糖尿病患者使用移动个人健康记录调节糖化血红蛋白:回顾性观察研究

简介

背景

糖尿病是一个全球性的问题，其造成的众多并发症和死亡率的增加是众所周知的。此外，糖尿病患病率不断上升，这一趋势可能会持续到2030年或更长时间[1，2］．根据美国糖尿病协会(ADA)的说法，糖尿病的治疗主要基于胰岛素的输送[3.］．据韩国糖尿病协会(KDA)介绍，血红蛋白A的目标值应该是_{1 c}(HbA_{1 c}2型糖尿病患者的推荐血糖为6.5%，国内主要考虑抗高血糖治疗。二甲双胍被认为是一线治疗。然而，这些传统的药物治疗会导致不可避免的低血糖事件和体重变化。未达到的血糖目标只能通过增加单、双或三联疗法的药物来解决[4］．传统的方法很昂贵，这正成为一个全国性的卫生保健问题[5，6］．为了克服传统糖尿病管理的一些局限性，移动健康(mHealth)技术和个人健康记录(PHR)的实施被认为是创新的解决方案。

在糖尿病治疗市场，新设备和应用程序的新治疗方法正在推出。糖尿病应用程序的大部分功能都集中在维持血糖日记上。有些还连接了血糖传感器和治疗设备。在糖尿病应用中，OneTouch透露有最好的验证[7］．这个应用程序是无线连接到OneTouch Verio Flex仪表，让用户自我监测血糖。血糖数据传递给医疗保健专业人员，用户接收短信反馈[8］．还引入了使用自动报警系统的技术。Dexcom G6连续血糖监测系统有效地降低了高血糖和低血糖事件紧急低很快自动报警系统[9］．通过基于互联网的连接，监测胰岛素的输送成为可能。NovoPen 6而且NovoPen Echo Plus被称为智能胰岛素笔，可监控胰岛素注射量，为医护人员和患者提供治疗准确性[10，11］．

先前的研究表明，PHR用户的健康状况有所改善，从而表明数字医疗保健系统对于改善健康行为和慢性疾病是可行的。根据一项系统回顾，用户在移动设备上使用健康应用程序时，他们的健康相关行为和临床结果都产生了积极影响[12］．韩国的另一项系统综述显示，移动健康干预在改善自我管理行为、生物标志物或患者报告的结果测量方面是有效的[13］．然而，移动健康和医生康复干预措施的积极效果并不总是得到保证。

在糖尿病护理中，PHR和移动健康干预有望成为有效的治疗方法。WellDoc远程血糖监测系统可有效降低HbA_{1 c}水平，从而提高临床、行为和糖尿病知识的结果[14］．基于手机的治疗和行为指导干预也改善了HbA_{1 c}水平(15］．在HbA中也有类似的改进_{1 c}另一项基于移动设备的干预对2型糖尿病进行了控制[16］．为糖尿病患者量身定制的移动指导系统显示HbA减少_{1 c}水平和改善糖尿病自我管理;结果是可重复和持久的[17］．

随着对PHRs临床意义的期望，一些担忧和略有争议的结果已被报道。尽管PHR有优势，但研究报告了PHR实施中的障碍。患者担心他们的健康信息的安全。卫生保健提供者担心患者改变自己的PHR信息。其他问题包括健康结果没有实际差异，使用独立的phs与电子医疗记录和电子健康记录，以及医疗保健识字率低，这可能会减少phs的益处[18］．此外，研究人员还回顾了与患者年龄、性别、社会经济地位、教育水平、互联网和计算机使用以及健康状况相关的障碍[19］．对比PHR使用与糖尿病管理之间关系的结果已被报道。一项使用回归模型的研究声称，PHR使用天数的增加与更好的糖尿病质量测量档案之间没有关联[20.］．

