Как создать механизм рекомендаций по физической активности?

Стояние час в день отвлекает от врача. Это вывод, сделанный в исследовании 2020 года, проведенном Jain et al., которое продемонстрировало, что просто стоять более часа в день без обязательной физической нагрузки достаточно, чтобы значительно снизить риск преждевременной смерти [1].

Согласно недавним оценкам Всемирной организации здравоохранения, отсутствие физической активности является прямой причиной примерно 10% преждевременных смертей во всем мире, что аналогично влиянию курения и ожирения [2].

Действительно, этот процент слишком велик. Многочисленные исследования четко показали, что высокий уровень гиподинамии связан со значительным увеличением риска сердечно-сосудистых заболеваний, диабета 2 типа и некоторых видов рака [3].

Нет сомнений в том, что длительные периоды отсутствия физической активности, такие как слишком долгое сидение или лежание, очень вредны для здоровья, и совершенно необходимо избавиться от этой вредной привычки для улучшения здоровья населения в целом.

С этой целью в Ad Scientiam мы решили разработать Программное обеспечение как медицинское устройство, интегрирующее решение, которое помогает пациентам с сердечно-сосудистыми заболеваниями после кардиореабилитации. Но его также можно легко обобщить на все виды профилей или условий.

Это решение предоставляет каждому пользователю персонализированную систему рекомендаций, адаптированную как к его предпочтениям, так и к состоянию здоровья. Нашей конечной целью является улучшение артериального давления пациентов в соответствии с рекомендациями кардиолога, что будет способствовать чистому снижению рецидивов.

Давайте начнем с широкого представления различных компонентов нашей системы рекомендаций по физической активности (PARE).

Список физической активности и медицинская информация пациента загружаются в PARE, который в качестве выходных данных обеспечивает индивидуальную еженедельную программу активности. Между этими двумя элементами находится ядро двигателя, которое, в свою очередь, состоит из трех основных компонентов:

Система фильтрации активности (AFS): она отфильтровывает небезопасные действия и выделяет наиболее полезные.
Система ранжирования действий (ARS): прогнозирует баллы предпочтения действий и обеспечивает ранжирование действий, которые с наибольшей вероятностью будут выбраны пользователем.
Система рекомендаций по интенсивности (IRS): она предоставляет рекомендации по интенсивности, связанные с каждым рекомендуемым безопасным занятием.

Рекомендуемые виды деятельности (со связанной с ними интенсивностью), предоставленные ядром движка, затем выбираются пользователем для построения недельной программы. В течение недели выполнения этой программы мы собираем всевозможные отзывы пользователей об их отношении к выбранным занятиям и степени утомления после их выполнения. Затем эти различные фрагменты информации будут использоваться для обновления и точной настройки решающих компонентов нашего механизма рекомендаций, то есть AFS, ARS и IRS.

Теперь, когда у нас есть общее представление о том, как это работает, давайте разберем каждый компонент отдельно.

Система фильтрации действий

F в AFS означает фильтрацию, т. е. нам нужен список действий, из которого мы можем фильтровать. Мы основывали нашу работу на обновленной версии Сборника физических нагрузок [4]. В этом сборнике представлен исчерпывающий список видов деятельности, каждая из которых имеет связанную с ней интенсивность и метаболический эквивалент задачи (MET). Это значение MET является мерой расхода энергии. Мы вернемся к нему позже.

Действия перечислены в Компендиуме как кратные уровню MET в состоянии покоя и варьируются от 0,9 (сон) до 18 MET (бег со скоростью 10,9 миль в час). Мы преобразовали этот сборник в нашу собственную версию, выбрав только соответствующие виды деятельности и реорганизовав их интенсивность. Их релевантность определялась двумя факторами:

Их интенсивность, т. е. отказ от высокозатратных видов деятельности наряду с чрезвычайно низкими и неэффективными видами деятельности. Например, несмотря на то, что медитация (1 MET) кажется приятной, мы не будем рекомендовать ее нашим пользователям.
Их природа, т. е. совокупность действий, просто не рекомендуется нашему населению. Например, следует избегать контактных видов спорта, пока пациент проходит двойную антитромбоцитарную терапию (что потенциально имеет место для нашей целевой группы) из-за риска кровотечения, но они могут быть рассмотрены впоследствии [5].

Окончательный список мероприятий был тщательно изучен ключевыми лидерами общественного мнения, участвовавшими в процессе создания концепции и разработки PARE.

Вот фрагмент того, как выглядит компендиум после настройки:

Как только мы получим наш собственный список действий, мы будем двигаться вперед с системой фильтрации. Он основан на двух основных элементах:

Кардиореспираторная подготовленность пациента (CRF).
Рекомендации Европейского общества кардиологов (ESC) фильтруют для определения уровня риска.

