有和没有精神健康障碍的个体有效电子健康设计的关键变量:2^12-4分数阶乘实验gydF4y2Ba

简介gydF4y2Ba

背景gydF4y2Ba

精神分裂症谱系障碍(SSD)和其他严重精神疾病(SMIs)通常是慢性的，需要持续治疗和支持以获得最佳健康，并减少症状复发和住院的发生[gydF4y2Ba1gydF4y2Ba］．不幸的是，可能不寻求治疗，脱离精神卫生服务是常见的，个人对这些服务的印象并不总是有利的。约有50%的重度精神障碍患者在任何一年都不寻求心理健康治疗[gydF4y2Ba2gydF4y2Ba]， 75%-85%的人在任何2年的时间里有很长一段时间停止服用抗精神病药物[gydF4y2Ba3.gydF4y2Ba］．除了药物之外，社会心理服务(如病例管理、家庭心理教育和认知行为治疗)是重度精神障碍患者循证治疗的关键组成部分，因为它们比单纯的药物治疗更能改善幸福感[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba4gydF4y2Ba］．然而，对许多人来说，缺乏以证据为基础的有效心理社会服务[gydF4y2Ba5gydF4y2Ba］．此外，与药物使用类似，不开始、坚持不良和停药也很常见[gydF4y2Ba5gydF4y2Ba］．不幸的是，没有接受心理社会服务和/或药物治疗与较差的结果有关，包括复发、住院、自杀和无家可归的风险增加[gydF4y2Ba1gydF4y2Ba，gydF4y2Ba6gydF4y2Ba］．在一项研究中，49%的重度精神障碍患者在过去一年中没有寻求治疗，但表示他们有需要专业帮助的问题[gydF4y2Ba2gydF4y2Ba］．当精神疾病患者被问及为何放弃治疗时，他们列举的理由是不被倾听、提供者缺乏同情心、缺乏参与决策以及对服务不满意[gydF4y2Ba7gydF4y2Ba］．可以提高可用性的服务，可以满足服务用户的需求和优先事项，可以根据他们的个人喜好进行定制，可以与他们的生活方式相结合，并可以改善以患者为中心的结果。gydF4y2Ba

使用电子卫生技术是创建可实现这些目标的交付模式的一种创新方法。它们有潜力支持更广泛可访问、更方便、更个性化并能够适应个人用户需求的服务。不幸的是，尽管有很多成功的例子。gydF4y2Ba8gydF4y2Ba，gydF4y2Ba9gydF4y2Ba]，电子卫生技术的使用并不总是成功的。Eysenbach博士提出了gydF4y2Ba消耗定律(或:为什么电子健康用户不再使用?)gydF4y2Ba［gydF4y2Ba10gydF4y2Ba］．在他引用的一个例子中，只有1%(12/1161)的注册者完成了为期12周的恐慌症网络课程。在另一个例子中，angydF4y2Ba开放gydF4y2Ba在对MoodGym进行评估时，99.5%的参与者在完成5个模块之前就停止了治疗。虽然最初参与者对干预措施的兴趣很高，但由于几个原因，热情消失了，包括网站太复杂，不直观，可用性差。Eysenbach博士的损耗定律强调了设计高可用性、直观的电子健康干预措施的迫切需要，即使那些技术和阅读能力较低的人也能使用。不幸的是，对于那些拥有SMIs的人来说，他们可能有特殊的认知需求，当使用面向大众的设计模型创建电子健康应用程序时，设计是无效的，往往到了无法使用的地步[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba］．gydF4y2Ba

