基于网络的自我评估健康工具:用户是谁?缺失输入信息的影响是什么?gydF4y2Ba

介绍gydF4y2Ba

在过去十年中，使用因特网的机会和利用因特网寻求保健信息的人口比例显著增加[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba2gydF4y2Ba]。在线健康信息搜索者通常是在搜索与特定疾病或医疗问题有关的信息，包括诊断自身健康状况的可能性[gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba4gydF4y2Ba]。因此，卫生专业人员、公共卫生和政府组织以及私人卫生提供者都在使用互联网作为传播卫生信息和预防教育计划的媒介。这使得互联网成为提高消费者意识、促进健康行为和预防疾病的宝贵工具[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba6gydF4y2Ba]。基于网络的健康应用，如自我评估健康测试或行为改变方案，将高质量的健康信息与互动组成部分结合起来，因此可以发挥作用，有利于预防、早期发现或治疗非传染性疾病[gydF4y2Ba7gydF4y2Ba-gydF4y2Ba9gydF4y2Ba]。gydF4y2Ba

基于网络的健康评估工具对公共卫生的影响取决于它们所覆盖的受众，以及它们所提供信息的质量和可靠性。对基于网络的健康应用程序提出了批评，认为它们可能没有覆盖到最需要这些工具的人:那些有患病风险的人，以及那些预防工作仍然可行的人[gydF4y2Ba10gydF4y2Ba，gydF4y2Ba11gydF4y2Ba]。此外，人们还关注互联网上提供的不准确的健康评估可能造成的潜在危害，这些评估可能提供不正确的诊断和/或造成寻求适当医疗护理的延误[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba13gydF4y2Ba]。这可能是由于设计不良的Web应用程序没有科学依据造成的。另外，健康评估结果不准确的原因可能是用户输入错误、不理解问题或不知道问题的答案而提供不准确的信息[gydF4y2Ba14gydF4y2Ba]。这可能特别适用于需要生理风险因素信息的工具，而这是大部分人口所不知道的[gydF4y2Ba5gydF4y2Ba，gydF4y2Ba15gydF4y2Ba]。gydF4y2Ba

基于web的健康评估工具对疾病预防的潜在影响很大，但它们需要覆盖疾病风险较高的用户，并提供准确的健康评估。因此，本研究的目的是(1)评估基于网络的心血管疾病(CVD)风险评估工具是否达到了有患CVD风险的用户，(2)评估生理风险因素的意识对CVD风险沟通工具提供的健康评估的影响，特别是总胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)和收缩压(SBP)。(3)评估生理危险因素意识和报告的关键预测因素，以了解一般人群中谁更有可能向基于网络的工具提供生理措施。gydF4y2Ba

方法gydF4y2Ba

研究设计gydF4y2Ba

目前的研究是基于心脏年龄工具用户的全球数据库。心脏年龄是为了帮助用户更好地了解他们患心血管疾病的风险，当以传统的百分比给出时，这可能是一个难以理解的概念(例如，“你在未来10年患心血管疾病的风险是12%”)[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba17gydF4y2Ba]。心脏年龄是一个基于网络的工具，通过一系列问题获取个人的心血管疾病风险因素信息，根据Framingham风险评分计算未来10年内患心血管疾病的风险百分比，然后将这一风险转化为“心脏年龄”[gydF4y2Ba18gydF4y2Ba]。一个人的心脏年龄对应于具有相同预测心血管疾病风险但所有其他风险因素被认为是正常的人的年龄。这意味着根据他们的心血管疾病风险，一个人的心脏年龄可能比他们的实际年龄更小或更大。例如，一个危险因素正常的55岁男性患心血管疾病的风险为10%;因此，一名40岁的男性患心血管疾病的风险为10%(由于不健康的风险因素)，其心脏年龄为55岁。心脏年龄工具旨在让用户意识到他们患心血管疾病的风险，以及哪些风险因素导致了这种风险，从而激励他们改变生活方式。因此，目标受众是任何有发生心血管疾病风险，但预防工作仍然可行的人，因为这些用户可以从了解其当前状况和潜在干预措施中获益最多。在完成心脏年龄测试后，用户可以注册一个免费的基于网络的健康项目，该项目提供个性化的饮食和生活方式建议，以降低人们的心脏年龄。心脏年龄工具针对的是普通人群，但它特别打算接触具有不健康风险因素的用户。作为人造黄油品牌Flora/Becel品牌营销活动的一部分，Heart Age于2009年在全球推出，通过包装上的信息、电视广告、报纸广告、商店应用等方式推出。 The campaign focused on raising awareness of heart health; it was not targeted at specific at risk groups. The tool is available via free open access websites available in different languages [19gydF4y2Ba]。gydF4y2Ba

