Экологическая моментальная оценка (ЭМА) представляет собой преобразующий подход к пониманию человеческого поведения, эмоций и опыта путем сбора данных в реальном времени в естественной среде. В отличие от традиционных методов исследования, которые полагаются на ретроспективное воспоминание - часто через недели или месяцы после событий - ЭМА предоставляет исследователям немедленную, контекстуально богатую информацию, которая отражает динамичную природу повседневной жизни. Эта методология становится все более важной в нескольких дисциплинах, от психологии и здравоохранения до науки об окружающей среде и поведенческой экономики, предлагая беспрецедентное понимание временных моделей и ситуационных факторов, которые формируют человеческий опыт.
Что такое экологическая оценка (ЭМА)?
Экологическая моментальная оценка (ЭМА) - это метод измерения, который включает в себя повторный сбор данных в реальном времени о поведении участников и опыте в их естественной среде. Этот метод, также известный как метод выборки опыта (ESM), амбулаторная оценка или захват данных в реальном времени, направлен на минимизацию смещения памяти и захват динамических колебаний в мыслях, чувствах и действиях по мере их развертывания в повседневной жизни.
Фундаментальный принцип, лежащий в основе EMA, заключается в том, что человеческий опыт по своей сути контекстуален и чувствителен ко времени. Психологические явления, такие как настроение, мысли и поведение, всегда встроены в конкретный контекст, и мы можем полностью понять их значение, только если мы также рассмотрим обстоятельства и ситуации, в которых они происходят. Собрав данные в несколько временных точек в течение дня, EMA позволяет исследователям исследовать, как поведение, эмоции и познание различаются в разных ситуациях и временных контекстах.
EMA обычно включает в себя подсказки людям отвечать на краткие опросы или записывать конкретные события в течение дня с помощью электронных устройств или бумажных дневников. Современные реализации преимущественно используют смартфоны, умные часы и другие цифровые устройства, которые участники несут с собой во время их повседневной жизни. Эти устройства доставляют подсказки в заранее заданные или случайные интервалы, прося участников сообщить о своем текущем состоянии, деятельности или опыте в этот конкретный момент.
Эволюция методологии EMA
История EMA отражает более широкую эволюцию технологии и методологии исследований. Первые исследования EMA были проведены в 1970-х и 1980-х годах и использовали дневники из бумаги и карандаша для сбора данных о повседневном опыте и поведении. Эти ранние исследования были ограничены по охвату и не имели технологических достижений, которые с тех пор сделали EMA высокоэффективной методологией исследований.
С появлением пейджеров исследователи смогли проектировать исследования с использованием сигнальных проб «пикающими» участниками в течение дня, сигнализируя им записывать данные в этот момент. Этот метод, популяризированный Чиксентмихайи и его коллегами, стал известен как метод отбора проб опыта. Он был направлен на захват субъективного опыта участников в данный момент. Это нововведение ознаменовало значительный отход от традиционных методов опроса, позволяя исследователям выборочно оценивать опыт по мере его возникновения, а не полагаться исключительно на ретроспективные учетные записи.
Методология EMA возникла с использованием методов бумаги и карандаша, либо с дневником, который возвращается следователю после периода, который может длиться неделю или более, или с одностраничными анкетами, которые ежедневно рассылаются по почте и проверяются почтовым штемпелем. Этот метод также использовался с портативными компьютерными устройствами, такими как персональные цифровые помощники (PDA), которые наиболее легко используются молодыми, технически подкованными взрослыми для относительно коротких периодов сбора данных.
Традиционно участников подсказывали в заранее определенные моменты с помощью программируемых наручных часов или пальмового верха с инструкцией завершить дневник EMA бумагой и карандашом. Хотя этот подход бумаги и карандаша предусматривал небольшие затраты, и участники, как правило, хорошо знали метод, собранные данные могли легко потеряться, а ввод данных был трудоемким и склонным к ошибкам процессом. Критически, письменные дневники не могли предотвратить проблемное явление обратного заполнения, когда участники не смогли завершить сиюминутные опросы EMA в запланированное время, но ретроспективно заполнили свои бумажные дневники о более раннем опыте позже во времени.
Поскольку смартфон стал повсеместным, распространенность исследований EMA быстро растет по сравнению с другими исследовательскими проектами, и метод становится общим инструментом для психологических исследований. Например, рисунок 1 иллюстрирует, что число опубликованных исследований с использованием методологии EMA в последние десятилетия росло экспоненциально в отличие от других методов, таких как клинические и рандомизированные контролируемые испытания.1 Хотя публикации по испытаниям медленно увеличивались за последние 30 лет, исследования EMA увеличивались гораздо быстрее с 2010 года, демонстрируя увеличение более чем на 2000% в последнее десятилетие. Этот резкий рост отражает как технологические достижения, так и растущее признание ценности контекстных данных в реальном времени.
Основные преимущества использования EMA
EMA предлагает множество преимуществ перед традиционными методами оценки, что делает его все более популярным выбором для исследователей в различных областях.Понимание этих преимуществ помогает объяснить, почему эта методология получила такое широкое распространение в последние годы.
Минимизация отзыва
EMA также максимизирует экологическую обоснованность и минимизирует искажение воспоминаний. Традиционные ретроспективные опросы требуют от участников запоминания и сообщения о переживаниях, которые могли произойти за дни, недели или даже месяцы до этого. На запоминаемую информацию влияют реконструктивные процессы, снижающие ее точность. Многие современные методологи утверждают, что сбор информации, сообщенной самим себе, ближе к ее возникновению уменьшит зависимость от памяти и, следовательно, повысит точность.
