通过健康和行为跟踪的移动健康使用模式来描述美国人口:对国家癌症研究所健康信息全国趋势调查数据的分析

简介

背景

移动健康(mHealth)包括使用便携式数字设备，如智能手机、平板电脑以及健身和医疗可穿戴设备来支持健康。大约80%的美国成年人拥有智能手机。1]，通常有一个或多个与健康有关的软件应用程序(健康应用程序)在购买时已预先安装。近60%的智能手机用户还表示，他们在智能手机上安装(即下载)了一个或多个健康应用。2］．带有多种传感器类型的可穿戴设备，旨在监测健康指标，如活动、睡眠、血糖和血压，也已渗透到美国市场[3.，4］．在普通人群中，可穿戴活动监测器(如Fitbit)是最常见的可穿戴设备之一，据报道约有13%的美国人使用[5］．

尽管它们无处不在，但用于健康和行为跟踪的各种类型的移动健康技术的所有权和使用各不相同。移动医疗技术的使用报告包括与医疗保健提供者的通信[6]，做出饮食或体育活动的决定[7，8]，以达到减重等健康目标[9]，以及监察糖尿病或高血压等慢性疾病[10，11］．一些移动健康干预研究报告称，移动健康技术的使用与改善健康或行为结果有关。例如，这些措施包括改善饮食和体育活动[12，13]、减轻体重或维持体重及降低血糖[11]，以及更高质量的医患沟通[14］．尽管这些研究表明移动健康有可能加强患者与提供者之间的沟通，改善健康结果，并促进行为改变，但需要研究研究移动健康技术如何被美国人口用于健康和行为跟踪，以了解如何针对和定制移动健康干预措施，以提高其在人口亚群体中的覆盖面和有效性。

目前，在理解移动健康技术用于健康和行为跟踪的相关文献中存在空白，需要填补这些空白以推进移动健康干预科学。首先，迄今为止，大多数干预研究只评估了一种类型的移动健康技术，以解决预期的健康结果或目标行为[8，15-18］．然而，随着移动医疗技术功能的多样化，个人拥有和使用的移动医疗技术类型也越来越多样化，多用途变得越来越普遍[19］．因此，确定美国人口用于健康或行为跟踪的移动健康技术类型是推动科学发展的重要组成部分。

其次，关于美国人在使用移动健康技术进行健康或行为跟踪时是否设定了健康目标的研究有限。目标设定可以促进移动卫生干预措施的更高和持续参与[20.-22］．此外，目标设定与良好的健康行为结果密切相关，例如超重和肥胖成年人增加身体活动和健康饮食[23]是有效的移动健康干预措施的一个特征，可以改善一般人群中儿童和成人的饮食、身体活动和久坐行为[13］．调查跟踪是否包括目标设定和评估那些设定这些目标的人的特征，可能会增加对谁更有可能(或更少)由于使用移动健康技术进行健康或行为跟踪而改变健康行为的理解，并有助于更精确地定位和定制未来的移动健康干预措施。

最后，过去的研究发现，在美国，许多人报告没有拥有或使用移动健康技术进行健康或行为跟踪，这些人在年龄、性别、教育程度和收入等几个特征上与移动健康技术所有者和用户存在差异[5，24］．然而，用于健康和行为跟踪的移动健康技术仍在继续发展，并在不同人群中以不同的速度被采用。因此，继续描述和描述移动健康的非所有者和非用户是必要的，以了解在美国人口的健康和行为跟踪中使用移动健康的模式。

研究的目的是

本文有三个主要目的。第一个是通过描述移动医疗在美国人口健康和行为跟踪中的使用模式来弥补文献中的空白。我们对移动健康使用模式的概念化考虑了3个因素:(1)移动健康技术是否被拥有并用于健康或行为跟踪，(2)拥有和用于健康或行为跟踪的移动健康技术类型，即智能手机或平板电脑和其他数字设备，如健身追踪器或医疗设备，以及(3)使用移动健康技术的健康或行为跟踪是否包括目标设定。

