Arkadaşlar, Kişisel Fitness Takipçilerinden Daha İyi Sağlık Tahmin Edicileridir
Yeni araştırmalar, giyilebilir fitness takipçilerinin kullanımındaki artışın sağlığımız hakkında yanlış varsayımlara yol açtığını gösteriyor. Günümüzde, günün sonunda attığımız adımların sayısına bağlı olarak stresli olup olmadığımızı veya kendimizi daha sağlıklı düşündüğümüzü belirlemek için genellikle kalp atış hızımıza bakıyoruz. Yeni bir Notre Dame araştırması, arkadaş çevrenizin gücüne ve yapısına bakarak daha iyi bir sağlık ve zindelik tespitinin bulunduğunu buldu.
Önceki çalışmalar inançların, fikirlerin ve tutumların sosyal ağlarımıza nasıl yayıldığını gösterirken, Notre Dame Üniversitesi'ndeki araştırmacılar sosyal ağların yapısının sağlık, mutluluk ve stres durumu hakkında söyledikleriyle ilgileniyorlardı.
"Sosyal ağın topolojisiyle ilgileniyorduk - sosyal ağımdaki konumum sağlığım ve refahım hakkında ne öngörüyor?" Disiplinlerarası Ağ Bilimi ve Uygulamaları Merkezi direktörü ve çalışmanın baş yazarı Nitesh V. Chawla dedi.
"Bulduğumuz şey, sosyal ağ yapısının, bir bireyin sağlık durumlarının öngörülebilirliğinde, adım sayısı veya kalp atış hızı gibi giyilebilir cihazlardan elde edilen verileri kullanmaya kıyasla önemli bir gelişme sağlamasıydı."
Çalışma için dergide bulundu PLOS ONEKatılımcılar, adımlar, uyku, kalp atış hızı ve aktivite seviyesi gibi sağlık davranışı verilerini yakalamak için Fitbitler kullandılar. Ayrıca stres, mutluluk ve pozitiflik duyguları hakkında anketler ve öz değerlendirmeler yaptılar.
Chawla ve ekibi daha sonra, makine öğrenimini kullanarak, bir bireyin derece, merkezilik, kümeleme katsayısı ve üçgen sayısı gibi sosyal ağ özelliklerinin yanı sıra verileri analiz etti ve modelledi.
Bu özellikler, sosyal ağ içindeki bağlantı, sosyal denge, karşılıklılık ve yakınlık gibi özelliklerin göstergesidir. Çalışma, sosyal ağ yapıları, kalp atış hızı, adım sayısı ve aktivite seviyesi arasında güçlü bir ilişki olduğunu gösterdi.
Sosyal ağ yapısı, yalnızca Fitbit'ten gelen sağlık davranışı verilerine bakmakla karşılaştırıldığında kişinin sağlığını ve refahını tahmin etmede önemli gelişme sağladı.
Örneğin, sosyal ağ yapısı giyilebilir cihazlardan elde edilen verilerle birleştirildiğinde, makine öğrenimi modeli mutluluğu tahmin etmede yüzde 65, kişinin kendi değerlendirdiği sağlık tahminini tahmin etmede yüzde 54, olumlu tutumu tahmin etmede yüzde 55 iyileşme elde etti ve Başarıyı tahmin etmede yüzde 38 iyileşme.
"Bu çalışma, sosyal ağ bilgisi olmadan, bir bireyin sağlık durumuna ilişkin yalnızca eksik bir görüşe sahip olduğumuzu ve tam olarak öngörücü olabilmek veya müdahaleleri türetebilmek için, sosyal ağın yapısal özelliklerinin farkında olmanın kritik olduğunu ileri sürüyor. "Chawla dedi.
Bulgular, çalışanları sağlıklarını iyileştirmeye teşvik etmek için giyilebilir fitness cihazları arayan işverenlere fikir verebilir. Birine adımlarını takip etmesi ve sağlıklarının iyileşmesi umuduyla sağlıklarını izlemesi için bir araç vermek, anlamlı veya önemli sonuçlar görmek için yeterli olmayabilir.
Chawla, bu işverenlerin, çalışanları deneyimlerini paylaşmaları ve birbirleriyle paylaşmaları için bir platform oluşturmaya teşvik etmekten fayda sağlayacağını söyledi. Sosyal ağ yapısı, sağlık ve esenlik resmini tamamlamaya yardımcı olur.
Chawla, "İşyerinde oluşturduğumuz bu teşviklerin anlamlı olduğuna inanıyorum, ancak etkisini görmediğimize de inanıyorum çünkü onlardan gerektiği gibi yararlanamayabiliriz," dedi Chawla.
"İstihdam yerlerinde giyilebilir cihazların yürüttüğü sağlık ve zindelik programlarının işe yaramadığını duyduğumuzda, şunu sormalıyız, çünkü çalışanlara giyilebilir cihazları verdiğimiz ve onu unuttuğumuz tek boyutlu bir bakış açımızdan mı? sosyal ağların sağlıkta oynadığı rolü anlamak için adım atmadan? "
Kaynak: Notre Dame Üniversitesi