Память по своей сути неверна и подвержена различным предубеждениям. Люди склонны запоминать эмоционально заметные события более ярко, чем мирские переживания, могут связывать подобные события и часто реконструировать воспоминания на основе их текущего настроения или убеждений. Захватывая переживания по мере их возникновения, EMA обходится без этих искажений, связанных с памятью, обеспечивая более точное представление реальных переживаний участников.
Захват контекстной информации
EMA позволяет собирать опыт и действия, происходящие в естественной среде, когда они разворачиваются с течением времени, позволяя исследователям получать контекстуально информированные, динамические и продольные идеи.Это контекстуальное богатство особенно ценно для понимания того, как факторы окружающей среды, социальные ситуации и временные паттерны влияют на поведение и опыт.
Современные реализации EMA могут интегрировать несколько источников данных для предоставления всеобъемлющей контекстной информации. Телефоны участников могут быть настроены для сбора данных датчиков (например, качество воздуха или температура; Tao et al., 2021), которые затем могут быть связаны с ассоциациями с психологическими реакциями, такими как климатические бедствия. Эта интеграция пассивных данных датчиков с активными самоотчетами создает многомерную картину того, как контекст формирует опыт.
Определение временных моделей и динамики
EMA позволяет проводить более частые выборки (часто несколько раз в день), чтобы можно было проводить анализ временных рядов. Это обеспечивает более глубокое понимание процессов на работе, а не статические снимки с отдаленных временных рамок. Исследования показали, что поведение здоровья, эмоциональный опыт и стратегии борьбы со стрессом значительно колеблются в течение дня и в разных контекстах по мгновениям.
Повторяющаяся конструкция измерения, присущая EMA, позволяет исследователям исследовать как внутриличностную, так и междуличностную изменчивость. И каково соотношение изменчивости внутри индивидов к изменчивости между индивидами? Этот последний вопрос регулярно возникает в контексте многоуровневого моделирования и обычно на него отвечают путем вычисления внутриклассовой корреляции (ICC), которая количественно определяет долю дисперсии из-за стабильных различий между людьми. Понимание этих различных источников изменчивости имеет решающее значение для разработки точных моделей поведения человека и для разработки эффективных вмешательств.
Повышение экологической достоверности
EMA позволяет исследователям собирать данные в режиме реального времени и в естественной среде участника, обеспечивая более точное отражение их поведения и опыта. Это может привести к лучшему пониманию факторов, влияющих на поведение и опыт. В отличие от лабораторных исследований, которые могут производить искусственное или ограниченное поведение, EMA фиксирует, как люди фактически функционируют в своей повседневной жизни.
Этот метод сбора данных гораздо точнее, чем традиционный метод. Предоставляя нам огромное количество информации о контексте, а не полагаясь на печально известные предвзятые ретроспективные самоотчеты, EMA, как было установлено, превосходит методы сбора данных карандашом и бумагой. Эта повышенная точность приводит к более надежным результатам и более эффективным приложениям исследовательских идей.
Персонализированные и подробные данные
EMA позволяет исследователям собирать более частые и подробные данные, которые могут улучшить качество и надежность собранных данных. EMA может быть адаптирована к конкретным потребностям исследовательского вопроса и популяции участников, что делает его очень гибким методом исследования. Эта гибкость позволяет исследователям разрабатывать исследования, которые точно нацелены на их исследовательские вопросы, при этом учитывая уникальные характеристики и ограничения их популяций участников.
Различные применения EMA в исследовательских областях
Использование данных экологической-моментальной оценки (ЭМА) для изучения людей в их повседневной жизни популярно во многих областях социальных и биологических наук. Универсальность ЭМА привела к ее принятию во многих областях исследований, каждая из которых использует уникальные сильные стороны методологии для решения конкретных исследовательских вопросов.
Психическое здоровье и клиническая психология
EMA стала бесценным инструментом в исследованиях психического здоровья, позволяя клиницистам и исследователям отслеживать симптомы, выявлять триггеры и контролировать прогресс лечения в реальных условиях.Обычные приложения включают мониторинг тревоги, депрессии, колебаний настроения и стрессовых реакций, поскольку они происходят в течение дня.
Помимо помощи исследователям в определении ежедневных и внутридневных колебаний и временной динамики между различными процессами, связанными со здоровьем, EMA могут прояснить механизмы, с помощью которых вмешательства уменьшают стресс и улучшают самочувствие. EMA также могут использоваться для выявления изменений, которые предшествуют критическим событиям в области здравоохранения, которые, в свою очередь, могут использоваться для предоставления экологических сиюминутных вмешательств или вмешательств «точно вовремя», чтобы помочь предотвратить такие события.
Выявление конкретных факторов (например, негативного влияния), которые временно предшествуют целям вмешательства (например, самоповреждения) через EMA, может привести к новым вмешательствам, развернутым в тот момент, когда они наиболее необходимы (например, побуждая использовать навыки преодоления) через EMI или JITAI. Эта способность выявлять временные модели и своевременно проводить вмешательства представляет собой значительный прогресс в лечении психического здоровья.
Поведение в области здравоохранения и управление хроническими заболеваниями
Ожирение является сложной проблемой здоровья, на которую влияют различные факторы, в том числе поведенческие модели, которые можно более глубоко оценить в режиме реального времени с помощью Экологической мгновенной оценки (ЭМА), которая может захватить момент, в котором человек испытывает ситуацию или эмоцию, которая может вызвать пищевое поведение. Основной целью было проанализировать, как ЭМА способствует пониманию временной динамики пищевого поведения, физической активности и психологических факторов, связанных с избыточным весом и ожирением. Ключевые результаты показывают, что ЭМА обеспечивает тонкое понимание контекстов в реальном времени, влияющих на поведение, способствующее избыточному весу и ожирению.
