随着智能手机的迅速普及以及数字工具的可用性，移动健康(mHealth)应用程序越来越多地用于健康研究，这些工具可以在临床或研究机构之外测量生命体征和生物标志物。COVID-19大流行加速了人们在医疗保健和卫生研究中开发和实施移动医疗的兴趣[gydF4y2B一个 1gydF4y2B一个-gydF4y2B一个 3.gydF4y2B一个］．这些系统可用于被动数据收集，从集成设备和可穿戴设备自动上传连续或情景数据，或主动数据收集，参与者需要与系统交互，以完成简短的问卷调查或从其他设备记录测量数据[gydF4y2B一个 4gydF4y2B一个］．gydF4y2B一个

移动卫生系统在患者研究中的使用已得到充分证明，支持慢性疾病、急性COVID-19 [gydF4y2B一个 5gydF4y2B一个]，以及进行临床试验[gydF4y2B一个 6gydF4y2B一个］．相比之下，关于这些系统在特定患者群体之外用于支持基于人群的研究的报道有限。易于访问的移动健康平台，便于用户引导的数据输入，可以使具有成本效益的纵向研究在更大的规模上进行，数据收集频率比目前在基于人口的研究中使用的数据更频繁。如果研究可以完全远程进行，而不需要亲自招募或访问标准的研究诊所环境，这可能会增加基于人群的研究的规模和覆盖面，使以前难以招募到亲自研究访问的一些群体更容易参与。gydF4y2B一个

最近一项评估移动健康技术使用情况的系统综述报告称，迄今为止的研究相对较短，样本量较小，缺乏定量和定性数据的使用和可接受性证据[gydF4y2B一个 7gydF4y2B一个］．具体而言，缺乏关于非患者群体参与和坚持的证据，这些群体并非出于医疗需求而参与移动医疗系统，特别是评估可以为未来研究中的卫生公平考虑提供信息的障碍和促成因素。gydF4y2B一个

在非患者人群中使用移动健康系统的流行病学研究往往受到研究时间长度(≤3个月)、样本量相对较小以及需要亲自注册和设置应用程序的限制，而且通常只包括使用iOS设备的参与者[gydF4y2B一个 8gydF4y2B一个，gydF4y2B一个 9gydF4y2B一个］．有必要了解参与者在一开始是如何参与移动健康平台的——与系统的初始接触——以及更长期的持续接触，以及是否存在超出传统流行病学研究观察到的重要选择偏差。gydF4y2B一个

我们进行了一项完全基于人群的远程研究，使用智能手机应用程序嵌套在现有的、既定的纵向队列中，对健康的中老年人进行Fenland研究。该应用程序子研究的目标是通过每周3次主动数据收集跟踪数字生物标志物和症状日志，了解COVID-19从症状前阶段到症状阶段的自然史。gydF4y2B一个

这项敬业度研究的目标是(1)调查与应用程序子研究中初始敬业度相关的参与者特征，并与不同意子研究的参与者进行比较，(2)评估与应用程序测量的敬业度相关的参与者特征，(3)评估参与者的持续参与度是否随着时间的推移而下降或改变，参与度是否与国家COVID-19社会限制水平或经历潜在COVID-19症状等因素相关。(4)探索参与者同意(或不同意)应用程序子研究的原因，以及与初始和持续应用程序参与度相关的体验。gydF4y2B一个

参与者是从现有的Fenland研究队列中招募的。这项队列研究成立于2005年，从剑桥郡的初级保健登记处招募了出生于1950年至1975年之间的参与者[gydF4y2B一个 10gydF4y2B一个］．第二阶段临床访问于2014年开始，并于2020年3月英国COVID-19大流行开始时停止。关于芬兰队列和排除标准的进一步信息见gydF4y2B一个 多媒体附件1gydF4y2B一个［gydF4y2B一个 11gydF4y2B一个-gydF4y2B一个 16gydF4y2B一个］．gydF4y2B一个

在这项已知的基于人群的研究中，COVID-19研究的主要目的是通过3个月的SARS-CoV-2免疫球蛋白G (IgG)抗体的血液样本测量，确定先前感染COVID-19的患病率[gydF4y2B一个 11gydF4y2B一个］．该研究被设计为观察队列，数据收集为期6个月，可根据COVID-19大流行情况选择再延长6个月。参加者被告知，这项研究将至少进行6个月，如果被认为对公众健康有益，将会延长。未死亡或退出并拥有有效电话号码或电子邮件地址的芬兰队列研究参与者(n=11,469)从2020年7月起通过电子邮件、短信或电话邀请参加芬兰COVID-19研究(gydF4y2B一个 图1gydF4y2B一个)．所有参加Fenland主队列研究的参与者都有资格参加本研究，不适用排除标准。研究人员向参与者提供了有关研究的信息，并远程完成了基于网络的同意书[gydF4y2B一个 17gydF4y2B一个］．gydF4y2B一个