目标

在本研究中，我们使用4年的移动PHR (mPHR)日志和用户EMR数据，分析糖尿病管理对韩国一家三级医院分发的PHR系统持续使用的影响。早期版本的mPHR应用程序进行了一项研究，以验证连续用户的特征[21]，连续用户的患者生成健康数据(PGHD)比非连续用户有更高比例的慢性疾病诊断，如糖尿病[22］．通过新版本，我们将验证其对糖尿病患者的血糖控制效果。据我们所知，这是第一个通过整合长期mPHR日志和EMR数据来验证疾病管理有效性的研究。

方法

数据和移动个人健康记录说明

我们从一个名为“我手里的图表”(MCMH)的mPHR应用程序中收集了日志数据，以及他们在韩国最大的综合医院峨山医疗中心(AMC)的EMR数据。MCMH于2011年1月推出，是韩国第一家mPHR;它使病人能够查看和管理自己的健康记录[21］．我们使用MCMH版本1.0日志来识别特定人群中PGHD持续生成的模式[22］．本研究使用MCMH 2.0版日志和EMR数据进行糖尿病管理分析。对于糖尿病患者，MCMH 2.0版本提供糖，糖尿病的日历，胰岛素治疗，食物摄入量,锻炼输入功能。在这些函数中，我们只使用了糖而且糖尿病的日历函数;剩下的函数只有很少的记录。的项目图1的详细信息糖函数。用户可以在这些PGHD功能中输入血糖测量的日期、时间、情况和结果。

我们还收集了患者的人口统计和病历信息，如年龄、性别、居住地和健康信息，包括就诊次数、HbA卡_{1 c}水平，诊断和药物数据，使用我们的临床研究数据仓库。

‎ 查看此图

研究设计

MCMH 2.0版本于2015年12月31日取代了MCMH 1.0版本，但部分患者在2015年12月更换之前已经创建了自己的账号。对于每个用户，MCMH 2.0版本功能中生成的记录被分析，但只使用帐户创建后生成的记录。

的用户日志糖函数包含用户访问ID和数据输入的时间戳。我们收集了HbA_{1 c}2014年1月至2018年11月MCMH 2.0版本用户的测量结果。

对于用户选择，我们使用糖尿病诊断标准。首先，Glasheen等人的标准[23]:用户诊断记录中应包含一个或多个国际疾病分类第十版(ICD-10)糖尿病代码，分别为E08、E09、E10、E11、E13。第二，HbA_{1 c}糖尿病诊断的临界值为6.5% [24］．并发症分类及糖尿病并发症严重程度指数(DCSI)评分，从诊断记录中选择的并发症领域为视网膜病变、肾病、神经病变、脑血管、心血管、周围血管疾病、代谢并发症。DCSI评分采用Glasheen等人的研究标准[23］．然而，由于无法获得尿液实验室数据，因此未将其纳入DCSI评分。首先，我们根据ICD-10对所有疾病进行分类。

用户是否是连续用户的标准采用了MCMH 1.0版本的PGHD模式分析研究:用户输入数据糖每周至少活动一次，持续至少四周(28天)[22］．

我们分析了HbA的模式_{1 c}与HbA的趋势线斜率相关_{1 c}的水平。HbA的波动_{1 c}水平比较r趋势线的平方值和患者HbA卡的标准差_{1 c}的水平。

在本研究中，趋势线斜率在很大程度上取决于第一个和最后一个HbA之间的测量天数_{1 c}测量。因此，我们创建了一个名为适当的HbA_{1 c}测量．这一标准排除了两次测量之间间隔时间短的患者，因为间隔时间短会导致斜率过于陡峭，不适合进行分析。合适HbA的标准_{1 c}测量是患者至少应该有两个HbA_{1 c}测量和第一个和最后一个HbA之间的周期_{1 c}测量应超过100天。标准化第一个HbA和最后一个HbA之间测量天数的影响_{1 c}测量，我们定义了一个变量叫做下降．下降定义为趋势线斜率乘以周期(以天为单位)除以100。这个归一化表示在方程中多媒体附件1．