Помимо исследований ожирения, EMA широко используется для изучения диетических привычек, моделей физической активности, приверженности лекарствам и употребления психоактивных веществ. Способность методологии фиксировать поведение в контексте делает его особенно ценным для понимания ситуационных факторов, которые влияют на решения и действия, связанные со здоровьем.
Использование веществ и исследование зависимости
EMA оказалась особенно ценной в исследованиях зависимости, где понимание непосредственных предшествований и контекстов употребления психоактивных веществ имеет решающее значение для разработки эффективных вмешательств. Исследователи могут отслеживать тягу, выявлять ситуации высокого риска и изучать эффективность стратегий преодоления в режиме реального времени.
Методология позволяет детально изучить временные отношения между триггерами, тягой и поведением при употреблении психоактивных веществ. Это детальное понимание процессов зависимости может информировать о разработке своевременных адаптивных вмешательств, которые обеспечивают поддержку именно тогда, когда люди наиболее уязвимы к рецидиву.
Экологические и климатические исследования
Экологическая моментальная оценка (ЭМА) является широко используемой методологией в психологических науках; однако, в более широком смысле, ученые-экологи еще не полностью извлекли выгоду из преимуществ, которые этот метод предлагает для получения критического понимания субъективных и поведенческих реакций на факторы окружающей среды.
В другой недавней работе был успешно использован опыт выборки для изучения того, как повышение температуры связано с изменениями настроения. Это приложение демонстрирует, как EMA может преодолеть разрыв между условиями окружающей среды и психологическими реакциями человека, обеспечивая ценную информацию для понимания воздействия изменения климата на психическое здоровье и благополучие.
Рабочее место и организационные исследования
EMA нашла применение в организационной психологии и исследованиях на рабочем месте, где она может быть использована для изучения благополучия сотрудников, производительности, стресса, баланса между работой и личной жизнью и межличностной динамики. Методология позволяет исследователям изучить, как факторы на рабочем месте влияют на опыт сотрудников в течение рабочего дня, предоставляя идеи, которые могут информировать организационные вмешательства и политику.
С помощью сбора данных во время фактической трудовой деятельности, а не на основе воспоминаний о конце дня или конце недели, EMA обеспечивает более точную картину опыта работы и их колебаний в различных задачах, времени и контекстах.
Социальные отношения и межличностные процессы
Методы ЭМА должны улучшить измерение многих общих результатов психофармакологических исследований, таких как настроение и беспокойство. Они также позволяют изучать социальное взаимодействие человека таким образом, который невозможен с текущей методологией. Исследователи могут изучить, как социальные взаимодействия разворачиваются в повседневной жизни, как качество отношений колеблется в разных контекстах и как социальная поддержка работает в реальных ситуациях.
Внедрение EMA в исследования: практические соображения
Успешное проведение исследования EMA требует тщательного планирования и внимания к нескольким факторам проектирования.Исследователи должны принимать обоснованные решения о стратегиях отбора проб, содержании оценки, технологических платформах и поддержке участников для обеспечения высококачественного сбора данных.
Выбор подходящих стратегий отбора проб
В зависимости от интересующего процесса его лучше всего оценивать с помощью многократных оценок в день EMA, ежедневного EMA, ежедневных дневниковых исследований или конструкций всплесков измерения, которые сочетают EMA с более длительными периодами наблюдения. Выбор стратегии отбора образцов должен соответствовать временной динамике исследуемых явлений.
Метод выборки на основе времени в рамках Экологической моментальной оценки (ЭМА) или Метод выборки опыта (ESM) включает в себя сбор данных от участников в определенное время в течение дня, в отличие от выборки на основе событий, которая собирает данные, когда происходит конкретное событие.
Выборка на основе времени может следовать фиксированным графикам, где участники получают подсказки в заранее определенное время или случайные графики, где подсказки происходят через непредсказуемые интервалы в течение определенных временных окон.Проводимая на основе событий выборка, напротив, просит участников инициировать отчеты, когда происходят конкретные события или переживания, такие как социальные взаимодействия, стрессовые ситуации или эпизоды симптомов.
Разработка эффективных оценок
Целью этого исследования было использование факториального дизайна для определения оптимальных факторов дизайна исследования или комбинаций факторов для достижения самых высоких показателей завершения для EMA на основе смартфонов. Исследования по дизайну EMA выявили несколько факторов, которые влияют на соответствие участников и качество данных.
Полезно сбалансировать важность ряда переменных, длину задаваемых вопросов и частоту задаваемых оценок, которые могут способствовать бременю ответа. Если оценки слишком длинные или частые, респонденты могут со временем стать менее сговорчивыми и даже вообще перестать отвечать. Исследователи должны тщательно сбалансировать стремление к всеобъемлющим данным с необходимостью минимизировать бремя участников.
Эти результаты могут указывать на то, что различия между каждым уровнем этих факторов проектирования (например, 15 против 25 вопросов) были недостаточно велики, чтобы привести к значительным дифференцированным показателям завершения вызванных EMA на основе размера выборки исследования.Большие различия в таких факторах, как количество EMA в течение дня или количество вопросов на EMA, могут привести к большей дифференциации в соответствии с EMA.
Выбор технологических платформ
Распространение исследований EMA привело к разработке многочисленных программных платформ и приложений, предназначенных для облегчения сбора данных. Поскольку мониторинг в реальном времени и вмешательство в повседневную жизнь людей имеют беспрецедентные преимущества по сравнению с традиционными методами сбора данных (например, ретроспективные исследования или лабораторные эксперименты), EMA и EMI стали популярными в последние годы. Хотя всплеск использования этих методов привел к множеству приложений EMA и EMI, многие существующие платформы сосредоточены только на одном аспекте сбора данных в повседневной жизни (например, оценка против вмешательства, активный самоотчет против пассивного мобильного зондирования, исследования, посвященные клинически ориентированным инструментам).