在同意参加Fenland COVID-19研究后，参与者会收到有关应用程序子研究的进一步信息，该研究是与Huma合作设计的，Huma是一家专门从事远程患者监测的数字健康公司[gydF4y2B一个 18gydF4y2B一个］．该研究的目标是通过跟踪数字生物标志物、症状和Huma应用程序中的其他自我报告的健康信息，以及COVID-19抗体血液结果，了解COVID-19的自然史。gydF4y2B一个

为了提高研究结果的外部有效性，以用于未来的远程人口研究，应用程序子研究是使用完全远程设置进行的，没有现场配置或入组选项。除了基于智能手机的步数的活动数据外，这项参与度研究中包括的所有测量都需要患者手动将结果输入应用程序。gydF4y2B一个

符合资格的参赛者须拥有智能手机，软件版本为iOS 13.0或以上或Android 6.0或以上。如果参与者同意参加这项子研究，他们会被发送到第二个基于网络的同意书的链接。参与者被发给一个数字脉搏血氧计(ChoiceMMed MD300C29)和一个舌下体温计(和煦数字体温计T12L)，并附有使用说明。通过电子邮件向参与者发送从谷歌Play商店或苹果应用商店下载应用程序的链接，以及唯一的参与者标识符和密码，以安全地登录Fenland COVID-19 Huma应用程序，并指导他们完成基线问卷调查。关于如何下载和开始使用应用程序的进一步信息(下载应用程序、应用程序同意和注册)在研究网站上提供，如果需要，还可以通过热线(电子邮件和电话)提供。在整个研究过程中，通过应用内支持或电子邮件提供技术支持。该应用程序包括研究网站和帮助热线的进一步信息链接。gydF4y2Ba

参与者同意从2020年7月5日起参与研究，应用程序子研究中的参与者从2020年8月6日起可以下载并安装到应用程序中。由于英国在这一年龄组推出SARS-CoV-2疫苗的时间，研究项目团队决定，一旦所有参与者达到6个月的血液样本收集时间点，就结束数据收集期，以测量SARS-CoV-2 IgG抗体。这项研究于2021年4月30日结束，该应用程序关闭了进一步的测量入口。gydF4y2B一个

Huma应用程序被配置为定制的数据输入模块，需要以不同的频率输入测量值(gydF4y2B一个 图2gydF4y2B一个而且gydF4y2B一个 3.gydF4y2B一个)．测量的频率是根据当前关于SARS-CoV-2病原学的证据和验证测量的时间框架确定的，并与芬兰参与者和公众参与(PPI)小组协商，以最大限度地减少参与者的负担。gydF4y2B一个

参与者的手机上会收到自动提示，提醒他们完成每月的问卷。对于数字生物标志物和症状模块，参与者能够设置自己的时间提醒，并提供了如何做到这一点的指导。gydF4y2B一个

应用程序的内容由医学研究委员会流行病学部门的一个小组进行了测试，以确保在应用程序内容最终确定和发布之前，问题、说明和附带的“学习”部分是清晰和明确的。gydF4y2B一个

参与者被要求每周完成3次4个测量模块:氧饱和度、体温、静息心率(RHR)和症状记录。在研究期间完成这4个模块的参与度被用作本研究的主要结果。出于实用性和控制日变化的考虑，参与者被要求在早上醒来后进行所有测量。gydF4y2B一个

参与者使用提供的数字体温计和脉搏血氧计分别测量他们的体温和氧饱和度，并被要求手动将结果输入应用程序。参与者被要求在应用程序中使用光电容积描记术测量他们的RHR，方法是将手指放在智能手机上的摄像头上。测量大约花了60秒来提供RHR的测量值[gydF4y2B一个 19gydF4y2B一个］．他们还被要求从提供的列表中记录自己是否出现了任何症状，或者选择“没有症状”。他们还被要求从提供的列表中记录自己是否出现了任何症状，或者选择“没有症状”。参与者可以通过单击症状选择适用于他们的任意多个症状。提供了添加列表中没有的其他症状的选项。在研究期间，随着相当大比例的参与者报告了更多的症状，或者随着关于症状的新的公共卫生信息出现，症状列表定期更新。在此分析中，将每个条目的症状分类为“是”或“否”。据估计，每天完成这4个模块大约需要6分钟。研究网站上提供了如何以书面或视频形式进行这些测量的进一步说明，并在应用程序的“学习”部分提供了链接。gydF4y2Ba