电子医疗服务设计缺乏经验依据gydF4y2Ba

由于研究不足，为重度精神障碍患者和有认知障碍、特殊认知需求和/或低技术技能的人设计电子医疗技术所需的知识库存在严重缺口[gydF4y2Ba13gydF4y2Ba］．确实存在一些指导来源。若干设计准则包括与SMI有关的条件[gydF4y2Ba13gydF4y2Ba，gydF4y2Ba14gydF4y2Ba］．通常情况下，指南建议是足够普遍的，适用于多种健康状况和疾病。因此，不同指南的建议可能有所不同，甚至针对特定人群或群体也是如此。例如，综合20项现有指南的建议[gydF4y2Ba14gydF4y2Ba]，所有这些研究都针对患有包括认知障碍在内的疾病的个体，其中只有3项建议得到了超过50%的指南的认可。这些建议，从最常被认可的开始，就是在文字中使用图片、图标和符号;使用清晰简单的文字;在每个页面上使用一致的导航和设计。只有后2项建议与SMI的经验基础一致[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba15gydF4y2Ba-gydF4y2Ba18gydF4y2Ba)，尽管具体如何实现这些没有描述。另一个常见的限制是，由于指南可能要涵盖广泛的条件，因此建议可能更适合某些情况。在前面的例子中，第一个也是最常被认可的建议被发现是一个糟糕的设计特性，适用于SSD和SMI的用户。gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．gydF4y2Ba

也有基于经验可用性研究的建议。这些建议中的一些发现是一致的，而另一些则不一致。目前，一致的建议包括使用gydF4y2Ba大导航按钮gydF4y2Ba［gydF4y2Ba11gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba];gydF4y2Ba阅读水平较低的文本gydF4y2Ba，最好是四至五年级[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba];gydF4y2Ba浅层的导航层次gydF4y2Ba［gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba16gydF4y2Ba-gydF4y2Ba18gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba];gydF4y2Ba明确的或具体的措辞gydF4y2Ba超链接，标签和标题[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba17gydF4y2Ba];gydF4y2Ba弹出式菜单gydF4y2Ba通过光标悬停出现，以帮助导航[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba];和gydF4y2Ba目标用户语言gydF4y2Ba［gydF4y2Ba12gydF4y2Ba，gydF4y2Ba16gydF4y2Ba］．gydF4y2Ba

一直不一致的建议包括字体大小，其中一些人发现，在标准的基础上增加大小和使用更大的字体更好[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba21gydF4y2Ba]，而其他人则发现使用较小的字体效果更好[gydF4y2Ba20.gydF4y2Ba］．在这项研究中，我们报告了字体大小的影响可能取决于设计环境，取决于预期目标是提高查找信息的能力还是减少查找信息所需的时间，使用更令人兴奋的设计，以及能够抓住用户的注意力[gydF4y2Ba22gydF4y2Ba]，而另一些人则恰恰相反，他们认为简洁的设计，少一些分散注意力和多余的内容、图像或展示是最好的[gydF4y2Ba19gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．为SMI患者和其他人改进电子健康设计最需要的是基于实证的建议，这些建议来自收集有效定量性能数据的实证可用性调查。随着经验基础的扩大，更多的建议将会出现，目前的不一致将会得到解决。gydF4y2Ba

客观的gydF4y2Ba

我们开展了一项研究项目，重点确定SMI患者的设计需求[gydF4y2Ba12gydF4y2Ba，gydF4y2Ba17gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba，gydF4y2Ba23gydF4y2Ba]，其他人也一样[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba15gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba24gydF4y2Ba］．在此证据基础上，我们选择了一组12个电子健康屏幕设计变量，这些变量有可能对重度精神分裂症患者的可用性产生最大的影响。本研究的目的是考察这12个变量对用户浏览网站能力的相对影响。为了实现这一点，我们用算法指定了设计，然后创建了256个网站进行测试。这些网站通过一个2系统地改变了12个设计变量gydF4y2Ba^{以12比4gydF4y2Ba}分数阶乘设计[gydF4y2Ba25gydF4y2Ba]，使12个设计变量在测试设计组合时具有等效的表示。所有网站的最终目标页面都是相同的;只是导航屏幕和路径的设计不同。为了进行分析，参与者被分为3个诊断组:SSD诊断组、任何其他精神健康诊断组和无精神健康诊断组。gydF4y2Ba

方法gydF4y2Ba

参加者招募及培训gydF4y2Ba

参与者通过方便抽样从退伍军人事务部(VA)匹兹堡医疗保健系统和非VA社区精神健康门诊治疗中心招募。入学标准如下:年龄至少18岁，有阅读电脑屏幕和使用鼠标的身体能力，有五年级水平的阅读能力。没有要求事先使用电脑、鼠标、互联网或网站。这项研究得到了弗吉尼亚州匹兹堡医疗保健系统机构审查委员会的批准。gydF4y2Ba

