Hybrid digital intervention cohort in university students: feasibility pilot study using smartphone- and smartwatch-based monitoring and ecological momentary interventions

Deze haalbaarheidsstudie toont aan dat een hybride digitaal interventieontwerp, dat passief smartwatch/smartphone-monitoring combineert met sequentiële ecologische momentane interventies, haalbaar en aanvaardbaar is voor het bevorderen van gezonde slaap-, fysieke activiteits- en schermtijdgewoonten onder universiteitsstudenten, ondanks waargenomen afname van betrokkenheid in de loop van de tijd.

De kern

Stel je een universiteitscampus voor als een druk, chaotisch treinstation. De studenten zijn de reizigers, vaak te laat, vermoeid en met hun neus in hun telefoons. Ze hebben hulp nodig om weer op koers te komen wat betreft hun slaap, beweging en schermgebruik, maar traditioneel advies (zoals een pamflet in een wachtkamer) wordt vaak genegeerd.

Dit artikel beschrijft een pilotstudie genaamd MOVE@NUS, die een andere aanpak probeerde: in plaats van een pamflet gaven de onderzoekers de studenten een digitale "co-pilot" die leefde binnen hun eigen Apple Watches en iPhones.

Hier is het verhaal van wat ze deden, hoe het verliep en wat ze leerden, eenvoudig uitgelegd.

Het Grote Idee: Een "Proefrit" voor Digitale Gezondheid

Beschouw deze studie als een proefrit voor een nieuwe auto voordat deze in massaproductie gaat. De onderzoekers wilden zien of een specifiek type digitale auto (een hybride onderzoeksopzet) werkte voor universitair studenten.

Deze "auto" had twee hoofdmotoren die tegelijkertijd draaiden:

1. De Passieve Motor (De Stille Waarnemer): De Apple Watch en iPhone fungeerden als een stille, onzichtbare camera. Ze registreerden automatisch hoeveel de studenten liepen, trappen klommen en sliepen, zonder dat de studenten iets hoefden te doen.
2. De Actieve Motor (De Nudge-trainer): Om de twee weken speelden de studenten een mini-game genaamd een "Randomized Controlled Trial" (RCT). Ze werden in het geheim in drie groepen verdeeld:
   • Groep A: Kreeg specifieke tips om beter te slapen.
   • Groep B: Kreeg specifieke tips om meer te bewegen.
   • Groep C: Kreeg specifieke tips om minder hun telefoon te gebruiken.
   • (Opmerking: Er was ook een "Controle"-groep die gewoon de app normaal gebruikte, als basislijn).

Het doel was niet om te bewijzen welke tip de beste was, maar om te zien of het hele systeem kon draaien zonder vast te lopen.

De Reis: Wat gebeurde er?

De studie duurde vijf maanden met 65 eerstejaarsstudenten. Zo verliep de reis:

1. De Inschrijving (Werving)
Het was als proberen mensen te vinden die een heel specifiek, high-end automodel bezitten. De onderzoekers accepteerden alleen studenten die zowel een iPhone als een nieuwere Apple Watch hadden.

• Resultaat: Ze vonden 65 studenten die aan de eisen voldeden. Het was wat lastig om genoeg mensen te vinden omdat de eisen streng waren, maar ze kregen een stevige groep om mee te beginnen.

2. De Stille Waarnemer (Passieve Data)
De Apple Watches waren uitstekend in het volgen van beweging. Het was als het hebben van een trouwe hond die nooit vergeet te wandelen.

• Resultaat: De horloges slaagden erin data op te nemen voor 95% van de studenten. Er was echter een addertje onder het gras: veel studenten deden hun horloge 's nachts af (zoals het afdoen van een horloge om te slapen), waardoor de "slaap"-data wat lappende was. De "bewegings"-data (stappen en trappen) was zeer compleet.