用户gydF4y2Ba

从2009年7月到2011年12月，心脏年龄工具收集了3374769名用户的数据。该工具已在14个国家推出，包括英国、德国、荷兰、比利时、芬兰、奥地利、波兰、土耳其、爱尔兰、葡萄牙、斯洛文尼亚、希腊、澳大利亚和巴西。通过使用该工具，用户同意隐私政策，该政策可以通过网站上的链接访问，并声明可以收集和使用所提供的个人信息，以汇总的方式评估网站和所提供服务的使用情况。访问该网站的人不会因为使用该工具而获得任何奖励。用户输入的所有信息都以一种无法识别个人身份的格式存储。“心脏年龄”的使用仅限于年龄在20至80岁之间、无心脏病史的用户。选择这一组是因为这是原始CVD算法验证的人群，并且患有现有心脏病的人未来发生CVD事件的风险水平不同。据报道，心脏年龄工具的不成比例的用户是20岁(9.59%，323,547/3,374,769)，可能是因为这是默认设置。因此，为了防止20岁的人为过度代表，分析仅限于21-80岁的用户。gydF4y2Ba

为了识别重复用户，在开始自我评估之前，用户被要求表明他们以前是否使用过该工具。所有回访用户均被排除在分析之外，以防止重复(n=143,682)。另有32,700名用户的TC、HDL-C、收缩压和体重指数(BMI)值均未达到或超出根据临床判断确定的有效范围(即80 mmHg≤SBP≤220 mmHg;77 mg/dl≤TC≤423 mg/dl;25mg /dl≤HDL≤90mg /dl;15≤BMI≤45)被排除在分析之外，因为无法计算这些用户的心脏年龄。由于该工具从未在巴西推广过，并且来自巴西的用户数量非常少(n=102)，因此很可能大多数条目都来自精选的内部用户组;因此，所有巴西用户都被排除在分析之外。最后，基于使用该工具的日期、BMI、TC、HDL、SPB、心脏年龄和10年心血管疾病风险等相同数据排除了130647名用户，这主要是由于在开发阶段测试了该工具的功能。最终的数据集包含2,744,091个用户。 Among those users who were excluded due to reasons other than being 20 years old (n=307,137), the mean age was 40.98 (SD 14.29) years and 50.78% (155,969/307,137) were women.

材料gydF4y2Ba

心脏年龄工具通过自我报告来评估心血管疾病的危险因素。用户完成了一份基于网络的调查问卷，询问有关人口统计数据的信息(如年龄、性别、身高和体重;心血管疾病家族史)、生理指标(如TC、HDL-C和收缩压值)、其他心血管疾病危险因素(如吸烟状况和糖尿病患病率)以及使用降压或降胆固醇药物。还获得了与心血管疾病相关的进一步信息，但与当前研究的目的无关。gydF4y2Ba

