Personalization of Digital Health Behavior Change Interventions for Health Promotion : A user modeling framework and a recommender system

Abstract

Krooniset sairaudet, kuten sydän- ja verisuonitaudit, syövät, II-tyypin diabetes ja mielenterveyshäiriöt, selittävät noin 90% Euroopan Unionin alueen sairastuvuudesta ja kuolleisuudesta. Kroonisten sairauksien aiheuttamat sosiaali- ja terveydenhuollon kustannukset ovat huomattavat. Terveelliset elintavat vähentävät sairastumisriskiä merkittävästi, joten suuri osa kroonisista sairauksista olisi estettävissä, tai vähintäänkin niiden puhkeamista voi viivästyttää. Terveellisten elintapojen omaksuminen ja ylläpitäminen voi kuitenkin olla elämätilanteesta ja olosuhteista riippuen hyvin haastavaa.

Digiteknologia mahdollistaa kustannustehokkaiden ja edullisten, kansalaisten saavutettavissa olevien terveyden edistämisen palveluiden tuottamisen. Erityisesti voitaisiin hyödyntää digitaalisia terveyskäyttäytymisen muutosinterventioita (digiterveysinterventioita) kansalaisten voimaannuttamisessa ja ohjaamisessa terveellisten tottumusten omaksumisen suhteen. Monet aiemmat digiterveysinterventiokokeilut eivät ole kuitenkaan onnistuneet sitouttamaan kansalaisia niiden käyttöön elintapamuutosten edellyttämällä tavalla, mikä on heikentänyt niiden vaikuttavuutta. Interventiosisällön räätälöinti yksilön tarpeita ja kykyjä vastaaviksi on osoittautunut lupaavaksi keinoksi digiterveysinterventioiden käyttöön sitouttamisessa. Myös läpinäkyvyys räätälöinnin taustalla olevasta päätöksentekologiikasta sekä sen hyödyntämistä henkilökohtaisista tiedoista on oleellinen osa käyttäjien sitouttamista. Tämänkaltainen läpinäkyvyys voi lisätä luottamusta interventiosisältöön ja edesauttaa henkilökohtaiselta tuntuvaa käyttökokemusta.

Väitöskirjatutkimuksen tavoitteena on edistää sellaisten yksilölle räätälöitävissä olevien digiterveysinterventioiden kehitystä, joilla on kansanterveydellistä vaikuttavuutta. Tutkimuksen ensimmäisessä osassa esitellään metodologinen katsaus elintapamuutoksen tukemisen käyttäytymistieteelliseen teoriapohjaan sekä digiterveysinterventioissa hyödynnettyihin räätälöintimenetelmiin. Toisessa osassa kartoitetaan tilastollisin menetelmin yhteyksiä suomalaisten raportoimien arvojen, koetun hyvinvoinnin ja terveyskäyttäytymisen välillä laajan retrospektiivisen poikkileikkauskyselyaineiston pohjalta. Havaittujen yhteyksien nojalla esitetään näkemyksiä siitä, kuinka tietämystä yksilön arvoista voisi hyödyntää interventioiden räätälöinnissä. Tutkimuksen kolmannessa osassa kuvataan työhyvinvoinnin edistämiseen toteutetun digisterveysintervention sisältämä suosittelualgoritmi (suosittelija), joka räätälöi interventiosisältöä ehdottamalla yksilön tarpeisiin soveltuvia käyttäytymismuutostehtäviä useilta hyvinvoinnin osa-alueilta. Suositusten soveltuvuutta tutkittiin työterveyden asiakkailla osana puhelimitse tarjottua hyvinvointivalmennusta satunnaisesti kontrolloidulla tutkimusasetelmalla. Väitöskirjatutkimuksen neljännessä ja viimeisessä osassa visualisoidaan digiterveysintervention prosessoimia hyvinvointitietoja räätälöintianalytiikan läpinäkyvyyden lisäämiseksi. Visualisointien ymmärrettävyyttä tutkittiin pienimuotoisessa konseptitutkimuksessa.