参与者在芬兰COVID-19研究开始时的当前邮政编码被用于推导2019年多重剥夺英语指数和2011年农村-城市分类[gydF4y2B一个 20.gydF4y2B一个，gydF4y2B一个 21gydF4y2B一个］．gydF4y2B一个

教育程度(学位水平)、种族和职业是在Fenland研究的第一阶段自我报告的。职业被分为三个职业组别[gydF4y2B一个 22gydF4y2B一个］．第1组为常规手工和服务、半常规和技术;第二组为中初级管理人员、文书和中级管理人员;第三组是传统专业人士、现代专业人士和高级管理人员[gydF4y2B一个 23gydF4y2B一个］．gydF4y2B一个

基线问卷由应用程序子研究中的参与者在应用程序中完成。对于那些没有参加应用程序研究的人，同样的基线问卷是在网上表格上完成的。参与者报告了他们的生活状况:独自生活，与家人住在一起，与伴侣或朋友住在一起，与照顾者住在一起，或成为住在一起的照顾者。由于后两个类别的人数非常少，这些类别被归入“其他”类别。gydF4y2B一个

参与者还完成了基线问卷中关于吸烟习惯、自我报告的健康质量、现有健康状况、身体功能和体重的问题。gydF4y2B一个

使用经验证的最近身体活动问卷的电子网页版本确定过去4周的身体活动能量消耗[gydF4y2B一个 24gydF4y2B一个］．工作状态类别来自最近的身体活动问卷，来自那些报告他们正在工作的人。本研究采用基线调查问卷得出的体力活动能量消耗。gydF4y2B一个

在整个研究期间，抑郁、焦虑和感知压力的测量都是在定制的应用程序上进行的，并且仅由应用程序子研究的参与者完成。在这项研究中，我们使用了基线测量。使用患者健康问卷-8测量抑郁症[gydF4y2B一个 14gydF4y2B一个]定义当前的抑郁[gydF4y2B一个 14gydF4y2B一个，gydF4y2B一个 15gydF4y2B一个］．使用广泛性焦虑障碍问卷测量焦虑程度[gydF4y2B一个 13gydF4y2B一个］．感知压力采用感知压力量表[gydF4y2B一个 16gydF4y2B一个］．gydF4y2B一个

研究人员分析了参与者远程采集的干血斑点样本，以检测SARS-CoV-2 IgG抗体[gydF4y2B一个 11gydF4y2B一个］．结果分为2类:阳性或阴性(阴性或边缘性结果)。基线IgG抗体结果用于确定暴露于SARS-CoV-2是否影响初始接触水平。研究期间所有抗体测试的结果也被结合起来，以确定抗体测试阳性是否与继续参与有关。如果在3个时间点(0,3和6个月)中的任何一个结果为阳性，则将参与者分为阳性，如果在3个时间点中的任何一个结果为阴性。gydF4y2B一个

研究期间，所有Fenland COVID-19研究参与者的SARS-CoV-2检测数据来自第二代监测系统，即英格兰的国家报告系统。这些数据包括研究前和研究期间医院(患者和国家卫生服务系统主要工作人员)对SARS-CoV-2感染的所有常规实验室检测，以及普通人群的社区检测。在本分析中，我们使用第一例确诊的聚合酶链反应阳性测试结果，根据聚合酶链反应测试的日期，对参与者在研究之前或研究期间是否感染了COVID-19进行分类。gydF4y2B一个

每位参与者的研究期从基线问卷完成之日起计算，直到以下情况之一:(1)研究期结束(2021年4月30日)，(2)参与者联系研究团队退出研究的日期，或(3)参与者联系研究团队退出应用程序子研究的日期。计算每位参与者的完整研究周数。对于COVID-19数字生物标志物和症状模块，计算了每个研究周模块的输入频率。由于参与者被要求每周完成这些模块3次，因此每个研究周生成3个参与类别:0次(无条目)，每周1 - 2次，每周≥3次。gydF4y2B一个

限制严重程度分为:(1)最低限度的限制(学校开放，但仍有社交聚会限制;2020年6月1日至2020年11月4日)，(2)适度限制(学校开放，但实行居家令;2020年11月5日至2021年1月5日和2021年3月9日至2021年4月30日);(3)严格限制(关闭学校和居家令;2021年1月6日- 2021年3月8日)。研究的每一周都被划分为这些限制类别中的一个，这样就可以评估每周的限制水平对应用粘性的影响。gydF4y2B一个

正态分布变量描述为均值和SDs，非正态分布变量描述为中位数和IQRs，分类变量描述为数量和百分比。为检验参与app子研究的基线特征是否存在差异(是或否)，对非正态分布变量采用Mann-Whitney 2样本统计量，对正态分布变量采用2样本2尾t检验，对类别变量采用卡方检验。gydF4y2B一个

