患者参与高血压管理的模式和电子医疗保健提供者随访对这些模式的影响:聚类分析gydF4y2Ba

简介gydF4y2Ba

背景gydF4y2Ba

高血压是一种由生活方式引起的慢性疾病，影响与健康相关的生活质量。病情一旦恶化，可引起中风、心肌梗死、心力衰竭、肾功能衰竭等并发症[gydF4y2Ba1gydF4y2Ba］．控制高血压需要患者遵循长期的自我管理计划，包括测量和记录血压、服药、进行体育活动和健康饮食。最好在卫生保健提供者的指导下制定这些计划，并持续遵循以控制高血压[gydF4y2Ba2gydF4y2Ba］．gydF4y2Ba

电子及流动科技的快速发展，促进了院外医疗服务的推行[gydF4y2Ba3.gydF4y2Ba-gydF4y2Ba5gydF4y2Ba］．移动医疗服务的定义是使用移动电话和无线技术来支持医疗和公共卫生保健服务[gydF4y2Ba6gydF4y2Ba］．大量证据支持将移动医疗服务引入慢性疾病控制并促进患者积极行为[gydF4y2Ba4gydF4y2Ba，gydF4y2Ba7gydF4y2Ba-gydF4y2Ba10gydF4y2Ba］．尽管最近的研究证明了一些移动医疗服务的有效性，但有些服务的表现很差[gydF4y2Ba11gydF4y2Ba-gydF4y2Ba14gydF4y2Ba］．因此，使用移动医疗服务支持社区高血压患者自我管理的结果好坏参半[gydF4y2Ba15gydF4y2Ba，gydF4y2Ba16gydF4y2Ba］．gydF4y2Ba

患者参与(PE)对于使用mHealth应用程序改善健康结果至关重要[gydF4y2Ba11gydF4y2Ba，gydF4y2Ba17gydF4y2Ba，gydF4y2Ba18gydF4y2Ba］．PE指激活患者参与旨在促进积极健康行为的干预措施[gydF4y2Ba19gydF4y2Ba］．在一项关于高血压自我管理应用程序的研究中，Toto-Ramos等人[gydF4y2Ba20.gydF4y2Ba研究发现，持续PE患者(通过患者使用该应用程序的周数来衡量)的收缩压(SBP)显著降低。戈亚尔等[gydF4y2Ba21gydF4y2Ba]评估了患者每日血糖读数的行为，发现读数次数增加与糖化血红蛋白改善之间存在显著关系。与传统方法相比，移动健康服务在提高高血压自我管理的PE方面具有优势[gydF4y2Ba22gydF4y2Ba，gydF4y2Ba23gydF4y2Ba］．例如，卡普兰等人[gydF4y2Ba24gydF4y2Ba]设计了一个移动健康应用程序，以促进PE管理高血压。该应用程序提供了一个记录和跟踪自测血压的移动平台，定期提醒测量血压，以及无线血压测量设备。他们的研究结果显著改善了患者的血压和高水平的PE。gydF4y2Ba

在移动医疗领域，当移动应用程序用于自我管理时，复杂的PE模式就会出现。有些患者注册了，但从未使用过这款应用，有些患者断断续续地使用，还有一些患者经常长时间使用。PE可以客观地测量为使用移动健康应用程序的数量、持续时间、广度和深度[gydF4y2Ba11gydF4y2Ba]，也可以主观地衡量为兴趣、阴谋、专注、注意力不集中、享受、愉悦等[gydF4y2Ba25gydF4y2Ba］．在一项使用移动应用程序进行疼痛管理的研究中，Rahman等人[gydF4y2Ba26gydF4y2Ba他们使用聚类技术来识别应用的PE模式。他们通过3个关键使用特征来衡量PE:应用使用的持续时间、应用使用的频率和使用记录的数量。然后，他们使用k -均值聚类算法来寻找PE指示的患者群体，因为PE模式反映了使用应用程序的患者的行为特征。gydF4y2Ba27gydF4y2Ba]还使用聚类技术分析了mHealth应用程序的使用数据，以便在电子精神健康社区中区分PE和应用程序。他们测量了PE的5个使用特征:用户登录数量、使用每日跟踪器的数量、开始和完成学习活动的数量以及收到的提醒数量。在使用应用程序的频率上观察到不同的使用模式。gydF4y2Ba