3. De Nudge-trainer (Interventies)
De app stuurde kleine "nudge's" (herinneringen) naar de studenten.

• Slaap: "Je hebt 6 uur geslapen; probeer 7!"
• Beweging: "Neem de trap in plaats van de lift!"
• Schermgebruik: "Leg de telefoon weg voor een pauze!"
• Resultaat: De studenten vonden de nudge's voor slaap en beweging over het algemeen leuk. Ze voelden zich behulpzaam. De nudge's voor schermgebruik waren echter wat lastig. Sommige studenten gaven toe dat het controleren van de melding om te zien of ze hun telefoon gebruikten, hen er eigenlijk toe bracht de telefoon vaker op te pakken, waardoor hun schermgebruik per ongeluk toenam!

4. De Vermoeidheidsfactor (Betrokkenheid)
Stel je een marathon voor waarbij je elke paar kilometer moet stoppen om een enquête in te vullen.

• Resultaat: Aan het begin vulde bijna iedereen de enquêtes in. Maar naarmate de maanden vorderden, sloeg de "enquêtevermoeidheid" toe. Aan het einde voltooiden minder dan de helft van de studenten de dagelijkse check-ins. Hoe langer de studie duurde, hoe meer mensen uit de actieve onderdelen stapten, zelfs al bleven ze het horloge dragen.

Het Vonnis: Startte de Auto?

Ja, maar hij moet nog worden afgesteld.

De studie bewees dat deze "hybride" aanpak (het combineren van automatische tracking met actieve coaching) uitvoerbaar is. Het werkt. De technologie crashte niet, de studenten gaven niet helemaal op en de data kwam binnen.

Echter, de onderzoekers vonden drie grote "slechte stukken weg" op de route:

1. De "Alleen Apple"-Barrière: Door alleen iPhone/Watch-gebruikers te accepteren, misten ze veel studenten. Toekomstige versies moeten misschien ook op Android-telefoons werken.
2. De "Nachtelijke Kloof": Studenten wilden niet met hun horloge slapen, waardoor de slaapdata minder betrouwbaar was.
3. De "Nudge-tegenslag": Voor schermgebruik maakten de herinneringen het probleem soms erger door de aandacht op de telefoon te vestigen.

De Conclusie

De onderzoekers concludeerden dat deze digitale "co-pilot" een veelbelovend voertuig is om studenten te helpen gezond te worden. Het is als een prototype dat succesvol van de parkeerplaats reed, maar de ingenieurs weten nu dat ze moeten:

• De auto compatibel maken met meer merken (Android).
• De "slaapstand" comfortabeler maken zodat mensen het horloge niet afdoen.
• Slimmer zijn over hoe ze mensen herinneren hun telefoon weg te leggen, zodat de herinnering zelf geen afleiding wordt.

Kortom: Het idee werkt, de technologie werkt, maar de menselijke gewoonten hebben voor de volgende versie nog een beetje meer fijnafstelling nodig.

Technische samenvatting

1. Probleemstelling

Universitair studenten staan voor aanzienlijke uitdagingen bij het handhaven van gezonde bewegingsgedragingen (slaap, fysieke activiteit en schermtijd) vanwege academische druk, onregelmatige schema's en een hoge afhankelijkheid van digitale apparaten. Hoewel digitale gezondheidsinterventies met behulp van Ecologische Momentane Assessments (EMA's) en Interventies (EMI's) real-time, contextbewuste oplossingen bieden, staat de implementatie voor kritieke haalbaarheidsdrempels:

• Verval van betrokkenheid: Responspercentages voor zelfgerapporteerde EMA's nemen vaak in de loop van de tijd af.
• Datafragmentatie: Passieve sensordata (van wearables) kunnen onvolledig zijn door het niet-dragen van het apparaat of technische synchronisatieproblemen.
• Gebrek aan geïntegreerde kaders: Er is een schaarste aan rigoureuze evaluaties die continue passieve monitoring combineren met sequentiële gerandomiseerde gecontroleerde trials (RCT's) om meerdere gedragsinterventies gelijktijdig te testen in een natuurlijke setting.

2. Methodologie

De studie, getiteld MOVE@NUS, was een vijf maanden durende pilotstudie (september 2024 – januari 2025) uitgevoerd aan de National University of Singapore (NUS).