使用广义估计方程逻辑回归模型来评估在整个研究期间敬业度是否发生变化。使用自回归协方差结构来考虑相关性随着时间的推移而减少，也就是说，考虑到每个COVID-19数字生物标志物模块的参与程度，使其及时接近比距离更远的模块更具相关性。每个学习周的参与类别被分解为2个级别——无参与(每周没有模块)和参与(每周完成模块≥1次)——研究时间被分为3个月的时间段——1至13周，14至26周和≥27周——以方便解释。使用类似的模型来评估在报告症状的研究周和没有报告症状的研究周之间的参与度是否不同，并在不同COVID-19社会限制水平(最低、中等和严格)的研究周之间进行评估。模型结果以比值比和95% ci表示。gydF4y2B一个

为了测试持续使用3个数字生物标志物模块的参与者特征是否存在差异，对非正态分布变量使用中位数相等检验，对正态分布变量使用固定效应方差分析，对类别变量使用卡方检验。gydF4y2B一个

这些单变量模型中与参与程度显著相关的参与者特征被输入有序逻辑回归模型。感知压力分数呈非正态分布，按四分位数进行分类。为便于解释，年龄分为44 - <55岁、55 - <65岁和≥65岁。采用Brant检验检验比例概率假设。gydF4y2B一个

使用Stata(版本16.1;StataCorp) [gydF4y2B一个 25gydF4y2B一个］．gydF4y2B一个

对35名参与者进行了定性半结构化访谈:22人(63%)同意应用程序子研究，13人(37%)不同意应用程序子研究，但参加了纯网络研究(参与者招募信息见表S1)gydF4y2B一个 多媒体附件2gydF4y2B一个)．有意对参与者进行抽样，以包括不同年龄、性别、教育程度和对3个数字生物标志物模块的参与程度(中位数为0,1 -2次，或每周≥3次)，其中被招募到应用程序子研究的参与者进行了双倍抽样，因为他们将提供使用应用程序和参与研究的丰富经验(表S2)gydF4y2B一个 多媒体附件2gydF4y2B一个)．参与者通过电子邮件收到参加面试的邀请。gydF4y2B一个

访谈是在应用程序关闭数据收集后进行的，收集方式是在会议平台上通过基于网络的会议或通过电话，具体取决于参与者的偏好。访谈采用了灵活的访谈时间表，这是围绕研究的目标、作者的专业知识和讨论，以及Fenland PPI小组的修订而制定的。在3次访谈后，ERL和KR讨论了访谈时间表和初始数据的适当性(这些访谈包括在主要分析中)。那些同意应用子研究的人的问题主要集中在同意的原因、最初应用粘性的体验、完成测量和输入数据的体验以及影响持续应用粘性的因素。那些不同意的人的问题集中在他们不参与的原因上。访谈由一位经验丰富的定性博士后研究员(ERL)进行，他没有参与研究的进行，在访谈前没有与参与者有任何接触。在所有的采访中，除了一位(帮助翻译的搭档)，没有其他人在场。访谈平均持续了29分钟(SD 9.4分钟)。采访被录音，逐字转录，并且匿名。gydF4y2Ba

访谈采用演绎主题方法进行分析[gydF4y2B一个 26gydF4y2B一个关于研究目标和面试时间表的问题，以提供重点分析。最初，9%(3/35)的访谈由2名研究人员(ERL和RF)独立编码，然后讨论以确保编码框架的一致性和适当性，然后继续分析剩余的访谈。分析由ERL进行，100%(35/35)的访谈由第二位研究员(RF)复查，两人在整个过程中会面，讨论并迭代改进发现。我们还与KR讨论了调查结果，以获得更多的见解。数据管理使用NVivo软件(版本12;QSR国际)[gydF4y2B一个 27gydF4y2B一个］．采用探索性序贯方法对定性数据进行解释和解释定量数据。gydF4y2B一个

Fenland COVID-19研究获得了西南康沃尔和普利茅斯研究伦理委员会的伦理批准(20/SW/0100)。芬兰PPI小组参与了芬兰COVID-19研究的规划、开展和报告。gydF4y2B一个

总体而言，4031名年龄在44岁至70岁之间的参与者同意参加芬兰COVID-19研究。在这4031名参与者中，2524人(62.61%)也同意参与应用程序子研究。两个队列的基线特征概述在gydF4y2B一个 表1gydF4y2B一个．同意参加应用程序子研究的参与者与同意参加主要的纯网络研究的参与者之间存在一些差异(gydF4y2B一个 表1gydF4y2B一个)．gydF4y2B一个