迄今为止，关于体育运动模式以及这些体育运动模式与健康结果之间关系的研究通常使用各种类型的静态计数数据(例如，登录数量和记录数量)。然而，PE是一个动态的、持续的过程[gydF4y2Ba28gydF4y2Ba］．这一动态过程的变化不能简单地通过分析横断面数据分析中单个日期点捕获的计数数据来捕捉。纵向变化有助于通过分析时间序列数据来确定趋势。此外，由于高血压的管理需要长期的努力，了解PE的趋势对于长期成功管理高血压非常重要。gydF4y2Ba

医疗保健提供者随访可提供持续和个性化的关注，以指导患者的自我管理行为，以应对患者当前的血压水平[gydF4y2Ba29gydF4y2Ba］．如果没有医疗保健提供者的支持，患者很难通过移动健康应用程序维持血压控制和高水平的PE [gydF4y2Ba30.gydF4y2Ba]，这经常导致高辍学率[gydF4y2Ba31gydF4y2Ba，gydF4y2Ba32gydF4y2Ba］．因此，高血压管理指南建议医护人员进行随访，以便长期了解、跟踪和干预患者的高血压自我管理[gydF4y2Ba33gydF4y2Ba-gydF4y2Ba35gydF4y2Ba］．在传统的门诊管理模式中，随访往往采取医护人员上门的形式，促进PE，进而实现血压控制。尽管其已被证明对高血压管理有益，但由于患者随访需要大量人力资源，医疗保健提供者并未完全实施随访。gydF4y2Ba

与传统的随访形式相比，mHealth医疗保健提供者随访是一种低成本、方便的随访手段，患者的血压、用药、运动、饮食等都可以在办公室进行检查。在我们之前对高血压管理服务的一系列研究中[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba]，服务器接收到患者通过移动应用程序输入的血压数据后，可以自动进行血压数据分析，基于网络的平台将患者的血压状况报告给医疗保健提供者，并提醒医疗保健提供者哪些患者需要随访。针对不同的患者健康状况，医疗保健提供者可以通过电话和发送短短信进行随访。我们前期研究设计了三种随访类型:依从性随访、常规随访和异常随访[gydF4y2Ba36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba］．这些都是为了改善依从性，跟踪血压状态，重新设计新的计划，并对患者的血压异常做出反应。gydF4y2Ba

迄今为止，很少有研究探讨在高血压管理的移动医疗服务中，医疗保健提供者随访对PE和BP控制的影响[gydF4y2Ba23gydF4y2Ba］．尚不清楚随访是否有效，哪种类型的随访有效，何时出现随访效果，不同患者组的随访效果是否存在差异，随访效果持续多长时间[gydF4y2Ba28gydF4y2Ba，gydF4y2Ba38gydF4y2Ba］．这些问题的答案对于了解基于价值的卫生保健的实施，并在提高高血压管理质量和降低成本方面提供最佳结果至关重要。gydF4y2Ba

客观的gydF4y2Ba

本研究的目的是探讨高血压管理服务的PE模式，以及医疗保健提供者在移动健康应用程序使用的前4周内对PE和BP的随访效果。这包括三个目标:(1)通过mHealth app发现PE的模式，以及一系列相关变量(年龄、性别、教育程度、平均收缩压和随访次数)与PE模式之间的关联，(2)探讨医疗保健提供者对PE的随访效果，(3)检查每种PE模式下随访对收缩压的影响。gydF4y2Ba

方法gydF4y2Ba

移动健康App描述gydF4y2Ba

血压助手(BPA)是一款面向宁夏医科大学总医院患者的mHealth高血压自我管理app [gydF4y2Ba36gydF4y2Ba，gydF4y2Ba37gydF4y2Ba，gydF4y2Ba39gydF4y2Ba］．BPA于2015年推出，自那时起，已有2129名患者注册使用该应用程序。移动健康应用程序的设计符合中国高血压管理指南的定制护理路径。护理路径为患者和卫生保健提供者定义了高血压管理任务。gydF4y2Ba