При выборе платформы EMA исследователям следует учитывать такие факторы, как простота использования, возможности настройки, безопасность данных, совместимость с различными устройствами и операционными системами, стоимость, техническая поддержка и возможность интеграции данных пассивного зондирования.Популярные платформы предлагают различные функции, от базовой доставки опросов до сложных адаптивных алгоритмов и визуализации данных в реальном времени.
Обучение и поддержка участников
Для успешной реализации EMA необходимо соответствующее обучение участников. РА сначала предоставила устный обзор приложения, а затем продемонстрировала, как получить доступ к приложению и заполнить вопросы на смартфоне. На третьем этапе РА наблюдала, как участник продемонстрировал свою способность самостоятельно обращаться к приложению в ответ на тревогу и заполнять каждый набор вопросов. На четвертом этапе РА предоставила дополнительную инструкцию по мере необходимости, а также большие раздаточные материалы о протоколе для ссылки в период сбора данных.
Приложение movisensXS обеспечивает мониторинг сбора данных в режиме реального времени через веб-интерфейс, что облегчает определение того, испытывают ли участники трудности с соблюдением протокола сбора данных. Мониторинг в режиме реального времени позволяет исследователям быстро выявлять и решать проблемы соблюдения, потенциально предотвращая отсев участников и улучшая качество данных.
Этические соображения и конфиденциальность данных
Исследования EMA поднимают важные этические соображения, особенно в отношении конфиденциальности участников, информированного согласия и безопасности данных.Исследователи должны убедиться, что участники полностью понимают, какие данные будут собраны, как они будут использоваться, кто будет иметь к ним доступ и как будет защищена их конфиденциальность.
Пассивный сбор персональных данных поднимает важные этические вопросы, в частности, касающиеся конфиденциальности и автономии. Исследователи должны тщательно уравновесить ценность данных с потенциалом для вторжения в частную жизнь людей. Обеспечение информированного согласия и поддержание прозрачности с участниками о том, какие данные собираются, как они используются и кто имеет к ним доступ, имеет первостепенное значение в практике этических исследований.
Безопасность данных особенно важна, учитывая чувствительный характер большого количества данных EMA и потенциал пассивных датчиков для сбора информации за пределами того, что участники явно сообщают.Исследователи должны внедрить надежное шифрование данных, безопасные системы хранения и четкие политики хранения и удаления данных.
Интеграция пассивных сенсоров с активной EMA
Одним из наиболее интересных достижений в методологии ЭМА является интеграция технологий пассивного зондирования с традиционными активными оценками самоотчетов. Эта комбинация создает всеобъемлющую экосистему данных, которая фиксирует как субъективный опыт, так и объективные поведенческие и экологические показатели.
Типы пассивных данных
Местоположение, активность и жизненные показатели относятся к числу наиболее часто собираемых типов данных, за которыми следуют акселерометр и использование телефона.Современные смартфоны и носимые устройства содержат многочисленные датчики, способные пассивно собирать данные без необходимости активного ввода участника.
Пассивные данные охватывают широкий спектр информации, включая, но не ограничиваясь этим, отслеживание местоположения, шаблоны использования приложений, журналы связи и уровни физической активности, обнаруженные с помощью датчиков в смартфонах и носимых устройствах. Такие данные могут выявить сложные модели повседневной жизни, социальных взаимодействий, мобильности и поведения, связанного со здоровьем.
Активный сбор данных включает в себя EMA или другие вмешательства, которые требуют внимания и участия участников, в то время как пассивный сбор данных происходит без необходимости действий со стороны участника. Это различие важно, поскольку пассивные данные могут обеспечивать непрерывный мониторинг без наложения дополнительной нагрузки на участников.
Преимущества пассивной сенсорной интеграции
Bluetooth и WiFi позволяют нам собирать данные из различных источников в среде участника или из его физического тела, комбинировать их с собственным восприятием их опыта, а затем доставлять весь пакет данных исследователям в любом месте. Эта широко доступная технология имеет возможность революционизировать то, как психологи, терапевты, врачи и исследователи поведенческого здоровья понимают людей. Быстрое развитие носимых и домашних датчиков теперь позволяет более легко создавать интегрированные решения для мониторинга здоровья и делать своевременные вмешательства более доступными.
Пассивное зондирование дает ряд преимуществ. Оно снижает нагрузку на участников, устраняя необходимость в постоянном активном сообщении, обеспечивает объективные меры, которые дополняют субъективные самоотчеты, позволяет осуществлять постоянный мониторинг, а не дискретные точки отбора проб, и может фиксировать поведение или контексты, которые участники могут сознательно не замечать или не точно сообщать.
Проблемы пассивного сбора данных
В ряде исследований сообщалось о проблемах с соблюдением участниками требований в отношении активного сбора данных, в то время как пассивный сбор данных сталкивался с проблемами согласованности данных и авторизации. Технические проблемы включают разрядку аккумуляторов, несогласованную доступность датчиков на разных устройствах, проблемы синхронизации данных и необходимость постоянного авторизации участников.
Обеспечение непрерывного и надежного пассивного сбора данных остается проблемой в исследованиях мобильного зондирования, особенно из-за таких проблем, как потеря данных, непоследовательная синхронизация и потребление батареи. Такие стратегии, как использование собственных магазинов здоровья мобильных ОС (например, Apple Health и Android Health Connect), неоднократно использовались для повышения доступности и надежности данных.