与不同意应用程序子研究的人相比，那些同意应用程序子研究的人更有可能是男性，处于最高的社会经济地位类别，有工作并拥有大学学位。他们也更有可能生活在城市地区，不太可能生活在贫困地区，更有可能与家人一起生活，而不是与朋友、伴侣或独自生活。gydF4y2B一个

关于参与者的健康状况，应用程序子研究和纯网络研究在吸烟状况或自评健康方面没有差异。然而，与那些只参与网络研究的人相比，那些参与应用程序子研究的人的平均BMI略高，而且不太可能报告有任何健康问题，身体健康状况也较差。特定疾病的患病率在各组之间也有所不同。例如，与只参与网络研究的人相比，参与应用程序亚研究的人更有可能报告患有哮喘和肌肉骨骼疾病，但不太可能报告焦虑或抑郁。gydF4y2B一个

表1gydF4y2B一个还检查了在研究前是否感染过COVID-19(由抗体测试结果阳性表明)是否影响了参与者加入应用程序子研究的选择。在基线时抗体测试呈阳性的参与者比例没有差异。此外，在招募前，仅记录了6例COVID-19抗原检测阳性结果(app亚研究:n= 3,50%;纯网络研究:n= 3,50%)。gydF4y2B一个

在那些同意参加应用程序子研究的人中，90.21%(2277/2524)在2020年8月至2020年10月期间完成了应用程序的注册过程(下载应用程序、应用程序同意和注册;gydF4y2B一个 图1gydF4y2B一个)．完成入职流程的参与者使用了各种智能手机型号(gydF4y2B一个 表2gydF4y2B一个)，其中53%(1207/2277)使用iOS设备，47%(1070/2277)使用Android设备。研究中使用的最受欢迎的iOS设备发布于2016年9月，最古老的设备发布于2014年10月。对于Android手机，操作系统会显示设备的年龄或用户更新的规律性;从2015年到2020年。gydF4y2B一个

停止参与应用程序子研究的参与者要么完全退出研究，要么决定停止参与应用程序子研究，但仍参与Fenland COVID-19研究(仅限网页)。总体而言，3.72%(150/4031)的参与者在同意参加到6个月的研究期结束期间退出了Fenland COVID-19研究(gydF4y2B一个 图1gydF4y2B一个)．与应用程序子研究相比，这些参与者中来自纯web研究的比例明显更高(87/1507,5.77% vs 63/2524, 2.5%;gydF4y2B一个 PgydF4y2B一个<措施)。此外，3.41%(86/2524)同意参与应用程序子研究的参与者在研究期间选择退出应用程序子研究，但仍参与纯网络研究。gydF4y2B一个

所有参与者的研究时间至少为6个月(28周)，根据他们开始研究的日期可能会更长。该研究的中位时间为34.5周(IQR 34-37)，所有参与者的总时间为77,893周。在研究期间，每位参与者完成了277个(IQR 80-374)单独的模块条目(RHR、温度、氧饱和度和症状模块)。在整个研究期间，COVID-19数字生物标志物模块之间完成的模块数量非常相似;RHR模块在72.77%(56,517/77,664)的研究周内至少完成一次，体温在73.06%(56,742/77,664)的研究周内完成，氧饱和度在73.51%(57,088/77,664)的研究周内完成。自我报告症状模块的完成率明显较低，48.71%(37,834/77,664)的研究周有一个或多个条目。gydF4y2B一个

在整个研究期间，各模块的完成情况保持不变(gydF4y2B一个 图4gydF4y2B一个-gydF4y2B一个 7gydF4y2B一个)．研究人员检查了人群平均效应，以评估在研究期间的不同阶段(0-3个月、3-6个月和≥6个月)对COVID-19数字生物标志物模块的使用情况。在0 - 3个月或3 - 6个月的研究期间，任何数字生物标志物模块的使用情况均无变化(gydF4y2B一个 表3gydF4y2B一个)．在最后一个超过6个月的研究期间，参与率下降，其中所有3个COVID-19数字生物标志物模块的参与率显著下降。gydF4y2B一个

还评估了出现症状对使用COVID-19数字生物标志物模块的影响。研究人员比较了参与者报告可能出现COVID-19症状的几周和没有报告症状的几周(在应用程序中输入“无症状”或没有输入)的参与程度。总体而言，56%(1310/2339)的参与者报告在研究期间至少出现过一次症状。29.41%(11,126/37,834)的研究周报告了症状，而70.59%(26,708/37,834)的研究周没有报告症状。在参与者报告症状的几周内，氧饱和度模块的参与度显著提高，但症状报告与RHR或温度模块的参与度无关。gydF4y2B一个

