Modelarea comportamentală în intervențiile de slăbire

Dender mifflin pierdere în greutate

Modelarea comportamentală în intervențiile de slăbire Date asociate Abstract 1. Introducere Proiectarea eficientă a sistemelor care implică agenți umani necesită deseori modele care să caracterizeze răspunsurile variate ale agenților la schimbările în stările și intrările sistemului.

Majoritatea modelelor de cercetare operațională OR cuantifică comportamentul agentului ca decizii generate de optimizarea funcțiilor de utilitate statice care depind de stări și intrări ale sistemului care variază în timp.

  • Persoanele care își monitorizează cu atenție greutatea nu se pot descurca fără o aplicație.
  • Знакомая картина, не правда .
  • Povestiri de succes pentru pierderea în greutate pete
  • Сперва объясните-ка мне, что будет, а потом выпускайте своих Эпонина лежала на софе в гостиной Паккеттов.
  • Я выйду вместе с ними, - проговорила Наи.
  • Два дня назад произошел прискорбный инцидент.

În contrast, cercetătorii din științele sociale au descoperit că psihologia motivațională a agenților se schimbă ca răspuns la stări, decizii și intrări din trecut de la agenți externi Kanfer, ; Ajzen și Fishbein, ; Gonzalez și colab. În această lucrare, ne concentrăm pe dezvoltarea unui cadru de modelare predictivă care încorporează stări motivaționale variabile în timp care descriu eficiența sau preferințele schimbătoare ale agentului - cuantificând astfel comportamentul agentului ca decizii generate de optimizarea funcțiilor utilitare care depind de un sistem care variază în timp.

The Office Willy Wonka Idea

Scopul nostru final este de a rezolva problemele de optimizare pentru a aloca mai eficient resurse în sisteme cu agenți umani; pentru a face acest lucru, trebuie să dezvoltăm modele comportamentale care pot fi integrate ca constrângeri în abordările standard de optimizare.

În această lucrare, dezvoltăm un cadru de modelare care introduce date zgomotoase și parțial lipsă dender mifflin pierdere în greutate le folosește pentru a estima parametrii unui model predictiv constând din a o funcție utilitară care descrie procesul de luare a deciziilor care depinde de sistemul care variază în timp stări, intrări de sistem și stări motivaționale și b dinamică temporală asupra stării sistemului și stării motivaționale a agentului adică, adesea denumită tipul agentului.

Considerăm două tipuri distincte, dar corelate de estimări: estimarea setului de parametri pentru funcția și dinamica utilității și, separat, estimarea distribuției stărilor viitoare.

În timp ce abordările de învățare automată, cum ar fi mașinile vectoriale de suport Dender mifflin pierdere în greutate Hastie și colab.

Bare de căutare pentru a pierde în greutate

Aici, arătăm că, spre deosebire de aceste metode de învățare automată, abordarea noastră este interpretabilă, deoarece ecuațiile se bazează pe modele din științele sociale și pot fi încorporate în modele de optimizare, deoarece este prezentat ca un program liniar cu numere întregi mixte MILPmenținând în același timp o precizie de predicție comparabilă.

Tratamente personalizate și obezitate Obezitatea este o problemă semnificativă în Statele Unite.

pierdere în greutate dr northport al

În prezent, cele mai eficiente tratamente pentru obezitate sunt intervențiile de scădere în greutate compuse din sesiuni de dender mifflin pierdere în greutate de către medici și obiective zilnice pentru activitate fizică și consum caloric. Cu toate acestea, aderarea la aceste obiective stabilite de clinici scade în timp Acharya și colab.

Pentru ca aceste intervenții să fie mai eficiente și mai eficiente va fi necesară conceperea unor tratamente personalizate în funcție de preferințele fiecărui individ. Deși stabilirea obiectivelor individualizate și intervențiile personalizate sunt cruciale pentru succesul acestor programe, aceste caracteristici dender mifflin pierdere în greutate costisitoare de furnizat. Programele eficiente din punct de vedere al costurilor vor necesita automatizarea stabilirii obiectivelor și programarea resurselor de consiliere pentru ca indivizii să reușească să își reducă greutatea.

Aceste tehnologii permit clinicienilor și cercetătorilor să colecteze de la distanță date de sănătate în timp real și să comunice cu persoanele care participă la program. Cu toate acestea, seturile de date privind asistența medicală generate de dispozitivele mobile au fost subutilizate până în prezent și puține cercetări s-au concentrat pe modalități eficiente de a utiliza modelele de date ale sănătății indivizilor pentru a îmbunătăți și personaliza intervențiile de slăbire Fukuoka și colab.