Проблемы и ограничения EMA
Несмотря на многочисленные преимущества, методология EMA сталкивается с рядом проблем, которые исследователи должны тщательно рассмотреть и решить при разработке и внедрении исследований.
Обязательство участника и соблюдение
Хотя EMA позволяет исследователям получить ценную информацию о динамических поведенческих процессах, необходимость частой самоотчетности может быть обременительной и разрушительной. В то время как EMA позволяет исследователям получить ценную информацию о динамических поведенческих процессах, потребность в частой самоотчетности может быть обременительной и разрушительной.
Соблюдение протоколов EMA важно для точной, беспристрастной выборки; однако для разработки исследования EMA не существует «золотого стандарта» для содействия соблюдению.Поддержание высоких показателей соответствия в течение длительных периодов сбора данных требует тщательного внимания к дизайну исследования, мотивации участников и постоянной поддержки.
Факторы, которые могут повлиять на соответствие, включают частоту оценки, продолжительность опроса, своевременное время, мотивацию участников, технические трудности и общую продолжительность исследования.Исследователи должны сбалансировать желание получить исчерпывающие данные с реалистичными ожиданиями относительно способности участников и готовности взаимодействовать с протоколом с течением времени.
Эффекты реактивности и оценки
Методология EMA эффективно обеспечивает детальный взгляд на изменения в конструкциях с течением времени; однако важно учитывать, может ли сама частая оценка потенциально влиять на конструкцию интереса. Например, возможно, что некоторые изменения эмоций в течение дня могут быть вызваны самими частыми оценками.
Акт многократного мониторинга и отчетности об опыте может потенциально изменить этот опыт. Участники могут стать более самосознающими, изменить свое поведение в ответ на оценку или испытать усталость от оценки. Хотя некоторая реактивность может быть неизбежной, исследователи должны учитывать эти потенциальные эффекты при интерпретации результатов и разработке вмешательств.
Сложность данных и проблемы анализа
В то же время наборы данных EMA сложны, психометрические свойства элементов EMA часто не исследуются систематически, и масштабы часто не стандартизированы и не подтверждены за пределами их действительности лица.Интенсивная, повторяющаяся природа измерений EMA генерирует большие, сложные наборы данных с иерархической структурой (наблюдения, вложенные в течение нескольких дней, вложенные в отдельных лиц), которые требуют сложных аналитических подходов.
Байесовская статистика может помочь исследователям EMA (а) включить предварительные знания и убеждения в анализы, (б) подогнать модели с большим разнообразием распределения результатов, которые отражают вероятные процессы генерации данных, (в) количественно оценить неопределенность оценок размера эффекта и (d) количественно обосновать или опровергнуть информативную гипотезу.
Технические и инфраструктурные требования
Внедрение исследований EMA требует существенной технической инфраструктуры, включая надежные программные платформы, безопасные системы хранения данных, возможности мониторинга в реальном времени и техническую поддержку участников, испытывающих трудности. Эти требования могут создать барьеры для исследователей с ограниченными ресурсами или техническим опытом.
Кроме того, обеспечение совместимости различных устройств и операционных систем, управление обновлениями программного обеспечения и устранение технических сбоев требуют постоянного внимания и ресурсов в течение всего периода сбора данных.
Обобщенность и репрезентативность выборки
Исследования EMA обычно требуют от участников доступа к смартфонам или другим цифровым устройствам и достаточной технологической грамотности для их эффективного использования. Это требование может ограничить репрезентативность и обобщаемость выборки, особенно для исследований с участием пожилых людей, лиц с более низким социально-экономическим статусом или групп населения с ограниченным доступом к технологиям.
Осуществимости подходов к экологической моментальной оценке на основе смартфонов (ЭМА) для сбора психосоциальных данных из пожилых групп населения, особенно неблагополучных пожилых групп населения, известно мало. В ответ на этот пробел в настоящем докладе приводятся доказательства осуществимости и полезности подхода EMA на основе смартфонов для оценки в режиме реального времени с пожилыми афроамериканцами. Однако при надлежащем обучении и поддержке EMA может быть успешно реализована в различных группах населения.
Стратегии оптимизации внедрения EMA
Исследователи разработали различные стратегии для решения проблем EMA и оптимизации качества сбора данных и вовлечения участников.
Снижение нагрузки на участников за счет инноваций
MicroEMA и разблокировка журналирования могут упростить процесс ответа и сократить время оценки, в то время как подходы ML могут оптимизировать время EMA, чтобы минимизировать сбои, выбирать наиболее релевантные вопросы, автозаполнять ответы на основе контекстных данных и определять, когда активный сбор данных может быть опущен без ущерба для точности модели.
Kunchay et al. исследовали использование microEMA, где на смарт-часы можно было бы ответить на один вопрос EMA. Эти краткие, сфокусированные оценки могут захватывать ключевую информацию, минимизируя нарушения повседневной деятельности участников.
Использование машинного обучения и искусственного интеллекта
Методы ML могут снизить нагрузку участников на активный сбор данных за счет оптимизации быстрого времени, автоматического заполнения ответов и минимизации частоты запросов. Неконтролируемое обучение может уменьшить или устранить необходимость активного сбора данных. Эти исследования показывают, что ML предлагает многообещающий путь для снижения нагрузки участников на активные данные.
Торкамаан и Зиглер также разработали адаптивные сроки ЭМА для снижения нагрузки на участников и повышения удобства использования. Адаптивные подходы, которые персонализируют сроки оценки и содержание на основе отдельных моделей и контекстов, представляют собой важный рубеж в методологии ЭМА.
