在一项基于app的儿童伤害预防研究中，与参与者辍学相关的因素:聚类随机对照试验的二次数据分析

介绍

由于公认的优势，如具有成本效益的传播，实时数据收集和反馈，减轻负担，灵活的定制，自我监控能力和视觉上吸引人的多媒体呈现[1-3.在过去十年中，移动医疗(mHealth)技术在健康干预研究和实践中越来越受欢迎。已经制定了广泛的移动保健干预措施，以预防疾病和伤害，提高对建议的保健干预措施的遵守程度，并提供远程获得保健服务的机会[4-10]。

尽管有这些优势，与采用传统干预措施的研究相比，移动医疗干预措施面临着辍学率高的挑战。例如，最近一项为期6个月的大型戒烟干预研究报告称，使用应用程序的干预组的损失率为57%，而使用自助手册作为常规教育的对照组的损失率仅为52% [11]。一些基于应用程序的干预研究报告了高流失率，估计在38%到84%之间[12-16]。

当损失率很高，在干预组和对照组之间发生不均匀，或以非随机方式发生时，它会威胁到评估研究的有效性[17，18]。当公共卫生实践中的辍学率很高时，干预措施的效果低于预期。因此，研究人员必须优先探索和了解与研究参与者辍学流失相关的因素。增进了解将导致可行的方法来防止和减少辍学人员流失。

先前的研究考察了基于app的减少酒精摄入干预研究中辍学损耗的预测因素[19]，改善健康行为[20.]和减肥[21主要关注那些更有可能无法完成后续调查的个体的人口学特征，因此没有被保留在研究中。例如，在评估基于app的儿童烧伤预防项目的效果时，Burgess等[22[]报告说，大学学位持有者在继续研究的参与者中所占比例(28.7%，70/244)高于那些失去随访的参与者(16.5%，42/254)。尽管这一系列研究很有价值，但探索流失与其他指标(如基于应用的干预的参与度)之间的关系也同样重要。这样的分析可能会为减少基于应用程序的干预研究中的人员流失提供新的线索。

因此，本研究的目的是检查人员流失与人口统计学特征之间的关系，以及人员流失与参与者参与干预之间的关系。我们假设，一种更积极、更有吸引力的干预会导致更大的参与度，因此与对照组相比，干预组的损失率更低。复制Burgess等[22]和其他人，我们也假设在干预研究中，更高的教育可能与更高的记忆力有关。我们使用收集自一项聚类随机对照试验(RCT)的数据来检验应用程序干预在中国预防儿童意外伤害的效果，以验证我们的假设。

方法

设计

本研究包括对一项已发表的单盲集群随机对照试验数据的二次分析，该试验评估了基于应用程序的护理人员干预预防中国学龄前儿童意外伤害的有效性[8]。本研究采用整群随机抽样的方法，从20所符合条件的幼儿园中招募了2920名3-6岁儿童的看护人。在学校层面进行随机化，并按幼儿园类型(公立与私立)分层，在干预组(实施意外儿童伤害和父母教育)和对照组(仅实施父母教育)中分别产生5所公立和5所私立学校。

两组都通过智能手机应用程序进行了为期6个月的干预。干预组比对照组接受了更积极、更有吸引力的干预。其中，对照组每周接受2次短文、游戏、漫画、视频，用户每月进行1次专题讨论活动，了解儿童常见疾病，练习预防意外伤害之外的育儿技巧。相比之下，干预组收到了控制组收到的所有内容，但参与者也每周两次接触到额外的类似文章、游戏、漫画和视频，并参加每月一次的第二组主题讨论，以学习与预防儿童意外伤害相关的育儿技巧。干预组还可以访问基于应用程序的门户网站，支持用户与专业人员之间就伤害预防知识和技能进行交流。

数据通过三项护理人员调查收集，这些调查于2017年12月在基线时完成，然后在2018年3月和6月进行两次随访调查，对应于两组干预措施开始后的第3个月和第6个月。为了鼓励用户坚持使用app，当用户打开app时，滚动屏幕上会出现新发布的知识片段提醒。对于没有及时阅读内容的用户，会再次进行提醒。我们还在参与者完成知识段学习后给予经济奖励，并要求幼儿园老师定期提醒看护人使用app。此外，如果用户1个月未登录，我们会自动发送提示信息提醒参与者使用app。为了鼓励遵守完成研究调查，我们提供了经济奖励，并在发布后3天内向未完成后续调查的用户发送了两次自动提醒信息。

