医疗补助和非医疗补助人口采用电子医疗工具的模式和影响因素来自2017-2019年健康信息全国趋势调查(HINTS):问卷研究gydF4y2Ba

简介gydF4y2Ba

尽管美国在改善“数字鸿沟”方面取得了进展，但在服务不足的人群中，如老年人和社会经济分类较低的人，互联网接入方面的差距仍然存在[gydF4y2Ba1gydF4y2Ba］．这种数字鸿沟可能对公共卫生产生深远影响，因为互联网接入被假设为健康的“超级决定因素”[gydF4y2Ba2gydF4y2Ba］．互联网可以改善健康结果的一个主要方式是采用电子健康(eHealth)。电子卫生是信息和通信技术(信通技术)的应用和集成，以改善患者的医疗保健，使患者和医疗服务提供者之间的联系更加可靠，并减少健康差距[gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba］．gydF4y2Ba

消费者使用的标准电子健康工具包括利用电子健康记录(EHRs)、与健康相关的社交媒体渠道寻求或分享健康信息，以及在线患者-提供者交流(OPPC)渠道，如在线门户网站、电子邮件和社交媒体[gydF4y2Ba5gydF4y2Ba］．最近信息技术(IT)的进步使电子健康工具扩展到智能设备，如移动健康工具(如智能手机应用程序、Fitbit等可穿戴设备和智能手表)[gydF4y2Ba6gydF4y2Ba]以及提供健康信息的虚拟助手(如Amazon Alexa) [gydF4y2Ba7gydF4y2Ba］．gydF4y2Ba

文献研究结果表明，采用电子健康与个人的健康保护结果相关。先前的研究表明，个人采用健康信息技术可以促进健康行为，如水果和蔬菜的摄入[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba］．此外，患者使用在线电子健康工具与提供者沟通，与获得健康相关信息的机会增加、医疗保健支出减少、情感支持改善以及临床管理和自我护理增强有关[gydF4y2Ba10gydF4y2Ba-gydF4y2Ba12gydF4y2Ba］．现有的研究结果还表明，患者使用社交媒体与促进自我护理的积极影响有关[gydF4y2Ba13gydF4y2Ba-gydF4y2Ba16gydF4y2Ba］．关于处方药物的依从性，在患有心血管疾病的患者中，使用电子健康工具补充处方药与他汀类药物的依从性呈正相关[gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．美国卫生与公众服务部(HHS)认识到互联网接入和电子健康工具对健康结果的价值，因此制定了《2020年健康人》国家目标，以促进接入[gydF4y2Ba19gydF4y2Ba］．卫生与公众服务部还成立了国家协调员办公室，该办公室一直在通过激励计划推进消费者电子健康，支持开发人员构建电子健康工具，并加强对健康信息技术工具的信任和保护隐私[gydF4y2Ba20.gydF4y2Ba］．gydF4y2Ba

有一些新兴的文献报告了影响消费者采用电子健康工具的因素。建议与地理、社会经济地位和性别相关的属性与电子卫生工具的使用有关。城乡居民卫生信息技术使用存在地域差异。具体而言，农村居民访问在线医疗记录的可能性较小[gydF4y2Ba21gydF4y2Ba］．较高的教育水平有助于在线管理电子个人健康信息[gydF4y2Ba22gydF4y2Ba]， oppc [gydF4y2Ba5gydF4y2Ba]，以及利用医疗资讯科技进行自我规管[gydF4y2Ba8gydF4y2Ba]，这表明受过高等教育与更好地采用和利用电子健康相关。性别对电子卫生工具的采用有好有坏，取决于具体情况。有心血管疾病(CVD)风险的男性比没有心血管疾病风险的人更有可能使用可穿戴设备。然而，女性之间似乎没有差异[gydF4y2Ba6gydF4y2Ba］．女性使用ePHI在线管理的概率明显高于男性[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，但在患者-医生在线交流方面没有显著差异[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba23gydF4y2Ba］．据报道，收入水平与电子健康总和得分正相关，电子健康总和得分是代表使用技术获得医疗保健的综合得分[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．gydF4y2Ba