在这3个因素的基础上，我们区分了5个相互排斥的类别，或人口亚组，在美国的移动健康所有者和用户和移动健康非所有者和非用户。mHealth的非所有者和非用户是那些报告他们没有拥有或使用移动健康技术进行健康或行为跟踪的人。在移动健康的所有者和用户中，supertrackers那些报告使用多种设备(智能手机或平板电脑和另一种设备，如健身追踪器或医疗设备)来跟踪健康状况或行为和目标的人，是否如此应用程序追踪器报告仅使用智能手机或平板电脑达到相同目的。设备跟踪器指那些只使用智能手机或平板电脑以外的设备跟踪健康或行为，不使用智能手机或平板电脑健康应用程序跟踪目标的人。最后,nontrackers指那些自称只有智能手机或平板电脑健康应用，但不使用它们来跟踪目标，也不使用其他设备跟踪健康或行为的人。

本文的第二个目的是通过与拥有或使用移动健康技术进行健康和行为跟踪的人进行比较，描述移动健康非所有者和非用户的特征。我们考虑个人层面的因素，如社会人口统计学——年龄、性别、种族、教育、收入和地理区域。我们还考虑了与健康和健康行为相关的因素，如体重状况、是否患有慢性疾病(如糖尿病)、感知健康状况、健康自我效能以及是否寻求健康信息。

本文的第三个也是最后一个目的是描述和比较移动健康所有者和用户的特征(社会人口学、健康和健康行为)，通过移动健康使用模式进行健康和行为跟踪。通过比较移动健康所有者和用户的移动健康使用模式，可以提供重要的见解，了解哪些人不仅在美国拥有和使用不同类型的移动健康技术，而且还以促进改善健康和健康行为结果的方式使用这些技术(即目标设定)。随着移动医疗技术的发展和采用的迅速发展，通过移动医疗使用模式来描述人口特征，可以为如何针对和定制移动医疗干预措施提供信息，以覆盖不同的美国受众，促进健康行为。

方法

数据

数据来自美国国家癌症研究所(NCI)的健康信息国家趋势调查(HINTS)，提示5，周期1和提示5，周期2。hint是一项基于概率的、对美国成年、平民、非机构人口的横断面调查。调查数据通过2017年1月至5月完成的纸笔自助问卷收集(周期1;看到多媒体附件1)和2018年1月至5月(周期2，见多媒体附件2)．hint有一个两阶段的分层样品;地址从美国邮政服务的居民地址文件中随机选择，并从每个样本家庭中随机选择一个单独的受访者(提示5，周期1的回复率=32.4%，N=3285;提示5，循环2响应率=32.9%，N=3504)。有关HINTS方法的细节已在其他地方描述[25］．

社会人口学和健康相关特征

分析中包含的与受访者特征有关的项目被问及2017年和2018年的完整合并样本(N=6789)。分析中包括的社会人口学变量包括性别(男性和女性);年龄(18-34岁，35-49岁，50-64岁，≥65岁);种族(白人、黑人和其他种族，结合了美国印第安人/阿拉斯加原住民、亚洲印第安人、中国人、菲律宾人、日本人、韩国人、越南人、其他亚洲人、夏威夷原住民、关岛人或查莫罗人、萨摩亚人和其他太平洋岛民的低频反应);西班牙裔(西班牙裔，非西班牙裔);学历(高中或高中以下学历，技术、职业或专科以下学历，大学毕业或研究生学历);家庭年收入(< 20,000美元、20,000- 49,999美元、50,000- 74,999美元和≥75,000美元);还有地理区域。地理区域被划分为城市或农村基于美国农业部经济研究服务连续代码。