本研究由AMC的机构审查委员会(IRB)批准(IRB编号:2018-0321)。伦理委员会放弃了知情同意的需要，因为本研究使用了常规收集的日志数据，这些数据在所有阶段都是匿名管理的，包括在数据清理和统计分析期间。

研究参与者

图2显示了本研究中的病人选择流程。在下载并创建MCMH 2.0版本帐户的64,932名用户中，我们首先排除了51,433名HbA不合适的用户_{1 c}测量。我们考虑了具有适当HbA的13499个用户_{1 c}测量排除了6046名非糖尿病用户，并选择了7453名糖尿病用户。

‎ 查看此图

数据分析

我们首先比较了连续用户(n=133)和非连续用户(n=7320)的一般特征。比较以下特征:年龄、性别比例、糖而且糖尿病的日历函数使用模式，HbA_{1 c}测量模式，HbA_{1 c}值、DCSI评分、并发症比例。一个学生t进行了年龄、HbA数量的比较_{1 c}MCMH版本2.0开始前的测量、测量日和测量日。个体采用Wilcoxon秩和检验糖而且糖尿病的日历功能数据生成，HbA_{1 c}测量频率，第一个HbA_{1 c}测量，与DCSI评分比较。个体采用中位数检验糖而且糖尿病日历函数数据生成比较。进行Z检验糖而且糖尿病功能生成用户比例，先HbA_{1 c}测量超过6.5%的比例，与并发症比例比较。性别比例比较和DCSI评分分布采用卡方检验。

接下来，HbA的比较分析_{1 c}下降，r-平方值，以及连续用户和非连续用户之间的标准差。我们使用Shapiro-Wilk检验和D 'Agostino k平方检验来确定这些数据是否遵循正态分布。HbA_{1 c}下降，r-平方值和标准差比较采用Wilcoxon秩和检验。对于混杂因素调整，我们使用协方差分析(ANCOVA)与一些变量:连续使用，年龄，性别，第一次HbA_{1 c}测量、DCSI糖功能数据生成周，HbA_{1 c}在MCMH版本2.0开始前几周进行测量，以及糖函数数据生成计数。

最后进行Z检验，比较连续用户与非连续用户的比例。这四组被分为是否第一个HbA_{1 c}测量值高于或低于6.5%，以及最后的HbA是否_{1 c}测量值高于或低于6.5%。对于混杂因素调整，多变量逻辑回归用于第一个HbA的用户_{1 c}测量超过6.5%。与ANCOVA相同的变量被用于逻辑回归。数据分析使用Python3.6.7,Jupyter笔记本．

结果

总体特征

在MCMH 2.0版本运行的29个月内，有64,932名用户创建了一个帐户并至少登录一次。在这些用户中，根据本研究的纳入标准选择了7453名用户。这些用户中约1.78%(133/7453)是连续用户，98.22%(7320/7453)是非连续用户。连续用户与非连续用户HbA卡数量差异无统计学意义_{1 c}测量和第一个和最后一个HbA之间的周期_{1 c}测量。

表1总结了连续用户和非连续用户的基本特征分析结果。在表1，测量频率是指每天测量的次数，测量天数是指从第一个HbA到最后一个HbA之间的天数_{1 c}MCMH版本2.0开始前的测量天数是指第一个HbA之间的天数_{1 c}测量和MCMH 2.0版帐户生成周期。与非连续用户相比，连续用户年龄更小(平均53.59岁，SD 9.89岁vs平均57.58岁，SD 11.95岁)，男性比例更高(110/133,82.7% vs 4859/7320, 66.38%)，差异均有统计学意义(两者均有统计学意义)P<措施)。HbA卡数量_{1 c}测量结果没有显著差异。第一次和最后一次测量之间的频率和周期在连续用户和非连续用户之间表现出显著差异(P=。007年和P=。分别为04)。第一次HbA的患者比例_{1 c}低于6.5%的测量值无显著差异(P=.14)，但连续用户有更高的第一个HbA_{1 c}测量，这是有统计学意义的(P= . 01)。此外，在连续用户中，在糖函数和糖尿病日历函数中生成数据的用户比例较高P<措施)。连续用户还输入了更多的糖和糖尿病日历数据(两者都是P<措施)。DCSI评分无显著性差异(P= 0)。由DCSI标准定义的并发症比例在连续和非连续使用者之间也没有显着差异。虽然差异无统计学意义，但视网膜病变和心血管并发症有比例差异。