鉴于本研究的重点人群是医疗补助计划的参保者，一个主要的兴趣领域是教育和收入对有资格获得这项服务的个人的影响。社会经济地位和不良健康结果之间的反比关系在公共卫生文献中有很好的记录。在美国，家庭收入的增加与预期寿命的延长有关。gydF4y2Ba25gydF4y2Ba］．虽然心血管疾病与社会经济因素之间的因果关系尚未完全了解，但被划分为较低的社会经济阶层与高血压、糖尿病和冠心病等不良健康结果有关[gydF4y2Ba26gydF4y2Ba］．由于这些因素以及经济困难对获得医疗服务带来的独特挑战[gydF4y2Ba27gydF4y2Ba]，美国政府修改了《社会保障法》中的条款，为贫困公民建立了健康保险计划(即医疗补助计划)。有关上网的调查结果[gydF4y2Ba28gydF4y2Ba与美国那些服务不足的人的水平相当。此外，并不是说接受医疗补助会导致健康状况不佳，有文献表明，与私人参保的人相比，医疗补助受益人的健康状况较差，可能导致长期心血管并发症[gydF4y2Ba29gydF4y2Ba］．gydF4y2Ba

承认人们必须接入互联网才能使用电子保健工具，美国应作出国家努力以增加可访问性，但仍有某些人群在这方面能力有限。然而，考虑到采用电子医疗可能带来的潜在健康益处，以及目前医疗补助受益人之间的健康差异，我们提出的一个问题是“医疗补助受益人之间的电子医疗采用率是否与那些没有使用医疗补助的人相当?”据我们所知，没有一项研究全面描述了成人医疗补助受益人(服务不足的人群)采用电子健康工具的情况。医疗保险和医疗补助电子病历激励计划一直在促进医疗服务提供者采用HIT，并取得了重大影响[gydF4y2Ba20.gydF4y2Ba］．然而，医疗补助受益人如何采用电子医疗工具在全国范围内大多是未知的。由于医疗补助受益人的独特特征，与非医疗补助社区相比，成人医疗补助人口中采用电子健康的因素也可能具有不同的影响。本研究的分析重点是对比两个群体之间的这些特征，以提供可能导致对美国服务不足人群产生积极影响的卫生政策影响的研究。gydF4y2Ba

在本研究中，我们使用了3年的美国健康信息全国趋势调查(HINTS)数据来调查以下研究目标(RO): RO1, 2017年至2019年医疗补助受益人与非医疗补助参保个人对电子健康工具的采用情况的比较;RO2，医疗补助状态与电子医疗采用的关系;和RO3，与非医疗补助人群相比，哪些因素与医疗补助人群中电子医疗采用的增加有关。为了研究这些问题，我们评估了七个电子健康工具使用结果的领域，涵盖了各种HIT工具，如安全互联网门户、电子病历、患者-提供者电子邮件消息、移动健康应用程序和报告中描述的可穿戴设备[gydF4y2Ba20.gydF4y2Ba］．gydF4y2Ba

方法gydF4y2Ba

数据和样本gydF4y2Ba

我们提取了3波hint数据，包括2017年、2018年和2019年。hint是一项两阶段、横断面和全国代表性的调查，样本来自美国非机构成人[gydF4y2Ba30.gydF4y2Ba］．由于电子健康工具的采用主要依赖于互联网接入，因此2017-2019年的HINTS数据对通过以下方式自我报告互联网接入的参与者进行了互联网接入操作:常规拨号电话线、宽带、WiFi和3G或4G蜂窝网络。根据这一标准，我们排除了报告没有互联网接入的受访者，并获得了2017年2513名受访者、2018年2704名受访者和2019年4264名受访者的样本量。gydF4y2Ba