在这种护理途径中，每个患者都需要注册并提供基本的人口统计信息(即姓名、性别、出生日期和教育水平)。然后，患者被分配给卫生保健提供者，后者负责制定量身定制的管理计划，进行跟踪，并监督患者上传的数据。管理计划包括自我测量和记录血压的频率，以及药物、体育活动和饮食的建议。患者上传的数据包括自测血压、服用的药物、身体活动和饮食记录。医疗保健提供者最重要的任务是通过网络平台跟踪患者当前的血压水平，并使用手机对患者进行随访，以协助控制血压。随访有三种类型。(1)依从性随访是对已确定的高血压管理计划依从性较低的患者的响应[gydF4y2Ba36gydF4y2Ba］．在这种情况下，医疗保健提供者需要提醒患者定期测量和记录血压。(2)定期随访，以检查血压水平，并决定是否维持或更新管理计划[gydF4y2Ba37gydF4y2Ba］．(3)患者自测血压数据异常需异常随访[gydF4y2Ba36gydF4y2Ba］．卫生保健提供者需要检查和了解异常情况的原因，并及时进行干预。征得同意后，医疗保健提供者将他们管理的患者登记到在线社区的mHealth高血压管理计划中。患者可以使用该应用程序查看他们的自我管理计划。他们的主要任务是每天测量和记录血压数据。gydF4y2Ba

数据收集gydF4y2Ba

道德规范声明gydF4y2Ba

经宁夏医科大学总医院人体研究伦理委员会(#NXMU-GH-2017-273)批准。本研究的患者签署了知情同意书。gydF4y2Ba

样本gydF4y2Ba

所有数据都从BPA服务器中存储和提取，其中包括人口统计信息、自我管理计划、患者上传数据和医疗保健提供者的跟踪记录。主要数据集包括2129例患者。我们根据以下标准选择患者记录:患者年龄至少18岁;2016年3月27日至2019年7月10日期间注册的患者(由于在此期间应用程序的主要功能保持一致，可以确保患者的行为不受应用程序功能变化的影响);且患者在登记后4周以上持续测量并记录血压(根据相关指南，控制血压至少需要4周的观察期)[gydF4y2Ba33gydF4y2Ba-gydF4y2Ba35gydF4y2Ba］．gydF4y2Ba

数据提取gydF4y2Ba

我们从数据库中提取了三种类型的数据:人口统计数据、血压记录和随访记录。人口学信息包括患者身份、出生资料、性别(男女)、教育程度(小学或中学、高中或大学及以上)。血压记录数据包括收缩压、舒张压、上传日期(包括年、月、日、分、秒)。由于收缩压与舒张压高度相关，仅使用收缩压进行分析。随访记录的具体信息包括患者ID、随访类型(依从性随访、常规随访、异常随访)、随访日期。gydF4y2Ba

数据分析gydF4y2Ba

测量体育gydF4y2Ba

根据高血压管理指引[gydF4y2Ba33gydF4y2Ba-gydF4y2Ba35gydF4y2Ba]，我们将观察的时间单位定义为1周。测量血压的行为是高血压管理的基本行为，因为其他行为(如服药、体育活动和健康饮食)需要以患者当前的血压水平为基础。因此，在本研究中，患者参与度由患者每周自测血压的天数来表示gydF4y2Ba图1gydF4y2Ba)．分析期为首次患者登记后连续4周。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

聚类分析gydF4y2Ba

通过聚类分析将患者分为不同的PE模式。K-means算法(Python 3;Python Software Foundation)通过PE对患者进行聚类[gydF4y2Ba40gydF4y2Ba］．动态时间翘曲用于计算患者间PE的相似性，因为这一特征表现为时间序列数据[gydF4y2Ba41gydF4y2Ba］．然后，我们使用剪影评分来确定最佳的聚类数量[gydF4y2Ba42gydF4y2Ba］．廓形评分根据动态时间翘曲确定的患者PE之间的距离测量聚类之间的距离。轮廓分数越高表示集群越紧密，其中每个集群都完全独立于其他集群。gydF4y2Ba

集群特征gydF4y2Ba

根据不同聚类数量的轮廓分数，得到最优聚类结果。对于每个聚类，我们分析了人口统计学特征(年龄、性别和教育水平的分布);血压特征，包括第一周平均收缩压分布(代表高血压治疗初期血压情况)和周平均收缩压变化趋势;随访特征(4周内3种类型随访次数的分布情况;看到gydF4y2Ba图1gydF4y2Ba)．gydF4y2Ba

