Los investigadores utilizan la IA para impulsar la participación de los adultos mayores en la investigación

En un nuevo estudio, los investigadores de la Universidad Estatal de Florida exploran los desafíos de reclutar y retener a los adultos mayores para que participen en la investigación.

El estudio también marca el primer paso de un esfuerzo amplio e interdisciplinario de la FSU para utilizar cada vez más la inteligencia artificial en la investigación.

En el estudio, publicado en el gerontólogo, Profesor Asociado de Sociología Dawn Carr identificó «grupos de motivación» centrales entre los adultos mayores para la participación en la investigación. Junto con sus 12 coautores con sede en FSU, Carr sugiere que la identificación de esos grupos, «buscadores de diversión» y «ayudantes de investigación», por ejemplo, puede guiar las estrategias de contratación y retención.

«Hay una falta de representación de los adultos mayores en la investigación que conduce a resultados sesgados», dijo Carr. «La guía anterior sobre la mejor manera de alentar a los adultos mayores a participar en la investigación ha sido única. Nuestra investigación encuentra que las motivaciones de los adultos mayores son variadas y complejas».

Carr, el nuevo director del Centro Claude Pepper de FSU, y el coautor del estudio Wally Boot, profesor del Departamento de Psicología, dijeron que la falta de adultos mayores en los estudios prevalece a lo largo de la investigación y tiene consecuencias generalizadas. Dijeron que los llamamientos personalizados pueden aumentar el número y la diversidad de adultos mayores que participan en la investigación.

«Las características de las personas que participan son importantes, ya que queremos poder generalizar nuestros hallazgos», dijo Boot. «Y poder reclutar grandes muestras de adultos mayores es crucial; sin muestras de gran tamaño no podemos tener confianza en nuestros resultados».

Este es el primer estudio derivado de un proyecto más grande financiado por los Institutos Nacionales de Salud (NIH). El proyecto Promoción de la Adherencia con Tecnología Centrada en la Persona (APPT) tiene como objetivo comprender las motivaciones y los horarios diarios de los participantes y brindar apoyo justo a tiempo para ayudarlos a participar en comportamientos que los mantengan en los estudios.

El objetivo es desarrollar sistemas de recordatorio basados ​​en inteligencia artificial que alienten a los adultos mayores a participar en investigaciones relacionadas con el envejecimiento.

«Se pierde mucho impulso y tiempo cuando las personas abandonan los estudios, y los ensayos clínicos pueden fallar porque las personas no se involucran en los comportamientos que los investigadores les piden», dijo Carr. «¿Cómo podemos probar si una intervención conductual reduce el riesgo de deterioro cognitivo a menos que los participantes se involucren constantemente en ese comportamiento a largo plazo?»

Carr agregó: «Con ese fin, ya hemos aprendido que hay adultos mayores que tienen diferentes grupos de motivaciones para participar: defensores de la salud cerebral, ayudantes de investigación, buscadores de diversión y entusiastas de motivaciones múltiples. Descubrimos que las dificultades cognitivas, la edad, la situación laboral y la participación previa en investigaciones predijeron la pertenencia a estas categorías».

Boot dijo que los enfoques de inteligencia artificial ayudan a predecir los tipos de mensajes motivacionales que podrían resonar y mantener a los participantes en el camino, pero también el momento adecuado para entregar esos mensajes.

«La gente tiene hábitos y podemos aprender rutinas sin ser entrometidos», dijo. «Cuando su adherencia a la intervención comienza a fallar, podemos detectarlo y proporcionar un mensaje motivacional personalizado en un momento en que predecimos que es probable que estén disponibles para volver a participar en el estudio».

El estudio está sentando las bases para un mayor uso de la inteligencia artificial, dijo Boot.

«Dos grandes ensayos clínicos proporcionarán un conjunto de datos muy rico para desarrollar algoritmos que ayuden a predecir quién puede estar en mayor riesgo de mala adherencia y los mejores enfoques personalizados para volver a involucrarlos», dijo. «En última instancia, es posible que podamos predecir y prevenir fallas y abandonos antes de que sucedan. Este es solo el primer paso hacia algunas posibilidades muy emocionantes».