对全国COVID-19社交限制期(类别:最小、中等或严重)对参与度的影响进行了比较，并调整了日历周。在COVID-19数字生物标志物模块之间，每个限制类别的测量比例非常相似(图S1)gydF4y2B一个 多媒体gydF4y2B一个)．在RHR模块的不同限制期之间，没有观察到敬业度的差异。在最严格的限制期间，温度和氧饱和度模块的参与度略高于最低限制期间。gydF4y2B一个

由于3个COVID-19数字生物标志物模块之间的参与度的一致性，我们将每个数字生物标志物的数据结合起来，给出了参与类别的总体中位数水平——无互动，每周1至2次，每周≥3次——我们用来评估哪些因素与更高的参与度相关。参与者被要求每周完成这些模块3次，因此最高类别的投入(中位数≥3次/周)对应于在整个研究期间始终满足这一最大投入水平。gydF4y2B一个

与与家人生活相比，较高的参与感与年龄较大、不工作、独自生活或与朋友或伴侣生活有关(gydF4y2B一个 表4gydF4y2B一个)．男性和女性的比例没有差异;教育水平;或者生活在城市、农村或贫困地区之间的人群。来自较低管理和中级职业的参与者在最高敬业度类别中的比例高于较低敬业度类别，但在敬业度类别之间的其他社会经济地位指标没有差异。就健康因素而言，那些参与数字生物标志物模块最多的人BMI较低，目前吸烟的可能性较小，抑郁的可能性较小，并且比那些参与模块较少的人有更低的感知压力得分。然而，在自我评估的健康、身体功能、广泛性焦虑障碍或报告的健康状况方面，参与程度没有差异。在研究期间，COVID-19抗原测试结果阳性或抗体测试结果阳性与参与程度无关。此外，在研究期间，同意参加app子研究的参与者与不同意参加app子研究的参与者之间抗原检测呈阳性的比例没有差异(分别为80/524,15.3% vs 47/344, 13.7%;gydF4y2Ba PgydF4y2B一个=.50)，并且在研究期间至少有一次抗体测试结果阳性的参与者比例也相似(应用程序子研究:321/2438,13.17% vs纯web: 188/1339, 14.04%)。gydF4y2B一个

将单变量模型中与参与程度显著相关的参与者特征输入有序逻辑回归模型(gydF4y2B一个 表5gydF4y2B一个)．年龄较大的群体和较低的管理和中级职业与COVID-19数字生物标志物模块的参与度较高仍显著相关，而工作、吸烟、超重或肥胖与参与度较低相关。最高的感知压力分数四分位数与较低的敬业度相关，但与较低的感知压力分数四分位数或与抑郁症没有观察到关联(患者健康问卷-8)。gydF4y2B一个

这项以人群为基础的研究，包括>2000名参与者，评估了与初始和持续使用移动健康平台相关的因素。这种混合方法研究表明，在6个月的研究期间，通过积极的远程测量，初始和持续的用户粘性都很高，定性结果从用户的角度提供了有价值的见解。在研究期间，应用程序子研究的退出率很低(64/ 2524,2.54%)，模块的完成率一直很高。传统基于队列的流行病学研究的入组和保留是一个持续的挑战，近年来参与人数不断下降[gydF4y2B一个 28gydF4y2B一个］．gydF4y2B一个

与许多其他已发表的评估移动健康数字测量参与度的研究相比，本研究中的主动数字测量的频率(每周3次)和持续时间(至少6个月)都要高得多[gydF4y2B一个 8gydF4y2B一个，gydF4y2B一个 29gydF4y2B一个］．使用移动健康平台可以非常频繁地收集一系列健康行为、症状和数字生物标志物的数据。这样的数据收集与更传统的队列设计形成鲜明对比，测量之间的间隔通常很长，参与者必须前往研究机构完成测量。从移动卫生系统中频繁收集真实世界数据，可以更好地描述暴露和中间结果(如生物标志物)，并能够评估变化的影响和随着时间的推移人体内波动[gydF4y2B一个 29gydF4y2B一个］．然而，正如本研究的定性结果所显示的那样，清楚地传达频繁收集数据的持续需求和研究的长度对于参与很重要。大多数评估用户对移动医疗系统的依从性和参与度的研究都是临床研究，通常是在需要特定条件配置的特定治疗领域[gydF4y2B一个 30.gydF4y2B一个］．使用移动健康的人口研究通常着眼于特定群体，如运动员[gydF4y2B一个 31gydF4y2B一个]、大学生[gydF4y2B一个 32gydF4y2B一个]，或医护人员[gydF4y2B一个 33gydF4y2B一个］．一些更大的研究已经进行，但是为了特定目的，如验证远程监测技术[gydF4y2B一个 34gydF4y2B一个]和特定的可穿戴设备[gydF4y2B一个 35gydF4y2B一个]或评估财务激励措施的影响[gydF4y2B一个 36gydF4y2B一个］．gydF4y2B一个