健康相关变量包括BMI(正常:18.5-24.9;超重:25 - 29.9;肥胖:≥30)，感知健康状况(可怜的或公平，好，很好,优秀的)、健康自我效能(一点都不自信或有点自信，有点自信，非常有信心,完全有信心)、患有一种或多种慢性疾病(糖尿病、高血压或心脏病)，以及寻求健康信息。感知健康状况用单一项目进行评估，总的来说，你认为你的健康状况是…这一单项包括李克特回答的五点可怜的来优秀的．健康自我效能感的测量项目是总的来说，你对自己照顾好自己健康的能力有多大信心?回答选项也采用李克特5分制，从完全有信心来一点都不自信．有一种或多种慢性疾病的人使用问题后的检查表进行报告，医生或其他健康专业人士是否曾告诉你，你有以下任何一种健康状况?在这项研究中，如果受访者选择，他们会被归类为患有慢性疾病是的来糖尿病或高血糖，高血压或高血压,或心脏病心脏病发作、心绞痛或充血性心力衰竭等心脏疾病．之所以包括这些慢性疾病，是因为使用数字医疗设备(如血糖仪)进行自我管理很常见。的项目,你曾经从任何来源寻找过关于健康或医学主题的信息吗?（是的或没有)，用来评估健康信息寻求者。

拥有和用于健康或行为跟踪和目标设定的移动医疗技术

拥有智能手机或平板电脑的受访者被问及，在你的平板电脑或智能手机上，你有任何与健康有关的应用程序吗?（是的，没有,或不知道)．对于逻辑回归分析，这种反应被一分为二为是vs否和不知道。不知道响应被分解为没有由于低响应频率的响应不知道(n=285)，因为不知道自己是否有健康应用程序，意味着不使用这些应用程序进行健康或行为跟踪。受访者还被问及，你的平板电脑或智能手机是否帮助你追踪与健康相关的目标的进展，比如戒烟、减肥或增加体育锻炼?（是的或没有)．所有受访者都被问及，除了平板电脑或智能手机，在过去12个月内，你是否使用过电子设备来监测或跟踪你的健康状况?例如Fitbit、血糖仪和血压监测器．（是的或没有)．

健康与行为追踪移动医疗使用的运作模式

图1表示我们对用于健康和行为跟踪的每个互斥移动健康使用模式的操作化。合并的hint样本被分为移动健康所有者和用户以及非所有者和非用户。mHealth非拥有者和非用户被定义为那些报告说他们没有或不知道他们的智能手机或平板电脑上是否有健康应用程序，不使用智能手机或平板电脑跟踪健康相关目标，不使用其他设备跟踪健康或行为(如Fitbit、血糖仪和血压监测仪)的人。基于移动健康技术拥有或用于跟踪健康或行为和目标的独特方式，移动健康所有者和用户被分为4类。超级追踪者被定义为那些使用智能手机或平板电脑跟踪健康相关目标，并使用其他设备(如健身追踪器或数字医疗设备)跟踪健康或行为的人。应用追踪者被定义为那些使用智能手机或平板电脑跟踪健康相关目标，但不使用其他设备跟踪健康或行为的人。设备追踪者被定义为那些使用智能手机或平板电脑以外的设备来跟踪健康或行为，但不使用智能手机或平板电脑来跟踪健康相关目标的人。最后，非追踪者被定义为那些只报告拥有智能手机或平板电脑健康应用程序，但不使用它们跟踪健康相关目标，也不使用其他设备跟踪健康或行为的人。

‎ 查看此图

统计分析

合并的HINTS 5, Cycle 1和HINTS 5, Cycle 2数据的分析使用SAS version 9.4 (SAS Institute, Cary, NC)进行。使用描述性统计(频率、加权百分比和卡方统计)来检查用于健康和行为跟踪的移动健康使用模式(目的1)。拥有和没有智能手机或平板电脑的受访者被包括在移动健康非所有者和非用户类别中;没有、没有使用移动设备跟踪和监测健康状况是纳入的主要标准。与mHealth的非拥有者和非用户类似，是否拥有智能手机或平板电脑也不是设备跟踪器类别的标准。

总之，我们构建了2个逻辑回归模型，通过移动健康使用模式来描述和比较美国人口亚组的健康和行为跟踪。为了解决目标2，执行二项逻辑回归来测试受访者特征独立预测属于mHealth非所有者和非用户类别的几率，同时保持其他受访者特征不变(参考类别=所有mHealth所有者和用户)。为了解决目标3，构建了一个使用广义logit的多项逻辑回归模型，以确定在控制其他受访者特征的情况下，受访者特征独立预测mHealth所有者和用户使用mHealth进行健康和行为跟踪的模式的预测概率。由于不存在一个规范的移动健康所有者和用户群体，因此选择超级追踪者作为第二个模型的参考类别，因为Aim 1的调查结果显示，超级追踪者构成了样本中最大的移动健康所有者和用户类别。计算优势比和95% CI的显著性检验P< . 05。回归模型采用完整的案例分析和逐级删除。