3种随访方式对PE和收缩压的影响gydF4y2Ba

通过每次随访前后PE (CPE)和SBP (CSBP)的变化来计算随访效果，定义如下:gydF4y2Ba

在哪里gydF4y2Ba体育gydF4y2Ba_{我gydF4y2Ba＋1gydF4y2Ba}是gydF4y2Ba体育gydF4y2Ba在后续活动的一周后，gydF4y2Ba体育gydF4y2Ba_我gydF4y2Ba是PE在随访周甚至，gydF4y2BaSPBgydF4y2Ba_{我gydF4y2Ba＋1gydF4y2Ba}为随访事件后一周的平均收缩压，gydF4y2BaSPBgydF4y2Ba_我gydF4y2Ba为随访事件发生一周的平均收缩压，N为医护人员进行的随访次数。gydF4y2Ba

统计分析采用SPSS版本24 (IBM Corp)。采用卡方检验评价聚类与离散变量(人口学、BP和随访次数)之间相关性的统计学意义。进行两两比较使用gydF4y2BazgydF4y2Ba分数用于比较集群之间离散变量比例的差异。每4周随访一次，采用方差分析(ANOVA)分析预后参数(CPE和CSBP)的变化。一旦检测到显著变化，进一步进行Bonferroni多重比较，以检查聚类之间的差异。一个gydF4y2BaPgydF4y2Ba值<。用05来判断差异是否有统计学意义。gydF4y2Ba

结果gydF4y2Ba

体育模式gydF4y2Ba

共有562例符合选择标准的患者被纳入研究。我们发现4组患者的廓形评分最高gydF4y2Ba图2gydF4y2Ba)．因此，我们接受K-means的4类输出(见gydF4y2Ba表1gydF4y2Ba)作进一步分析。各聚类4周内PE差异有统计学意义(gydF4y2BaPgydF4y2Ba<措施)。gydF4y2Ba

‎gydF4y2Ba 查看此图gydF4y2Ba

PE有4种不同的变化模式(见gydF4y2Ba图3gydF4y2Ba)．第一个聚类包含183例患者。他们开始记录血压1.9天/周(SD 1.1天/周)，然后在第四周每周下降到0.6天/周左右(SD 0.8 d天/周)。我们将此集群称为“PE开始低，下降更低”(PELL)集群。第二组包括142例患者，他们在整个研究期间始终积极参与血压记录。他们平均每周记录6天以上的血压。因此，我们将它们称为“开始高并保持高”(PEHH)集群。第三组包括148名患者，他们开始时的记录水平较高(5.8天/周，SD 1.2天/周)，然后在第四周每周下降到1.8天/周左右(SD 1.3天/周)。我们将它们称为“PE从高开始到低”(PEHL)集群。第四个组包含89名患者，他们开始记录自测血压2.4天/周(SD 1.3天/周)，并在第四周逐渐增加到每周4.6天/周左右(SD 1.5天/周)。 We referred them as the “PE started low and then rose to high” (PELH) cluster.

‎gydF4y2Ba 查看此图gydF4y2Ba

PE模式的人口统计学、收缩压和随访特征gydF4y2Ba

人口因素与PE模式的关系gydF4y2Ba

每组的年龄、性别和教育程度分布在gydF4y2Ba表2gydF4y2Ba．患者年龄以40 ~ 60岁居多(387/562,68.9%)。卡方检验发现年龄与PE模式之间具有统计学意义的相关性(gydF4y2BaPgydF4y2Ba=措施)。在各PE模式中，60岁以下患者的分布没有显著差异，但PEHH聚类中60岁以上患者的数量远远多于其他聚类(gydF4y2BaPgydF4y2Ba< . 05)。gydF4y2Ba

卡方检验未发现体育模式与性别、教育程度有统计学意义的相关性。使用BPA的男性患者(338/562,60.1%)远远多于女性患者。此外，50.5%(284/562)的患者拥有大学学位。gydF4y2Ba