在这项研究中，应用程序的设置和测量是完全远程的，因此没有面对面的互动来招募参与者参与研究，也没有设置应用程序或测量，或在研究过程中帮助参与。由于在本研究中存在社会限制，我们花了相当大的精力为参与者提供全面的指导和简化步骤。大多数同意参加研究的人(2277/ 2524,90.21%)下载了应用程序，并开始在其中进行测井测量，定性结果表明，参与者认为这一过程总体上清晰而完整。这一比例高于弗雷明汉心脏研究中嵌入的随机移动健康试验，其中202名参与者随机接受远程支持(电子邮件和电话)或亲自支持[gydF4y2B一个 37gydF4y2B一个］．他们发现，与远程组相比，面对面组的初始设置和使用设备的比例要高得多(设备组的84%-99%，远程组的41%-75%)。然而，在初始接触后，在5个月的研究期内，两个研究组之间的连接设备使用相似，这支持了初始接触的重要性。gydF4y2B一个

这项研究相对于以人口为基础的公民科学研究的优势gydF4y2B一个 29gydF4y2B一个，gydF4y2B一个 38gydF4y2B一个，gydF4y2B一个 39gydF4y2B一个在于参与者是从一个已建立的、特征明确的队列中招募的，以便调查同意并参与的人与不同意并参与的人在社会人口统计学和健康特征方面的差异。嵌套研究设计允许识别社会人口统计学差异和潜在的参与者偏见;参与者更有可能是男性，年龄略小，来自社会经济地位较高的群体，受教育程度更高。然而，重要的是，这种选择偏差在所有类型的流行病学研究中都有报道，而不是移动健康研究所独有的[gydF4y2B一个 40gydF4y2B一个］．这项研究有一些局限性。我们没有从所有参与者那里收集他们不参加应用程序子研究或退出研究的原因的信息。然而，在定性研究中，我们确实有目的地抽样那些不同意应用程序子研究的人，以调查不参与的原因。芬兰队列研究是从联合王国剑桥郡招募的，在地理上，剑桥郡的种族多样性相对较低，尽管一些贫困地区很明显，但不包括非常贫困的地区，特别是城市贫困地区。因此，有些结果可能无法推广到其他设置。gydF4y2B一个

总体而言，我们发现在自我报告的健康状况方面存在一些差异，那些同意应用程序亚研究的人更有可能报告2种或2种以上的健康状况，并报告患有哮喘和肌肉骨骼疾病，但在自我评估的健康状况、吸烟状况或体育活动方面没有差异。然而，那些只在网上进行研究的人更有可能报告有焦虑或抑郁，身体机能较差或中等。gydF4y2B一个

扩大数字研究的包容性是基于人口的研究的一个主要考虑因素。本研究的参与者为中老年人(45-70岁)，这限制了本研究结果对其他年龄组的普遍性，这些年龄组可能面临不同的敬业度问题。然而，这一年龄组在人口研究中很重要，特别是在慢性病研究中。老年人可能比年轻人面临更多的技术素养问题，年轻人伴随着智能手机长大，对科技的使用最广泛。然而，近年来，60岁以上人群的数字参与大幅增加，特别是在COVID-19大流行期间[gydF4y2B一个 41gydF4y2B一个]，这是由参与者在本研究中的经历确定的。为了最大限度地为那些不太熟悉使用应用程序的人提供包容性，我们提供了如何下载和打开应用程序并进行测量的书面和视频说明，并为那些遇到问题或有疑问的人提供了网络和电话帮助中心。与会者报告说，这些指示清楚而全面，但有少数人认为过于冗长。问题通常也可以通过联系帮助中心来快速解决。其他研究报告称，通过亲自或通过电话向研究团队提供指导和支持，可以克服数字素养和其他障碍[gydF4y2B一个 42gydF4y2B一个，gydF4y2B一个 43gydF4y2B一个］．gydF4y2B一个

许多研究仅在iOS平台上进行，限制了用户粘性结果的普遍性[gydF4y2B一个 8gydF4y2B一个，gydF4y2B一个 9gydF4y2B一个，gydF4y2B一个 29gydF4y2B一个］．本研究中使用的应用程序是为iOS和Android设备设计的。我们发现，在人群中，iOS和Android设备的使用率几乎相同(1207/2277,53%使用iOS设备，1070/2277,47%使用Android设备)，使用的设备和操作系统范围很大，通常是几年前的。这说明了确保平台与一系列设备兼容的重要性。gydF4y2B一个