因变量gydF4y2Ba

我们构建了七个主要结果，代表各种电子健康工具的采用和使用行为。OPPC [gydF4y2Ba5gydF4y2Ba由三个项目组成:(1)使用电子手段与医生沟通，(2)平板电脑或智能手机是否有助于与医疗保健提供者讨论，以及(3)使用在线医疗记录安全地向医疗保健提供者发送信息。健康资讯管理[gydF4y2Ba23gydF4y2Ba]由两项组成:(1)使用电子手段追踪医疗费用;(2)使用电子手段查询医疗检测结果。自我监管的移动保健[gydF4y2Ba8gydF4y2Ba由三个项目组成:(1)有与健康相关的应用程序，(2)使用电子医疗设备来跟踪健康状况，(3)使用平板电脑或智能手机来帮助跟踪与健康相关的目标的进展。健康资讯的社交媒体[gydF4y2Ba23gydF4y2Ba]由三个项目组成:(1)利用互联网参加在线论坛或支持小组，(2)利用互联网在YouTube上观看健康相关视频，(3)利用互联网在社交网站上分享健康信息。gydF4y2Ba

共享资料[gydF4y2Ba31gydF4y2Ba由四项组成:(1)通过电子设备或智能手机与卫生专业人员共享健康信息，(2)以电子方式将医疗信息发送给另一个卫生保健提供者，(3)以电子方式将医疗信息发送给家庭成员或其他人，以及(4)以电子方式将医疗信息发送给帮助管理和存储健康信息的服务或应用程序。购药或补药[gydF4y2Ba32gydF4y2Ba]由两项组成:(1)使用在线病历申请补充药物和(2)使用电子手段在线购买药物或维生素。决策[gydF4y2Ba31gydF4y2Ba由两项组成:(1)使用在线医疗记录来帮助你决定如何治疗某种疾病或状况;(2)平板电脑或智能手机帮助你决定如何治疗某种疾病或状况。每个结果的定义见gydF4y2Ba多媒体附件1gydF4y2Ba。综合分数是通过将“否”和“是”的回答分别转换为0和1来构建的，除了SMHI中高于1的分数被重新编码为2，因为通过多个渠道共享信息的参与者是稀疏的。gydF4y2Ba

关键自变量和协变量gydF4y2Ba

医疗补助状况由参与者自我报告的医疗补助保险计划决定。互联网接入多样性评分是通过被调查者只有一个或多个渠道接入互联网来衡量的。心血管疾病风险的定义是至少有三种情况中的一种:高血压、心脏病或糖尿病。抑郁症的定义是由受访者是否被医生或健康专业人士告知患有抑郁症或焦虑症。人口和社会经济变量包括性别、年龄、种族或民族、教育程度、居住地、美国人口普查地区和家庭年收入(gydF4y2Ba多媒体附件2gydF4y2Ba)．gydF4y2Ba

统计分析gydF4y2Ba

我们使用描述性统计(频率和比例)来演示2017年至2019年hint数据的样本特征和电子健康工具采用分布模式。采用皮尔逊卡方检验检验医疗补助保险状况与其他变量(包括人口统计学、社会经济状况和电子健康结果)之间的关系。我们考虑了gydF4y2BaPgydF4y2Ba小于或等于0.05的值才具有统计学意义。为了回答RO2，我们使用医疗补助状态作为主要兴趣因素，对七个电子健康结果中的每一个进行了有序logistic回归。基础模型以调查年份为唯一协变量，调整后的模型以年龄、性别、教育程度、普查地区、居住地、收入和互联网接入多样性为变量。为了回答RO3并提供每个人群中详细的因素分布的比较，我们对医疗补助样本和非医疗补助样本中的每个结果分别进行了有序逻辑回归。除了人口和社会经济因素外，我们还将心血管疾病、抑郁症和互联网接入多样性作为独立变量纳入模型。除频率外，所有统计分析均采用折刀加权程序进行，以表示全国人口水平的估计，并获得更精确的置信区间。所有分析均在SAS 9.4 (SAS Institute)中进行。gydF4y2Ba

