友人は、パーソナルフィットネストラッカーよりも健康の予測因子として優れています。

新しい研究は、ウェアラブルフィットネストラッカーの利用の増加が私たちの健康に関する誤った仮定につながったことを示唆しています。最近では、心拍数をよく見て、ストレスが溜まっているかどうか、1日の終わりまでに行った歩数に基づいて自分が健康であるかどうかを判断しています。新しいノートルダムの研究は、あなたの友人の輪の強さと構造を見ることによって、健康とウェルネスのより良い決定が見つかることを発見しました。

以前の研究では、信念、意見、態度がソーシャルネットワーク全体にどのように広がっているのかを示してきましたが、ノートルダム大学の研究者は、ソーシャルネットワークの構造が健康、幸福、ストレスの状態について何を述べているかに興味を持っていました。

「私たちはソーシャルネットワークのトポロジに興味がありました。私のソーシャルネットワーク内での私の立場は私の健康と幸福について何を予測しているのですか？」学際的なネットワークサイエンスおよびアプリケーションセンターの責任者であり、この研究の筆頭著者であるNitesh V. Chawlaは述べています。

「私たちが発見したのは、歩数や心拍数などのウェアラブルから得られたデータを使用するだけで、ソーシャルネットワーク構造が個人の健康状態の予測可能性を大幅に向上させることでした。」

研究のために、ジャーナルで発見 PLOS ONE、参加者はFitbitsを着用して、歩数、睡眠、心拍数、活動レベルなどの健康行動データをキャプチャしました。彼らはまた、ストレス、幸福、ポジティブさについての調査と自己評価を完了しました。

Chawlaと彼のチームは、次数、中心性、クラスタリング係数、三角形の数などの個人のソーシャルネットワーク特性とともに、機械学習を使用してデータを分析およびモデル化しました。

これらの特性は、接続性、社会的バランス、相互関係、ソーシャルネットワーク内の親密さなどの特性を示しています。この研究では、ソーシャルネットワークの構造、心拍数、歩数、活動レベルの間に強い相関関係が見られました。

ソーシャルネットワークの構造により、Fitbitのみの健康行動データを見るだけと比較して、健康と幸福の予測が大幅に改善されました。

たとえば、ソーシャルネットワーク構造をウェアラブルから派生したデータと組み合わせると、機械学習モデルは幸福の予測で65％の改善、自己評価による健康予測の予測で54％の改善、肯定的な態度の予測で55％の改善、成功の予測が38％向上しました。

「この研究では、ソーシャルネットワーク情報がないと、個人の健康状態を完全に把握できず、完全に予測したり、介入を導き出せるようにするには、ソーシャルネットワークの構造的特徴にも注意することが重要であると主張しています。 」チャウラは言った。

この調査結果は、ウェアラブルフィットネスデバイスを使用する従業員に健康を改善する動機を与えるインサイトを提供します。誰かの手順を追跡し、健康を監視する手段を手渡すことは、彼らの健康が改善することを期待して、意味のある、または重要な結果を確認するには十分ではない場合があります。

チャウラ氏によると、これらの雇用主は、従業員に自分たちの経験を投稿し、お互いに共有するためのプラットフォームを構築するよう奨励することで恩恵を受けるでしょう。ソーシャルネットワーク構造は、健康と幸福の全体像を把握するのに役立ちます。

「私たちが職場で実施しているこれらのインセンティブは意味があると思いますが、私たちが本来あるべき方法でそれらを活用していない可能性があるため、効果が見られないことも信じています」とチャウラは述べました。

「職場でウェアラブルによって推進されている健康とウェルネスプログラムが機能していないと聞いたとき、私たちは質問する必要があります。それは、従業員にウェアラブルを与えて忘れるだけの1次元のビューを取っているからです。ソーシャルネットワークが健康に果たす役割を理解するための措置を講じることなく、」

出典：ノートルダム大学