为了筛选阅读能力，参与者完成了广泛成就测试的阅读子测试。数据是在3个不同的阶段收集的。在第一次会议中，对所有参与者进行了人口统计学数据、关于过去使用计算机的问题以及《精神疾病诊断与统计手册iv》(DSM-IV)的结构化临床访谈，以帮助确定DSM-IV I轴精神障碍的存在[gydF4y2Ba26gydF4y2Ba］．其中一个问题是使用5分制对自己的计算机理解水平进行自我评估。在分析中，这被用来衡量参与者对技术的熟练程度。为了简化分析，这被分解为3个自评专业知识的水平:回答1和2代表gydF4y2Ba低gydF4y2Ba3为gydF4y2Ba温和的gydF4y2Ba， 4个和5个gydF4y2Ba高gydF4y2Ba．在第二阶段，使用神经认知功能测量组来评估基本认知能力。在第三个阶段，参与者被要求在8个不同的网站上查找信息。为确保所有参与者都具备浏览网站所需的基本技能，每位参与者都接受了简短的教程(涵盖鼠标使用、超链接文本、弹出菜单和页面滚动等主题)[gydF4y2Ba12gydF4y2Ba］．所有符合资格标准的人都能够掌握这些基本技能。在此之后，对测试网站的性能进行评估。gydF4y2Ba

网站设计与12个变量的选择gydF4y2Ba

总共有12个界面设计变量(gydF4y2Ba表1gydF4y2Ba)，每个都有2个层次，用于算法生成2的全阶乘设计gydF4y2Ba^12gydF4y2Ba(即4096)网站设计。从这4096个网站设计中，我们确定了一个算法推导gydF4y2Ba分数gydF4y2Ba要创建的256个网站。也就是说，256个网站中的每个网站的设计都是通过一个连续的2指定的gydF4y2Ba^{以12比4gydF4y2Ba}分数阶乘[gydF4y2Ba25gydF4y2Ba，是一种常见的工业工程实验设计。我们一直在进行一项研究项目，重点是确定重度精神分裂症患者的电子健康设计需求，并在该项目中纳入了对SSD的关注。该研究项目为重度精神分裂症患者创建了一个电子健康设计模型，称为平面显式设计模型(FEDM) [gydF4y2Ba12gydF4y2Ba]，最初由6个设计变量组成。随着项目的进展，FEDM增加到18个设计变量[gydF4y2Ba17gydF4y2Ba］．本研究的12个变量被选为最具影响力的设计变量，基于对设计建议的文献和互联网回顾，以及我们为重度精神分裂症患者创建和评估eHealth应用程序的经验[gydF4y2Ba27gydF4y2Ba]，是FEDM 18个变量中最重要的。使用Flesch-Kinkaid阅读量表评估网站内容的阅读水平(使用Microsoft Word进行评估)[gydF4y2Ba28gydF4y2Ba］．内容(即主题和最终目标文章)取自先前创建的基于web的干预[gydF4y2Ba27gydF4y2Ba]并且在所有网站上都是相同的;只有网站的导航设计不同。gydF4y2Ba

网站设计和评估程序gydF4y2Ba

每个受试者被要求在8个网站上分别找到6个特定主题的信息。我们以前的经验表明，这种程度的努力不会对任何符合我们选择标准的人造成过度的负担。考虑到我们不希望疲劳在测试过程中影响结果，我们选择了一个相对保守的数字。例如查找信息gydF4y2Ba精神分裂症的病因gydF4y2Ba，gydF4y2Ba如何治疗精神分裂症gydF4y2Ba,gydF4y2Ba治疗精神分裂症药物的副作用gydF4y2Ba．采取了两个步骤来消除agydF4y2Ba学习gydF4y2Ba影响整个参与者样本结果的效应。6项任务的顺序和8个网站的顺序因人而异。每个网站的任务顺序是使用大小为6的随机排列块分配的。为了改变参与者对网站的测试顺序，顺序是用8个随机排列的块分配的。测试是在一个研究室进行的。如果受试者选择了一个项目作为他或她的选择，但该项目不是目标，他或她被告知并被指示继续搜索项目，直到分配的任务时间到期(3分钟)。使用我们开发的浏览器插件对任务进行不显眼的计时。当分配给完成一项任务的时间到期时，计算机屏幕自动变成空白，然后启动下一个任务。网站可用性测试的记录是使用我们开发的用于Firefox互联网浏览器的应用程序完成的。为了减少测试焦虑，每个参与者都读了一个脚本，解释这些程序是评估网站而不是参与者，并且没有正确或错误的答案。gydF4y2Ba