Идея, лежащая в основе AFS, довольно проста в ее функционировании. Мы определяем диапазон MET для рекомендуемых действий и выбираем только те действия, значения MET которых попадают в вышеупомянутый диапазон. Как бы просто это ни казалось, в этом есть несколько тонкостей.

Во-первых, мы должны определить диапазон МЕТ, который в основном представляет собой рекомендуемый диапазон расхода энергии, который напрямую связан с улучшением кардиореспираторной выносливости. Этот диапазон, естественно, зависит от пациента, и мерой, которую мы используем для его расчета, является VO2max.

VO2max или максимальное потребление кислорода — это максимальная скорость потребления кислорода, измеренная во время дополнительных упражнений, то есть упражнений с возрастающей интенсивностью.

Этот показатель рассчитывается лечащим врачом пациента в контролируемой обстановке, которая выглядит примерно так:

Виды деятельности, требующие кардиореспираторной подготовки выше, чем у пациента, не учитываются при создании программы, чтобы избежать опасности для пациента, рекомендуя занятия с большими усилиями.

Таким образом, VO2max принимается в качестве критерия CRF и преобразуется в MET для определения соответствующего целевого диапазона активности.

Следуя рекомендациям ESC вместе с медицинской информацией пациента, мы устанавливаем диапазон MET, в который должны попадать все рекомендуемые действия. Процедура фильтрации затем просто выбирает виды деятельности, расход энергии которых находится в пределах вышеупомянутого диапазона MET.

Система оценки активности

Цель ARS состоит в том, чтобы определить несколько основных действий в большом каталоге, которые имеют наибольшую вероятность быть выбранными пользователем. Мы внедрили гибридный подход, который позволит нам многократно предлагать пациенту рекомендации по активности, основываясь на его предыдущем выборе, предпочтениях и привычках. Это комбинация пользовательского подхода к фильтрации для рекомендаций по начальным действиям и основанного на содержании подхода для обновления предпочтений на протяжении всего использования приложения.

Фильтрация на основе пользователей

Совместная фильтрация на основе пользователей — это метод, используемый для прогнозирования элементов, которые могут понравиться пользователю, на основе оценок, присвоенных этим элементам другими пользователями со схожими вкусами.

Этот подход, однако, требует пользовательских данных заранее. С этой целью Ad Scientiam провела онлайн-опрос для сбора данных о предпочтениях респондентов в отношении физической активности, а также соответствующей информации их профиля (возраст, пол, условия жизни и т. д.). Мы собрали более 700 различных ответов. Используя эти данные, мы обучили рекомендательную модель с помощью TensorRec. Эта модель предоставляет каждому пользователю инициализацию предпочтений действий на основе информации их профиля. Это сопоставление дополнительно уточняется с использованием подхода фильтрации на основе содержимого.

Контентная фильтрация

Контентная фильтрация проецирует проблему рекомендации в пространство элементов, которое в нашем случае является пространством всех возможных физических действий, которые будут рекомендованы алгоритмом. Он исследует отношения между физическими действиями, а не отношения между пользователями. В большинстве реальных приложений количество элементов ничтожно мало по сравнению с количеством пользователей, и во многих случаях эти элементы статичны: набор элементов меняется гораздо реже, чем количество пользователей. Это позволяет отделить стадию подбора и стадию прогнозирования модели совместной фильтрации на основе контента.

Концепция подобия является критическим элементом структуры совместной фильтрации. Для алгоритмов совместной фильтрации на основе пользователей матрица сходства пользователей состоит из метрики, которая измеряет расстояние между любой парой пользовательских предпочтений. Аналогичным образом, матрица сходства элементов измеряет сходство между любой парой элементов в структуре, основанной на содержании, то есть физической активности.

Сходство между такими элементами, как физическая активность, может показаться абстрактным, однако у нас есть несколько способов его количественной оценки. В нашем случае мы решили использовать показатель Косинусное сходство:

Этот показатель основан на различных бинарных тегах, связанных с каждым видом деятельности, найденным в основном списке занятий (в помещении/на открытом воздухе, использование мяча, на водной основе, требует членства в тренажерном зале, на основе выносливости…). Таким образом, для каждой активности мы получаем бинарный вектор тегов.

Мы указали более 50 бинарных тегов для каждого вида деятельности, которые были добавлены в наш собственный список физической активности. Это позволяет нам вычислить матрицу сходства элементов по вышеупомянутой формуле. Ниже приведен пример фиктивных данных того, как представлена эта матрица:

Если мы решим применить вышеупомянутую модель как есть, мы можем рискнуть ограниченным исследованием пространства деятельности, т. е. пациенту потенциально может нравиться плавание, но он никогда об этом не узнает, если только не решит самостоятельно попробовать «похожую» деятельность.

