Maryam Abo-Tabik

1 Departamentul de Calcul și Matematică, Facultatea de Științe și Inginerie, Manchester Metropolitan University, Manchester M15 6BH, Marea Britanie; [email protected] (N.C.); [email protected] (J.D.)

încetare

Nicholas Costen

1 Departamentul de Calcul și Matematică, Facultatea de Științe și Inginerie, Manchester Metropolitan University, Manchester M15 6BH, Marea Britanie; [email protected] (N.C.); [email protected] (J.D.)

John Darby

1 Departamentul de Calcul și Matematică, Facultatea de Științe și Inginerie, Manchester Metropolitan University, Manchester M15 6BH, Marea Britanie; [email protected] (N.C.); [email protected] (J.D.)

Yael Benn

2 Departamentul de Psihologie, Manchester Metropolitan University, Manchester M15 6GX, Marea Britanie; [email protected]

Abstract

1. Introducere

Fumatul este considerat una dintre principalele cauze de decese la nivel internațional. Potrivit unui raport recent al NHS [1], fumatul a cauzat decesul a aproximativ 7900 de persoane doar în Anglia în 2016. Raportul mai precizează că fumatul nu este doar dăunător fumătorilor, ci multe boli pot fi cauzate de expunerea la fumatul pasiv, afectează în special copiii care sunt deosebit de vulnerabili la efectele fumatului pasiv. Acest lucru face ca reducerea fumatului să fie o prioritate semnificativă pentru sănătatea publică. Pentru a sprijini intervenția eficientă și în timp util pentru cei care doresc să renunțe la fumat, este important să puteți modela comportamentul fumătorului și, pentru a face acest lucru, trebuie să vizeze ambii factori de stres endogeni (de exemplu, efectul nicotinei, pofta etc.) ).) și factori de stres exogeni (de exemplu, calendarul, locația, tipul de activitate etc.) care declanșează evenimentele de fumat [2].

Odată cu progresele tehnologice, au apărut noi posibilități pentru crearea unor programe de încetare eficiente, în special prin utilizarea aplicațiilor mobile. Această nouă tehnologie are multe avantaje față de terapiile tradiționale; poate ajunge la oameni oriunde s-ar afla; îmbunătățiți-le experiența prin deschiderea de noi canale între terapeut și fumător; în cele din urmă, oferă posibilitatea de a accesa baze de date care pot oferi feedback individual cu privire la starea actuală a fumătorilor [3]. Au fost utilizate mai multe metode pentru a furniza intervenții folosind aplicații mobile, De exemplu, mesaje text fie la intervale regulate sau aleatorii, fie prin făcând utilizatorul să inițieze accesul la intervenție raportând indicatori care pot cauza o potențială scădere [4,5,6].

Investigațiile care utilizează auto-raportarea ca metodă au indicat faptul că predictorii raportați pot oferi un grad ridicat de posibilități pentru prezicerea potențialelor deficiențe [4,5]. Schick și colab. [6] a îmbunătățit această metodă prin utilizarea modelelor ascunse Markov pentru a seta modele pentru momentul și locurile în care persoanele sunt cele mai susceptibile de a fuma, și apoi utiliza aceste modele pentru o mai bună livrare a mesajelor de asistență. Această lucrare nu a raportat niciun rezultat analitic care este legat de modelele ascunse Markov, ci mai degrabă sa concentrat pe feedback-ul pozitiv din partea participanților care și-au folosit aplicația mobilă.

În plus față de problemele legate de auto-raportare, majoritatea aplicațiilor existente pentru renunțarea la fumat nu iau în considerare complexitatea tratamentului pentru dependența de nicotină sau nevoile specifice ale utilizatorilor [3]. Auto-raportarea ca metodă poate fi inexactă, deoarece este sensibilă la erorile de auto-prejudecată bazate pe modul în care participanții definesc variabilele emoționale (de exemplu, sevrajul, stresul, pofta, consumul de alcool) sau variabilele de mediu (de exemplu, locația, prezența altor fumători ) [5]. Mai mult, auto-raportarea pe termen lung este mai probabil să fie afectată de „problema strutului” prin care oamenii evită să-și monitorizeze comportamentul, deoarece poate fi neplăcut, obositor sau poate duce la modificări nedorite ale comportamentului [9]. Prin urmare, colectarea informațiilor despre timp de la senzorii mobili poate reduce dependența de auto-raportări și poate crește acuratețea mesajelor de intervenție just-in-time [4].

Acțiunile (inclusiv fumatul) pot fi văzute ca fiind motivate de nevoia de a menține stabilitatea în timp, în fața unui mediu în schimbare. Această motivație poate fi întreruptă de factori interni, de exemplu, sentimente precum tristețea sau factori externi, cum ar fi nivelul de nicotină [10]. Un model de control cu ​​buclă închisă este o tehnică instrumentală obișnuită care urmărește menținerea stabilității. Folosește un principiu de feedback, utilizând datele de ieșire din model (semnal de feedback) ca intrare pentru a modifica acțiunile modelului și, prin urmare, pentru a menține stabilitatea [11]. Cu toate acestea, modelarea comportamentului de dependență ca model de control cu ​​buclă închisă este o sarcină provocatoare. Necesită înțelegerea complexității oamenilor, precum și determinarea elementelor care ar trebui luate în considerare pentru modelarea comportamentului de dependență. Mai mult, la modelarea comportamentului de dependență, starea obiectivului reprezintă faptul că sistemul încearcă să obțină o stare stabilă (stare naturală), mai degrabă decât să implice că există o singură valoare fixă, așa cum se întâmplă adesea în ingineria sistemului [12]., 13].

Se afirmă că teoria procesului adversarului este o metodă esențială care poate fi utilizată pentru a modela starea emoțională a unei persoane [14]. Solomon [15] a descris comportamentul de dependență folosind teoria procesului adversarului. În cadrul acestui model, un dependent experimentează plăcere imediat ce este administrat un medicament, care este urmat de simptome de sevraj acumulate încet. Ca atare, în etapele inițiale ale dependenței, nivelul de plăcere este ridicat și este însoțit de un nivel scăzut al simptomelor de sevraj. Cu toate acestea, odată cu trecerea timpului, simptomele de sevraj cresc, ducând la o scădere a plăcerii cauzată de utilizarea medicamentului, ceea ce poate duce la consumul unei cantități mai mari de medicament [12].

Bobashev și colab. [16] a modelat comportamentul fumătorilor și a folosit schema de proces a adversarului a teoriei controlului. Modelul nu a prezentat niciun proces neurobiologic complex, oferind doar un model matematic cu o buclă de feedback în cascadă, menită să prezinte narațiunea științifică a procesului adversar așa cum se arată în Figura 1 .