为了最好地解决研究目标，我们选择了使用内容分析的横断面研究设计。考虑到应用会随着时间的推移而更新新功能，纵向设计并不合适。我们的方法借鉴了之前对婴儿喂养应用程序的研究[ 20.， 23]和其他健康应用程序[ 24- 26]。本研究免于机构审查委员会的批准。

为了编写方便的母乳喂养应用程序样本，美国一名研究生于2018年秋季在苹果应用商店(iOS)和谷歌Play商店(Android)进行了关键词搜索。研究人员使用了一系列关键词来搜索英语母乳喂养应用，包括“母乳喂养”和“母乳喂养应用”。2019年1月，另一名研究生以同样的方式创建了一个样本，并将其与2018年秋季的样本进行交叉引用，增加了样本量，同时删除了重复和死链接;样品于2019年2月定稿。所有相关的应用程序都包括在内，无论其成本如何。所有应用程序都是免费的，只有9个例外;这9款付费应用的总下载量为31.92美元(其中5款iPhone应用为18.95美元，4款Android应用为12.97美元)。最终样本共包含40款iPhone应用和42款Android应用(N=82)，其中80款对用户免费;最终样本中只剩下2款付费iPhone应用( 图1)。最后的样本与之前的婴儿喂养应用程序研究相当，其中包括41到77个应用程序[ 18， 20.， 21]。

为了分析这些应用程序，基于现有的应用程序研究，我们先验地创建了一个编码模式[ 20.， 24， 27]及两本母乳喂养教材[ 28， 29]。该模式包含87个不同的应用程序特征和功能。我们根据Sidhu等人[ 21作为任何“用户与应用交互的机会(例如，一个按钮)”。

描述性特征来源于应用程序的下载页面，包括应用程序的名称、网站链接、下载日期、版本号、最后更新日期、开发者或卖家名称和隶属关系(即商业、政府、非政府组织、大学、未知或其他)、是否以及哪些专家或最终用户参与了应用程序的开发过程、用户评级(即5颗星中的数)、用户评论数、应用程序类别(即医疗、生活方式、应用程序)。健康和健身，育儿或其他)，语言选项，基本和高级应用版本的成本，以及年龄分级(与电影分级不同，每个平台都会按年龄为最终用户推荐应用内容的最低成熟度级别，即>0，>4，>12或>17)。

通过浏览下载的应用程序来观察功能。跟踪功能监测母乳喂养、奶瓶喂养、固体食物、吸奶器和人乳表达、换尿布、洗澡、睡眠、婴儿生长发育、药物和维生素使用、疫苗接种、温度、疾病和儿童就诊情况。非跟踪功能包括添加注释、信息、图片或视频的能力;连接吸奶器;打印或导出数据;与其他程序或设备同步数据;为一个以上的孩子或多个看护人使用该应用程序;定制功能;接收静态信息(即文章、指南、提示、清单、产品推荐、常见问题、妊娠信息、地图、图形或图表);与他人(即其他护理人员、卫生保健提供者或社交媒体)共享数据;并与同伴、哺乳专家或其他人互动( 表1)。

所有应用下载到捐赠的iPhone上(iPhone 5S, iOS版本12.1.4;苹果公司)或安卓智能手机(三星Galaxy Note 2，安卓4.4.2版本，或三星Galaxy S8，安卓7.0版本;三星电子(株)程序员主要使用共享的iPhone和Android手机，除了一名学生使用个人iPhone来加快编码速度。应用程序的编码于2019年3月开始，并于2019年12月完成。来自不同院系(包括食品与营养、法律与治理、政治学与法学)的两名研究生和一名本科优等生(之前没有参与这项研究)编写了这些应用程序。

测量3名编码器间的信度(IRR)，有3种可能的结果。所有3名编码员之间的一致被标记为“完全一致”。三分之二的协议被认为是“部分协议”。当3个程序员都不同意时，我们认为这是“不同意”。在7个应用中，只有2名程序员完成了编码;因此，IRR被确定为“完全一致”或“不一致”。这可能是因为其中一名学生使用了他们的私人手机，或者使用了与特定应用程序版本不兼容的手机。作者审查了编码人员对部分或不一致的变量的协议，以确定最终的编码决策。对于连续变量(游戏邦注:如语言数量、用户评分(5星以内)和用户评分)，我们使用的是应用的最新版本。

