数字干预信息对美国心血管疾病成人流感接种率的影响:分散随机对照试验

简介

每年约有5%至15%的美国人口感染流感[1]，导致超过2万人死亡[1及对经济的重大影响[2］．对于有心血管疾病的人来说，流感可能特别危险。在一项研究中，感染流感一周内发生心肌梗死的风险增加了6倍[3.］．一项针对8万多名因流感住院的美国成年人的研究发现，每8名患者中就有1人出现突发的严重心脏并发症，患有潜在心脏病与流感引发的急性心脏事件有显著关联[4］．基于这些原因，美国疾病控制及预防中心(CDC)认为心血管疾病患者是流感并发症的高危人群，因此是接种疫苗的优先人群[5］．

接种疫苗仍然是预防流感的最有效的一级预防方法，过去5年按年龄调整的有效率高达68% [6］．美国疾病控制与预防中心报告称，2019-2020年，18-64岁患有心血管疾病等高危疾病的人群接种率为51.4% [7]，远低于70%的全国接种率目标[8］．考虑到心血管疾病患者的流感负担增加，即使疫苗接种率的微小改善也能大幅减少发生重大心脏不良事件的患者数量[2，9-11］．

需要新颖、可扩展、成本最佳和有效的解决方案来解决心血管疾病患者接种流感疫苗的障碍，如自满、时间和成本限制以及缺乏信心[12］．观察(13]和随机对照试验[14，15]已经显示出数字信息在增加普通成人人口中疫苗接种率方面的有效性。在一项关于糖尿病患者使用数字短信的随机试验中，这一人群患流感相关并发症的风险也较高[16]，干预组疫苗接种率比对照组高3.1%。另一种说法是，需要33人接受干预，再增加1人接种疫苗。

本研究的主要目的是检验一种旨在提高CVD患者自我报告流感疫苗接种率的数字干预措施的有效性。

方法

研究设计

这项为期8个月的实用的随机对照试验是在美国远程进行的。尽管所有参与者都同意在完成每次调查之前，他们的调查回答和行为数据将用于研究目的，但参与者对研究参与状态的研究是盲目的，以减少观察偏差。

所有参与者都是免费的Achievement移动健康和研究平台(evination health, Inc)的成员，该平台包括来自美国50个州和90%邮政编码的400多万人[17］．该平台提供个性化的见解和工具，以激励和增强人们的能力，采取有证据支持的行动，管理自己的健康。会员可以将活动追踪器和健身和健康应用程序连接到该平台，并分享自我报告的健康信息。Achievement没有能力访问临床或索赔数据;它完全依赖于成员生成的数据。

伦理批准

该试验方案由亚利桑那州亚内尔市解决方案IRB批准(注册:IORG0007116;联邦保险:IRB00008523)，并在ClinicalTrials.gov (NCT04584645)注册。由于数字干预信息与公开的流感疫苗接种信息一致，我们从该机构审查委员会获得了放弃知情同意的许可，因为参与者从该研究中只会面临最小的风险。通过数据使用和许可协议，参与者被告知他们的调查结果和行为数据将如何被使用。

数字干预设计

这6条数字干预信息是采用由3部分组成的方法制定的[18]，以先前的研究为基础[16]和计划行为理论[19］．在整个开发过程中，使用基于快速迭代测试和评估的方法来优化消息设计[20.］．看到多媒体附录1［16，18-21]，以了解发展过程及干预讯息的内容(表S1及图S1-7)多媒体附录1)，通过“成就”平台交付。

参与者

符合条件的参与者年龄≥18岁，生活在美国，在成就平台上有以下任一自我报告的情况(例如，通过过去的调查):心房纤颤;心律异常或不规则或其他心律失常的心脏病;心脏骤停或心肌梗死;用药物、支架、经皮介入或搭桥手术治疗的冠状动脉疾病;充血性心力衰竭;或者中风或脑血管事故。

招聘、筛选和注册

符合纳入标准的成员被确定为研究纳入(“参与者”)。参与者没有采取任何注册行动，也没有被告知他们的参与状态。我们根据心血管状况进行分组随机，将参与者随机分为接受数字干预信息的干预组和不接受任何信息的对照组。

随机化和致盲

Evidation Health, Inc进行随机分配，登记参与者，在提供完成任何研究活动的机会之前，使用分组随机(心律失常vs非心律失常)将他们随机分为干预组或对照组。