我们还决定在温度和氧饱和度测量模块中不使用支持蓝牙的外部设备，因为我们担心这个年龄组的技术素养。在低收入和中等收入国家的研究中，这也是一个考虑因素，在这些国家，蓝牙连接设备可能不太可行。这意味着本研究中的数据收集是主动的而不是被动的。gydF4y2B一个

定性研究发现，被动收集数据可促进良好的参与度[gydF4y2B一个 30.gydF4y2B一个]，许多研究报告称，在3个月的时间里，设备的活跃数据收集量逐渐减少[gydF4y2B一个 8gydF4y2B一个］．我们还需要进一步研究外部设备的数量及其与应用的互动对用户粘性水平的影响。gydF4y2B一个

在这项研究中，参与者没有收到完成数字生物标志物模块的通知，但如果他们愿意，可以设置自己的提醒。在定性研究中，很少有参与者报告说他们在应用程序中设置了这些提醒，相反，他们有自己的线索和完成测量的“常规”。这一发现与一项系统综述一致，该综述报告称，一旦测量成为参与者日常生活的一部分，通知就变得不那么重要了[gydF4y2B一个 7gydF4y2B一个］．定性研究发现，与需要主动数据收集的模块相比，被动数据收集的用户参与度更高[gydF4y2B一个 30.gydF4y2B一个]，而障碍通常包括缺乏可用时间[gydF4y2B一个 44gydF4y2B一个］．我们确实发现，那些长期参与数字生物标志物模块的人更有可能年龄更大，不工作，不太可能生活在家庭环境中，这是一个社会人口统计学群体，在那里可能更容易保持常规，有更多的时间定期完成测量。gydF4y2B一个

这项研究表明，个人层面的因素对长期敬业度的影响可能比外部因素(如国家社会限制期)更大，而外部因素对敬业度的影响最小。有趣的是，数字生物标记模块的完成率非常相似，尽管有些测量需要主动收集数据、使用设备和手动输入值。但是，症状模块的完成率明显较低。定性数据表明，参与者没有看到报告无症状的重要性。对记录症状的坚持(迄今为止)仅在活动性慢性疾病患者的研究中有报道，而在健康人群中没有报道[gydF4y2B一个 45gydF4y2B一个-gydF4y2B一个 47gydF4y2B一个]，症状报告的参与与个体的感知效用有关，当没有变化的迹象时，就会注意到脱离参与[gydF4y2B一个 42gydF4y2B一个］．在参与者报告症状的那几周，氧饱和度模块的参与度较高，但其他数字生物标志物模块的参与度不高。这可能是由于当时公共领域的信息，如果一个人怀疑自己感染了COVID-19，就可以在家中使用脉搏血氧计监测氧饱和度，特别是确定他们是否变得严重不适并需要医疗支持[gydF4y2B一个 48gydF4y2B一个，gydF4y2B一个 49gydF4y2B一个］．gydF4y2B一个

Fenland COVID-19亚研究旨在了解COVID-19感染的症状前至症状阶段。在这项研究中，与COVID-19有关的初始使用与研究开始前感染COVID-19无关，继续使用应用程序也与研究期间感染COVID-19无关。在全球大流行这样一个前所未有的时期，参与者可能比其他卫生研究更有动力参与和参与测量。然而，定性研究结果表明，如果参与者认为其他健康状况很重要，他们会参加这样的研究。但是，我们没有收集退出或不参加研究的原因。从定性工作中，我们确实发现一些参与者没有意识到他们收到的第二次邀请是参加应用程序子研究，并认为这是他们已经同意参与的研究(仅基于web)的重复。gydF4y2B一个

从这项混合方法研究中，我们制定了一份关于如何进行成功的基于人群的移动健康研究的建议清单(gydF4y2B一个 文本框1gydF4y2B一个)．gydF4y2B一个

关于如何监测和评估数字医疗保健干预措施以及如何将移动医疗应用程序部署到健康研究中，正在出现新的指导方针[gydF4y2B一个 50gydF4y2B一个，gydF4y2B一个 51gydF4y2B一个］．然而，关注的焦点往往是应用程序的功效，在理解参与者的参与度和依从性方面存在相当大的差距，特别是在基于人群的研究和使用定量和定性数据方面[gydF4y2B一个 7gydF4y2B一个，gydF4y2B一个 52gydF4y2B一个］．这项混合方法研究表明，在一项针对中老年人的大型研究中，在≥6个月的时间内，移动健康COVID-19研究的初始参与度和持续参与度都很高。嵌套在已知的队列研究中，能够确定参与者特征和与初始和长期参与相关的因素，以便将来在基于人群的健康研究中应用。gydF4y2B一个