为了解决目标1 -母乳喂养应用程序的特征-使用描述性统计来描述样本，并以频率和百分比报告。评分≥4.5星的应用被定义为评分较高的应用，而评分<4.5星的应用被视为评分较低的应用。先前的研究使用了≥4星的截止值[ 18， 20.];然而，目前的样本存在一个扭曲的评级分布，即只有16%(游戏邦注:即82款应用中的13款)被评为4星以下。因此，选择4.5星的临界值来最大化两组的可变性。9个总结性指数是按主题对相似特征进行分组( 表1)。对于目标2 -比较较高和较低评级的应用程序，我们使用夏皮罗-威尔克检验来评估数据的正态性，并发现指数不是正态分布的。我们指挥了曼-惠特尼 U这些测试适用于非正态分布的独立群体，用于评估评级较高和较低的应用是否因指数而不同。

为了解决目标3 -预测用户评级和指数之间的关系，我们确定了指数，用户星级评级以及应用程序是否评级较高或较低之间的Spearman排名相关性。除奶瓶喂养与用户星级高度相关外，所有与用户星级显著相关的指标均纳入线性回归模型( r=0.693)与母乳喂养指数呈正相关。同样的指标被输入到一个二元逻辑回归模型中，以检验它们预测应用的评分是高还是低的能力。Logistic回归结果报告为95% ci的优势比(or)。对于所有统计检验，显著性定义为 P< . 05。

样本由82个母乳喂养应用程序组成，其中包括40个iPhone应用程序和42个Android应用程序( 表2)。用户对母乳喂养应用的平均评分为4.4分(满分5星)。在被审查的82款应用中，三分之二(54款)的评分较高，三分之一(28款)的评分较低。每个应用的用户评分从4到81800不等。

Mann-Whitney U进行了测试( 表3)，以确定评级较高和较低应用程序之间的差异。所有指标均显著，除了信息性、信息性和交互性指标外，评分较高的应用程序的所有指标的平均排名都高于评分较低的应用程序。母乳喂养和固体食物指数在评分较高和较低的应用程序之间产生了最显著的中位数差异。

表4说明了用户星级评分之间的Spearman排名相关性，应用的评分是高还是低，以及指数。用户星级评价与固体食物指数呈强正相关，与母乳喂养、奶瓶喂养、技术指标呈中等正相关。评分较高的应用程序与固体食物指数之间存在强烈的正相关，而与母乳喂养指数之间存在适度的正相关。最后，评价较高的应用程序与奶瓶喂养和技术指标之间的相关性是正的，弱的。

进行了线性回归分析，以确定母乳喂养、固体食物和技术特征是否能预测用户的星级评分( 表5)。独立变量解释了17%的用户星级评分(调整后) R²= 0.172)。母乳喂养和固体食物指标均显著。每增加一项母乳喂养功能，我们预计会看到27% ( β= .265, P= 0.047)增加用户星级，而每增加一个固体食物功能，用户星级将增加35% ( β= .354, P= .009)。

进行了二元逻辑回归分析，以确定跟踪特征或非跟踪特征是否预测更高的用户星级评分( 表6)。在未调整的双变量分析中，母乳喂养、奶瓶喂养、固体食物和技术指标与因变量之间存在显著关联。此外，每增加一个母乳喂养功能，应用程序获得更高评级的几率增加28% (OR 1.284, 95% CI 1.064-1.550)。同样，每增加一个奶瓶喂养(OR 1.683, 95% CI 1.112-2.548)和固体食物(OR 1.685, 95% CI 1.236-2.297)功能，应用程序获得更高评级的未调整几率增加了68%。技术指数也增加了应用获得较高评价的几率。在调整后的模型中，只有固体食物指数保持显著。每增加一个固体食物功能，应用获得更高用户星级评价的几率就会增加58% (OR 1.579, 95% CI 1.074-2.321)。

我们的研究建立在之前对母乳喂养应用程序的研究基础上，同时通过评估这些应用程序的功能来扩展我们对这些应用程序所提供功能的理解。我们的样本略大于Mieso等人[ 18]，免费应用的比例也高于之前的研究[ 18， 20.， 21]。类似于Schindler-Ruwisch等[ 20.]，样本涵盖了一系列应用类别，包括医疗、健康和健身以及育儿。我们对应用程序的横向评估是在特定的时间范围内进行的，类似于早期的研究[ 20.， 21]。