结果gydF4y2Ba

表1gydF4y2Ba展示了2017 - 2019年医疗补助和非医疗补助人口的样本特征。与没有参加医疗补助计划的人相比，接受医疗补助的人更有可能是年轻人，属于代表性不足的少数民族(西班牙裔和非西班牙裔黑人)，受教育程度低，家庭收入低。一般来说，在医疗补助和非医疗补助人口之间的居住分布没有显著差异。有趣的是，医疗补助计划参与者(68.6%)和非医疗补助计划参与者(67.6%)之间有多种方式访问互联网的比例没有显著差异，尽管医疗补助计划受益者完全没有互联网接入的比例明显高于非医疗补助计划人群(gydF4y2Ba多媒体gydF4y2Ba)．gydF4y2Ba

我们调查了医疗补助和非医疗补助人群中电子医疗工具的采用率。gydF4y2Ba表2gydF4y2Ba显示受访者使用电子健康工具得分的频率和加权比例。得分越高，说明电子健康工具的采用和利用程度越高。卡方检验结果显示，除2017年的BRM和2018年的OPPC外，医疗补助和非医疗补助受访者在共享信息、决策、OPPC或BRM方面没有统计学上的显著差异。在Medicaid人群中，受访者密集分布在HIM的“0”分，范围为51.1% ~ 64.9%，比非Medicaid人群高11.2% ~ 17.5% (gydF4y2BaPgydF4y2Ba<措施)。2018年，42.1%的医疗补助受访者在MHSR方面得分为0，比非医疗补助受访者高出7.7%。gydF4y2BaPgydF4y2Ba= .02点)。然而，在2019年，报告MHSR得分为0的医疗补助受访者比例降至27.9%，仅比非医疗补助受访者高0.8%。与非医疗补助人群相比，医疗补助受访者在MHSR评分2分和3分中的比例分别低7.8%和9.4% (gydF4y2BaPgydF4y2Ba<措施)。与他和MHSR相反，2018年，医疗补助受访者的SMHI采用率明显高于非医疗补助受访者(高8%，gydF4y2BaPgydF4y2Ba=.01)和2019年(上涨10.1%，gydF4y2BaPgydF4y2Ba= . 01)。gydF4y2Ba

多媒体附件4gydF4y2Ba表明，在调整多个协变量后，医疗补助状态对BRM和OPPC的影响减弱。符合gydF4y2Ba表2gydF4y2Ba，医疗补助受益人使用电子健康工具治疗HIM (OR 0.64, 95% CI 0.50-0.82)和MHSR (OR 0.63, 95% CI 0.53-0.76)的可能性显著降低，但使用SMHI的可能性更高(OR 1.35, 95% CI 1.12-1.63)。为了解决RO3问题，我们进一步独立评估了人口统计学、社会经济、健康和互联网接入等因素对医疗补助和非医疗补助人群这三个电子健康类别的影响。gydF4y2Ba表3gydF4y2Ba而且gydF4y2Ba4gydF4y2Ba显示，在非医疗补助人群中，男性和MHSR更有可能被女性、受过良好教育、家庭收入高、有不止一个互联网接入来源的人收养。患有心血管疾病或抑郁症也与he和MHSR显著相关。在非医疗补助的受访者中，SMHI与性别、种族、年龄、抑郁和互联网接入多样性等因素显著相关(gydF4y2Ba表5gydF4y2Ba)．然而，在医疗补助受访者中，与电子健康工具采用显著相关的因素较少。教育(gydF4y2BaPgydF4y2Ba=.03)，心血管疾病风险(OR 2.16, 95% CI 1.18-3.93;gydF4y2BaPgydF4y2Ba=.01)，抑郁症(OR 1.67, 95% CI 1.07-2.6;gydF4y2BaPgydF4y2Ba=.02)，互联网接入多样性(OR 2.87, 95% CI 1.55-5.30;gydF4y2BaPgydF4y2Ba=.001)是与he显著相关的因素(gydF4y2Ba表3gydF4y2Ba)．教育(gydF4y2BaPgydF4y2Ba=.02)，心血管疾病风险(OR 2.55, 95% CI 1.52-4.3;gydF4y2BaPgydF4y2Ba<.001)和互联网接入多样性(OR 2.72, 95% CI 1.69-4.38;gydF4y2BaPgydF4y2Ba<.001)是与MHSR显著相关的因素(gydF4y2Ba表4gydF4y2Ba)．互联网接入(OR 1.98, 95% CI 1.26-3.11;gydF4y2BaPgydF4y2Ba=.004)是与SMHI相关的唯一显著因素(gydF4y2Ba表5gydF4y2Ba)．gydF4y2Ba