分析参与者定位所要求信息的能力(即设计有效性)和完成任务的时间(即设计效率)，以确定设计变量和变量的组合，从而创建更多或更少可用的网站(即促进或抑制使用)。每个任务允许查找信息的最长时间为180秒。为了消除成功时间的过度分散，对时间数据进行分析，使用秒的自然对数来找到。gydF4y2Ba

统计分析gydF4y2Ba

对3个心理健康组的基线人口统计数据进行比较，对连续测量进行方差分析，对分类测量进行卡方分析，对小样本进行精确测试。每个网站的成功百分比和成功时间是平均的。使用回归树分析来确定12个维度的模式，这些维度导致成功找到所需信息或成功找到所需信息的时间或多或少。gydF4y2Ba

首先对整个样本进行12个网站维度的性能比较(n=222参与者查找信息的能力，n=218参与者查找信息的时间，因为4名参与者没有找到任何目标信息)，然后分别对3个诊断组中的每一个进行比较，使用分类和回归树(CART)来获得成功(CART Salford Predictive Modeler v8.2) [gydF4y2Ba29gydF4y2Ba］．对所有维度的主要效应进行了测试，并用混合效应回归模型对CART显示为潜在显著性的相互作用进行了测试。在个体内嵌套的网站表现也包括在回归中。gydF4y2Ba

回归树程序在预测变量中确定将观察结果分成两组的最有效变量。例如，它选择了1个网站维度，最好地划分了表现较好的网站(根据成功完成的任务数量)和表现较差的网站。在第一次拆分后，每个分支(后代组)被该诊断组内最有效的预测变量拆分。这就产生了另一个层次的分支。发生分支的数量可以通过指定停止分支的子代组中的观察数或所需的分支数来确定。在这项研究中，该树是基于一个网站内正确完成任务的百分比，分支在每个网站<12人观察时停止。由于回归树分析不能解释每个个体的多个观察结果，因此执行了可以解释同一个体评估的多个评估的混合效应回归。回归树分析的结果用于确定将在多层模型中测试的可能的相互作用。初始回归分析包括回归树中确定的12个维度和相互作用以及3组的诊断变量。采用后向阶梯式回归除去不显著的主效应和相互作用。 These models also indicated that the differences between the 2 non-SSD groups were not significant at the main effect or interaction effect level, and these 2 groups were combined and served as the baseline diagnostic group.

结果gydF4y2Ba

样品描述gydF4y2Ba

共有295名参加者符合申请资格(gydF4y2Ba图1gydF4y2Ba)．在这295名参与者中，264人(89.5%)完成了研究的第一次和第二次数据收集会议，226人(85.6%)完成了第三次会议，评估了网站的性能。在226名参与者中，4人缺少关键的人口统计和/或计算机经验信息，导致本报告的原始295名参与者中有222人(75.2%)。在精神健康诊断的基础上，222名参与者被分为3个诊断组之一:没有精神疾病(83/222,37.4%)，没有精神病特征证据的精神疾病(例如，抑郁和焦虑;60/222 (27.0%)， SSD(79/222, 35.6%)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

222名参与者的年龄从23岁到75岁(平均52.2岁，标准差9.2岁)，非裔美国人占样本的49.5% (110/222)(gydF4y2Ba表2gydF4y2Ba)．与其他两组相比，SSD患者更有可能是男性，就业的可能性更小，退休或残疾的可能性更大。在技术方面，SSD患者家中拥有电脑的可能性较小，更有可能自我评估为很少或完全不了解计算机，而自我评估为高度了解计算机的可能性较小。gydF4y2Ba