问题大多以封闭式问题的形式呈现，有固定的答案选项(例如，“是/否”或“男/女”)。通过询问“你的父母是否有过心脏问题(如心脏病发作、中风、心绞痛或心脏手术?)”来评估心血管疾病的家族史。吸烟状况和糖尿病患病率通过询问“你吸烟吗?”和“你有糖尿病吗?”对降压药和降胆固醇药的使用情况进行了评估，问题包括:“您是否正在服用或曾经服用过降压药物?”和“你正在服用或曾经服用过降低胆固醇的药物吗?”有关年龄、身高、体重和生理指标的问题采用开放式回答形式。用户可以选择他们想要输入的身高(厘米或英寸)和体重(公斤或磅)的单位;胆固醇的单位是预先确定的，每个国家不同(mmol/l或mg/dl)。通过询问“你知道你的胆固醇水平吗?”和“你知道你的血压吗?”如果用户选择“是”，则会打开一个子对话框，用户可以分别输入TC和HDL-C或SBP的值。子对话框还包含解释，说明“高密度脂蛋白胆固醇有时被称为‘好’胆固醇”和“收缩压是较高的数字(例如，血压是120/80,120是收缩压读数)”。 All subject data were automatically captured in a database. See图1gydF4y2Ba查看“心脏时代”工具的截图。通过心脏时代工具的完整用户旅程的截图提供在gydF4y2Ba多媒体附录1gydF4y2Ba。gydF4y2Ba

根据每个人生理测量的可用性，可以使用不同的算法计算10年心血管疾病风险和心脏年龄。当已知所有生理测量值时，有一个完整的算法，当缺少一个或多个生理测量值时，有5个替代算法。以下可选算法:(1)TC & HDL， (2) TC、SBP、BMI， (3) TC、BMI， (4) SBP、BMI， (5) BMI。CVD算法使用Framingham队列数据作为基于Cox比例风险回归的性别特异性多变量风险函数。完整的心血管疾病风险算法包括年龄、性别、TC、HDL-C、收缩压、抗高血压药物使用、吸烟状况和糖尿病等数据[gydF4y2Ba18gydF4y2Ba]。有关计算10年心血管疾病风险的算法的发展和验证的详细资料，请参阅[gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]。一旦计算出来，心血管疾病风险转化为心脏年龄[gydF4y2Ba20.gydF4y2Ba]。一个人的心脏年龄对应于具有相同预测CVD风险但所有其他风险因素被认为是“正常”的人的年龄。在全心脏年龄算法中，“正常”危险因素的参考值定义为:不吸烟，无糖尿病，收缩压=125 mmHg(60或以上则为130 mmHg)， TC=180 mg/dl, HDL-C=45 mg/dl。gydF4y2Ba18gydF4y2Ba]。对于总胆固醇不含HDL-C的替代模型，“正常胆固醇”的人的参考值增加到200mg /dl，以增加这些模型的敏感性。为了使心脏年龄保持在合理的范围内，决定如果心脏年龄比实足年龄低或高15岁，或者低于18岁或超过80岁，则应限制心脏年龄，以便在不引起恐慌的情况下提醒人们需要改变和医疗建议。提供了所有心血管疾病和心脏年龄算法的概述gydF4y2Ba多媒体附录2gydF4y2Ba。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

数据分析gydF4y2Ba

生理指标作为连续变量和二分类变量(正常vs高或正常vs低)进行分析。如果TC≥240 mg/dl，用户被分类为高TC，如果HDL-C≤40 mg/dl，用户被分类为低HDL-C [gydF4y2Ba22gydF4y2Ba]，收缩压高定义为收缩压≥140 mmHg [gydF4y2Ba23gydF4y2Ba]。BMI根据自我报告的身高和体重数据计算，超重和肥胖定义为BMI≥25 kg/mgydF4y2Ba^2gydF4y2BaBMI≥30 kg/mgydF4y2Ba^2gydF4y2Ba分别为(gydF4y2Ba24gydF4y2Ba]。所有超出有效范围的值都被认为缺失，并在分析中被视为个案缺失。为了评估独立于实足年龄的心脏年龄数据，心脏年龄与实足年龄之间的差异被计算为“相对心脏年龄”。gydF4y2Ba

为了评估TC、HDL-C和/或收缩压值对心脏年龄的影响，使用了一个由所有生理测量值有效的用户组成的子样本(173,397/2,744,091;占总人口的6.32%)。对于此子样本中的用户，我们基于完整算法和五种替代算法中的每一种计算心脏年龄。然后进行重复测量协方差分析(ANCOVA)，以检验完整算法和替代算法之间相对心脏年龄的显著差异，并调整年龄、性别和国家的影响。为了评估是否存在基于CVD风险类别、年龄和性别(即与CVD风险密切相关的因素)的差异关联，对CVD风险类别、年龄和性别进行单变量ANCOVAs分层。为了考虑多重比较，gydF4y2BaPgydF4y2Ba使用Bonferroni校正对事后检验的值进行调整。结果显示了基于Framingham风险评分的性别、10年年龄类别和10年心血管疾病风险类别[gydF4y2Ba18gydF4y2Ba]。gydF4y2Ba