Studiedesign

• Hybride aanpak: De studie combineerde continue passieve monitoring met drie sequentieel ingebedde 3-armige Gerandomiseerde Gecontroleerde Trials (RCT's).
  • RCT-1: Slaap (2 weken)
  • RCT-2: Fysieke activiteit (2 weken)
  • RCT-3: Schermtijd (2 weken)
• Randomisatie: Deelnemers werden 1:1:1 gerandomiseerd naar Controle, Interventie 1 of Interventie 2 voor elke RCT-fase.
• Deelnemers: 65 eerstejaars bachelorstudenten (gemiddelde leeftijd 20,4 jaar; 53,8% vrouw).
  • Opnamecriteria: Leeftijd 18–25 jaar, bezit van een iPhone en Apple Watch (Series 6/SE of nieuwer), en akkoord met continu dragen.
  • Uitsluiting: Zwangerschap of reizen naar het buitenland >6 weken.

Datacollectie-architectuur

1. Passieve monitoring (Primair):
   • Apparaten: Apple Watch en iPhone.
   • Platform: Geïntegreerd via Apple HealthKit door middel van een aangepaste app gebouwd op het Cogniss-platform.
   • Metrieken: Slaapduur (tijd in bed), stapaantallen, veroverde verdiepingen en intensieve fysieke activiteit (VPA).
   • Schermtijd: Verzameld via wekelijkse handmatige uploads van iOS-instellingsschermopnames (aangezien HealthKit geen ruwe schermtijddata levert).
2. Actieve rapportage (Secundair):
   • EMA's: Uitgevoerd in 8 blokken (3 dagen elk) om de twee weken. Deelnemers rapporteerden over gedrag en context.
   • Enquêtes: Baseline, halverwege (2,5 maanden) en eindmeting (5 maanden) via REDCap.

Interventiestrategieën (Ecologische Momentane Interventies - EMI's)

Interventies waren tekstgebaseerd, gepersonaliseerd en beperkt tot ≤7 meldingen per dag om vermoeidheid te voorkomen.

• Slaap:
  • Nudge: Wekelijks feedback over slaapduur versus richtlijnen (7–9 uur).
  • Keuze: Deelnemers kozen wekelijkse slaaphygiëne-strategieën (bijv. geen koffie na 15:00 uur).
• Fysieke activiteit:
  • Nudge: Contextuele herinneringen om de trap te nemen, gebaseerd op real-time data over veroverde verdiepingen.
  • Keuze: Dagelijkse selectie van korte intensieve activiteiten (bijv. squats tussen lessen door).
• Schermtijd:
  • Nudge: Herinneringen voor pauzes met suggesties voor alternatieve activiteiten, getriggerd door de huidige gebruiksstatus.
  • Doelstelling: Gepersonaliseerde dagelijkse reductiedoelen met feedback over de voortgang.

Analyse

• Haalbaarheidsmetrieken: Inschrijvingspercentages, retentie, data volledigheid (HealthKit-synchronisatiepercentages) en EMA-responspercentages.
• Voorlopige effectiviteit: Vergelijking van gemiddelden voorafgaand aan de interventie versus tijdens de interventie voor objectieve metrieken (HealthKit) en zelfrapportages, met berekening van gemiddelde verschillen met 95% betrouwbaarheidsintervallen (BI's).
• Kader: Gebruik van een micro-macro-kader dat de TAM-, COM-B- en MARS-modellen integreert om de gebruikerservaring te beoordelen.

3. Belangrijkste bijdragen

• Nieuw hybride ontwerp: Validatie van een schaalbaar kader dat meerdere sequentiële RCT's inbedt binnen één continue digitale cohort, waardoor het testen van diverse interventietypen mogelijk is zonder aparte inschrijvingscycli.
• Technische integratie: Aantonen van de haalbaarheid van een geünificeerde app (Cogniss) die HealthKit integreert voor passieve tracking, handmatige uploads van schermopnames voor schermtijd en EMA-levering op consumenten-Apple-apparaten.
• Hiërarchie van databelasting: Empirisch bewijs geleverd over de "hiërarchie van naleving", waarbij passieve fysieke activiteitsdata de hoogste volledigheid had, slaapdata te lijden had onder het niet-dragen van horloges, en schermtijddata (vereisend handmatige uploads) de hoogste uitval had.
• Gedragsinzichten: Geïdentificeerd dat acceptatie van interventies varieert per domein (Slaap/PA > Schermtijd) en dat meldingsfrequentie de tevredenheid van gebruikers significant beïnvloedt.