初始BP条件与PE模式之间的关联gydF4y2Ba

第一周平均收缩压代表高血压治疗初期的血压状况。卡方检验显示第一周平均收缩压与PE模式之间有统计学意义的相关性(gydF4y2BaPgydF4y2Ba<措施;看到gydF4y2Ba表3gydF4y2Ba)．gydF4y2BazgydF4y2Ba评分发现PELL组在第一周的高收缩压(介于160 mmHg和179 mmHg之间)患者比例明显高于PEHL组(gydF4y2BaPgydF4y2Ba< . 05)。大多数患者(316/562,56.2%)在第一周平均收缩压在120 mmHg - 139 mmHg之间。gydF4y2Ba

每个PE模式的周平均收缩压趋势gydF4y2Ba

在4周的治疗中，所有4个聚类的平均收缩压以不同的速度下降(见gydF4y2Ba图3gydF4y2Ba)．每组4周平均收缩压的两两比较显示，在PELL (gydF4y2BaPgydF4y2Ba=.002)， pehh (gydF4y2BaPgydF4y2Ba=.006)， PELH (gydF4y2BaPgydF4y2Ba<.001)，平均收缩压从第二周开始显著降低。在PEHL组中，收缩压从第三周开始显著降低(gydF4y2BaPgydF4y2Ba= .02点)。与其他集群相比，PELL集群在第三周经历了更大的平均SBP下降，但该集群用户的SBP在第四周比其他集群增加得更多。gydF4y2Ba

每个PE模式的后续次数gydF4y2Ba

3种随访次数差异有统计学意义(gydF4y2BaPgydF4y2Ba=.03)gydF4y2Ba表4gydF4y2Ba)．异常随访频率明显降低(gydF4y2BaPgydF4y2BaPELL聚类比PEHH和PEHL聚类均<.05)。4周内随访的分布在4组间无显著性差异。随访最多(338/680,49.7%)发生在第一周。gydF4y2Ba

不同PE类型随访对PE和收缩压的影响gydF4y2Ba

各种随访方式对PE的影响gydF4y2Ba

方差分析结果显示，聚类的主效应显著(gydF4y2BaFgydF4y2Ba= 15.09;gydF4y2BaPgydF4y2Ba<.001)和类型(gydF4y2BaFgydF4y2Ba= 5.442,gydF4y2BaPgydF4y2Ba=.005)，簇型交互效应(gydF4y2BaFgydF4y2Ba= 2.60;gydF4y2BaPgydF4y2Ba=0.02)gydF4y2Ba表5gydF4y2Ba)．Bonferroni多重比较发现，3种随访方式后，4组间的CPE有以下统计学差异:(1)依从性随访中，PELL组的PE降幅明显大于PEHH组(gydF4y2BaPgydF4y2Ba=.02)和PELH (gydF4y2BaPgydF4y2Ba<.001)组，PELH组的PE改善显著高于PELL组(gydF4y2BaPgydF4y2Ba<.001)和PEHL (gydF4y2BaPgydF4y2Ba<措施)集群;(2)在常规随访中，PEHL组的PE下降明显大于PELL组(gydF4y2BaPgydF4y2Ba=.01)， pehh (gydF4y2BaPgydF4y2Ba=.01)， PELH (gydF4y2BaPgydF4y2Ba<措施);(3)异常随访中，PEHL组PE下降明显低于PEHH组(gydF4y2BaPgydF4y2Ba= . 01)。合规跟踪改善了PEHH和PELH集群中的PE。PELH组定期随访改善PE。gydF4y2Ba

