Estudo controlado randomizado do OnTrack, uma intervenção adaptativa just-in-time projetada para aumentar a perda de peso

Instâncias individuais de não adesão a prescrições dietéticas de calorias reduzidas, ou seja, lapsos dietéticos, representam um desafio chave para o gerenciamento de peso. Intervenções adaptativas just-in-time (JITAIs), que coletam e analisam dados em tempo real para fornecer intervenções personalizadas durante momentos de necessidade, podem ser bem adequadas para promover a perda de peso ao prevenir lapsos dietéticos. Desenvolvemos o OnTrack (OT), um aplicativo para smartphone que coleta dados sobre lapsos e gatilhos de lapsos, usa um modelo de aprendizado de máquina que está em melhoria contínua para prever o risco de lapsos e fornece intervenções personalizadas quando o risco é elevado. O estudo atual avaliou a eficácia do OT em comparação com um controle ativo na facilitação da perda de peso. Participantes (N = 181) com sobrepeso/obesidade (MBMI = 34.32; 85.1% feminino; 73.5% branco) foram randomizados para receber o programa digital WW (antigamente Weight Watchers) Beyond the Scale (BTS) sozinho ou WW mais OnTrack (WW + OT) por 10 semanas. Em um experimento natural não planejado, o programa WW mudou no meio do ensaio de BTS para um mais flexível, Freestyle (FS). Um modelo linear geral revelou uma interação entre a condição do tratamento × plano alimentar (F1, 173 = 9.68, p = .002), de modo que o OT demonstrou maior eficácia apenas entre aqueles que receberam BTS (perda de peso MWW + OT = 4.7%, erro padrão SE = .55 versus MWW = 2.6%, SE = .80). Comparado ao FS, os participantes do BTS WW + OT também relataram satisfação consideravelmente maior com a intervenção, o engajamento foi maior, e a precisão do algoritmo foi superior. No geral, os resultados oferecem suporte qualificado para o OT e, de forma geral, para JITAIs impulsionados por aprendizado de máquina que facilitam a perda de peso prevendo e prevenindo lapsos dietéticos.