讨论gydF4y2Ba

根据Ambrosi和他的同事[gydF4y2Ba33gydF4y2Ba，数字鸿沟可以以多种形式运作。定义数字鸿沟的最常见方式与获取信息和通信技术的不平等有关，例如，完全无法接入互联网或智能设备。这项研究的结果表明，与非医疗补助人口相比，医疗补助人口无法访问互联网的几率更高。虽然值得关注和立即解决，但消除或显著减少这种类型的差距将是一项在不久的将来可能不会发生的任务。数字鸿沟的第二种形式是由已经接触到信息通信技术的个人之间不同的使用模式造成的。一个例子是，人们只使用智能手机的基本功能(通话和发短信)，而智能手机有更多可用的功能。我们研究的主要目标集中在后一种情况，旨在评估美国国家层面上有某种形式互联网接入的医疗补助和非医疗补助人口之间的数字不平等状况和模式。我们发现，医疗补助人群对HIM和MHSR的采用率低于非医疗补助人群，这与之前关于社会经济地位影响的研究一致[gydF4y2Ba34gydF4y2Ba］．根据Venkatesh等人的技术接受与使用统一理论(UTAUT)，努力期望(技术使用的容易程度)和社会影响是与消费者技术采用意图和行为呈正相关的重要直接因素[gydF4y2Ba35gydF4y2Ba］．医疗补助受益人等服务不足的人群可能会认为，由于教育程度较低，电子卫生素养较差，无法访问、处理、理解和使用技术特性，因此采用电子卫生工具是一种更具挑战性的资源[gydF4y2Ba36gydF4y2Ba］．社会影响也可能在限制医疗补助计划参与者充分使用智能设备方面发挥关键作用，尽管社会影响的效果尚未在医疗补助计划人群中得到广泛测试。有趣的是，我们发现接受医疗补助的人群更有可能使用社交媒体参与与健康有关的活动。服务不足的社区在定期获得医疗资源方面存在障碍，这可能会促使医疗补助计划参与者使用社交媒体作为一种具有成本效益的医疗信息替代来源。在接受医疗补助的人群中，社交媒体使用的增加可能是一把潜在的双刃剑。一方面，社交媒体上低质量的医疗信息可能会误导患者，避免向正规卫生专业人员寻求治疗。相反，可以制定专门针对服务不足人群的精心设计的社交媒体干预措施，通过社交媒体促进电子卫生技术的采用和电子卫生知识普及。这种方法的挑战在于，目前的社交媒体人工智能和机器学习算法可能没有能力区分对用户了解健康有益和有害的社交媒体帖子。因此，增加对社交媒体干预的接触也可能增加对误导性社交媒体帖子的接触。gydF4y2Ba

