EVO+ 1.0

EVO+ 1.0 es un programa personalizado y en línea de 12 semanas de duración, diseñado para ayudar a los adultos a ser más activos físicamente, especialmente aquellos con riesgo de desarrollar enfermedades crónicas no infecciosas.

El programa busca adaptarse a las necesidades, preferencias, motivaciones y niveles de confianza de cada persona. Durante 12 semanas, los participantes reciben una guía detallada y personalizada para establecer metas, para darle seguimiento a sus actividades, y para planificar y mantener sus objetivos a largo plazo. Este programa es fácil de usar y utiliza teorías, métodos y evidencia de la ciencia del comportamiento para facilitar la creación y el mantenimiento de hábitos saludables de forma efectiva.

Desarrollado utilizando la ciencia del cambio de comportamiento, la comunicación motivacional y el diseño centrado en el usuario, el programa adapta su contenido teniendo en cuenta los perfiles comportamentales, el contexto, los intereses, el comportamiento a modificar y los niveles de disposición para el cambio de los usuarios.

Fundamentos Científicos del Programa

EVO 1.0 guía a los participantes a través de un programa estructurado de 12 semanas que integra diversas técnicas de cambio de comportamiento (BCTs) de la taxonomía de las BCTs. Los módulos principales incluyen el establecimiento de objetivos, la planificación de acciones, el automonitoreo, la resolución de problemas, la prevención de recaídas y lapsos, y el mantenimiento a largo plazo. La arquitectura de la intervención se basa en el modelo ORBIT, el marco COM-B y la Teoría de la Autodeterminación, con contenido y progresión adaptados dinámicamente a la participación, los intereses y el progreso del usuario.

Fase Actual

Afinando el contenido y la estructura de la intervención EVO 1.0, incluyendo los módulos personalizados de actividad física y de técnicas de cambio de comportamiento (BCTs). También se están preparando reuniones de consenso con expertos para validar el marco teórico antes de pasar a la fase de prueba de concepto. Simultáneamente, colaborando con programadores y diseñadores de UX/UI para integrar los módulos en la plataforma digital y garantizar una experiencia centrada en el usuario.

Convocatoria de expertos

Los expertos interesados en contribuir a este proceso pueden comunicarse con la Coordinadora de Investigación: laura.ortiz.cnmtl@ssss.gouv.qc.ca

Miembros del Equipo

• Simon Bacon , PhD – Co-supervisor, Profesor de la Universidad Concordia
• Kim Lavoie , PhD – Co-supervisora, Profesora de la Universidad de Quebec en Montreal (UQAM)
• Florence Coulombe Raymond, B.Sc. – Líder del proyecto
• Fanie Saint-Jean Miron, M.Sc. Kin. – Colíder de Proyecto
• Laura Lucia Ortiz, M.Ed, CAPM – Coordinadora de Investigación
• Hafedh Mili, PhD – Co-supervisor, Profesor de la Universidad de Quebec en Montreal (UQAM)
• Edilton Lima dos Santos, PhD – Desarrollo de aplicación
• Julien Champagne, M. CompSci – Desarrollo de aplicación
• Djawad Mohamed Abi Ayad,  M. CompSci – Desarrollo de aplicación 

EVO+ Colombia

Aunque los principios del cambio de comportamiento son universales, el contexto en el que se aplican no lo es.

El proyecto EVO+ Colombia es un esfuerzo colaborativo entre la Universidad EAFIT en Medellín, Colombia, y el equipo EVO+ 1.0 en Montreal, Canadá.

Objetivos del Proyecto

1. Adaptar EVO 1.0 específicamente al contexto colombiano. Esto implica no solo crear contenido nuevo y adaptado para la región, sino también probar rigurosamente su implementación en todo el departamento de Antioquia.
2. Desarrollar una estrategia integral de forma escalonada para la implementación de la intervención en toda Colombia. Esta estrategia está diseñada con una aplicabilidad más amplia, sirviendo como modelo que podría replicarse en otros países de ingresos bajos y medios (PIBM) similares interesados en el cambio comportamental a través de herramientas digitales.