4周内随访对PE的影响gydF4y2Ba

方差分析结果显示，聚类的主效应显著(gydF4y2BaFgydF4y2Ba= 10.335;gydF4y2BaPgydF4y2Ba<.001)和时间(gydF4y2BaFgydF4y2Ba= 2.870;gydF4y2BaPgydF4y2Ba=.04)，聚类时间相互作用效应(gydF4y2BaFgydF4y2Ba= 5.168;gydF4y2BaPgydF4y2Ba<.001)的PE(见gydF4y2Ba表5gydF4y2Ba)．Bonferroni多重比较发现，每4周随访后，4组间的CPE有以下统计学差异:第1周，PELH组的PE改善明显高于PELL组(gydF4y2BaPgydF4y2Ba<.001)， pehh (gydF4y2BaPgydF4y2Ba=.03)和PEHL (gydF4y2BaPgydF4y2Ba<措施);第2周，PEHL集群的PE下降幅度明显大于PELL集群(gydF4y2BaPgydF4y2Ba=.001)， pehh (gydF4y2BaPgydF4y2Ba=.01)， PELH (gydF4y2BaPgydF4y2Ba<.001)， PELH组PE的改善显著高于PELL组(gydF4y2BaPgydF4y2Ba=.01)， pehh (gydF4y2BaPgydF4y2Ba=.01)、PEHL (gydF4y2BaPgydF4y2Ba<措施);第3周，PEHL组的PE下降幅度明显大于PEHH组(gydF4y2BaPgydF4y2Ba=.02)和PELH (gydF4y2BaPgydF4y2Ba= . 01)集群。在前3周，PEHH和PELH组的随访改善了PE，在PELL组的随访仅在第二周改善了PE，但在4周内对PEHL组没有任何影响。gydF4y2Ba

不同随访方式对收缩压的影响gydF4y2Ba

方差分析结果显示，聚类的主效应显著(gydF4y2BaFgydF4y2Ba= 2.789;gydF4y2BaPgydF4y2Ba=.04)和类型(gydF4y2BaFgydF4y2Ba= 1.137;gydF4y2BaPgydF4y2Ba=.32)，但没有集群类型的交互(gydF4y2BaFgydF4y2Ba= 0.956;gydF4y2BaPgydF4y2Ba=.46)对收缩压的影响(见gydF4y2Ba表6gydF4y2Ba)．除PELL组随访异常外，其余4组患者在3种随访类型后平均收缩压均降低。Bonferroni多重比较显示，依从性随访后，PELH组的收缩压下降水平明显高于PEHL组(gydF4y2BaPgydF4y2Ba= .003)。gydF4y2Ba

4周内随访对收缩压的影响gydF4y2Ba

方差分析结果显示，聚类的主效应显著(gydF4y2BaFgydF4y2Ba= 2.697;gydF4y2BaPgydF4y2Ba=.045)和时间(gydF4y2BaFgydF4y2Ba= 7.561;gydF4y2BaPgydF4y2Ba<.001)，但没有集群时间相互作用效应(gydF4y2BaFgydF4y2Ba= 1.600;gydF4y2BaPgydF4y2Ba=.11)的收缩压(见gydF4y2Ba表6gydF4y2Ba)．Bonferroni多重比较显示，第一周PELH组的收缩压下降水平明显高于PEHH组(gydF4y2BaPgydF4y2Ba=.001)和PEHL (gydF4y2BaPgydF4y2Ba<措施)集群。所有4组的收缩压在前2周内下降，PEHH和PELH组的收缩压在4周内继续下降。总的来说，在第一周，PELL组(-6.1 mmHg)和PELH组(-8.4 mmHg)的收缩压比其他组降低得更多。gydF4y2Ba

讨论gydF4y2Ba

主要研究结果gydF4y2Ba

体育模式gydF4y2Ba

本研究使用高血压自我管理应用程序探索了PE模式，并确定了注册后前四周内医疗保健提供者随访对每种PE模式下PE和收缩压的影响。我们首次在562名使用mHealth应用程序记录自测血压的患者样本中发现了4种PE动态趋势。有两个群体一开始的参与度很高，其中一个一直保持在高水平，而另一个则在下降。有两个群体的用户粘性较低，其中一个增加了用户粘性，另一个下降了。gydF4y2Ba

患者以40 ~ 60岁为主(387/562,68.9%)。各PE聚类中60岁以下患者的分布无差异;然而，在持续高介入组中，60岁以上的患者多于其他组。这可能表明60岁以上的患者更有可能使用mHealth应用程序记录自测血压以进行高血压自我管理。这可能是由于人们对高血压的风险有较高的认识，因为年龄是高血压发展的一个重要因素[gydF4y2Ba16gydF4y2Ba，gydF4y2Ba43gydF4y2Ba］．我们的发现与Goyal等人的发现一致[gydF4y2Ba15gydF4y2Ba年长的参与者比年轻的参与者完成了更多的慢性疾病管理规划挑战。然而，Kruse等人的发现[gydF4y2Ba10gydF4y2Ba与我们的观察结果不一致。他们发现，65岁以上的患者不太可能使用移动医疗服务，因为他们对信息的理解有问题，使用技术有困难，无法访问互联网[gydF4y2Ba10gydF4y2Ba］．gydF4y2Ba