网站可用性gydF4y2Ba

所有参与者集合gydF4y2Ba

当256个网站的所有参与者聚集在一起时，找到信息的平均成功率为33.2%。正确查找信息的平均时间为49.0秒(中位数为40秒，范围7-180秒)。SSD组与其他2组(即SSD以外的精神疾病，无精神疾病)单独比较，成功率较低(gydF4y2BaPgydF4y2Ba= .007for each) and took longer to find information (PgydF4y2Ba=。001for each;表3gydF4y2Ba)．这项研究中使用的256个网站都是专门为这项研究创建的。因此，没有参与者对他们所测试的网站有任何经验，并且是第一次看到和使用每个网站。gydF4y2Ba

哪些设计变量影响查找信息的能力:混合回归模型，所有参与者gydF4y2Ba

建立了混合回归模型，以确定对参与者成功找到信息的能力具有主要影响和交互作用的变量。其中一个模型(gydF4y2Ba表4gydF4y2Ba，模型1)包括12个设计尺寸(gydF4y2Ba表2gydF4y2Ba)和3个诊断组。在这个模型中，6个设计变量的水平越高，性能就越差:更高的导航深度(≥5)，页面上的超链接数量(≥14)，更高的阅读水平(≥九年级)，更大的字体大小(13分)，超过1个屏幕长度的内容(即需要滚动才能看到所有内容)，以及页面上更高的导航区域数量(≥4);然而，更高级别的1设计变量使用弹出菜单在页面上显示超链接提高了性能。拥有SSD会对查找信息的能力产生负面影响(尽管必须指出，这种影响发生在查找给定信息的3分钟时间限制内)。其他2个诊断组之间无显著性差异，即SSD与其他2个诊断组的合并差异。第二个混合回归模型(gydF4y2Ba表4gydF4y2Ba，模型2)，其中包括参与者计算机理解的自评测量。有了模型中的这个变量，SSD(相对于其他变量)就不再是一个重要的变量了。gydF4y2Ba

设计影响查找信息时间的变量:所有参与者gydF4y2Ba

建立了混合回归模型，以确定对参与者正确查找信息所花费的时间具有主要影响和交互影响的变量。其中一个模型包括12个设计维度和3个诊断组(gydF4y2Ba表5gydF4y2Ba(模型1)。其中五个主要影响变量与查找信息能力相同(gydF4y2Ba表4gydF4y2Ba(模型1)，其中较高水平的4个也对查找信息所花费的时间产生了负面影响。这些变量对寻找信息的时间有负面影响:更高的导航深度，页面上的超链接数量，更高的阅读水平，以及超过一个屏幕长度的页面。第五个变量，更大的字体，积极地影响了查找信息的时间，也就是说，减少了所需的时间。此外，以下3个变量在较高水平上有负面影响:更高的每页字数(≥200)，工具栏的存在，以及每个超链接更多的字数(≥6)。此外，SSD(相对于其他)是进入模型的唯一诊断组，并且具有负面影响。gydF4y2Ba

建立了第二个混合回归模型(gydF4y2Ba表5gydF4y2Ba(模型2)，除了上述变量外，还包括参与者对计算机理解的自评测量。这作为一个重要变量进入模型。来自模型1的所有其他变量和双向交互都保留在模型中，包括SSD。gydF4y2Ba

在查找信息能力方面增加或减少可用性的设计:使用所有参与者和所有网站的CART数据分析gydF4y2Ba

对参与者成功找到信息的能力影响最大的变量是导航深度(gydF4y2Ba图2gydF4y2Ba)．对于具有深度导航的设计(即导航深度≥5层或屏幕)，平均成功率仅为15%。对于这个子集，如果他们每页有≥200个单词，每页有≥14个超链接，成功率下降到9%。这是该类别测试中表现最差的设计元素组合。具有高导航深度的设计，如果每页使用<100字，每页使用≤7个超链接，并在页面上使用弹出菜单来显示超链接，则可以提高到27%的成功率。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

对于设计为浅层导航(即导航深度≤3层)的网站，所有此类设计和所有参与者的平均成功率为52% (gydF4y2Ba图2gydF4y2Ba)．此外，如果他们每页有≤7个超链接(54%)，并且使用弹出菜单来显示超链接，平均成功率增加到58%。gydF4y2Ba