为了评估受试者特征与三种生理心血管危险因素值的认知之间的关系，根据总样本进行logistic回归分析。对每个特征(即人口统计学、危险因素、心血管疾病风险估计、生理测量(连续和分类，以及对其的认识)进行单独的回归模型，控制年龄、性别和国家的影响。gydF4y2Ba

结果gydF4y2Ba

web工具的用户特征gydF4y2Ba

在纳入数据分析的2,744,091名心脏年龄用户中，大多数来自英国(31.19%，n=855,822)、德国(18.35%，n=503,502)、荷兰(18.33%，n=503,063)、比利时(15.01%，n=411,948)和芬兰(9.18%，n=251,952)。其他国家占研究样本的0.04% (n=995)至2.33% (n=64,050)。心脏年龄使用者的年龄分布覆盖了21-80岁的整个范围。20岁出头的用户数量最多，在40岁到50岁之间再次达到顶峰。在总样本2,744,091名用户中，22.76% (n=624,639)的用户年龄在20-29岁之间，23.99% (n=658,357)的用户年龄在40-49岁之间。60岁以后，Heart age用户数量急剧减少，60-69岁用户占10.92% (n= 299665)， 70-80岁用户仅占2.94% (n= 80753)。gydF4y2Ba

样本的人口统计学特征和风险因素概况见gydF4y2Ba表1gydF4y2Ba。平均而言，使用者的心脏年龄超过了他们的实际年龄，并报告了多种不健康的心血管疾病风险因素。生理指标在整个样本中呈正态分布，TC和HDL的平均值在正常范围内，收缩压和BMI高于正常范围。近三分之一的2,744,091名使用者报告有心血管疾病家族史(32.84%，n=901,134)，糖尿病患病率较低(3.39%，n=93,020)。女性(56.03%，n=1,537,490)比男性更常使用Heart Age。与男性相比，女性使用该工具的平均心血管疾病风险更低，相对心脏年龄更低，可改变的危险因素患病率更低，生理危险因素值更有利(TC除外)。有趣的是，女性使用者有心血管疾病家族史的比例(35.70%，n=548,949)高于男性使用者(29.19%，n=352,185)。与总样本相比，具有所有生理测量和BMI有效值的用户年龄较大。在这个用户亚样本中，有更多的糖尿病患者，有心血管疾病家族史的人，以及更少的吸烟者。总样本和子样本的平均TC、HDL-C和收缩压值相似。 Users in the subsample had fewer unhealthy CVD risk factors than the total sample. While the 10-year CVD risk of users with valid values for all physiologic measures and BMI was higher compared to that of the average user (due to older chronological age), the average user had a higher relative Heart Age than the users in the subsample.

对生理危险因素的认识gydF4y2Ba

大多数心脏年龄用户不知道自己的TC值(77.47%;n=2,125,881)或HDL-C值(93.03%;n = 2552872)。对SBP值的认知度相对最高，有53.45% (n=1,466,836)的用户报告有效值。在所有使用者中，6.37% (n=174,670)报告了所有三个生理危险因素的有效值。gydF4y2Ba