研究过程

参与者被要求在基线、3个月(干预组发送了4条数字信息后)和6个月(干预组又发送了2条信息后)完成基于网络的调查。提醒信息被用来激励调查完成。

主要成果和其他成果

参与者在基线、3个月和6个月时通过应用程序自我报告他们的疫苗接种状态(是或否)。参与者还报告了在3个月和6个月调查中估计的接种日期(如果有的话)。

为了评估干预信息的参与程度，我们检查了平台生成的数据，这些数据表明参与者已经完成了给定的信息，并创建了一个表示完成信息数量的汇总度量。

每项调查都衡量了疫苗接种的驱动因素和障碍以及疫苗知识。疫苗驱动因素和利益障碍包括随机分组前3个月内去初级保健提供者那里就诊的次数(一次、1-2次或3次或以上)，前3个月内去心脏病专科医院就诊的次数(一次、1-2次或3次或以上)，前3个月住院的次数(一次、1-2次或3次或以上)，医疗保健提供者是否提供流感疫苗接种(是、否或不确定)，以及医疗保健提供者是否告知个人他们属于“高风险群体”(是、否或不确定)。

疫苗知识因素是基于对调查问题的回答“你使用什么来源的信息来了解流感疫苗?”，可能会有医护人员、家庭成员或同龄人、社交媒体(包括博客文章、移动应用程序)或传统新闻媒体(如电视和报纸)的回应。

样本大小的计算

以自我报告疫苗接种率为主要结果的2支介入统计优势研究设计的样本量是先验确定的[22］．关于短信和电话提醒对提高流感疫苗接种率的影响的大型研究显示，影响规模的范围为2.5%至3.5% [23，24］．总共需要8000名参与者来检测3%的疫苗接种率差异，I型错误率为0.05，幂为0.80。由于观察到旨在增加糖尿病患者流感疫苗接种的数字干预措施的参与率下降了67% [16]，我们保守估计用户粘性约为16%。因此，目标登记名单包括了大约49000人，以产生8000名参与者的分析人群。

统计分析

我们首先比较了干预组和对照组在随访时报告接种疫苗的未调整的参与者比例。在预先设定的亚组分析中，我们检查了白人和非白人参与者之间干预效果的变化。过程分析包括根据完成的干预信息的数量和干预参与者对每条信息的参与程度，在干预组中自我报告的疫苗接种率的差异。控制随机组，我们检查了疫苗接种状态的其他预测因素，包括心血管疾病类型、疫苗驱动因素或障碍和疫苗知识。

一项探索性目标是描述COVID-19大流行对流感疫苗接种行为的影响。另一个探索性目标——总体和按接种疫苗情况自我报告流感并发症——没有进行分析，因为调查没有询问流感并发症。考虑到干预和研究的最小风险性质，没有收集关于安全性和不良事件的信息。

除非另有说明，变量在5%显著性水平上使用双面检验或双面95% CI进行比较。双面学生使用方法的比较t正态分布或曼-惠特尼分布的检验U检验非正态分布。频率的比较采用卡方检验。对于逻辑回归模型，P报告了与每个β参数估计值相关的值、比值比(ORs)和95% ci。为了描述每个预测变量的相对重要性，我们计算了它们的Shapley相加解释值[25］．利用3个月和6个月调查中参与者估计的流感疫苗接种日期，构建了流感疫苗接种时间的Kaplan-Meier曲线。

结果

参与者

在2020年7月至9月期间，我们生成了一份49138名候选参与者的名单(图1)．其中，24570人被随机分配到接收数字干预信息的组，24568人被随机分配到对照组。2020年9月21日，向这49138名参与者发送了第一次基线和人口调查，10402人(21.17%)完成了基线调查。截至2021年4月11日，共有11237名参与者(22.87%)完成了中期研究或最终调查，产生了5575组干预参与者和5662组对照参与者，他们在随机化后3或6个月报告了疫苗接种情况。

在11,237名参与者中，平均年龄为45岁(SD 13)， 81.18% (n=9122)为白人，78.01% (n=8766)为女性，86.21% (n=9687)为有健康保险(表1)．超过一半(n=6891, 61.32%)拥有大学学位，三分之一(n=3770, 33.55%)的家庭收入至少为7.5万美元。最常见的心血管疾病是心律失常(干预:2251/5575,40.38%;控制:2331/5662,41.17%)。基线特征在组间无显著差异。尽管所有参与者之前都有CVD的自我报告，但近三分之一(干预:1798/5575,32.35%;对照组:1844/5662,32.57%)，两组均报告没有基线调查中列出的任何情况。研究参与者来自所有50个州和哥伦比亚特区(图S8)多媒体附录1)．