在导航深度较浅的设计中，表现最差的设计组合是每页超链接≥14个(48%)，每页≥200个单词(45%)，文本阅读水平大于或等于九年级(43%)。gydF4y2Ba

SSD与会者gydF4y2Ba

哪些设计会降低可用性?gydF4y2Ba

对于SSD患者(n=83)，所有测试网站的平均成功率相对较低(29%;gydF4y2Ba图3gydF4y2Ba)．所有具有深导航深度的设计的平均成功率仅为12%。对于这些设计，如果每页有≥14个超链接，则下降到9%。这是这组参与者表现最差的设计。此外，其他设计显然更糟糕，但没有足够的受试者使差异具有统计学意义。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

那些具有较深导航深度的最高性能设计的成功率仅为29%。实现这一改进的方法是每页超链接不超过7个(15%)，使用弹出菜单在每页上显示超链接(20%)，每页字数不超过100。在一个整体糟糕的设计中使用这些设计元素有助于提高性能，但只是有限的，而且这些设计仍然相当糟糕。gydF4y2Ba

哪些设计使可用性更好?gydF4y2Ba

导航深度较浅的设计的平均成功率为47%。在这一组中，使用弹出菜单显示超链接的设计达到了51%的成功率。对于导航较浅的网站，表现最差的设计成功率为40%。这种情况发生在那些没有弹出式菜单且大于或等于九年级阅读水平的网站上。gydF4y2Ba

患有SSD以外精神疾病的参与者gydF4y2Ba

哪些设计会降低可用性?gydF4y2Ba

所有测试设计中除SSD外的精神疾病患者的平均成功率为38% (gydF4y2Ba图4gydF4y2Ba)，而对于所有导航深度较深的设计，这一比例为20%。对于后面这些设计，如果它们每页也有≥200个单词，性能将降低到17%。如果更深的导航深度设计每页<100字，成功率增加到23%，这是这一组表现最好的深度导航深度设计。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

哪些设计使可用性更好?gydF4y2Ba

对于所有浅层导航深度设计，平均成功率为55%。在页面长度≤1个屏幕(60%)的设计中，即不需要滚动查看所有内容，并且每页有≤7个超链接的设计中，性能提高到68%。对于导航较浅的网站，表现最差的设计成功率为51%。这种情况发生在页面长度大于一个屏幕长度的设计中。gydF4y2Ba

无精神疾病的参与者gydF4y2Ba

哪些设计会降低可用性?gydF4y2Ba

对于没有精神疾病的参与者，所有测试设计的平均成功率为34% (gydF4y2Ba图5gydF4y2Ba)．对于深导航深度设计，平均成功率下降到16%。对于每页超链接≥14个(12%)、每页超链接≥200字的网站，性能进一步下降到8%的低点。在一组具有深度导航层次结构的网站中，表现最好的是那些每页超链接≤7个的网站，其平均成功率仅为19%。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

哪些设计使可用性更好?gydF4y2Ba

导航深度较浅(即≤3级)的网站，平均成功率为52%。这是深度导航设计(≥5级)平均成功率的3倍(3.25)以上。如果网站使用弹出菜单来显示超链接(56%)，每个页面有≤7个超链接(60%)，并且在≤1个屏幕长度上显示信息(即不使用滚动)，性能将提高到63%。在导航深度较浅的情况下，表现最差的设计成功率为48%。这种情况发生在没有弹出菜单的网站上。gydF4y2Ba

最佳和最差设计变量gydF4y2Ba

在性能最佳的设计中通常会发现几个设计变量(gydF4y2Ba表6gydF4y2Ba) 4个参与者组(即SSD、SSD以外的精神疾病、无精神疾病和所有参与者);然而，在所有这4个表现最好的网站设计中，只有较浅的导航深度。对可用性总是有积极影响的设计元素是浅导航深度、通过弹出菜单显示超链接、每页≤7个超链接以及使用≤1个屏幕的页面长度来显示内容。gydF4y2Ba

此外，还有一些设计元素在四个参与者群体中表现最差的网站上普遍存在(gydF4y2Ba表6gydF4y2Ba)．高导航深度是所有这4个表现最差的设计中唯一的变量。对可用性有不利影响的设计元素是高导航深度、高每页字数(≥200)、每页超链接≥14、页面长度>1个屏幕长和高阅读水平(≥九年级)。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