连续用户和非连续用户的DCSI评分比例卡方检验差异无统计学意义。这可以在多媒体附件2．在14个DCSI评分中，两组患者(评分10、12、13)中均为0的患者被卡方检验排除在分析中，因为只有当各评分在任何组中均不为0时，才可以使用卡方检验进行计算。

血红蛋白的_{1 c}根据连续使用的模式分析

图3显示HbA卡的趋势_{1 c}连续和非连续用户的模式。HbA_{1 c}下降连续和非连续用户也进行了比较。HbA_{1 c}下降(均值−0.00533,SD 0.0144)显著高于非连续用户(均值−0.00278,SD 0.0137;P= .02点)。连续用户的SD (mean 0.832, SD 0.574)显著高于非连续用户的SD (mean 0.719, SD 0.541;P= .005)。然而,r-平方值在连续用户与非连续用户间差异无统计学意义(P= .40)。

当调整混杂因素时，可能会导致下降，持续使用具有统计学意义的效果(P=.047)下降陡峭的，如中所见表2．此外，年龄，第一张HbA卡_{1 c}测量，DCSI，数周糖功能数据生成，以及HbA_{1 c}MCMH 2.0版本开始前数周的测量显示有统计学意义的影响(P= 04;P<措施;P =. 01;P =.003;P<措施，respectively).

‎ 查看此图

血红蛋白A比较_{1 c}连续使用中目标水平的调节

表3列出了HbA的比例_{1 c}模式。第一张HbA卡的用户占比_{1 c}测量值高于6.5%和最后一个HbA_{1 c}低于6.5%的测量值有统计学差异(P= . 01)。在第一个HbA卡的用户中_{1 c}测量结果低于6.5%，最后一次HbA的患者比例_{1 c}测量值低于6.5%和最后一个HbA_{1 c}高于6.5%的测量值无显著差异(P=。34而且P=。29，respectively). No significant difference was found between proportions of patients with the first HbA_{1 c}6.5%或更高的测量值和最后一个HbA_{1 c}测量值高于6.5% (P= .41点)。

类似于下降分析中，使用逻辑回归对高首次HbA用户进行混杂因素调整的结果_{1 c}测量方法总结在表4．持续使用MCMH 2.0版本在帮助用户从HbA迁移方面具有统计上的显著效果_{1 c}测量高于6.5%到一个HbA_{1 c}测量值低于6.5% (P= .04点)。此外，年龄，第一张HbA卡_{1 c}测量和HbA_{1 c}MCMH 2.0版本开始前几周的测量显示了统计学上显著的影响(全部:P<措施)。

讨论

主要研究结果

基于以下原因，本研究支持使用mPHRs作为糖尿病管理的有效平台，通过分别整合来自PHRs和EMRs的患者生成的健康和临床数据。首先，分析MCMH 2.0版本持续使用者的特征，男性患者高HbA_{1 c}关卡似乎更频繁地使用MCMH 2.0版本。第二，持续使用PHRs导致HbA的减少幅度更大_{1 c}提高了高HbA的调节水平_{1 c}患者水平达到目标范围。因此，对于HbA卡高的男性用户_{1 c}水平有更高的HbA降低_{1 c}级别和改进的HbA卡_{1 c}调控目标水平。通过分析连续用户及其HbA卡的特征_{1 c}模式，我们也建议使用mPHR作为糖尿病护理支持工具，实现个性化管理。