Väitöskirjatutkimuksen ensimmäisenä tuloksena syntyi kattava käsitteellinen malli erityyppisistä käyttäjän ominaisuuksia kuvailevista muuttujista (ns. käyttäjämalli), joiden huomioiminen digiterveysinterventioiden räätälöinnissä voi lisätä niiden vaikuttavuutta. Kyselyaineistossa havaittiin omien arvojen tiedostamisen ja niihin sitoutumisen olevan yhteydessä onnellisuuden kokemukseen. Lisäksi raportoitiin omien arvojen mukaisia terveystekoja, mikä tukee arvoteorioiden esitystä arvojen roolista käyttäytymistä motivoivana tekijänä. Arvot sisällytettiinkin osaksi käsitteellistä käyttäjämallia. Väitöskirjatutkimuksessa kehitetty käyttäytymismuutostehtävien suosittelija toteutti käyttäjämallista yksilön käyttäytymismuutostarpeita ja muutosvalmiutta kuvaavia muuttujia. Suositukset osoittautuivat soveltuviksi ja hyödyllisiksi hyvinvointivalmennuskontekstiin. Tutkimuksen viimeisessä osassa tuotetut visualisoinnit räätälöintianalytiikan hyödyntämistä hyvinvointitiedoista olivat konseptitutkimuksen osallistujien mielestä kiinnostavia, selkeitä ja hyödyllisiä.

Väitöskirja viitoittaa digiterveysinterventioiden tärkeimpien räätälöintimuuttujien tunnistamisen jatkotutkimusta; koostettu käyttäjämalli kirvoittaa ajatuksia erityyppisistä räätälöintitavoitteista ja esittää kullekin tavoitteelle soveltuvia käyttäjämallinnusmuuttujia kokeiltavaksi räätälöinnin pohjalle. Käyttäytymismuutostehtäväsuosittelijan toteuttamat käyttäjämallinnusmuuttujat asettavat minimitason eri hyvinvoinnin osa-alueita kattavien digiterveysinterventioiden räätälöinnille, ja tulokset suositusten soveltuvuudesta tarjoavat vertailukohdan lisämallinnusmuuttujien vaikutusten tutkimiselle. Lopuksi alustavien tulosten perusteella vaikuttaa siltä, että esitetyt visualisoinnit digiterveysintervention prosessoimista hyvinvointitiedoista soveltuvat räätälöintianalytiikan läpinäkyvyyden edistämiseen.

About 90% of the disease burden in the European Union is attributed to chronic, non-communicable diseases (NCDs) such as cardiovascular diseases, cancer, type-II diabetes, and mental disorders. The social and healthcare costs of these diseases are substantial. Major risk factors for NCDs are lifestyle-related, hence, a significant proportion of NCDs could be avoided, or at least delayed, with a healthy lifestyle. However, adopting and maintaining healthy habits can be very challenging. Digital health behavior change interventions (DHBCIs) have the potential to offer cost- effective, accessible, and affordable public health promotion that empowers and guides individuals to improve their lifestyles. However, many DHBCIs have failed to engage users sufficiently to induce lifestyle changes, which have reduced their effectiveness. Personalizing interventions to the needs and capabilities of individuals is a promising approach for improving the user engagement with DHBCIs. Transparency of the decision-logic and data behind personalization is also relevant for user engagement, as this can enhance users’ trust in the intervention content and help with conveying a personalized user experience.

The doctoral dissertation aims to advance the development of transparently personalized DHBCIs that are effective for public health promotion by 1) providing a methodological review on the theoretical foundation of behavior change support and on the personalization approaches employed in DHBCIs, 2) providing insights into the possible role of personal values in personalization based on an explorative analysis of a large retrospective, cross-sectional survey dataset regarding self- reported values, well-being, and health behaviors, 3) implementing a multidomain health recommender system (HRS) for personalizing behavior change actions for occupational health and studying the suitability of the recommendations as part of a pilot randomized controlled trial (RCT), and by, 4) suggesting visual well-being profile summaries for improving the transparency of personalization based on a small concept evaluation study.

As a result, a conceptual user modeling framework, the virtual individual model (VIM), was proposed, which specifies a comprehensive collection of promising user features for serving the personalization of effective DHBCIs, backed by behavioral science. According to the analysis results of the survey dataset, commitment to values is positively associated with happiness. In addition, several value-congruent behaviors were reported, which confirm the motivational role of values in determining behavior as postulated by value theories. Considering values in the personalization of DHBCIs may be relevant, thereby, also the VIM incorporates values. The introduced HRS implemented a subset of the proposed VIM features, i.e., behavior change needs and intentions, and was able to generate multidomain recommendations suitable for a real-life health behavior change intervention. Finally, the investigated well-being profile visualizations were perceived as interesting, easy- to-interpret, and useful by the study participants.

The VIM provides ideas about different personalization aspects and the user features to test when searching for the most important features for effective personalization. The user features implemented in the HRS can be considered as the minimum set of features required for the personalization of multidomain interventions, and the RCT results provide a reference point for studying the impact of additional features. Finally, the preliminary results indicate that the introduced visual well-being profile summaries seem feasible for improving the transparency of DHBCIs.