数据权重用于提供具有代表性的美国人口估计。全样本权重用于计算总体水平点估计值和参数。重复权重(采用叠刀方差估计法计算)用于计算准确的标准误差。

结果

社会人口学和健康相关特征

总合并提示样本为6789个。根据hint受访者的社会人口学和健康相关特征计算加权流行率估计值(见多媒体)．hint分层后权重通过调整加权总数以接近已知的总体特征来调整所获得样本的固有变化。与大多数健康调查一样，暗示原始样本倾向于过度积累来自女性、老年人、城市居民以及受教育程度较高和家庭年收入较高的人的回复。此外，白人、非西班牙裔受访者占样本的一半以上。在与健康相关的特征方面，大约一半的美国成年人至少报告了非常好的健康状况，大多数人至少对他们的健康自我效能感非常有信心。大多数人是寻求健康信息的人，超重或肥胖，从未被诊断出患有糖尿病、高血压或心脏病。

拥有和用于健康或行为跟踪和目标设定的移动医疗技术

还计算了与拥有和使用移动健康技术进行健康或行为跟踪和目标设定有关的项目的加权流行率估计值。大多数受访者(85.22%)表示拥有智能手机或平板电脑，接近一半(46.83%)的受访者表示其中一种设备上有健康应用程序，43.23%的受访者表示他们使用智能手机或平板电脑来跟踪与健康相关的目标的进展。约三分之一(34.66%)的受访者表示，他们有智能手机或平板电脑以外的设备来跟踪自己的健康或行为。

目标1:用于健康和行为跟踪的移动医疗使用模式

在我们对移动健康使用模式进行健康和行为跟踪的操作化的基础上，移动健康的非所有者和非使用者约占样本的三分之一(34.72%)。大多数mHealth的非拥有者和非使用者是智能手机或平板电脑的拥有者(95.15%)。非追踪者，即那些报告在智能手机或平板电脑上有健康应用，但不使用它们来跟踪健康相关目标，也不使用其他设备来跟踪健康或行为的人，在样本中所占比例最小(8.8%)。

在报告拥有或使用移动健康技术进行健康或行为跟踪的受访者中，超级跟踪器最普遍(24.05%)，其次是应用跟踪器(19.5%)和设备跟踪器(12.9%)。大多数设备追踪者(97.6%)都有智能手机或平板电脑，约三分之一的人(35.0%)在这些设备上安装了健康应用程序。表1通过用于健康和行为跟踪的移动健康使用模式描述了受访者的社会人口学和健康相关特征。

目标2:与移动医疗非所有者和非用户类别相关的特征

与mHealth的所有者和用户(非跟踪器、应用跟踪器、设备跟踪器和超级跟踪器)相比，mHealth的非所有者和非用户为男性(OR 1.38, 95% CI 1.08-1.77)和35岁或以上的几率更高，而mHealth的非所有者和非用户类别的几率随着年龄的增长而增加(35-49岁:OR 1.55, 95% CI 1.01-2.36;50-64岁:OR 2.01, 95% CI 1.30-3.11;65岁以上:OR 2.77, 95% CI 1.86-4.13)。没有移动医疗设备所有者和没有移动医疗设备使用者的家庭年收入低于75,000美元的几率也更高(< 20,000美元:OR 2.06, 95% CI 1.34-3.16;$ 20,000-us $49,999:或1.94,95% ci 1.33-2.83;5万美元- 74,999美元:或1.67,95% ci 1.14-2.46)。