Чтобы предотвратить это ограничение исследования космоса, мы вводим компромисс между исследованием и эксплуатацией. Ее можно определить как вероятность того, что деятельность будет выбрана совершенно случайно. Этот компромисс увеличивается по мере того, как мы опускаемся в рейтинге предлагаемых нами рекомендаций.

Система рекомендаций по интенсивности

Как указывалось ранее, AFS предоставляет список безопасных действий для каждого пользователя. Этот список передается в IRS вместе с медицинской информацией пользователя (VO2max, факторы риска и т. д.) для получения рекомендаций по интенсивности для каждого безопасного занятия. Вывод переводится следующим образом:

Количество действий, которые необходимо выполнить в течение недели.
Интенсивность с точки зрения усилий (легкие/умеренные/энергичные) или целевой скорости (км/ч, мощность и т. д.) в зависимости от активности.

Рекомендации ESC 2019 [6] определяют целевой уровень 150–300 минут физической активности умеренной интенсивности в неделю, независимо от соответствующего значения МЕТ в конкретной деятельности. Эту рекомендацию также можно рассматривать как от 500 до 1000 MET-минут (MET-min) в неделю, что получается путем умножения времени (в минутах), затраченного на выполнение действия, на значение MET для этого действия — на основе сборника 2011 года [4]. ].

Таким образом, каждый субъект имеет заранее установленный еженедельный объем активности в МЕТ. Таким образом, эта сумма будет корректироваться еженедельно в зависимости от показателей субъекта в течение предыдущей недели. Высокая производительность приведет к небольшому увеличению количества активности и наоборот. Эта сумма, конечно, ограничена с обеих сторон в соответствии с рекомендациями ESC.

Количество действий распределяется между действиями, выбранными пользователем. Также подчеркивается важность непревышения рекомендуемого количества упражнений, поскольку чрезмерные физические нагрузки могут подвергнуть опасности человека.

Отзыв

Цикл обратной связи является важной частью PARE, поскольку он обеспечивает еженедельное обновление трех основных компонентов (AFS, ARS и IRS) на протяжении всего использования приложения. Собранные данные обратной связи представляют собой либо целевые журналы взаимодействия с приложением, либо простые анкеты.

В течение недели собирается несколько типов информации; мы можем разделить их в соответствии с их влиянием на вышеупомянутые компоненты. Настоящим представлены две отдельные категории отзывов:

1. Отзыв на основе предпочтений

Приложение собирает информацию о действиях, выбранных пользователем за предыдущую неделю. Эта информация объединяется со списком действий, которые были действительно рекомендованы в течение указанной недели, чтобы настроить рейтинг действий.
Пользователю также предоставляется анкета обратной связи о деятельности, чтобы получить оценки выполненных действий за неделю.

→ Информация обратной связи на основе предпочтений обновляет рейтинг активности (ARS), принимая во внимание не только отзывы предыдущей недели, но и все предыдущие. Их значимость уменьшается по мере поступления новых и обновленных отзывов. Это означает, что более свежие отзывы окажут большее влияние на рейтинг активности, чем старые.

2. Отзыв об эффективности

Непосредственно после завершения каждого действия мы собираем продолжительность его выполнения, а также уровень истощения субъекта в течение часа. Уровень истощения выражается в шкале Бёрга. Он представляет собой уровень воспринимаемой нагрузки (RPE). Используя это значение и VO2max субъекта, мы можем пересчитать количество МЕТ, потраченных во время указанной деятельности, и исправить его в справочнике.

→ Это позволяет значениям MET деятельности быть еще более конкретными в дополнение к информации о профиле, используемой при ее расчете. Эти новые MET окажут непосредственное влияние на процесс фильтрации в AFS, а также на рекомендации по интенсивности (IRS).

Заключительные мысли

На каждом этапе предложенной нами модели были даны ответы на два фундаментальных вопроса, касающихся рекомендаций по физической активности:

Безопасность: как убедиться, что наши рекомендации не подвергают пользователя риску?
Приверженность: Как мы можем убедиться, что пользователь стабильно выполняет свою программу физической подготовки?

Для нас не секрет, что физическая активность полезна. Тем не менее, мы можем игнорировать, насколько полезно это может быть при правильном выполнении. Это также может иметь гораздо большее влияние на определенные группы населения.

После медицинских процедур пациенты с сердечными заболеваниями часто остаются наедине с собой, практически без последующего наблюдения, когда дело доходит до тренировок по физической активности. Наша миссия здесь, в Ad Scientiam, состоит в том, чтобы сделать ощутимые изменения для этих пациентов, адаптироваться к их потребностям и предоставить им уход, которого они заслуживают.

Надеюсь, вам понравилась статья. Не стесняйтесь делиться своими мыслями и отзывами.