‎ 把这个图

主要的结果

在研究期结束时，干预组的5575名参与者中有3418人(61.31%)报告接种了流感疫苗，而对照组的5662名参与者中有3355人(59.25%)报告接种了流感疫苗(绝对差异:2.06%;相对危险度1.03,95% CI 1.004-1.066;P= 03)。根据这一差异，48.3人必须收到数字干预信息，才能增加1人接种疫苗。

二次结果

在逻辑回归模型中，疫苗接种状态的总体预测因素包括白人或亚洲种族、年龄较大或大学毕业生(图2和图S9中的多媒体附录1)．干预组与接种流感疫苗的可能性显著增加相关(OR 1.099, 95% CI 1.012-1.192;P= .02点)。有心脏骤停的参与者(OR 3.477, 95% CI 1.85-6.54;P<.001)，心房颤动(OR 1.332, 95% CI 1.068-1.66;P=.01)，或冠状动脉疾病(or 1.411, 95% CI 1.055-1.885;P= 0.02)也比患有其他疾病的参与者更可能报告接种疫苗(>65%)。在白人参与者中，数字干预在鼓励接种疫苗方面似乎更有效(干预:2837/4510,62.9% vs对照:2763/4612,59.91%;P=.004)高于非白人参与者(干预:581/1065,54.55% vs对照组:593/1050,56.48%;P=点;图S10在多媒体附录1)．

Kaplan-Meier对疫苗接种时间的分析表明，要开始出现差异，至少需要2个间隔2周完成的数字干预信息(图3)．在干预组(N=5575)中，最完整的信息是知识测验(N= 4248, 76.2%)、成本文章(N= 4276, 76.7%)和CDC文章(N= 4315, 77.4%;图S11多媒体附录1)．干预组44.81% (n=2498)完成了全部6条消息，7.7% (n=429)一条也没有完成;前者报告的接种率比后者高约13个百分点(1626/2498,65.09% vs 223/429, 51.98%)。

‎ 把这个图

‎ 把这个图

在控制了整个研究人群的年龄、性别、种族和受教育程度后，那些看过卫生保健提供者、被提供流感疫苗或从卫生保健提供者那里获得疫苗信息的参与者更有可能报告自己接种了疫苗(图S12)多媒体附录1)．那些被卫生保健提供者告知属于高危人群的人也更有可能报告接种疫苗(OR 2.369, 95% CI 2.171-2.586;P<措施)。

报告被诊断为COVID-19的参与者报告接种流感疫苗的可能性比未接种流感疫苗的参与者高40%，无论干预措施分配如何(图S13)多媒体附录1)．在报告接种了流感疫苗的7457名参与者中，4252人(57.02%)表示COVID-19大流行没有影响他们接种疫苗的决定，而在未报告接种流感疫苗的6070名参与者中，4026人(66.33%)表示他们的决定没有受到COVID-19大流行的影响。

讨论

主要研究结果

在11,237名CVD成人队列中，在研究结束时，数字干预与自我报告的流感疫苗接种率显著高于对照组参与者。根据流行病学估计，大约有2,600万美国人患有心血管疾病[26]，如本试验显示的疫苗接种率增加2.06%，将意味着另外535600名CVD患者得到免疫。这一增长可能转化为发病率、死亡率和卫生保健系统成本的大幅降低，以及如果大规模应用，生活质量的潜在改善。

我们的研究结果进一步证明，通过数字通信渠道提供的干预措施可以有效提高高危患者的接种率。以前的随机研究普遍表明，在一般成年人群中，电子邮件提示、基于应用程序的消息、短信和基于网络的干预措施显著提高了流感疫苗接种率[14，15，23，27-31]、高危病人(其中一些患有心脏病)[16，32]，以及孕妇[33-35，但也有少数人没有[36-38］．据我们所知，这是第一个针对CVD人群设计并提供数字干预的随机研究，显示了有希望的结果。

以患者为中心的数字化干预，以疫苗行为的循证行为理论为基础[19)，通常被认为是信息丰富、值得信赖和迷人的。总共约45%的干预组完成了所有干预信息，而在我们之前的研究中，这一比例为27% [16]，行业标准为22% [39，表明非常强烈的参与。这些信息也产生了至少与最近在加拿大一般的基于应用程序的其他数字流感疫苗接种干预措施一样好的效果[13和美国成年人[14，15］．