与以往的研究相比，本研究具有以下特点。首先，我们提出了mPHRs与EMRs整合的基础上的健康改善效果。在本研究中，我们预期整合PHRs和emr有两个好处。一种是提出一种不同的方法来分析真实世界的数据，并提供额外的真实世界的证据，以支持之前的研究。另一个问题是确保进行高质量的数据分析。先前有许多研究暗示了PHRs和PGHD的优点，并对mPHRs的使用得出了积极的结论[14-17］．这些研究的结果是在临床试验的基础上收集的，如非盲、开放标签随机对照试验(rct)和聚类随机试验设计。由于真实世界的数据分析涵盖了rct的偏倚限制，并可以处理PHRs的未知因素，因此真实世界的数据分析结果为之前的rct提供了强有力和必要的支持[25］．此外，emr的集成提供了高质量的HbA_{1 c}数据和诊断数据，使分析更加精确。

其次，以往的研究主要讨论HbA的减少_{1 c}关卡是使用PHRs的一个优势。然而，由于血糖控制的主要目标是调节患者的HbA_{1 c}级别到推荐范围，我们比较了两个HbA_{1 c}降低和最初有高HbA的患者的比例_{1 c}但是他们的HbA_{1 c}级别降至低值。根据KDA的2015年和2019年糖尿病管理指南，推荐的目标HbA_{1 c}2型糖尿病患者的水平为6.5%，这与美国糖尿病协会的指导方针不同[4，26，27］．由于本研究是在韩国AMC进行的，我们使用了KDA的指南并定义了HbA的截止值_{1 c}水平为6.5%。最近的研究建议，严重糖尿病患者应控制在7%以下，视乎糖尿病的严重程度及并发症而定[28-30.］．此外，稳定降低血糖水平也是控制血糖的重要任务。我们还关注了r趋势线的-平方值和SD作为HbA稳定的指标_{1 c}减少，但我们不能取得任何突出的结果。

用户整体特征

通过对MCMH 1.0版本用户的分析，发现这些用户更多地以慢性病为就诊对象[21］．连续用户比非连续用户更年轻(P<.001)，性别比例差异显著;连续用户组男性比例较高(P<措施)。在之前的研究中，使用PHR系统的群体中有年轻用户和高比例的男性，或者产生了更多的PGHD，特别是与糖尿病有关的人群[21，22］．这是因为年龄介乎51至70岁的男性用户倾向采用PHR系统[31］．此外，在本研究中，HbA_{1 c}在较短的时间内测量连续使用者的水平(P=.04)和更频繁的(P=.007)。但是，HbA卡的数量_{1 c}连续用户组和非连续用户组之间的测量结果没有显著差异。在韩国，1977年的《国民健康保险法》引入了社会健康保险计划。此后，该计划逐步向公众推广，最终于1989年实现全民覆盖。根据《国民健康保险法》，保健的方法、程序、范围和上限的标准由保健福利部规定[17］．

国民保险最多支持6hba卡_{1 c}根据《国民健康保险法》，每年进行体检。首先，我们考虑了HbA的数量_{1 c}测量是糖尿病严重程度的另一个指标。这是因为控制良好的患者通常接受HbA_{1 c}控制能力差的人每年检测4次[32］．然而，由于韩国的政策，测量的数量似乎差不多。尽管连续用户在第一次和最后一次测量之间有较短的时间(大约80天)，但这组人使用HbA_{1 c}更频繁地测试。这可能是因为就医次数增加，对医院的满意度和忠诚度也提高了[33］．为了比较糖尿病的严重程度，有一个HbA的患者的比例_{1 c}6.5%或以上，为首张HbA卡_{1 c}比较连续组和非连续组之间的DCSI评分分布。两组高HbA比例差异无统计学意义_{1 c}电平和DCSI分布;但是，连续用户拥有更高的HbA_{1 c}级别(P= . 01)。视网膜病变患者更倾向于持续使用MCMH 2.0版，但并发症比例在两组间也无显著性差异。除了第一个HbA卡_{1 c}水平测量，大多数糖尿病相关的基线特征似乎没有显著差异，和第一HbA_{1 c}在附加分析中，测量值可以作为混杂因素进行调整。通过PHR和EMR整合，比较糖尿病的一般特征和严重程度。