图1说明研究设计。本方案经中南大学湘雅公共卫生学院伦理委员会批准，中国长沙(批准号:XYGW-2017-02)。有关随机对照试验评估的详情，请参阅其他刊物[23]。

‎ 查看此图

结果测量

研究中的减员被定义为在干预开始后的第3个月和第6个月未能完成随访调查的研究参与者。

独立变量

根据我们的研究假设和之前的研究[17，22]，我们考虑了人口因素和参与基于应用程序的干预作为预测研究参与者辍学流失的潜在因素。我们还考虑了以前的意外伤害预防培训经验，因为我们假设参与者只有在重视父母教育和接受过去没有学过的新信息时才会参与干预或学习。

通过基线调查获得了人口特征和以往培训经验的数据。照顾者人口统计因素包括性别、年龄、教育水平和家庭人均月收入。照顾者的年龄被分为三个大小大致相等的组(小于31岁，31至34岁，35岁及以上)。教育水平分为三类:初中及以下、高中(含中专)和大专及以上。根据2015年长沙居民的平均收入，家庭人均月收入分为3500元以下和高于3500元(约540美元)两个水平[24]。

在试验的整个实施过程中，使用应用程序的后端系统收集参与干预的数据;也就是说，当用户登录应用程序时，以自动方式收集用户参与度信息。可用数据包括访问应用程序上的网页，以及访问的场合、频率和时间。这类信息可以根据参与者在应用上花费的时间以及应用的功能来了解他们的参与度。

在这项研究中，我们使用四个指标收集应用粘性数据:每月登录频率、单次登录持续时间、每次登录学习的知识片段和单次学习持续时间。每月登录频率定义为每个参与者在退出研究前每月使用该应用程序的平均次数。退出被定义为应用程序后端系统中记录的最后一次登录日期。单次登录时长是指在同一会话中打开应用程序和退出应用程序之间的平均在线时长。每次登录学习的知识片段是每次登录学习的带有图片、卡通情节、视频推荐和互动游戏的简短书面陈述的平均数量。最后，单次学习时长定义为每次登录时阅读和学习单个知识片段的平均时间。为了便于对结果的解释，我们根据每个指标的百分位数将所有参与者分为三个相等的组P_33.4和P_66.7（＜P_33.4，P_33.4来P_66.7， b>P_66.7)。

统计分析

根据二项分布估计归因率和95% ci。的χ²采用测试方法检验干预组和控制组之间的流失率差异。使用Kruskal-Wallis评估两组之间应用干预参与测量的差异H测试。使用广义线性混合模型来检验磨耗与所有自变量之间的关联。计算班级内相关系数以量化研究参与者在学前水平的聚类。在调整其他自变量后，计算校正优势比(aORs)来量化关联的大小。所有分析均采用SAS 9.2 (SAS Institute)进行。双侧检验在0.05水平上具有统计学意义。

结果

样本特征

来自中国长沙市20所符合条件的幼儿园共2920名护理员参与，其中干预组1510名，对照组1410名(表1)。干预组的参与者男性比例略高，家庭人均月收入较高，在过去3个月内接受过伤害预防教育。在参与度方面也存在差异:基于所有四个指标，干预组的参与者比对照组的参与者更有可能参与网站(P<措施)。

干预组与对照组的参与指标

干预组在所有四个投入指标上的投入明显高于对照组。无论是完成研究的参与者还是未完成研究的参与者(表2)。

流失率

干预组6个月流失率为28.9% (437/1510;95% CI 26.6% ~ 31.2%)，而对照组为35.7% (503/1410;95% ci: 33.2%-38.2%)。对照组的损失率明显高于干预组(OR为1.36,95% CI为1.17-1.59)(多媒体附录1)。

影响因素

鉴于两组员工的流失率不同，我们分别对两组员工进行了多变量分析。如图所示表3干预组中，每月登录次数为“有时”的护理人员的流失率高于每月登录次数为“经常”的护理人员(P= 03)。单次登录时间较短和平均的护理人员的流失率显著高于单次登录时间较长的护理人员(P<措施和P=。分别为03)。每次登录学习的知识片段较少和平均数量的护理人员的流失率显著高于每次登录学习的知识片段较多的护理人员(P<措施和P=。003年,分别)。单次学习时间较短和平均的护理人员的流失率高于单次学习时间较长的护理人员(P<措施和P=。002年,分别)。多变量分析显示，在调整性别、年龄、受教育程度、家庭人均月收入、过去3个月内是否接受过伤害预防教育以及其他三项干预参与措施(表3)。