总的来说，一个关键的发现是，通过以高度可定义的方式改变电子卫生应用程序的设计，有可能提高应用程序对用户的有效性，就他们成功地查找信息和查找所需信息的时间而言。在3个诊断组中，最好的设计与最差的设计相比，对网站的使用成功率产生了影响，从38%到55%。gydF4y2Ba

这些数据确定了导航的深度，也就是说，一个人需要通过导航到达所需内容的屏幕数量，这是可用性最重要的变量。其他人也认为这很重要[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba12gydF4y2Ba，gydF4y2Ba18gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．当所有参与者的数据汇集在一起时，层次层次浅的设计的平均成功率比层次层次深的设计的平均成功率高3.4倍。表现最差的浅层次设计仍然比最好的深度导航设计成功2.5倍。这一原则也适用于3个诊断组。尽管我们发现设计环境(即屏幕的整体设计)会影响几个设计变量对可用性的影响，但导航深度却不是这样。它的影响是不变的。其他设计元素的存在也会影响这种效果的强度，但在其他条件相同的情况下，浅总是比深好。这表明，浅导航结构是可用性的基本设计特征;因此，创建一个浅层导航结构是一个必须解决的设计挑战。gydF4y2Ba

应当指出的是，所有与会者都是第一次使用这些网站;然而，认知局限会限制一个人理解复杂设计和创建应用程序心智模型的能力，即使是在重复使用之后[gydF4y2Ba12gydF4y2Ba］．没有一个准确的心智模型，就很难成为一个精明的用户。因此，如果在重复使用网站后进行比较，参与者组之间发现的差异可能是最小的差异。gydF4y2Ba

我们之前的研究发现，让用户向下滚动屏幕以获取更多信息比导航到一个新屏幕更有效。gydF4y2Ba滚动gydF4y2Ba优于…gydF4y2Ba分页gydF4y2Ba) [gydF4y2Ba17gydF4y2Ba，gydF4y2Ba20.gydF4y2Ba］．这项研究表明，使用滚动的设计从来都不是性能最高的设计，而且往往不如那些使用分页的设计。最近的一项设计研究发现，用户对分页的偏好明显超过滚动[gydF4y2Ba30.gydF4y2Ba］．本研究的结果与这种偏好一致。正如我们前面指出的，滚动是一种糟糕的设计选择，但我们的工作表明，在某些情况下，如果分页显著增加了导航的深度，滚动可能比分页具有某些优势。深度是可用性最重要的单一变量，这一发现适用于所有群体。尽管用户更喜欢分页，但它更方便，并且使用户不太可能错过内容，但添加页面对性能有潜在的危险，特别是对于不太精明的用户，他们更有可能在更深的层次结构中感到困惑或迷失。从设计经验来看，从量化效果和用户偏好来看，最好的设计将最大限度地减少滚动的需要，同时使用依赖分页的浅导航结构。gydF4y2Ba

这个问题与其他设计元素相关，例如，页面上超链接的数量。这项研究的结果是明确的;较低的链接数量，相对于较高的链接数量，有助于更好的设计。这项研究并没有试图确定是否可能有一个gydF4y2Ba最优gydF4y2Ba页面上导航链接的数量或范围。设计只是比较了两个不同的关卡，以确定这是否是一个重要的设计变量，它确实是一个重要的设计变量。虽然使用更多的链接显然是低劣的，但用户成功最重要的设计元素是他们需要浏览的屏幕数量。因此，在任何给定的设计中，屏幕上的链接数量和导航深度之间可能存在权衡。这项研究的证据以及过去的研究[gydF4y2Ba17gydF4y2Ba]表明，在页面上添加更多链接，如果它能显著减少用户必须浏览的页面数量，在其他条件相同的情况下，就有望成为更有效的设计选择。gydF4y2Ba