为HbA的周期_{1 c}连续组MCMH 2.0版本使用前的测量时间较短(P<.001)，与非连续用户相比，连续用户似乎有更早的MCMH 2.0版本开始。此外，连续用户倾向于使用糖而且糖尿病的日历函数更多，生成更多数据。这是因为长期用户倾向于使用负担更少的MCMH 2.0版本功能。

验证个人健康档案在血红蛋白A中的使用效果_{1 c}控制

PHRs和PGHD的主要优点是改善健康，特别是对糖尿病。在糖尿病管理类型中，决定HbA的变化_{1 c}水平是在现实世界中验证PHRs有效性的最有效方法。本研究结果表明，连续用户有较大的下降；HbA的更大增长_{1 c}观察持续使用糖尿病相关管理的使用者的水平糖MCMH 2.0版本的功能。作为下降趋势线斜率归一化到100天的结果，这个值本身也指HbA的变化吗_{1 c}的水平。例如HbA卡_{1 c}在2014年1月1日为6.9%，而HbA_{1 c}2018年10月19日为6.4%，为某一特定连续用户;因此，下降值为−0.0044，即该患者HbA的变化_{1 c}水平约为- 0.44%(下降值的100倍)。因此，HbA的减少_{1 c}连续用户的水平大约是非连续用户的1.9倍。ANCOVA的结果显示，除了持续使用，其他因素也很重要:年龄，第一次使用HbA卡_{1 c}测量，DCSI，使用时间糖功能、HbA卡_{1 c}使用MCMH 2.0版本前的测量周期。血糖控制对于降低微血管风险和心肌梗死和死亡的紧急风险很重要[34］．这说明持续使用PHRs的组健康有所改善，HbA值呈下降趋势_{1 c}的水平。

在控制血糖时，不仅要降低血糖水平，还要降低低血糖事件[35］．传统的糖尿病治疗包括使用注射器、笔或泵给胰岛素[3.］．虽然每日多次注射和持续皮下注射胰岛素可发生低血糖副作用，但这种护理形式的侵入性特征是一个不可避免的缺点[36-39］．在这项研究中，我们试图通过使用稳定性指标来最大限度地降低phrr实施的糖尿病管理中低血糖事件的风险，r-平方值和SD．然而，稳定性并没有得到保证。事实上，之前的一项研究表明，使用基于互联网的葡萄糖监测系统可以提高葡萄糖的稳定性[40］．这表明患者通过持续血糖监测糖尿病护理，使用PHRs和血糖仪可改善高血糖和低血糖管理。

减少HbA的目标_{1 c}水平是预防糖尿病并发症的发生和加重。虽然HbA的标准_{1 c}在美国临床内分泌学家协会和ADA推荐的糖尿病诊断测试中，它是“韩国患者可接受的糖尿病补充诊断测试”[28，41］．在众多的血糖控制措施中，HbA的严格调节_{1 c}对改善健康和降低糖尿病视网膜病变等并发症风险至关重要[42］．此外，要严格控制HbA的血糖_{1 c}水平至7.0%可降低老年糖尿病患者骨折的风险[43］．当比较HbA患者比例时_{1 c}使用MCMH 2.0版本前后高于和低于6.5%的水平，持续使用MCMH 2.0版本的患者比例较高;最初是第一个HbA_{1 c}电平测量在6.5%以上，然后下降到6.5%以下。此外，在第一批HbA卡的用户中_{1 c}水平测量超过6.5%时，逻辑回归结果显示，调节不仅与持续使用有关，而且与年龄、第一个HbA有关_{1 c}水平测量，以及MCMH 2.0版本的适应速度。数据生成量也被认为很重要，但在统计上并不显著。因此，我们可以说HbA的改进_{1 c}PHR使用水平最终可通过控制HbA影响糖尿病管理_{1 c}实际水平为6.5%。