如图所示表4，月登录频率为“很少”的对照组护理人员的流失率高于月登录频率为“经常”的对照组(P= .003)。单次登录时间较短和平均的护理人员的流失率高于单次登录时间较长的护理人员(P<措施和P=。009年,分别)。每次登录学习的知识片段较少和平均知识片段的护理人员的流失率远高于每次登录学习的知识片段较多的护理人员(P<措施和P=。001年,分别)。单次学习时间较短和平均的护理人员的流失率高于单次学习时间较长的护理人员(P<措施和P=。002年,分别)。对员工流失的多变量分析得出了三个重要的预测因素。那些每月登录频率较低、每次登录学习的知识片段较少、单次学习持续时间较短的护理人员，其流失率明显高于每月使用应用频率较高(很少vs经常)、每次登录学习的知识片段较多(平均vs多次)、单次学习持续时间较长的护理人员(短vs长)。表4)。

讨论

主要研究结果

干预组6个月的流失率为28.9%，对照组为35.7%。正如假设的那样，在控制了人口统计学变量和之前的意外伤害预防训练经验后，干预组和对照组的高磨损风险与低应用干预参与有关。与干预组相比，对照组的流失率更高，这主要是由于较低的应用干预参与度。人口因素似乎与两组的人员流失无关。

调查结果的解释

在我们的研究中，损耗与一款关于汽车座椅使用的教育应用6个月后的追踪报告非常相似[25](34.3%， 387/1129)，但明显低于一项基于app的烫伤预防研究报告的51% (254/498)[22]。有很多因素可以解释参与基于应用程序的干预的参与者流失，包括应用程序的设计、参与者依从性的评估措施、参与者的个人特征以及各国的文化差异。

以往的研究[13，22，26一般来说，女性、年轻和受教育程度较低的人更有可能流失。无论是单变量分析还是多变量分析，我们都无法证实这些发现。对这一结果的一个可能的解释是，我们的研究是在中国进行的，中国是一个具有集体主义文化的中等收入国家，与之前进行研究的其他国家和地区(如美国和澳大利亚)不同。另一种可能的解释与我们的多变量研究结果有关，这表明在控制了参与者人口统计数据后，参与者参与度是参与者流失的一个强有力的预测因素。在两组中，参与干预与减员显著相关。这些结果支持了一种假设，即在基于应用程序的干预措施中，很大比例的参与者失去随访可能仅仅是由于不使用应用程序[17]。如果参与者认为应用程序有帮助和有益，他们会继续使用它，然后参与研究调查。

我们发现，干预组的流失率低于对照组，我们将这一发现归因于对照组的育儿教育应用程序不那么吸引人。具体而言，对照组每周接受两次新材料，每月进行一次专题讨论;干预组每周接受四次新材料，每月进行两次专题讨论。干预组还可以向专家提问并接受咨询，这是对照组没有提供的功能。这些数据与Kelders等人的研究结果一致[27她回顾了101项基于网络的干预研究，发现增加与咨询师的互动，更频繁地使用，更频繁地更新，更广泛地使用对话，有助于更好地坚持治疗。

影响

我们的发现有两个主要含义。首先，他们强调了移动医疗干预研究中高辍学率的不可忽视的影响。在得出有关干预效果的结论之前，必须严格评估高损失率，当损失率很高，在对照组之间差异很大，或当缺失值(辍学)以非随机方式发生时，应谨慎解释研究结果。其次，研究结果强调了仔细设计和实施移动医疗干预措施的必要性。较少接触教育材料的参与者的流失率相对较高，这突出表明需要设计和实施具有吸引人特点的移动医疗干预措施。他们必须吸引用户并提高干预的参与度。

研究的局限性

本研究主要受到随机对照试验设计的限制。我们没有关于6个月后用户粘性或流失率的数据。此外，其他可能与辍学相关的因素无法用于分析，包括参与者的偏好、态度和对基于应用程序的干预措施的看法，所有这些都可能影响人员流失[28]。这些限制应该在未来的研究中加以考虑。

结论

在一项随机对照试验中，基于应用程序的儿童意外伤害干预和父母教育的辍学率很高，而在中国学龄前儿童的照顾者中，只有父母教育。干预的参与程度在两组之间有所不同，两组的人员流失与干预的参与程度显著相关。用户粘性越高，流失率就越低。在评估和实施移动医疗干预措施时，研究人员、政策制定者和从业人员必须考虑人员流失问题。努力吸引用户对于减少流失率至关重要。未来的研究可能会考虑可行的策略来改善和维持研究参与者对移动健康干预计划的依从性。