Knowledge-Hub Digitalisierung, KI & Gesundheitein Angebot von Monitor Versorgungsforschung

Knowledge-Hub Digitalisierung, KI & Gesundheit › Studien

Reinforcement Learning optimiert digitale Bewegungsempfehlungen und erhöht Schrittanzahl nachweisbar

Armento Lee A et al. · J Med Internet Res · erschienen 17.11.2026 · PMID 43043653

Von KI ausgewählt und zusammengefasst

Worum es geht

Großangelegte 4-armige RCT mit 13.463 Fitbit-Nutzern, in der ein Reinforcement-Learning-Algorithmus personalisierte Bewegungs-Nudges (kombiniert mit Verhaltenstheorie) gegen fixe regelbasierte und zufällige Nudges sowie Kontrollgruppe testete – Outcome: tägliche Schrittanzahl über 2 Monate.

Ergebnis

Nach 1 Monat zeigte die RL-Gruppe signifikante Steigerung gegenüber Kontrolle (+296 Schritte, p<0,001), zufällig (+218, p=0,005) und fix (+238, p=0,002). Nach 2 Monaten (primärer Endpunkt) persistierte Unterschied zu Kontrolle (+210 Schritte, p=0,01). GEE-Modelle bestätigten +208 Schritte (p=0,002). RL-Gruppe berichtete höhere Zufriedenheit mit Personalisierung (37% favorable responses). Population: 86,3% weiblich, 7.711 in Analyse.

Übertragbarkeit auf Deutschland

USA, aber Effekt ist versorgungsrelevant und bevölkerungsweit skalierbar, Generalisierbarkeit auf deutschsprachigen Raum mit diverserer Population zu testen

Auswahl und deutsche Zusammenfassung stammen von einer KI und sind nicht redaktionell geprüft. Maßgeblich ist die Originalpublikation.