此外，mHealth非拥有者和非使用者非大学毕业生的几率更高(高中或以下:or 1.88, 95% CI 1.31-2.69;技术、职业或某些大学:or 1.36, 95% CI 1.02-1.83)，不寻求健康信息(or 1.53, 95% CI 1.15-2.04)。然而，与移动健康所有者和用户相比，他们报告慢性疾病的几率较低(OR 0.57, 95% CI 0.45-0.72)。种族和民族差异不显著(F_{3, 98}= 0.11;P=.95)，地理区域(F₉₈= 0.39;P=.54)，感知健康状况(F_{3, 98}= 0.31;P=.82)、健康自我效能感(F_{3, 98}= 0.92;P=.43)，体重状况(BMI，F₉₈= 1.77;P=.18)当控制所有其他变量时(见表2)．

目标3:移动健康所有者和用户使用移动健康模式的特征，用于健康和行为跟踪

多项logistic回归分析显示，在移动健康所有者和用户(参考类别=超级追踪者)中，与移动健康使用模式的健康和行为跟踪相关的几个社会人口学和健康相关特征。如表3，在性别、年龄、种族和民族、收入、是否患有慢性病、体重状况以及是否寻求健康信息方面存在显著差异。然而，不同地理区域的移动医疗使用模式没有显著差异(F_{3, 98}= 1.37;P=.29)，感知健康状况(F_9日,98年= 1.33;P=.23)、健康自我效能(F_9日,98年= 0.91;P=.52)、教育(F₉₈= 1.47;P=.20)。

与超级追踪器(本研究中最大的移动健康所有者和用户类别)相比，应用追踪器的男性比例更高(OR 1.46, 95% CI 1.11-1.94)，而50岁或以上的比例更低(50-64岁:OR 0.63, 95% CI 0.41-0.96;65岁以上:OR 0.50, 95% CI 0.29-0.88)。应用追踪器显示家庭年收入在2万美元至49999美元之间的概率是7.5万美元或以上的2倍(or 2.32, 95% CI 1.61-3.33)。最后，应用程序追踪者报告自己患有慢性疾病的几率低于超级追踪者(OR 0.62, 95% CI 0.42-0.92)。

与超级跟踪器相比，设备跟踪器的男性比例也更高(OR 2.22, 95% CI 1.55-3.19)。在年龄方面，设备跟踪器50-64岁的几率是其近3倍(OR 2.83, 95% CI 1.52-5.30)， 65岁或以上的几率是其约6倍(OR 6.28, 95% CI 3.35-11.79)。与超级追踪器相比，设备追踪器报告家庭年收入在2万至49,999美元之间的几率约为7.5万美元或以上的2倍(or 2.31, 95% CI 1.36-3.91)，非健康信息搜索者的几率约为3倍(or 2.98, 95% CI 1.66-5.33)。设备跟踪器识别非西班牙裔黑人(OR 0.48, 95% CI 0.31-0.74)和其他种族和民族(OR 0.54, 95% CI 0.30-0.99)的几率较低。与超级追踪者相比，他们报告慢性疾病的几率更高(OR 1.69, 95% CI 1.14-2.49)，但超重(OR 0.58, 95% CI 0.38-0.88)或肥胖(OR 0.55, 95% CI 0.35-0.86)的几率更低。

最后，与超级追踪者相比，不追踪者65岁或以上的几率是前者的两倍多(or 2.74, 95% CI 1.47-5.11)。他们不寻求健康信息的几率也超过2倍(OR 2.37, 95% CI 1.16-4.86)。与超级追踪者相比，不追踪者属于其他种族和民族类别的几率更低(OR 0.51, 95% CI 0.27-0.96)。此外，他们超重(OR 0.47, 95% CI 0.29-0.76)或肥胖(OR 0.43, 95% CI 0.28-0.67)的几率较低。