Повышение вовлеченности и мотивации участников
Три из 77 статей предоставили участникам пользовательский интерфейс, который отображал скорости сбора данных, помогая мотивировать пользователей предоставлять дополнительные данные. Предоставление участникам обратной связи об их прогрессе, визуализации их данных или информации, полученной из их ответов, может повысить вовлеченность и мотивацию.
EMA может быть более привлекательным для участников, чем традиционные методы исследования, поскольку это позволяет им быть более вовлеченными в процесс исследования и обеспечивает немедленную обратную связь о своем поведении и опыте. Это повышенное взаимодействие может привести к лучшему соблюдению и более качественным данным.
Пилотные испытания и итеративная уточнение
Подходы EMA к пожилым людям могут быть сложными и успешными в сборе данных в режиме реального времени в течение нескольких дней. Определенные методы проектирования и внедрения могут помочь в качестве сбора данных и соблюдении протокола. Тестирование, обучение, мониторинг и адаптация протокола EMA с использованием ввода от пожилых людей, мы, скорее всего, улучшили соблюдение.
Проведение тщательного пилотного тестирования позволяет исследователям выявлять и решать потенциальные проблемы до полномасштабной реализации. Сбор обратной связи участников и итеративное уточнение протокола на основе этой обратной связи могут значительно улучшить осуществимость и успех исследований EMA.
От оценки к вмешательству: экологические вмешательства
Та же технологическая инфраструктура, которая позволяет EMA, может быть использована для проведения вмешательств в режиме реального времени, создавая экологические мгновенные вмешательства (EMI) и адаптивные вмешательства в режиме «точно в срок» (JITAI).
Экологические сиюминутные вмешательства (EMI) и, соответственно, адаптивные вмешательства «точно в срок» (JITAI), капитализируются на EMA, носимых устройствах и пассивных датчиках на основе мобильных устройств для обеспечения персонализированной поддержки на месте путем обнаружения и адаптации к индивидуальным внутренним и контекстуальным состояниям. Экологические сиюминутные вмешательства (EMI) и, соответственно, адаптивные вмешательства «точно в срок» (JITAI), капитализируют EMA, носимые устройства и пассивные датчики на основе мобильных устройств для обеспечения персонализированной поддержки на месте путем обнаружения и адаптации к индивидуальным внутренним и контекстуальным состояниям.
Эти подходы к вмешательству используют данные EMA для выявления моментов уязвимости или возможности и предоставления индивидуальной поддержки именно тогда, когда это наиболее необходимо. Например, EMI может обнаруживать шаблоны, указывающие на повышенный стресс или тягу, и автоматически предоставлять стратегии преодоления, упражнения осознанности или поддерживающие сообщения.
Мобильные устройства, доставляемые EMA и EMI или JITAI, могут помочь расширить доступ к оценкам психического здоровья и вмешательствам в масштабе, соответственно. Мобильные устройства, доставляемые EMA и EMI или JITAI могут помочь увеличить доступ к оценкам психического здоровья и вмешательствам в масштабе, соответственно. Эта масштабируемость делает эти подходы особенно перспективными для решения проблем общественного здравоохранения и расширения доступа к доказательным вмешательствам.
Будущие направления и новые тенденции
Область EMA продолжает быстро развиваться, движимая технологическими достижениями, методологическими инновациями и расширением приложений в различных областях.
Передовые носимые технологии
В-третьих, исследователи должны провести мозговой штурм других дополнительных методологий, чтобы включить в свои исследования EMA, такие как носимые технологии, общие конструкции стрессоров, геолокация, интеллектуальное использование текстовых сообщений и подходы к мультиомике. Интеграция все более сложных носимых устройств обещает расширить спектр физиологических и поведенческих данных, которые могут пассивно собираться вместе с традиционными самоотчетами.
Новые носимые устройства могут контролировать вариабельность сердечного ритма, режим сна, физическую активность, проводимость кожи и даже биохимические маркеры, обеспечивая богатый физиологический контекст для понимания психологического опыта и поведения.По мере того, как эти устройства становятся более точными, доступными и удобными для пользователя, их интеграция с протоколами EMA, вероятно, станет стандартной практикой.
Искусственный интеллект и прогнозное моделирование
Общая парадигма в этой области включает в себя обучение моделей МО, которые используют пассивно собранные потоки данных для прогнозирования результатов в отношении здоровья, которые измеряются с помощью активных методов сбора данных. Подходы машинного обучения могут идентифицировать сложные закономерности в данных EMA, которые могут быть не очевидны с помощью традиционных статистических методов, что позволяет более точно прогнозировать результаты и более точно ориентировать вмешательства.
Кроме того, интеграция объяснимого ИИ в механизмы обратной связи EMA требует дальнейшего изучения, особенно в содействии адаптивным вмешательствам, усиливающим приверженность. Создание основанных на ИИ идей, интерпретируемых и действенных как для исследователей, так и для участников, представляет собой важный рубеж для области.
Расширение до новых групп населения и контекстов
По мере того, как методологии EMA созревают и становятся более доступными, исследователи все чаще применяют их к различным популяциям и контекстам, ранее недопредставленным в этом исследовании. Это расширение включает пожилых людей, детей, людей с когнитивными нарушениями и популяции в условиях с низкими ресурсами.
Мы предполагаем, что это важно, потому что подходы EMA к сбору данных в геронтологии могут помочь заполнить пробелы в более комплексных биопсихосоциальных исследованиях старения. В частности, к процессам повседневной жизни, включая деятельность и эмоциональные реакции, а также временные и пространственные измерения повседневной жизни для пожилых людей, можно получить доступ с использованием протоколов EMA. Это первые дни в разработке таких подходов на сетевых устройствах, но наш опыт показывает, что исследования EMA на основе смартфонов заслуживают внимания в социальной и медицинской геронтологии.