了解生理危险因素对心脏年龄的影响(在具有完整心血管疾病危险因素值的子样本中)gydF4y2Ba

将根据五种替代算法计算的相对心脏年龄与完整算法计算的相对心脏年龄进行比较。这是在具有所有生理测量和BMI完整有效值的用户子样本中完成的，以增强算法之间的可比性。替代算法通常高估了心脏年龄，导致相对心脏年龄明显高于完整算法(gydF4y2BaPgydF4y2Ba<措施)。基于两种生理测量的替代算法比只有一种或没有生理测量的替代算法更接近完整算法。经年龄、性别和国家调整后，替代模型和完整模型的相对心脏年龄平均差异为:替代算法#1 (TC和HDL-C)为2.1年(SD 0.1)，替代算法#2 (TC、SBP和BMI)为2.2年(SD 0.1)，替代算法#4 (SBP和BMI)为3.0年(SD 0.1)，替代算法#3 (TC和BMI)为3.9年(SD 0.1)。替代算法#5，其中包括BMI作为唯一的生理测量，与完整算法偏差最大，平均比完整算法高4.5 (SD 0.1)年。gydF4y2Ba

ANCOVAs比较了完整算法和所有替代算法在相对心脏年龄上的差异，发现年龄、性别和心血管疾病风险类别(gydF4y2BaPgydF4y2Ba<措施)。这些分析也仅限于具有所有生理测量和BMI完整有效值的用户的子样本。gydF4y2Ba图2gydF4y2Ba显示了替代算法和完整算法在相对心脏年龄方面的调整差异，分别为性别和10岁年龄组。对于所有替代算法，相对心脏年龄的高估随着年龄的增长而增加。对于女性，替代算法对相对心脏年龄的高估明显高于男性，但替代算法#4没有看到性别影响(gydF4y2BaPgydF4y2Ba=点)。如图所示gydF4y2Ba图3gydF4y2Ba对于所有替代算法，相对心脏年龄的高估随着心血管疾病风险的增加而减少。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

受试者特征与生理危险因子值认知的关系gydF4y2Ba

用户特征与TC、HDL-C和SBP意识之间关系的校正比值比见gydF4y2Ba表2gydF4y2Ba。相对而言，年龄、危险因素总数和对其他生理危险因素的认识是最强的预测因素。在男性中，与女性相比，HDL-C值的知晓率高26% (95% CI 25-27)，而收缩压值的知晓率低20% (95% CI 79-80)。对于所有三种生理风险因素，意识的增加与年龄的增长有关(即每增加一年5-7%)。糖尿病和心血管疾病家族史始终与生理危险因素值的高知知度相关。糖尿病患者知晓其价值的可能性是非糖尿病患者的1.47-1.74倍，有心血管疾病家族史的用户知晓度比无心血管疾病家族史的用户高22-43%。与正常体重的使用者相比，超重或肥胖的使用者明显更了解他们的收缩压值(or 1.13, 95% CI 1.12-1.14和or 1.20, 95% CI 1.19-1.21)，但明显更不了解他们的HDL-C值(or 0.89, 95% CI 0.89 -)。91和OR 0.91, 95% CI 0.73 - 0.75)。gydF4y2Ba

随着不健康心血管疾病危险因素数量的增加(每增加一个危险因素减少41-47%)和心脏年龄的增加(每增加一个心脏年龄年减少3-8%)，对这三种生理危险因素的认识也在下降。在当前吸烟者中，对TC、HDL-C和收缩压的认识比不吸烟者低29-48%。与收缩压正常的患者相比，收缩压高的患者明显不太可能意识到他们的TC和HDL-C值，OR分别为0.94 (95% CI 0.93-0.95)和0.46 (95% CI 0.34-0.63)。使用生理测量的精确值作为预测变量，而不是将其分类为不健康值或正常值，通常不会导致逻辑回归模型的更好拟合。对三个生理风险因素值的认识是密切相关的(即，知道其中一个值的用户很可能也知道其他值)。对TC和HDL-C值的认识尤其如此;知道自己的TC的用户知道自己的HDL-C的可能性要高出4000倍，反之亦然。gydF4y2Ba