4. Resultaten

Inschrijving en retentie

• Inschrijving: 65 deelnemers ingeschreven van 229 gescreenden (28,4% inschrijvingspercentage).
• Retentie:
  • Voltooiing van vragenlijsten was hoog: 100% (baseline), 89,2% (halverwege), 86,2% (eindmeting).
  • EMA-betrokkenheid: Daalde significant in de loop van de tijd, van 88,7% in het eerste blok tot 49,2% in het laatste blok. Slechts 30,8% van de deelnemers voltooide alle 7 EMA-blokken.
  • Passieve data: 95,4% (62/65) leverde HealthKit-data. Echter, slechts 48,0% van de oorspronkelijke cohort leverde data door tot de laatste fase.

Data volledigheid

• Fysieke activiteit: Hoogste volledigheid (veroverde verdiepingen en stappen).
• Slaap: Matige volledigheid; beperkt door deelnemers die 's nachts geen horloge droegen.
• Schermtijd: Laagste volledigheid vanwege het handmatige karakter van het uploaden van schermopnames.

Voorlopige effectiviteit

• Slaap: Geen significante veranderingen in duur tussen de groepen (stabiel ~7 uur).
• Fysieke activiteit: Interventiegroepen vertoonden kleine, niet-significante dalingen in stappen en veroverde verdiepingen vergeleken met controles.
• Schermtijd: De "Doelstelling"-groep toonde een lichte reductie (-1,0 uur), terwijl de "Pauze Nudge"- en controlegroepen lichte toenames vertoonden.
• Opmerking: De studie was onderbezet voor definitieve claims over effectiviteit; het primaire doel was haalbaarheid.

Gebruikerservaring

• Tevredenheid: Hoogst voor Slaap (78,9%) en Fysieke activiteit (70,6%), laagst voor Schermtijd (60,0%).
• Feedback: Deelnemers vonden slaap/PA-nudges nuttig en relevant. Schermtijd-interventies werden ervaren als repetitief en soms contraproductief (het controleren van meldingen verhoogde de schermtijd).
• Technische problemen: Af en toe app-crashes en app-uitinstallatie na interventiefases verstoorden de datacontinuïteit.

5. Betekenis en toekomstige richtingen

• Proof of Concept: De studie bevestigt dat een hybride digitale cohort met ingebedde micro-trials haalbaar is voor universitair studenten, en biedt een model voor toekomstig grootschalig gedragsonderzoek.
• Ontwerprichtlijnen:
  • Platformdiversificatie: Toekomstige studies moeten Android-gebruikers opnemen om generaliseerbaarheid en inschrijving te verbeteren.
  • Technische robuustheid: Apps vereisen naadloze achtergrondsynchronisatie en persistentie na herinstallatie om dataverlies te voorkomen.
  • Duur van interventie: Betrokkenheid daalt significant na 2–3 maanden; toekomstige interventies moeten kortere, intensieve blokken of incentives gebaseerd op mijlpalen overwegen.
  • Domeinspecificiteit: Interventies voor schermtijd vereisen andere strategieën (bijv. automatische tracking versus handmatige rapportage) in vergelijking met slaap of PA.
• Methodologische verschuiving: De auteurs suggereren een overstap van traditionele sequentiële RCT's naar micro-gerandomiseerde trials (MRT's) of factoriële ontwerpen in toekomstige iteraties om interventiecomponenten efficiënter te optimaliseren.

Conclusie: De MOVE@NUS-pilot heeft met succes de technische en gedragsmatige haalbaarheid aangetoond van een complex, multi-gedrags digitaal interventiekader. Hoewel uitdagingen op het gebied van langetermijnbetrokkenheid en data volledigheid (met name voor slaap en schermtijd) blijven bestaan, biedt de studie een cruciale routekaart voor het verfijnen van schaalbare digitale gezondheidsoplossingen voor opkomende volwassenen.