Trabajando de cerca con diversos funcionarios de salud y gobierno en Colombia, el proyecto tiene como objetivo desarrollar y perfeccionar estrategias de implementación que resuenen con el contexto local, asegurando la relevancia, accesibilidad y, en última instancia, la adopción exitosa de hábitos de vida saludables.

Actividades en Curso

• Se ha establecido un comité ejecutivo con potenciales usuarios, especialistas y líderes de organizaciones de salud, con reuniones cada semestre.
• Se están realizando grupos focales con potenciales usuarios y trabajadores de la salud en diferentes subregiones de Antioquia para evaluar cómo el contexto influye en los comportamientos relacionados con salud.
• Se están adaptando los cuadernos de trabajo existentes sobre alimentación y desarrollando nuevos en colaboración con usuarios y nutricionistas, asegurando que se alineen con las guías locales para que sean relevantes y atractivos para la población.
• Se están llevando a cabo entrevistas con potenciales actores clave para diseñar el plan de implementación.
• Se está difundiendo contenido de salud en redes sociales enfocado en el cambio de comportamiento, la nutrición saludable y la actividad física. .

Más Información en Línea sobre el Proyecto EVO+ Colombia

• Sigue el proyecto EVO+ Colombia project en Instagram 
• El proyecto EVO+ Colombia como “Life Course” destacado en el sitio web de la Global Alliance for Chronic Diseases.

Miembros del Equipo (Universidad EAFIT)

• Mariantonia Lemos, PhD – Investigadora principal
• Elizabeth Rendon Velez, PhD – Coinvestigadora
• Ana Maria Peralta Velez, MSc – Asistente de Investigación
• Gloria Carolina Usuga Arcila, MSc – Asistente de Investigación
• Isabela Cano Aguilar, BA – Asistente de Investigación
• Maria del Pilar Guevara Gonzalez, BA – Asistente de Investigación
• Johanna Marcela Blanco, BA – Asistente de Investigación
• Guillermo Alejandro Peña Gómez, BA – Comunicador
• Mariana Escudero Arbelaez, BSc – Nutricionista
• Margarita María Duque Trujillo, MA – Diseñadora UX/UI

Reconocimiento Automático de Expresiones (AER)

El proyecto AER tiene como objetivo desarrollar un sistema de codificación para anotar señales multimodales que indican ambivalencia e indecisión en vídeos de personas que hablan de sus comportamientos.

Prevenir enfermedades crónicas y evitar que empeoren es posible adoptando hábitos saludables (como llevando una dieta equilibrada, realizando actividad física con regularidad, etc.), pero cambiar un comportamiento no es fácil.

Para la mayoría de las personas, existen factores que obstaculizan su proceso, como querer hacer ejercicio, pero no encontrar el tiempo, o no estar seguros de cómo tener una dieta más saludable, lo que pueden ser señales de ambivalencia o indecisión.

Los pacientes que experimentan ambivalencia e indecisión tienen la oportunidad de hablar al respecto (y trabajar para encontrar soluciones) cuando se encuentran frente a sus profesionales de salud, pero las intervenciones de salud digital, como las aplicaciones de salud, no tienen la capacidad de detectar cuando alguien experimenta ambivalencia o indecisión.

Gracias a las nuevas tecnologías, se pueden crear y entrenar sistemas informáticos para identificar los estados y expresiones emocionales de las personas. Esto aún no se ha hecho para la ambivalencia y la indecisión. El proyecto AER trabaja para desarrollar y aplicar etiquetas que puedan ayudar a los sistemas informáticos a identificar la ambivalencia y la indecisión. Utilizando vídeos de personas hablando sobre comportamientos, y observando expresiones faciales, corporales y verbales que utilizan, este sistema de etiquetas será utilizado por los colaboradores informáticos del proyecto para ayudar a los sistemas informáticos a identificar la ambivalencia y la indecisión. Este trabajo podría utilizarse, en última instancia, para personalizar las intervenciones de salud digital, es decir, para adaptarlas a las necesidades específicas de cada persona en el momento oportuno y ayudarle a realizar cambios positivos en su comportamiento.