我们样本的许多特征反映了早期对母乳喂养应用程序的研究。例如，母乳喂养应用往往得到很高的评价。Mieso等[ 18]和Schindler-Ruwisch等[ 20.发现近70%的应用获得了>4星的用户评价，而Mieso等人[ 18显示母乳喂养应用的平均评分为4.3分(满分5星)。这与我们的发现是一致的。类似于Mieso等[ 18]，在我们的样本中，用户评论的数量显示了一个很大的范围。

不出所料，评分较高的应用在所有指数上都提供了更多的跟踪功能。Biviji等人在对母婴健康app用户评论的定性分析中[ 30.在积极的评论中，许多用户提到了跟踪功能，包括喂奶、吸吮、换尿布和睡眠——类似于一站式购物。相反，也有人抱怨应用的数据追踪能力有限[ 30.]。根据Mendiola等人[ 31]，预测健康应用用户评分的因素包括可用性、数据导出和跟踪。而跟踪组件与用户评分呈负相关，它与输出和可用性呈正相关，两者都与用户评分呈正相关[ 31]。另一种解释是，为什么更多功能会出现在评级较高的应用中，是因为新版本的应用包含了新的或更新的功能。未来的研究应考虑跟踪功能如何与其他可用性功能相对应，并批判性地分析跟踪功能，以确定其是否适合支持婴儿喂养目标。虽然信息学、信息性和交互性功能与用户星级评分无关，但评级较低的应用在这些指标上得分较高。虽然很少有应用程序具有这些功能，但未来的研究可能会考虑调查它们的效用，因为Biviji等人的研究[ 30.表明用户需要这些功能。

在回归模型中，母乳喂养指数预测用户星级评分;然而，它并没有预测应用的评分是高还是低。前者的发现是意料之中的，因为跟踪母乳喂养是这些应用程序的主要目的。这得到了Sidhu等人的支持[ 21他发现应用程序通常有帮助追踪母乳的功能。然而，我们无法解释后一项发现，尽管这可能与我们如何定义高评价应用有关。

在两个回归模型中，固体食物指数都是显著的。固体食物跟踪功能允许用户继续使用一个熟悉的应用程序，该应用程序包含其他跟踪数据(如母乳或母乳替代品的消耗，尿布更换或疫苗接种)，通过仔细监测新食物的引入，通常每周发生一次。这延长了应用程序的可用性，超出了有限的时间范围，再次进入一站式购物。 30.]。Biviji等[ 30.报告称，积极的应用评论强调追踪，尤其是喂养。作者演示了用户如何在导出数据、附加跟踪选项和数据可视化方面提供额外的反馈，这些可能会被纳入更新的应用程序版本[ 30.]。或者，固体食物指数可能是我们研究中未包括的特征的代表。由于我们的模型只能解释一小部分差异，我们建议对应用程序的界面进行全面评估。例如，功能的无缝程度如何?一个应用程序相对于另一个应用程序有什么优势?我们还建议对母乳喂养应用程序用户进行定性研究，以更深入地了解应用程序采用背后的原因和使用的功能。

虽然这项研究提供了母乳喂养应用程序的概述，但也有一些局限性。首先，这是在2018年11月至2019年12月期间收集的方便样本。我们使用关键字进行了手动搜索，这可能会导致丢失一些应用。其次，由于新的应用程序经常被引入市场，这项研究只能提供一个及时的快照;然而，总共有82个应用程序，它仍然提供了一个全面的概述。第三，这项研究仅限于美国的英语应用程序。未来的研究应该考虑其他语言和母乳喂养率较高的国家的应用程序。第四，这项研究没有考察应用程序的临床或科学价值，而是评估功能。母乳喂养应用程序可能包含与医疗建议相反的内容，应用程序可能不符合国家婴儿喂养指南[ 19， 23];然而，这超出了本研究的范围。

这项对母乳喂养应用的研究表明，用户评分部分是由跟踪功能驱动的，特别是那些与母乳喂养和固体食物有关的功能。对于用户如何评价应用来说，非跟踪功能似乎不那么重要，尽管原因尚不清楚。研究人员应该考虑在未来对此进行调查。更重要的是，移动医疗的普及为父母和护理人员提供了机会，以动态、详细和全面的方式跟踪与婴儿喂养和其他健康指标相关的行为。通过这种方式，母乳喂养应用程序有可能在用户中促进和支持母乳喂养。