本研究的局限性

本研究的主要局限性在于关注现实世界研究中的一般偏差:选择偏差、信息偏差、回忆偏差和检测偏差[44］．由于本研究主要集中在分析真实世界的数据，因此需要严格的标准和不可避免的排除，这导致了选择偏差和检测偏差的问题。然而，对照组的标准是相同的，尽管包括和排除了许多患者标准，并与MCMH 1.0用户分析相比，研究规模几乎相似[22］．连续用户组的规模有时比其他RCT研究中使用的更大，并且在糖尿病严重程度方面的基线差异很小[17］．由于MCMH 2.0版本的数据是PGHD，只能通过其日志数据来分析持续使用，这并不代表应用的依从性，可能会导致信息偏差。相反，我们注意到在HbA中可能发生的信息偏见_{1 c}通过集成emr，可以控制级别缩放。这种整合有助于减少糖尿病和并发症诊断中的回忆偏倚。

时间尺度也是另一个限制。在随机对照试验中，HbA_{1 c}可以控制和优化测量点、app账号创建点、app使用频率，方便数据分析。然而，在现实数据中，患者有不同的HbA点_{1 c}测量和MCMH 2.0版本的起点。尽管存在缺失数据、不适当数据和模糊时间尺度标准的限制，我们使用患者选择标准来选择可以分析和使用的患者下降factor监控HbA卡_{1 c}不规则时间点影响最小化级别。的下降因子是为本研究目的而创造的一个变量，其临床依据不确定。然而，由于下降变量也意味着HbA的减少_{1 c}水平，并保持下降趋势，定量比较下降群体之间是有意义的。在糖尿病治疗中，降低HbA_{1 c}将HbA卡级别降至目标级别，并维护已降低的HbA卡_{1 c}关卡是首要目标。因此,下降在具有非特定HbA的数据的研究中，是一个合理的分析变量_{1 c}测量分。

另一个限制是AMC是一家属地医院，几乎所有的研究患者都居住在韩国。研究人群规模小和持续时间短是另一个局限性。PHR数据生成频率低，MCMH 2.0版本操作时间短，不是分析糖尿病等慢性疾病的理想数据库。更大的研究规模和更长的研究时间将为PHRs的临床意义提供更有力的现实证据。

基于持续和非连续用药的比例，进一步研究鼓励患者更持续地使用PHRs是必要的。在这项研究中，连续使用的患者比非连续使用的患者有更好的糖尿病管理结果。然而，持续用户仅占研究人群的1.78%(133/7453)，开始使用MCMH 2.0版本的用户仅占0.20%(133/64,932)。因此，研究如何维持活跃的pghd生成用户，并将非连续用户转化为连续用户是非常必要的。需要研究基于MCMH 2.0版本提供健康相关建议是否会鼓励患者使用PHR应用程序来改变应用程序的使用模式，以防止可用性问题[45］．此外，对于个性化的PHR建议，如果能提供更大、更好质量的数据，通过治疗对血糖控制结果进行分析是很重要的。在不同领域的进一步研究和对MCMH 2.0版本的更深入分析应证明PHRs作为糖尿病管理工具在降低HbA方面的有效性_{1 c}的水平。

结论

通过整合和分析患者和临床产生的数据，持续使用PHRs可改善糖尿病管理结果。HbA更大的减少_{1 c}观察连续用户的水平，以及HbA_{1 c}与非连续用户相比，连续用户的水平被调节到目标水平。先前的临床试验和本研究的结果证明PHRs在治疗糖尿病方面是有效的。然而，还需要进一步评估PHRs在各种疾病中的有效性，并对PHRs的依从性进行研究。为了准确分析慢性疾病PHRs的临床基础，需要更大的研究人群和更长的研究时间。