在这项研究中，我们设计了一个问题，让参与者自我评估他们对技术的理解程度。我们把这个变量称为gydF4y2Ba计算机理解gydF4y2Ba．计算机理解变量在信息查找能力回归模型中占SSD的影响。这表明，这一群体表现较差的关键原因不一定是疾病本身的特征，而是对技术的熟悉和技能。这可能是由于较少使用相关技术造成的。那些有严重认知挑战的SSD患者可能更难变得聪明，并且/或将受益于专门适应他们认知需求的设计。这项研究和我们之前的工作表明，特定的设计功能可以帮助那些患有SSD的人，他们可能有特殊的认知需求，同时不会降低其他人的表现。这项研究结果的一个明确含义是，使用电子健康技术的培训应该提高不太熟练的个人在技术方面的表现。在我们之前的电子健康干预研究中已经观察到这一点[gydF4y2Ba27gydF4y2Ba］．gydF4y2Ba

本研究的发现表明，设计环境至少在一定程度上可以影响设计元素的影响。这表明，设计一个高度可用的页面或屏幕不一定只有一条途径。然而，性能最高的页面确实有关键的相似之处，并且在可用性方面仍然存在明显的差异gydF4y2Ba好gydF4y2Ba设计，即没有两个备选设计具有相同的性能。后一点支持这样一个前提，即某些设计原则似乎是创建高性能应用程序的基础。gydF4y2Ba

对于所有参与者来说，当计算机理解的度量被包括在寻找信息所需时间的回归模型中，SSD(相对于其他2个诊断组)仍然是模型中的一个显著变量。这表明，除了对这些技术的熟练程度之外，还有一些东西影响了查找信息所需的时间。在描述信息查找能力的回归模型中没有观察到这一点，其中SSD(相对于其他)从模型中退出，这表明计算机理解的相关性是所有组合组的共同因素。加工方面的缺陷已被其他人发现[gydF4y2Ba31gydF4y2Ba]，我们自己的数据显示(手稿正在准备中)，SSD患者的处理速度比研究中的其他组要慢。这可能会增加查找信息所需的时间，但不会影响查找信息的能力。gydF4y2Ba

限制gydF4y2Ba

在解释这些发现时，有几个限制需要考虑。参与者必须具备五年级水平的阅读能力才能进入这项研究。那些阅读水平较低甚至高得多的人的设计需求可能会有所不同。样本可能太小，除了主要影响或变量之间非常大的相互作用外，无法检测到任何东西。实验设计仅限于对12个变量进行评估。其他变量可能也很重要。由于一部分参与者对技术知之甚少或根本不熟悉，所有参与者都接受了简短的培训，向他们展示了如何使用鼠标，并演示了他们将遇到的所有网站导航元素。这可能提高了这些使用者的能力和他们的表现，与公众中没有接受过此类训练的类似个人相比。gydF4y2Ba

临床意义gydF4y2Ba

成功吸引消费者使用电子健康治疗和服务的关键之一是提供直观的导航设计，特别是有重度认知障碍和特殊认知需求的消费者。一个关于什么对创造有效的设计有效，什么不有效的证据基础，将有助于为消费者改善访问、个性化和治疗参与的设计。这将允许创建更可用的电子卫生服务;迷人的;因此，它是有效的。gydF4y2Ba

结论gydF4y2Ba

影响电子健康干预设计对患有或没有精神健康障碍的人的有效性的七个关键变量是导航深度、每页超链接数量、弹出菜单的存在、阅读水平、页面长度、每页字数以及参与者的技术技能。gydF4y2Ba

未来的研究gydF4y2Ba

未来的工作将受益于更大的样本，以更好地了解这些变量如何相互作用。这可以识别设计环境与设计变量相互作用的具体方式，以及变量组合的协同或对抗效应。每个变量仅在2个水平上进行研究，这在析因设计中很常见。进一步的研究可能会缩小最佳选择的范围。例如，≤3级的导航深度远优于≥5级，但1、2和3级之间的差异可能相当大。然而，这并不是由这些数据决定的。此外，对这12个变量以外的变量进行审查将是非常有用的。这种类型的量化设计研究中缺失的部分是用户对替代设计的偏好。将性能与首选项相结合，进一步促进了对最适合谁的方法的理解。我们发现，我们的单一自评计算机理解问题在衡量用户对技术的熟练程度方面非常有效。 We are preparing a manuscript that fully describes this instrument and our findings. In addition, we are preparing a manuscript of our findings about the influence of the neurocognitive functions we collected from each participant on the effectiveness of the various designs and importance of the different design variables.