移动行为减重干预中个性化财务激励的自适应优化方法

肥胖是影响美国的一个关键医疗问题。现有风险最小的治疗方法是旨在促进饮食与锻炼的行为干预。这些干预通常包含移动组件,使干预人员能够收集参与者层级数据,并向参与者提供激励和目标以促进长期行为改变。近来,人们有兴趣使用直接财务激励来促进行为改变。然而,这类干预中的依从性具有挑战性,因为每位参与者对不同的激励结构与金额反应不同,这促使研究者考虑个性化干预。个性化的关键挑战在于,临床医生事先不知道如何最好地向参与者发放激励,以及在给定有限干预预算的情况下如何高效分配昂贵资源。在本文中,我们考虑设计个性化减重干预这一挑战,该干预使用直接财务激励来激励减重同时保持在预算之内。我们创建了一种机器学习方法,能够在行为干预背景下预测个体对不同激励时间表的可能反应。我们在自适应框架中使用该预测模型,在干预过程中计算应向参与者发放何种激励并保持在研究预算内。我们为建模与优化方法提供了理论保证,并在模拟减重研究中展示了其性能。我们的结果凸显了个性化减重干预设计在成本效率与有效性方面的优势。