of negatively framed messages to a greater emphasis on positive framing and social reinforcement, which correlated with improved adherence outcomes.
The intervention was particularly effective for patients with baseline HbA1c levels between 7.5% and 9.0%, suggesting that this group may benefit more from adherence support than from other interventions. Exploratory analyses revealed that younger patients, those of White ethnicity, and individuals taking multiple medications responded more favorably to the behavioral factors employed in the messaging. Additionally, adherence was enhanced when specific message types, such as negatively framed messages paired with observed feedback, were delivered consecutively. These findings underscore the potential of reinforcement learning to personalize health interventions and improve patient outcomes, while also highlighting the need for further research to validate these results across diverse populations and clinical contexts.