在本研究中，男性患者多于女性患者，这可能是由于男性更倾向于使用mHealth服务进行高血压管理[gydF4y2Ba44gydF4y2Ba，gydF4y2Ba45gydF4y2Ba］．然而，我们没有发现在每个PE模式中男性和女性的比例有显著差异。尽管使用移动医疗服务的男性似乎多于女性[gydF4y2Ba44gydF4y2Ba]，他们的体育水平与移动健康服务相同。阿布德-阿拉扎克等[gydF4y2Ba30.gydF4y2Ba性别并不影响使用移动医疗服务的意愿，这与我们的研究结果一致。然而，Chung等人[gydF4y2Ba46gydF4y2Ba]发现患有心力衰竭的女性比男性更坚持限制钠的饮食，Goyal等人[gydF4y2Ba15gydF4y2Ba]的研究发现，患有慢性疾病的女性用户的体育水平略高于男性用户。因此，使用移动健康应用程序在体育方面的性别差异似乎并不是决定性的。gydF4y2Ba

PELL星团中PE和SBP的关系值得注意。PELL组的患者在治疗第一周的收缩压较高，在治疗3周后，收缩压较其他组下降更多。然后患者开始停止使用该应用程序，PE的下降与收缩压的增加同时持续。也可能有这样的情况，患者觉得他们达到了血压目标，并停止使用应用程序[gydF4y2Ba27gydF4y2Ba，gydF4y2Ba47gydF4y2Ba］．这可能为控制血压需要持续参与高血压自我管理提供了证据[gydF4y2Ba35gydF4y2Ba］．gydF4y2Ba

3种随访方式对PE和收缩压的影响gydF4y2Ba

卫生保健提供者的随访对预防和治疗高血压至关重要。有必要了解哪种类型的随访对哪种患者群体有效[gydF4y2Ba2gydF4y2Ba］．当患者在记录自测血压时表现出依从性降低的迹象时，提供依从性随访，对PEHH和PELH组的PE有积极影响。定期随访，以固定的时间间隔提供，只对PELH组的PE有积极影响。这些随访可能是这些患者参与行为的线索，他们可能有高血压自我管理的意识，但需要行动的线索。有趣的是，异常随访对任何一组患者都没有影响，尽管是在患者血压异常时进行的。这些结果表明，不同类型的随访对患者记录自测血压的行为有不同的影响。gydF4y2Ba

随访的内容和方法对达到随访效果很重要[gydF4y2Ba48gydF4y2Ba-gydF4y2Ba50gydF4y2Ba］．一项研究表明，卫生保健提供者对提供给患者的随访内容类型有个人固有的偏好[gydF4y2Ba18gydF4y2Ba］．阿布德-阿拉扎克等[gydF4y2Ba30.gydF4y2Ba发现医疗保健提供者因素与患者参与移动医疗服务的意愿有关。在我们的研究中，在医疗服务提供者收到移动健康应用程序的提醒后，通过手机进行随访。其他改善PE的方法，如常规提醒与游戏相结合，已经产生了更高的用户粘性[gydF4y2Ba16gydF4y2Ba]，用户似乎更喜欢简单、简短的语音信息，而不是文字信息，因为这样可以增进沟通信任，而且更容易获得信息[gydF4y2Ba51gydF4y2Ba］．切切提等人[gydF4y2Ba52gydF4y2Ba]开发并实施了一款以游戏化方法管理高血压的移动健康app，该app被证明能有效促进PE [gydF4y2Ba52gydF4y2Ba］．gydF4y2Ba

除PELL组随访异常外，其余4组患者在3种随访类型后平均收缩压均降低。我们还发现PELL组的异常随访频率低于其他组。这可能是由于PELL集群中的患者在记录自测血压时参与度较低，导致mHealth应用程序没有检测到患者的异常血压状况，并提醒医疗保健提供者进行随访。3种类型随访后，PELH组PE呈阳性，收缩压控制。这与观察结果一致，即随访可以激励患者进行自我管理。随访后PE的积极反馈已被证明有利于血压控制[gydF4y2Ba53gydF4y2Ba-gydF4y2Ba55gydF4y2Ba］．gydF4y2Ba