讨论gydF4y2Ba

主要结果及影响gydF4y2Ba

基于网络的健康评估工具对公共卫生的潜在积极影响在很大程度上取决于这些工具是否能触及合适的受众以及所提供的健康评估的质量。本研究评估了传达心血管疾病风险的健康评估工具是否达到了高风险受众，评估了正确输入信息(例如，对关键生理风险因素的认识)的影响，并检查了某些亚组是否不太可能提供完整的输入信息。总体而言，心脏年龄工具被证明能够达到有发生心血管疾病风险的人群的目标受众，并且证明了生理风险因素信息的缺失导致(相对)心脏年龄的高估。特定亚组的人确实因为没有提供完整的风险因素信息而风险更高。心脏年龄工具覆盖了中等风险(男性)和低风险(女性)的平均用户;少数使用者有高风险(>20%心血管疾病风险)。值得注意的是，平均心脏年龄的使用者有多种心血管疾病的危险因素。心脏年龄使用者中吸烟、超重和肥胖的流行程度在研究国家中普遍观察到的正常范围内[gydF4y2Ba25gydF4y2Ba-gydF4y2Ba27gydF4y2Ba]。然而，高TC、高收缩压和糖尿病的发生率较低[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba26gydF4y2Ba，gydF4y2Ba28gydF4y2Ba，gydF4y2Ba29gydF4y2Ba]。这可能是由于60岁及以上人群的代表性不足，以及这些人群中常见的未确诊糖尿病的高发率[gydF4y2Ba30.gydF4y2Ba-gydF4y2Ba32gydF4y2Ba]。信息偏差也可能在高TC和高收缩压患病率相对较低的原因中发挥作用，因为意识到自己价值的人的TC和收缩压水平可能与未意识到自己价值的人存在系统性差异[gydF4y2Ba33gydF4y2Ba]。其他先前的报告指出，特定人群更有可能有高心血管疾病风险，如老年人，有可预防的健康问题或慢性病的人，以及社会经济地位较低的人通常不太可能搜索健康信息，可能是由于互联网接入和使用有限[gydF4y2Ba3.gydF4y2Ba，gydF4y2Ba10gydF4y2Ba，gydF4y2Ba34gydF4y2Ba，gydF4y2Ba35gydF4y2Ba电子卫生素养相对较低(即从电子来源寻找、查找、理解和应用卫生信息的能力)[gydF4y2Ba36gydF4y2Ba]。因此，仍应改善基于网络的健康应用程序对心血管疾病风险特别高(绝对)人群的可及性(例如，通过增加公共场所的互联网接入，开发移动使用的健康应用程序，使用用户友好的语言和有针对性的推广)。gydF4y2Ba

心脏年龄工具的设计目的是针对有心血管疾病风险的人群，在这些人群中干预措施仍然是可行的。当前用户的绝对风险低于预期，这表明该工具可能覆盖了很大一部分“健康”用户。然而，平均而言，这些人有多种不健康的心血管疾病风险因素，他们的心脏年龄平均比实际年龄大4岁。这表明他们的风险因素随着他们的年龄而升高，如果不采取任何措施改善他们的生活方式，他们患心血管疾病的风险很高。因此，受众所达到的心年龄gydF4y2Ba是gydF4y2Ba目标受众——疾病预防的良好目标群体。这对年轻人来说是特别有趣的，因为10年心血管疾病的绝对风险很低，这可能是错误的安慰[gydF4y2Ba37gydF4y2Ba-gydF4y2Ba40gydF4y2Ba]，尤其是在多种风险因素增加的情况下。心脏年龄更有可能被视为年轻(30-45岁)吸烟者和/或肥胖使用者的警钟[gydF4y2Ba41gydF4y2Ba]。先前的研究也表明，“心脏年龄”会促使人们改变健康的行为或对情绪产生影响[gydF4y2Ba7gydF4y2Ba，gydF4y2Ba42gydF4y2Ba，gydF4y2Ba43gydF4y2Ba]，与提供10年心血管疾病风险百分比相比，胆固醇、血压和心血管疾病风险的降低幅度更大[gydF4y2Ba42gydF4y2Ba]。这突出表明，健康自我评估工具，特别是心脏年龄，可用于在人口一级促进健康。gydF4y2Ba