Prezentare generală În cele din urmă, abordările automate eficiente vor depinde de modele nuanțate pentru a prezice efectele pe care diferite intervenții de exemplu, modificări ale activității și obiectivelor calorice sau tipuri specifice de consiliere le vor avea asupra traiectoriilor de slăbire a diferiților indivizi.

După cum sa discutat mai sus, acest tip de instrument predictiv va permite în cele din urmă proiectarea adaptativă a intervențiilor mai eficiente și mai eficiente din punct de vedere al costurilor.

În acest scop, arătăm, de asemenea, modul în care modelul nostru predictiv este capabil să prezică impactul modificărilor tratamentului de intervenție asupra traiectoriei pierderii în greutate a unui individ specific.

O caracteristică cheie a prezicerii comportamentului viitor este incertitudinea inerentă datorită faptului că există date limitate. Ca rezultat, este firesc să se ia în considerare abordările de modelare predictivă care generează intervale sau intervale de predicții. Deși abordările frecventiste pot fi folosite pentru a construi intervale de încredere, în schimb propunem o abordare bayesiană care construiește o serie de predicții caracterizate printr-o distribuție posterioară.

softball ajută să piardă în greutate

Arătăm cantitativ în secțiunea 6 că încorporarea informațiilor altor indivizi care utilizează o distribuție bayesiană neparametrică anterioară îmbunătățește precizia predicțiilor față de neutilizarea unui cadru bayesian. Abordarea noastră de modelare predictivă rezultată este prezentată în secțiunea 5. În secțiunile precedente, dezvoltăm elemente esențiale pentru construirea modelului. Mai întâi descriem structura intervențiilor de scădere în greutate bazate pe telefoane mobile în Secțiunea 2.

cauza pierderii în greutate și a oboselii

Secțiunea 3 descrie modelul nostru de maximizare a utilității a deciziilor unei persoane care participă la o intervenție de scădere în greutate. Pentru a calcula acești parametri, rezolvăm o problemă de estimare a maximului probabilității MLEcare este punctul central al secțiunii 4. Abordarea noastră de modelare predictivă din secțiunea 5 utilizează cadrul de maximizare a utilității și histogramele corespunzătoare ale valorilor parametrilor pentru a prezice traiectoria pierderii în greutate a un singur individ.

Atât MLE în secțiunea 4, cât și modelul predictiv în secțiunea 5 sunt calculate prin rezolvarea unui program liniar cu numere întregi mixte MILP. Pentru a valida abordarea noastră de modelare predictivă, folosim un set de date longitudinale colectate dintr-un studiu controlat randomizat RCT de 5 luni al unui program de pierdere în greutate bazat pe telefonul mobil.

fingers de slăbire

Secțiunea 6 începe cu o prezentare generală a acestui RCT și detalii suplimentare sunt disponibile în Fukuoka și colab.

Ne validăm abordarea arătând că precizia binară a predicației este comparabilă dender mifflin pierdere în greutate metodele standard de învățare automată adică SVM liniar, arborele decizional și regresia logistică în ceea ce privește calitatea predicției.

Spre deosebire de aceste metode de învățare automată, modelul nostru predictiv este, de asemenea, capabil să determine impactul modificării parametrilor de intervenție pentru un individ specific asupra traiectoriei de pierdere în greutate a acelui individ și încheiem cu o discuție a acestui aspect al modelului nostru și a modului în care acesta poate fi folosit pentru realizarea optimizării.

Revizuire de literatura Abordările anterioare pentru exercițiul automat și gestionarea dietei diferă semnificativ în scopul modelării predictive. Rezultatul acestui model predictiv este nivelul glicemiei și satisfacția unui anumit plan dietetic, în timp ce suntem interesați să facem predicții cu privire la greutatea corporală viitoare.

În plus, acest model predictiv nu ia în considerare respectarea planurilor prescrise de exemplu, individul dender mifflin pierdere în greutate mânca în exces sau poate să nu exercite cantitatea indicată de planîn timp ce abordarea noastră cuantifică nivelul de respectare a obiectivelor de activitate fizică prescrise și îndrumările privind aportul caloric.

Programul Steptacular Gomes și colab. Contribuții Așa cum s-a menționat mai sus, este posibil să îmbunătățim predicțiile traiectoriei pentru o anumită persoană într-o intervenție de scădere în greutate utilizând datele de pe telefonul mobil de la alte persoane care au finalizat deja intervenția.