Интеграция с цифровыми экосистемами здравоохранения
EMA все больше интегрируется в более широкие цифровые экосистемы здравоохранения, которые сочетают в себе оценку, вмешательство, клиническую помощь и данные системы здравоохранения. Эта интеграция позволяет более всестороннее понимание здоровья и поведения, облегчая перевод исследовательских идей в клиническую практику.
RWD, полученный из реестров, EHR или страховых требований, уже использовался в заявках на получение разрешения на маркетинг (MAA), для поддержки оценки регулирующих органов или для целей постмаркетингового наблюдения. Другие RWD, полученные из социальных сетей или mHealth, хотя и многообещающие, еще не используются в полной мере для принятия решений регулирующими органами. По мере развития нормативных рамок для учета реальных данных мобильных технологий здравоохранения, EMA может играть все более важную роль в разработке лекарств и принятии решений регулирующими органами.
Методологические достижения и стандартизация
Здесь мы представляем различные описательные статистические данные и методы визуализации данных для повышения понимания производительности элементов EMA. Мы предоставляем R-код, подходящий для стандартных форматов данных EMA, чтобы исследователи могли принять наши визуализации и анализы для своих данных. Разработка стандартизированных инструментов, передовой практики и аналитических подходов поможет обеспечить строгость и облегчить сравнение между исследованиями.
Усилия по разработке руководящих принципов для разработки исследований EMA, стандартов отчетности и психометрической оценки мер EMA укрепят научную основу этой методологии и укрепят доверие и влияние исследований EMA.
Практические ресурсы и инструменты для исследований EMA
Исследователи, заинтересованные в проведении исследований EMA, имеют доступ к растущему спектру ресурсов, платформ и инструментов, предназначенных для облегчения различных аспектов исследовательского процесса.
Программные платформы EMA
Для реализации исследований EMA доступны многочисленные коммерческие и открытые платформы, каждая из которых имеет различные функции, возможности и структуру затрат.Популярные варианты включают специализированные исследовательские платформы, инструменты опроса общего назначения с возможностями EMA и пользовательские приложения.
При оценке платформ исследователи должны учитывать такие факторы, как простота использования как для исследователей, так и для участников, гибкость настройки, безопасность данных и защита конфиденциальности, доступность технической поддержки, стоимость, совместимость с различными устройствами и операционными системами и возможность интеграции данных пассивного зондирования.
Аналитические инструменты и ресурсы
Анализ данных EMA требует специализированных статистических подходов и программных средств.Исследователи обычно используют статистические пакеты, такие как R, Python, SPSS и SAS, а также специализированные пакеты для многоуровневого моделирования, анализа временных рядов и динамического моделирования.
Репозитории открытого кода, учебные пособия и примеры наборов данных становятся все более доступными, чтобы помочь исследователям изучить соответствующие аналитические методы и реализовать их в своей собственной работе. Эти ресурсы снижают барьеры для входа и способствуют методологической строгости по всей области.
Учебные и образовательные ресурсы
По мере роста популярности методологии EMA расширялись образовательные ресурсы, включая семинары, онлайн-курсы, учебники и журнальные статьи, содержащие рекомендации по проектированию, внедрению и анализу исследований.Профессиональные организации и исследовательские сети, ориентированные на EMA, предоставляют возможности для обучения, сотрудничества и обмена знаниями.
Исследователи, новички в EMA, должны искать эти образовательные ресурсы, консультироваться с опытными исследователями EMA и проводить тщательное пилотное тестирование перед запуском полномасштабных исследований.
Лучшие практики для исследований EMA
На основе накопленного опыта и эмпирических исследований по методологии EMA, было разработано несколько лучших практик, которые помогут исследователям в разработке и реализации высококачественных исследований EMA.
Лучшие практики фазы проектирования
- Четко очертить вопросы исследования: Убедитесь, что EMA является подходящей методологией для решения ваших конкретных исследовательских вопросов и что временное разрешение соответствует динамике исследуемых явлений.
- Минимизация нагрузки на участников: Сохраняйте краткость оценок, используйте ясный и простой язык и тщательно продумайте частоту оценок, чтобы сбалансировать качество данных с возможностями участников.
- Тщательное тестирование пилота: Проведите обширное пилотное тестирование с членами вашей целевой группы, чтобы определить и решить потенциальные проблемы до полного внедрения.
- План технической поддержки: Создание систем мониторинга соблюдения в режиме реального времени и оперативного оказания технической помощи участникам, испытывающим трудности.
- Рассмотрим контекст: Оценки дизайна, которые собирают соответствующую контекстную информацию, чтобы обеспечить богатую интерпретацию результатов.
Фаза внедрения передовой практики
- Обеспечить комплексное обучение: Обеспечить участникам полное понимание протокола, технологии и их роли в исследовании с помощью практического обучения и четких письменных материалов.
- Активно контролировать соблюдение: Используйте мониторинг в режиме реального времени для раннего выявления проблем соблюдения и оперативного вмешательства для поддержки участников.
- Поддерживайте связь: Создайте четкие каналы для участников, чтобы задавать вопросы, сообщать о проблемах и получать поддержку на протяжении всего исследования.
- Защита конфиденциальности и безопасности: Внедрение надежных мер безопасности данных и обеспечение прозрачности с участниками в отношении методов сбора и защиты данных.
- Документы подробно: Ведение подробных записей о процедурах исследования, технических проблемах, модификациях протоколов и обратной связи с участниками для информирования о интерпретации и будущих исследованиях.
Анализ и отчетность передовой практики
- Используйте соответствующие статистические методы: Используйте аналитические методы, которые учитывают вложенную структуру данных EMA и временные зависимости между наблюдениями.