讨论

主要研究结果

本研究的目的是研究美国人口中移动健康使用的健康和行为跟踪模式，并根据这些模式对人口进行特征描述。我们发现，那些不拥有或不使用移动健康技术进行健康或行为跟踪的人占人口的比例相对较大(约三分之一)。在移动健康技术的所有者和用户中，成为一个超级追踪者——使用多种移动健康技术进行健康或行为跟踪和目标设定——是移动健康使用的最常见模式。我们的研究还证实并扩展了其他对全国代表性样本(如加拿大)的研究发现[7];也就是说，移动健康技术所有者和用户在社会人口统计学和健康相关因素方面存在实质性差异。超级跟踪器和设备跟踪器的社会人口统计学和健康相关特征是最独特的，设备跟踪器的几个特征(跟踪健康或行为但不跟踪健康目标的设备跟踪器)与移动健康的非所有者和非用户的特征相似。我们的研究结果表明，超级跟踪器和设备跟踪器的独特特征，特别是可以用来帮助定位和定制未来的移动健康干预措施。

用于健康和行为跟踪的移动健康技术的非所有者和非用户特征

不拥有或不使用移动健康技术进行健康和行为跟踪的人约占美国人口的三分之一;尽管拥有智能手机或平板电脑的美国人比例很高，但拥有这些设备并不一定意味着这些设备被用来跟踪健康、行为或目标。我们发现，与用于健康或行为跟踪的移动健康技术的所有者和用户相比，移动健康的非所有者和非用户往往是男性，年龄较大，并且报告的教育和收入水平较低，这一发现得到了其他关注美国人口移动健康技术使用的研究的支持[5，24］．此外，我们的研究结果还揭示了移动健康的非所有者和非用户类别与一般不寻求健康信息之间的关系。

与用于健康或行为跟踪的移动健康技术的所有者和用户相比，不拥有和不使用移动健康技术的人也往往没有慢性疾病，特别是糖尿病、高血压或心脏病。这些结果表明，患有慢性疾病是拥有和使用移动医疗技术的潜在原因或动力。尽管一项针对智能手机用户的研究发现，患有慢性病的人并不比没有慢性病的人更可能使用健康应用程序[10]，我们的分析还考虑了受访者对其他设备的使用情况，如fitbit、血糖仪和血压监测器。因此，我们的分析似乎发现了患有和没有慢性疾病的人在使用移动健康技术方面的显著差异，因为这些不同类型的技术都包含在我们的测量中。

尽管在各种研究中都一致报告了老年与非移动医疗技术所有者或非用户之间的联系，但我们建议继续对非移动医疗技术所有者和非用户进行人口层面的研究，因为数字原生代的比例将随着人口老龄化而增长。反过来，这可能会增加信任通过数字设备收集个人健康信息的人口比例[26］．随着移动健康技术的功能不断进步，移动健康技术在健康或行为跟踪方面的感知效用也可能在非所有者和非用户以及前所有者和用户中增加，特别是如果确保社会文化相关性等方法[27]和以人为本的设计[28，29在整个移动医疗技术开发过程中都要考虑。

此外，我们关于非移动健康所有者和非用户的研究结果表明，临床和公共卫生从业者可以考虑替代移动健康干预措施，以跟踪和促进健康行为的改变，特别是在受教育程度较低的老年男性中。然而，他们也提醒人们注意，确保不拥有或使用移动医疗技术进行健康或行为跟踪的重要性，不是由于数字健康扫盲等可以解决的障碍[28，30.-32］．研究人员和组织正在通过一些项目来解决这些问题，如回收健康[31，33]、美国退休人员协会Tek工场[34，35]，及健康集团[36]，对健康和行为结果有可衡量的有益影响[31，36］．

移动健康所有者和用户的特征，按移动健康使用模式进行健康和行为跟踪

在这项研究中，我们还通过比较非跟踪器、应用跟踪器和设备跟踪器与最大的移动健康所有者和用户群体——超级跟踪器，发现了移动健康所有者和用户的特征差异。超级追踪者，即那些使用多种设备进行健康或行为跟踪和目标设定的人，约占美国人口的四分之一。我们的研究结果表明，超级追踪者(可以想象，他们对移动健康技术最感兴趣)比非追踪者和设备追踪者更年轻，后者的共同点是他们不使用移动健康技术来跟踪与健康相关的目标。与设备追踪器和应用追踪器相比，超级追踪器的用户也多为女性。这一与性别相关的发现与之前对下载智能手机健康应用程序的人的研究一致。24]以及Fitbits等可穿戴活动监测器的用户[5］．