很大一部分心脏年龄用户不知道他们的TC、HDL-C或收缩压值，因此接受了(相对)心脏年龄的高估，这可能导致该工具用户不适当的痛苦。这突出了完整的风险因素信息对于基于web的健康自我评估工具的可靠风险沟通的重要性。因此，基于web的健康评估工具应提及不了解风险因素的潜在影响，并鼓励最近未接受检测的用户进行检测。正如预期的那样，已知的生理风险因素越多，预测的(相对)心脏年龄就越准确。由于仅了解TC并不能提高预测心脏年龄的准确性，因此胆固醇测试通常应同时测量TC和HDL-C浓度。此外，应该探索和验证在基于web的健康应用程序中使用代理度量来估计缺乏的生理风险因素值。这些问题可能包括人们是否被诊断患有高血压或高胆固醇血症，或者是否被开过降胆固醇药物。心脏年龄工具在当前学习的基础上不断改进，其算法经过微调以提高其准确性;这可能包括用于改进工具性能的新测量的空间，但也可能包括针对不同国家或种族群体可能需要的重要变化。心脏年龄的高估随着心血管疾病风险的增加而降低，这一发现可能归因于心脏年龄的上限。 Precautionary measures to restrict extreme outcomes of Web-based health assessment tools may generally be useful to limit large inaccuracies in predicted disease risk. Withholding people who have incomplete risk factor information from accessing Web-based self-assessment tools may be a missed opportunity as the Heart Age tool has been shown to motivate women to get their cholesterol tested [41gydF4y2Ba]。gydF4y2Ba

吸烟者和有几种不健康心血管疾病危险因素的人尤其有可能不知道他们的(其他)生理心血管疾病危险因素。因此，如果健康自我评估工具针对这些群体，应特别注意所有相关风险因素的全面清单，在某些置信范围内仔细沟通估计的疾病风险，并强有力地鼓励人们了解自己的风险因素值。由于意识到生理上的心血管疾病危险因素本身就能促使人们采取预防措施[gydF4y2Ba44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba]，一般应在吸烟者和有其他已知心血管疾病危险因素的人群中提高对危险因素值的认识。这也符合预防心血管疾病风险的一般政策，即鼓励综合考虑所有心血管疾病风险因素[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba46gydF4y2Ba]。对生理危险因素的认识随着心脏年龄的增加而下降，这一发现需要仔细考虑，因为这可能部分解释了当危险因素信息缺失时，心脏年龄被高估。心血管疾病危险因素总数解释了6.5-14.1%的危险因素知晓率变化，表明危险因素之外的其他特征可能是对TC、HDL-C和收缩压知晓率更重要的预测因素。gydF4y2Ba

优势与局限gydF4y2Ba

目前的研究是基于近300万心脏年龄工具用户的大样本，为研究结果提供了信心。此外，样本取自13个国家，提高了结果的普遍性。然而，在解释结果时应该考虑到一些限制。首先，数据是自我报告的，没有通过客观测量来验证其准确性;对于生理数据来说，这是一个特别的问题，这些数据并不总是准确地回忆起来，或者可能不是来自最近的测量。其次，对生理危险因素的认识对心脏年龄的影响是基于一个相对较小的健康的心脏年龄用户亚样本来估计的;因此，这一发现可能无法推广。因此，虽然从本研究中缺失的危险因素信息的影响被证明是一个值得关注的问题，但未来的研究需要在一个自我报告的生理危险因素值的意识信息与所有心脏年龄工具参数的客观测量相结合的样本中调查生理CVD危险因素的意识对心脏年龄的影响。gydF4y2Ba

结论gydF4y2Ba

心脏年龄(Heart Age)是一个基于网络的心血管疾病风险沟通工具，研究发现，平均而言，该工具可以覆盖具有多种心血管疾病风险因素升高且心脏年龄高于实际年龄的人群。这突出表明，基于网络的自我评估健康工具可以成为一种有用的手段，与有患病风险的人互动，在干预措施仍然可行的情况下。自我评估健康工具中的信息缺失导致自我健康评估不准确。这表明了健康自我评估工具完整输入信息的重要性，以及鼓励不了解自己价值观的人接受检测的必要性。研究发现，某些特定的亚群体尤其有风险，因为他们没有健康自我评估工具所需的完整输入信息，因此，如果向这些群体部署健康自我评估工具，就需要更加小心。需要作出额外的努力来提高这些小组的认识。gydF4y2Ba