- Проверить качество данных: Тщательно оценить закономерности соответствия, недостающие данные и потенциальные эффекты реактивности перед проведением первичного анализа.
- Сообщите прозрачно: Предоставить подробную информацию о дизайне исследования, стратегии отбора проб, показателях соответствия, качестве данных и аналитических подходах, позволяющих оценивать и тиражировать.
- Рассмотрим несколько перспектив: Изучите как эффекты между людьми, так и внутри них, чтобы полностью использовать богатство данных EMA.
- Интерпретируйте осторожно: Рассмотрим потенциальные ограничения, такие как реактивность, предвзятость выбора и обобщенность при интерпретации результатов.
Вывод: будущее сбора данных в реальном времени
Экологическая оценка состояния здоровья коренным образом изменила то, как исследователи изучают поведение человека, опыт и здоровье в реальных условиях. Получая данные по мере развития опыта в естественных средах, EMA обеспечивает беспрецедентное понимание динамической, контекстуальной природы психологических и поведенческих процессов.
Быстрый рост методологии за последнее десятилетие отражает как технологические достижения, которые сделали внедрение все более осуществимым, так и растущее признание ограничений традиционных методов ретроспективной оценки.По мере распространения смартфонов и носимых технологий барьеры для реализации сложных исследований EMA существенно сократились.
В будущем, вероятно, будут формироваться несколько тенденций, которые будут определять будущее исследований EMA. Интеграция технологий пассивного зондирования будет продолжать расширяться, обеспечивая все более богатые контекстные данные с минимальным бременем участников. Машинное обучение и искусственный интеллект позволят более сложно анализировать сложные наборы данных EMA и облегчат разработку адаптивных, персонализированных вмешательств, предоставляемых в режиме реального времени. Методологические достижения будут решать текущие ограничения и устанавливать лучшие практики, которые повышают строгость и воспроизводимость.
Переход от оценки к вмешательству — от EMA к EMI и JITAI — представляет собой особенно захватывающий рубеж. Используя ту же технологическую инфраструктуру, используемую для сбора данных, для обеспечения своевременной, персонализированной поддержки, исследователи и клиницисты могут преобразовывать идеи о временных моделях и контекстуальных влияниях в практические вмешательства, которые достигают людей именно тогда, когда они наиболее необходимы.
Однако для реализации полного потенциала EMA требуется тщательное внимание к методологической строгости, этическим соображениям и проблемам практической реализации.Исследователи должны сбалансировать стремление к всеобъемлющим данным с реалистичными ограничениями на нагрузку участников, обеспечить надежную защиту конфиденциальности и безопасности данных и использовать соответствующие аналитические методы, которые учитывают сложную структуру данных EMA.
По мере того, как область продолжает развиваться, стандартизация методов, разработка проверенных мер и установление передовой практики укрепят научную основу исследований EMA. Расширение применения к различным группам населения и контекстам повысит обобщенность и влияние результатов. Интеграция с более широкими цифровыми экосистемами здравоохранения будет способствовать переводу исследовательских идей в клиническую практику и вмешательства в области общественного здравоохранения.
Для исследователей, рассматривающих EMA для своих исследований, методология предлагает мощные возможности для понимания временной динамики и контекстуальных влияний, которые формируют человеческий опыт и поведение.При тщательном планировании, соответствующих ресурсах и внимании к передовой практике EMA может обеспечить понимание, которое было бы невозможно получить с помощью традиционных методов, в конечном итоге продвигая научное понимание и улучшая здоровье и благополучие.
Будущее поведенческих и медицинских исследований все больше заключается в понимании людей, когда они ориентируются в своей повседневной жизни - захват богатства, сложности и изменчивости реального опыта. Экологическая моментальная оценка предоставляет методологические инструменты, чтобы сделать это видение реальностью, предлагая окно в динамические процессы, которые разворачиваются момент за моментом в естественной среде. По мере того, как технологии продолжают развиваться и методологии продолжают развиваться, EMA, несомненно, будет играть все более центральную роль в усилиях по пониманию и улучшению состояния человека.
Дополнительные ресурсы и дальнейшее чтение
Для исследователей, заинтересованных в получении дополнительной информации о методологии и реализации EMA, доступны многочисленные ресурсы. Профессиональные организации, такие как Общество амбулаторной оценки, предоставляют форумы для обмена знаниями и сотрудничества. Академические журналы, включая Психологические методы, Журнал медицинских интернет-исследованийи JMIR mHealth и uHealth Регулярно публикует научно-методические работы EMA.
Онлайн-платформы и сообщества предлагают возможности для общения с другими исследователями EMA, обмена опытом и доступа к инструментам и ресурсам.Многие университеты и исследовательские учреждения предлагают семинары и учебные программы по методологии EMA, анализу данных и внедрению.
Для тех, кто стремится оставаться в курсе событий в этой области, следуя недавним публикациям в ведущих журналах, посещая соответствующие конференции и взаимодействуя с онлайн-сообществами, можно получить ценную информацию о новых тенденциях, инновационных приложениях и методологических достижениях. Область EMA является динамичной и быстро развивающейся, что делает постоянное обучение и взаимодействие необходимыми для исследователей, стремящихся эффективно использовать эту мощную методологию.
Внешние ресурсы для дальнейшего изучения включают: Журнал медицинских интернет-исследований, который публикует обширные исследования в области мобильного здоровья и методологий EMA, Американская психологическая ассоциация для психологических исследований, PubMed Central база данных для доступа к рецензируемым научным статьям и Границы в психологии Эти ресурсы предоставляют исчерпывающую информацию для исследователей на всех уровнях опыта работы с методологией ЭМА.