4周随访对PE和收缩压的影响gydF4y2Ba

一项研究报告称，74.84%的纯应用用户在第43天就停止使用mHealth体育活动管理应用[gydF4y2Ba56gydF4y2Ba］．这表明，患者对全自动移动医疗服务的“粘性”持续时间是有限的，需要人工支持来补充，以保持势头。目前尚不清楚卫生保健提供者随访对高血压患者自我管理的影响程度和持续时间。本研究发现，随访对PEHH和PELH聚类的影响持续到第3周，仅对第2周的PELL聚类有较小影响，在任何时间点对PEHL聚类均无影响。不同类型随访的效果持续时间在不同的PE模式中有所不同。这可能表明，仅基于患者血压水平的固定护理途径并不适用于所有类型的患者。慢性病管理还需要考虑患者的行为和个人喜好。我们的研究结果支持设计以患者为中心的随访计划，将患者的社会行为特征和偏好纳入慢性疾病管理[gydF4y2Ba14gydF4y2Ba］．gydF4y2Ba

在使用移动健康服务4周后，所有4个集群的平均收缩压都下降了。有趣的是，在第一周，PELL和PELH组的收缩压下降水平高于其他组。这可能是PELL群体自满而不积极记录自测血压的原因。接受卫生保健提供者的建议可能会激励PELH集群中的那些人提高他们的参与水平。在前2周，所有4组患者的收缩压都有所下降。只有PEHH组和PELH组在第四周保持收缩压降低，这支持了高血压管理需要持续监测血压以帮助患者提高对自身病情的认识的观点。gydF4y2Ba

优势与局限gydF4y2Ba

本研究的优势在于，首先，该研究使用了患者在移动健康服务注册的前4周内收集的纵向数据，这对于描述移动健康服务下PE合并高血压管理的变化趋势具有丰富的信息。本研究结果对于持续改进移动医疗服务对高血压的管理具有重要意义。据我们所知，没有其他研究使用纵向数据来描述高血压自我管理应用程序的PE模式。其次，我们分析了每种PE模式下医疗保健提供者随访对PE和收缩压的影响。我们的研究结果揭示了PE、BP和医护人员随访之间的关系。这为进一步设计适合患者的随访类型提供了证据。最后，我们观察了现实世界患者的PE，这可以揭示患者在自然环境中的行为，而不是招募更有可能克服与研究工作相关负担的患者[gydF4y2Ba57gydF4y2Ba］．这有助于为实际患者参与日常高血压管理提供可实施的、实用的见解。gydF4y2Ba

这项研究有四个局限性。首先，我们排除了注册后使用应用程序少于4周的患者。这可能会导致使用移动健康应用程序对更积极的PE发现产生偏见，因此可能会限制我们的发现对那些早期退出移动健康服务的患者的普遍性。其次，我们只调查了高血压治疗前4周使用移动健康服务的PE趋势。未来的研究可以进一步研究这段时间后的PE模式。第三，我们将PE定义为记录自测血压的行为。还有很多其他的使用行为，比如吃药、参加体育活动、保持健康饮食等，这些都需要在以后的研究中进行分析。第四，不同的参与行为可能源于不同的人口统计学和社会心理特征(如婚姻状况、职业、焦虑、抑郁)，因此这些因素需要在未来的研究中加以考虑。gydF4y2Ba

结论gydF4y2Ba

通过分析高血压自我管理应用程序BPA的4周日志数据，本研究确定了使用mHealth应用程序进行高血压自我管理的4种不同的PE模式。我们还分析了3种医疗保健提供者随访对PE和收缩压的不同影响。结果显示了患者如何参与移动应用程序，以及医疗保健提供者的随访如何影响或不影响他们的参与和血压。我们的发现可能会为设计提供信息，并有助于加强医疗保健提供者的后续策略，以提高门诊患者对高血压管理移动健康应用程序的参与度。未来的工作需要明确高血压患者的长期参与保健服务。PE的指标应扩大到包括多种类型的使用行为，患者提供者随访的效果需要与患者的各种人口统计学和社会心理特征相关联。gydF4y2Ba