Această provocare poate fi pusă într-un cadru bayesian, dar abordările nonparametrice existente necesită calcularea integralelor cu provocări numerice.

În această lucrare, oferim ceea ce este, din câte știm, prima abordare de estimare bayesiană în care distribuția anterioară este pur bazată pe date și descrisă de o histogramă. Pentru această estimare bayesiană, folosim programarea întreagă și arătăm că o distribuție bazată pe date poate fi reprezentată ca o funcție constantă în bucăți, care poate fi apoi formulată în cadrul unui MILP Fâie de grăsime în 1 săptămână, Structura intervențiilor de slăbire bazate pe telefonul mobil În prezent, comunitatea medicală îmbunătățește o nouă clasă de intervenții de slăbire care se bazează pe telefoane mobile și accelerometre digitale Gomes și colab.

Greutatea ideală și grăsimea la copii - Cristela GEORGESCU de ce nu aderall ma face sa slabesc

Deși caracteristicile specifice ale acestor programe diferă adesea, există un consens în creștere cu privire la structura largă a acestor programe. În general, fiecărei persoane i se oferă i o aplicație pentru telefonul mobil și un accelerometru digital și ii sesiuni de consiliere în persoană. Accelerometrul digital este utilizat dimensiune 20 la dimensiune 10 pierdere în greutate a măsura activitatea fizică zilnică, iar aspectul digital al dispozitivului simplifică partajarea și încărcarea datelor.

Aplicația de telefonie mobilă oferă obiective de activitate fizică, mesaje educaționale cum ar fi cele de la Diabetes Prevention Program Research Group,și oferă o interfață pentru indivizi pentru a introduce informații dietetice și despre greutatea corporală. Accelerometrul măsoară numărul de infiltrări efectuate în fiecare zi, deoarece majoritatea exercițiilor fizice pentru indivizi în astfel de intervenții de slăbire constă în mers.

De asemenea, persoanelor li se cere să introducă măsurători de greutate de mai multe ori pe săptămână în aplicația mobilă. În principiu, datele disponibile pentru fiecare individ constau în greutate zilnică și cantități dender mifflin pierdere în greutate pas; cu toate acestea, datele pentru anumite date lipsesc deoarece persoanele uită să introducă date despre greutate în aplicația mobilă, să dender mifflin pierdere în greutate accelerometrul sau din cauza unei probleme tehnice cu aplicația.

Vârsta, sexul și înălțimea fiecărui individ sunt, de asemenea, date cunoscute în aceste programe. Persoanele care participă la astfel de intervenții de pierdere în greutate bazate pe telefoane mobile primesc interacțiuni suplimentare. După o perioadă inițială inițială, obiectivele exercițiului în termeni de număr zilnic minim de pași sunt furnizate fiecărei persoane. Obiectivele se schimbă la intervale regulate de exemplu, în fiecare săptămână.

Persoanele au, de asemenea, vizite la birou sau apeluri telefonice la intervale regulate, timp în care au primit consiliere comportamentală despre alegerile lor nutriționale și activitatea fizică. Obiectivele exercițiului și calendarul vizitelor la birou sau apeluri telefonice sunt stabilite în avans și, prin urmare, sunt și date cunoscute în aceste programe. Formularea cadrului de maximizare a utilităților Cadrul de maximizare a utilităților pe care îl propunem are două componente.

Date asociate

Primul descrie modul în care un individ ia decizii în ceea ce privește cantitatea de pași și aportul caloric, iar acest lucru este formulat în termenii unui individ care maximizează utilitatea.

Al doilea descrie modul în care greutatea și tipul individului un set de parametri care descriu fiecare individ evoluează în timp în funcție de stările și deciziile actuale. Această a doua parte este formulată în termeni de sistem dinamic liniar.

  1. Modelarea comportamentală în intervențiile de slăbire
  2. А Узел, Рама и даже ты со Святым Микелем - продукт воздействия Перводвигателя.

Rezumatul cadrului Un indice t denotă valoarea unei variabile în a zecea zi. Un alt set de parametri sunt utilizați în funcția de utilitate. Luarea deciziilor individuale atunci când sunt date obiective de exercițiu este Dender mifflin pierdere în greutate că Goluri Uno și Ugoals consultați ut, ft care sunt calculate prin rezolvarea problemelor de optimizare corespunzătoare. Se presupune că greutatea și tipul evoluează în conformitate cu următoarele:.