几项研究调查了普通人群中电子保健任务或工具采用的预测因素[gydF4y2Ba8gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba37gydF4y2Ba］．在普通人群中，女性、年轻和高收入始终与更高的电子健康采用率相关，这与我们基于非医疗补助人群的结果一致。然而，这些因素与三大电子健康类别(HIM、MHSR和SMHI)中的任何一个都没有显著相关。几项研究也报告了这些因素对服务不足人群的影响减弱[gydF4y2Ba38gydF4y2Ba，gydF4y2Ba39gydF4y2Ba]，但没有人将服务不足人群的因素效应与相应人群进行比较，也没有人解释原因。在医疗补助受益人等服务不足的人群中，电子卫生工具的使用可能是由其他关键因素(如努力预期和社会影响)决定的，其中的水平在性别、年龄或收入水平的子群体中变化不大。与收入不同的是，获得的教育程度与他和MHSR均显著相关，且这种影响并非随教育水平的提高而单调增加。因此，教育可能不是直接影响这一人群使用电子健康工具的因素，或者教育的效果被隐藏的因素所混淆。有心血管疾病风险的医疗补助受益人更有可能参与HIT并使用电子健康应用程序获得健康福利。另一方面，患有抑郁症的医疗补助参与者仅在he中表现出明显更高的几率。采用MHSR需要更多的自律和动机，这可能是抑郁的医疗补助受访者将智能设备用于健康相关目的的障碍。这也为开发干预措施或工具留出了空间，以帮助抑郁症患者监测他们的心理健康，并改善他们对电子健康工具的采用，以监测他们的身体健康。最后，研究结果表明，在医疗补助和非医疗补助群体中，增强互联网接入多样性与改善he、MHSR和SMHI显著相关。在接受医疗补助的人群中，将互联网接入从单一来源转移到多个来源的优势比几乎是其他人群的两倍。 Internet access diversity, aligned with infrastructure and supports, may determine the facilitating conditions which directly influence the technology use behaviors based on UTAUT [35gydF4y2Ba］．因此，为服务不足的人群提供更多的接入互联网或智能设备的来源(例如，廉价的4G数据计划，免费的公共WiFi热点，负担得起的安卓智能手机)可能是一种具有成本效益的方法，以提高他们对电子健康的采用和使用。事实上，从1985年开始为低收入消费者提供电话服务折扣的生命线计划，从2016年开始采用宽带(3G)作为支持服务[gydF4y2Ba40gydF4y2Ba］．因此，提高对联邦通信委员会生命线计划的认识是一个短期目标，以增加有资格获得医疗补助的家庭使用智能手机和宽带互联网的机会。gydF4y2Ba

我们相信我们的研究有几个优势。据我们所知，这项研究是第一个在美国国家层面调查电子医疗技术和工具在服务不足人群中采用的情况，特别是医疗补助参保者。因此，与招募小样本量本地参与者的研究相比，样本选择偏差大大降低[gydF4y2Ba38gydF4y2Ba，gydF4y2Ba39gydF4y2Ba］．此外，我们使用由19个项目构建的7个综合评分来评估电子健康技术和工具的采用，这提供了一个全面的图景，并减少了使用单个项目的测量误差。最后，增加对这一主题的关注有望开辟一个新的研究领域，这可能对国家的健康和经济产生深远的影响。鉴于上述对文献的重要贡献，我们承认本研究的局限性。与其他使用hint数据集的研究一样，我们的研究基于横断面调查。因此，它不能解释所有的混杂变量或评估因果关系。hint设计的问卷不适合调查直接影响电子健康技术采用的心理测量结构。此外，hint数据是基于受访者自我报告的数据。我们无法确认他们对电子健康相关问题的回答是否正确。我们发现一小部分受访者报告从未访问互联网，但他们也报告了对电子健康技术使用的积极反应，尽管我们排除了这些受访者以消除虚假。gydF4y2Ba

为了有效减少服务不足人群与其对应人群在电子医疗工具采用方面的差异，在为医疗补助受益人制定干预措施或基础设施时，必须考虑某些因素。我们的研究为我国服务不足人口的因素提供了初步的见解。然而，医疗补助人群中使用电子医疗的根本驱动因素可能还没有完全揭示出来。除了确认本研究的发现外，未来的研究应该将我们的调查带到更细的层面，并在现有模型(如UTAUT)的框架下，检查服务不足人群使用电子健康工具的意图和行为。此外，可以更仔细地研究旨在提高电子健康利用的干预措施的效果(例如，提高互联网接入多样性)，以进一步验证我们的发现。gydF4y2Ba