在这项研究中，年龄较大、受教育程度较高、白人或亚洲种族是接种疫苗的显著预测因素。在其他有色人种参与者中明显缺乏效果可能反映了样本量小或非白人参与者的异质性。需要进一步评估对非量身定制的数字干预措施的反应的种族和民族差异。这项研究确实加强了参与卫生保健系统的重要性，因为参与者看了卫生保健提供者，被告知他们属于高风险群体，或提供流感疫苗，更有可能报告接种疫苗。

预防流感疫苗是减低心血管疾病风险的一种具成本效益的方法[40，41］．结合数字干预设计和部署相对于其他预防战略的成本效益，在卫生系统、保险公司和公共机构预算有限的情况下，这里提出的信息似乎适合作为人口健康管理战略。此外，38万人中的一半[1在美国每年因流感而住院的人有心脏病[5］．将这种数字化干预扩大到更多的心血管疾病患者，可以帮助减少住院、急诊科和诊所就诊，以及生产力损失天数，特别是在已经数字化连接的人群中。

这项研究的优势包括其去中心化的、实用主义的性质，它可以在现实环境中提供高质量的有效性证据。其他优点包括其大样本量、全国范围和收集的各种数据，包括患者生成的健康数据。该研究还反映了因心血管疾病诊断不同而导致流感感染风险水平不同的人群接种率的真实数据。该研究的设计可能启发未来疫苗接种运动的设计，以评估疫苗接种的驱动因素及其对公共卫生的影响，并调查其他患者群体的疫苗接种行为。

局限性和未来的工作

参与者在不同的时间通过不同的调查来源报告他们的CVD诊断(例如，历史调查vs当前的自我报告)。这种方法在使用不同的健康结果数据源时产生了差异，可能是由于问题格式和回忆的时间周期:几乎三分之一的参与者报告没有任何候选CVD疾病，尽管之前自我报告过此类疾病。未来的研究可能会放弃盲法，而倾向于用额外的信息来源(如健康声明和医疗记录)来补充自我报告。参与者对参与是盲目的，反映出在已知的研究相关环境之外，对健康信息的真实参与。在不知情的情况下参与研究的潜在影响尚不清楚。只有23%的样本报告了主要终点。因此，研究结果对无反应者的普遍性是有限的。我们也不知道参与者为什么没有回应。

该试验是在COVID-19大流行期间进行的。由于流感大流行，参与者可能通过其他来源(如政府来源、电视和社交媒体)提高了对病毒性疾病和疫苗的认识，这可能限制了我们研究结果的普遍性，尽管两组中的大多数参与者表示，流感大流行没有影响他们关于流感疫苗接种的决定。

干预组的参与者以积分的形式得到补偿，积分可以兑换成现金。然而，考虑到可能的货币补偿总额仅为1.52美元，无论是否接种疫苗，这可能不足以影响接种疫苗的动机，从而影响结果。

所有参与者都是成就平台的现有成员，反映出已经参与数字技术的人群。对于合并症患者，基线(对照)接种率(59.25%)也比CDC的平均接种率(51%)高约8% [7］．因此，与技术使用较少或基线接种率较低的人群相比，可能更难看到增量上升。

大部分人口是女性、非西班牙裔和白人。干预在其他人口统计群体中的效果不太确定，尽管样本量足够模型调整年龄、教育程度、性别和种族，以确认干预效果仍然显著。获取数字卫生干预措施和方法方面的卫生公平障碍仍然很大[42］．这项研究应该作为未来评估和调整的基础，以更有效地接触来自不同背景的个人，如Brewer和他的同事[43]的研究表明，来自不同种族和民族背景的人通过网络和数字卫生研究接触数字卫生信息的比例很高。

虽然在制定干预信息时利用了一些循证来源和技术，但它们的确切作用机制尚不清楚。提示的行为，而不是内容，可能会导致类似的改善。未来的研究将检查哪些成分或信息是最有益的，这将有助于优化未来的干预措施，同时最小化负担。

结论

利用健康状况相关信息和广泛可得的公共卫生信息进行数字干预是提高心血管疾病患者流感疫苗接种率的有效方法。这些结果可能有更广泛的公共卫生影响，作为一种容易扩展的干预措施，以增加接种疫苗的行为。未来的研究应检查这种数字运动在患有其他慢性疾病的不同人群和其他类型的疫苗接种(如COVID-19疫苗)中的有效性和成本效益。