Aguilera

引用：Aguilera A，Figueroa CA，Hernandez-Ramos R等。使用机器学习的MHealth应用程序可以增加糖尿病的体育活动和DEPRE

抽象引入抑郁症和糖尿病是高度致残的疾病，患病率很高，合并症率很高，尤其是在低收入少数民族患者中。尽管合并症增加了不良结果和死亡率的风险，但大多数临床干预措施分别针对这些疾病。增加体育活动可能有效地降低抑郁症状并改善血糖控制。自我管理应用程序是一种具有成本效益，可扩展且易于访问的治疗，以增加体育锻炼。但是，尖端的技术应用通常不会达到脆弱的人群，也不是针对个人的行为和特征量身定制的。使用机器学习方法对干预措施进行剪裁可能会提高干预措施的有效性。在三臂随机对照试验中的方法和分析，我们将研究文本消息智能手机应用程序的效果，以鼓励低收入少数民族糖尿病和抑郁症的低收入少数民族患者的体育活动。自适应干预组通过增强学习算法从不同的消息银行中选择的消息。统一的随机干预组接收相同的消息，但从概率同样概率的消息银行中选择。对照组收到每周的情绪信息。我们的目标是从18-75岁的初级保健诊所招募276名成年人，他们被诊断出患有当前糖尿病并显示出较高的抑郁症状（患者健康调查表抑郁量表-8（PHQ-8）> 5）。试用注册号NCT03490253;预兆。我们将比较被动收集的每日阶跃计数，自我报告PHQ-8和最新的血红蛋白A1C从基线时的医疗记录以及在6个月的随访中完成干预完成时。道德和传播加利福尼亚大学旧金山大学的机构审查委员会批准了这项研究（IRB：17-22608）。我们计划提交描述我们的用户设计方法和对自适应学习算法的测试的手稿，并将在（Inter） - 国际科学会议上提交试验结果以在同行评审的期刊和演示中出版。