Fundamentos Científicos del Proyecto

El proyecto AER es una colaboración intersectorial compleja y multifacética entre el Montreal Behavioural Medicine Centre (MBMC), Concordia University, and École de technologie supérieure (ÉTS). Su objetivo es desarrollar un sistema de codificación para anotar señales multimodales que indican ambivalencia e indecisión en videos de personas que hablan sobre sus comportamientos. El proyecto también busca crear algoritmos robustos de aprendizaje profundo (Deep learning) para detectar estas expresiones mediante un conjunto de datos fundamentales. Estas tecnologías pueden integrarse en plataformas de salud digital existentes para permitir estrategias de cambio de comportamiento más personalizadas, mejorando la participación de los usuarios y los resultados en salud.

Publicaciones Relevantes::

• BAH Dataset for the Ambivalence/Hesitancy Recognition Challenge in the 8th ABAW
  • Resumen publicado sobre un desafío académico en la conferencia ABAW 8 donde los equipos que trabajan en informática afectiva accedieron a un conjunto de datos anotados que contenían ambivalencia e indecisión para crear mejores algoritmos de aprendizaje profundo (más eficientes y confiables) para identificar A/H en datos audiovisuales.
• Advancements in Affective and Behavior Analysis: The 8th ABAW Workshop and Competition
  • Reseña de todos los desafíos académicos y talleres de la conferencia ABAW8, incluido el del equipo AER (BAH, Behavioural Ambivalence and Hesitancy).
• Textualized and Feature-based Models for Compound Multimodal Emotion Recognition in the Wild
  • Desarrollado por el equipo de AER para un desafío de reconocimiento de emociones compuestas en la conferencia ECCV de 2024. Se pidió a los equipos que encontraran mejores maneras de identificar emociones compuestas. El equipo de AER utilizó un modelo centrado en indicaciones lingüísticas, expresiones faciales y contextuales, y empleó un conjunto de datos anotados por expertos para identificar la presencia de emociones compuestas.

Actividades Actuales del Proyecto

• Recolección de datos en línea: creación de una muestra representativa (provincia y sexo) y diversa a través de Canadá (600 personas)
• Anotación de datos – Refinamiento del libro de códigos
• Entrenamiento de anotadores
• Desarrollo de algoritmos de aprendizaje profundo
• Conjunto de datos de ambivalencia/Indecisión conductual (BAH)
• Desafíos académicos (taller ABAW-8)
• Revisiones sistemáticas exploratorias de ambivalencia/Indecisión

Llamado a Voluntarios

El equipo de AER está reclutando voluntarios para ayudar con la anotación de datos de video. Los voluntarios interesados en contribuir a esta actividad pueden contactar a la Coordinadora de Investigación:  laura.ortiz.cnmtl@ssss.gouv.qc.ca

Miembros del Equipo

• Simon Bacon , PhD – Profesor de la Universidad Concordia
• Kim Lavoie , PhD – Profesora de la Universidad de Quebec en Montreal (UQAM)
• Manuela González-González, MSc – Líder del proyecto
• Jessica Almeida, BSc – Asistente de investigación y anotadora experta
• Laura Lucia Ortiz, MEd, CAPM – Coordinadora de Investigación y Anotadora Experta
• Eric Granger, PhD – Profesor de la ÉTS y Director del Laboratorio LIVIA
• Marco Pederesoli, PhD – Profesor de la ÉTS
• Alessandro Lameiras Koerich, PhD – Profesor de la ÉTS

Cobertura de Noticias

• Concordia professor lands unique co-chair in artificial intelligence and health
• Changing Habits With Artificial Intelligence