在社会经济因素方面，与超级追踪者相比，我们发现，作为应用追踪者或设备追踪者，其家庭年收入分别在2万至49999美元和7.5万美元或以上。Paré等[7]的调查结果显示，年收入高于8万加元(合59968.80美元)的人，往往是英国人数字self-tracker，使用健康应用程序、可穿戴设备或数字医疗设备的人。通过分析美国人口独特的移动健康使用模式，我们补充到文献中，多使用移动健康技术进行健康或行为跟踪和目标设定与较高的报告家庭年收入相关。此外，在控制所有其他因素时，教育水平与移动健康所有者和用户使用移动健康进行健康和行为跟踪的模式没有显著相关。其他研究发现，拥有或下载智能手机健康应用程序的人受教育程度高。2，24，37]，数字自追踪[7]，并报告目前使用可穿戴活动监测仪的情况[5］．未来的研究应继续研究移动健康所有者和用户在移动健康使用、教育和收入方面的具体模式之间的关系，因为易用性、定价和可访问性将随着移动健康技术的进步而继续发展。

虽然我们没有发现种族或民族身份与是否是mHealth所有者或用户与是否是mHealth非所有者和非用户类别相关(见Aim 2结果)，但种族和民族与mHealth所有者和用户使用mHealth进行健康和行为跟踪的模式相关。例如，非西班牙裔黑人和其他种族类别的受访者成为设备追踪者的几率低于超级追踪者。未来的研究应探索促进或挑战使用移动健康技术的兴趣和动机的社会文化因素与不同类型移动健康技术在健康或行为跟踪和目标设定方面的感知社会文化相关性之间的关系[27］．

我们还发现了一些与移动健康所有者和用户使用移动健康的模式相关的健康相关特征，用于健康和行为跟踪。例如，我们发现，与不使用设备跟踪健康目标的移动健康用户(即非跟踪器和设备跟踪器)相比，超级跟踪器往往是健康信息搜索者。对这一发现的一种解释是，超级追踪者可能对个人健康信息相对更关注、更感兴趣、更好奇(从他们设定目标的行为可以证明)，包括在数字设备上收集和记录这些信息[30.，38］．健康信息寻求行为和目标设定似乎是美国人口移动健康技术用户的显著特征。

与我们对mHealth非所有者和非用户与mHealth所有者和用户的分析结果不同，我们发现mHealth所有者和用户在健康和行为跟踪以及体重状况方面的mHealth使用模式之间存在显著关系。具体来说，与非追踪者和设备追踪者相比，超级追踪者超重或肥胖的几率分别更大。克雷布斯和邓肯[2研究发现，下载健康应用程序的智能手机用户更有可能超重或肥胖，Byuhan等[37也报告说，与体重过轻的人相比，肥胖者使用健康应用程序跟踪健康相关目标的几率更大。因此，我们补充这些作者的发现，超重或肥胖与移动健康技术在健康或行为跟踪和目标设定方面的广泛使用有关。

患有慢性疾病(糖尿病、高血压或心脏病)也与移动健康所有者和用户使用移动健康进行健康和行为跟踪的模式相关;然而，当将超级追踪器与应用追踪器和设备追踪器进行比较时，这种关系的方向有所不同。也就是说，超级追踪器比应用追踪器患慢性病的几率更大，但比设备追踪器患慢性病的几率更低。这一结果可能是由于受访者可能使用的设备范围广泛，而不是智能手机或平板电脑，从健身追踪器到血糖仪等数字医疗设备。基于设备追踪者的特征——男性、年龄较大、寻求非健康信息、患有慢性病——这一群体使用的移动健康技术类型可能是数字医疗设备而不是健身追踪器。我们建议未来的hint迭代包括单独的项目，以衡量特定类型的可穿戴设备和其他便携式数字设备的使用情况，因为使用非智能手机或非平板电脑移动健康技术的特定类型，移动健康技术用户的使用动机和个体差异可能会有很大差异。

我们还建议，移动健康干预研究人员和医疗保健提供者在研究或为符合设备跟踪器配置文件的个人开移动健康处方时，应考虑可能威胁持续使用移动健康技术的个人层面因素，例如对数字自我跟踪的内在兴趣相对较低，潜在的数字健康素养较低，以及数据输入负担[2，29，36］．然而，我们的研究结果显示了机遇，而不仅仅是潜在的挑战。例如，尽管在我们的研究中，设备追踪者报告说他们没有使用健康应用程序来跟踪与健康相关的目标，但大约三分之一的人报告说他们在智能手机或平板电脑上下载了健康应用程序。这些下载可能代表了临床和公共卫生从业者的实施意图，他们可以利用设备跟踪器在他们的健康应用程序中设置个人健康目标。移动医疗技术中嵌入的健康目标设定和提醒，刺激习惯的形成，可能会导致引导掌握，该理论旨在帮助有实施意图的人按照其行为意图行事[22］．

值得注意的是，地理区域(城市vs农村)、感知健康和健康自我效能与健康和行为跟踪的移动健康使用模式没有显著相关。这些结果与移动医疗技术用户更有可能居住在城市而非农村地区的研究不一致[37］．对我们的发现的一个解释可能是，自其他人口研究进行以来，整个美国的智能手机拥有率迅速上升。1］．尽管有更好的健康状况[7，10，24，29，37]和更高的健康自我效能[37]在过去的研究中与移动健康技术的使用相关，我们的研究结果强调，当移动健康技术所有者和用户在健康和行为跟踪方面使用移动健康的独特模式进行比较时，其他个人层面的因素可能是更强的预测因素。

限制

这项研究是在NCI hint的两个周期中，对美国成年人的移动医疗所有权和使用进行的最大和最新的全国代表性研究。然而，也有一些限制，包括依赖自我报告和横断面数据。由于调查数据是横断面的，我们无法推断变量之间的因果关系(例如，成为一个超级追踪者会导致肥胖，反之亦然)。此外，我们无法辨别受访者在参与hint后是否打算参与、重新参与或脱离移动医疗技术。

由于数据集的局限性，我们既无法确定除智能手机和平板电脑外使用的设备类型，也无法辨别受访者是否使用非智能手机或非平板电脑设备的组合(例如，健身追踪器加上数字医疗设备)。我们也无法区分他们跟踪健康或行为的具体原因(如血糖监测或行走步数)，也无法区分他们使用移动健康技术的程度(使用频率、使用时间等)。此外，我们无法评估他们使用移动医疗技术的经验(例如，可用性和可接受性)。然而，这项研究的结果可能用于指导未来的研究，重点是改善用户对移动健康技术的体验，用于健康或行为跟踪，因为我们能够通过不同的移动健康使用模式捕捉美国人口的特征。

这项研究的另一个局限性是，我们无法确定受访者在他们的健康应用程序中设定的具体健康目标。例如，目标可以从戒烟到减肥再到控制哮喘。虽然这项研究的目的不是基于移动医疗技术使用的具体目标进行预测，但我们承认，做出这样的区分对于行为干预是重要的。

结论

这项研究有助于了解美国成年人拥有、使用(包括多用途)和不使用各种类型的移动健康技术进行健康或行为跟踪和目标设定。我们发现，年龄、性别、健康信息寻求者和患有慢性病等特征与移动健康的特定使用模式相关。研究人员、临床和公共卫生从业人员可以将这些发现应用于研究设计、实践和健康信息开发，以更好地接触到预期受众，促进健康行为的改变。

尽管移动健康技术有可能广泛覆盖人群并促进行为改变，但我们的研究结果表明，在设计和解释移动健康干预研究的结果时，应该考虑使用(和不使用)移动健康技术进行健康或行为跟踪和目标设定的不同方式。未来的研究可以建立在这项工作的基础上，通过持续监测移动健康使用模式的健康和行为跟踪，以及与这些模式相关的个人层面的因素。需要进行与移动健康技术发展同步的研究，以了解有助于解释移动健康技术使用对健康行为的人群水平影响差异的背景因素。