在约翰内斯堡通勤人群中增加糖尿病危险因素意识的移动健康干预的可接受性:描述性横断面研究

简介

背景

在发展中国家，孕产妇保健和传染病治疗方面的进步正在导致疾病负担从传染性疾病转向非传染性疾病。在南非，5.5%的人口(228万人)受糖尿病影响，另有9.9%的人口被描述为糖尿病前期[1，2］．低收入社区的糖尿病患病率估计为7.1%，因为这些社区由于特定的危险因素而更容易患糖尿病[3.］．这些风险因素包括由于粮食不安全而导致的饮食不平衡、对食物和身体形象观念的文化影响、缺乏体育活动以及对糖尿病普遍缺乏了解[4，5］．这些危险因素通常是可以预防的，并在文献中得到了很好的定义;然而，关于这些社区如何理解风险因素以及他们如何希望获得更多关于这些因素的信息，信息很少。

随着过去二十年来技术的进步，发展中国家的移动电话普及率也在激增;非洲的移动电话市场估计有超过10亿用户，撒哈拉以南非洲地区的移动电话用户比整个美国都多[6］．特别是在南非，手机普及率已达68%，高达90%的智能手机用户经常使用至少一种基于应用程序的消息服务，如WhatsApp或Facebook Messenger。7］．这为向广大人群传播健康信息提供了一个独特的机会，2015年，南非国家卫生部推出了《2015-2019年南非移动健康战略》。这一战略的发起是为了促进和规范使用移动保健(移动保健)举措，以加强卫生保健[8］．自那时以来，许多移动卫生干预措施已成功启动;然而，大多数干预措施支持孕产妇健康或艾滋病毒项目，很少有干预措施侧重于非传染性疾病[9-12］．

然而，网上商店中也有一些与糖尿病相关的应用程序，如谷歌Play，但大多数应用程序都专注于跟踪血糖水平，很少关注预防和教育，正如临床指南所强调的那样[13，14］．短信和互联网干预也已实施，有证据表明，它们可能通过促进水果和蔬菜摄入量以及增加锻炼来改变行为。15，16］．这些应用程序和其他移动健康平台提供了概念证明，但其中许多研究都是试点项目，样本量小或偏差因素高[17，18］．

目标

尽管成功的移动健康干预措施在当地环境中证明了概念，糖尿病移动健康干预措施在其他地方也显示了有效性，但目前还没有足够强大的证据来指导针对南非糖尿病风险人群的移动健康干预措施的发展[19］．为了确保新的移动医疗干预措施具有较高的可接受性，必须填补这些知识空白，这可以通过将最终用户纳入设计过程来实现[20.，21］．通过调查最终用户，本研究旨在调查潜在的移动健康平台应如何与糖尿病风险因素教育相结合，以便高危社区获得预防和管理疾病的信息。

方法

设置

描述性横断面研究以约翰内斯堡市的通勤者为便利样本进行。Noord Street Taxi Rank周围的公共空间被选为这项基于场地的拦截研究的场地，因为它是约翰内斯堡最繁忙的小巴出租车枢纽之一。这个枢纽是附近城镇通勤者的中转站，也是中央商务区许多居民的起点。小巴出租车系统主要由社会经济地位较低的人使用，因为它是城市中最实惠的交通工具。因此，之所以对通勤人群进行研究，是因为通勤人群提供了一个机会，可以在中立的地区与大量的低收入和中等收入人群接触。22，23］．

调查设计

糖尿病风险因素的标准化调查都与量化一个人的风险有关，而不是他们对风险的认知或了解风险的开放程度，因此这项研究需要一种新的数据收集工具。为了探索参与者对糖尿病危险因素教育的看法，以及他们对使用不同信息传递方法的舒适度和开放性，作者创建了一项新的未经验证的调查。这项新的调查使用了基于感知的问题组，这些问题被许多咨询公司用于以人为本的设计，如IDEO [20.，21］．这种形式的数据收集在许多行业是常见的做法，在撒哈拉以南非洲，数字金融服务将其纳入移动银行应用程序的开发中。24］．

分类人口学问题用于描述自我报告的样本人群，而李克特量表(Likert scale)用于通过创建3至4个相关问题的分组变量来探索对糖尿病风险因素教育和信息传递方法的认知。糖尿病风险因素的Likert分数代表了参与者对该主题的学习兴趣，而信息传递方法的分数代表了参与者使用每种干预措施的意愿。

完整的变量列表如下:人口统计资料(性别、年龄、种族、婚姻状况、教育程度、就业、经济状况、居住地、家庭人口、用药情况、糖尿病[医生告知]、高血糖[医生告知]、糖尿病风险[医生告知]、体重、体型)、糖尿病危险因素(饮食和营养、体育活动、吸烟、饮酒、高血压和药物使用)，以及信息传递方法(电视、广播、报纸、短信服务、WhatsApp、互联网接入、电子邮件、移动应用程序、社交媒体和面对面交流)。完整的调查可在多媒体附件1．

数据收集

在收集数据之前，该调查由两名公共卫生专家和一名统计学家审查，然后进行了可用性试点测试。样本量为400，得到的结果最大差异为5%，CI为95%。这是由统计学家用基于ci的公式计算出来的。数据收集由训练有素的现场工作人员完成，他们在2018年7月2日至2018年7月6日期间使用便利抽样将李克特式调查分发给北街出租车排名周围的同意个人。年龄在18岁以上并提供知情同意的参与者被纳入研究，而年龄在18岁以下或因任何原因不想参与的参与者被排除在外。然后将数据输入Microsoft Excel V16.16.2(微软公司)，并由独立第三方审查输入的准确性。采用SPSS Statistics V 21 (IBM Corporation)进行数据分析，导入数据后创建变量，将变量分为人口统计学、糖尿病危险因素、信息传递方式3类。

数据分析

采用描述性统计方法分析人口统计学特征，并将其作为分类变量进行探讨。然后用频率和百分比描述子类别。

对于糖尿病危险因素和信息传递方法，分组变量最初采用Cronbach alpha统计进行内部信度检验，α系数大于0.7或项目间平均相关性大于0.3的组被认为可靠[25，26］．来自糖尿病危险因素的药物使用分组变量被认为不可靠，在信息传递方式上，SMS原分组变量中也去掉了“我有手机”的问题，创建了一个新的变量SMS，该变量是可靠的。

然后对内部可靠的分组变量进行描述性统计，以确定均值和SDs。采用Spearman’Rho相关系数来确定每种糖尿病危险因素与每种信息传递方法之间的关系。当系数接近1时，表示两个变量之间有很强的正相关关系，而当系数为0时，则表示完全没有相关性[27］．

伦理考量与批准

约翰内斯堡大学研究伦理委员会于2018年4月17日批准，国家卫生研究伦理委员会注册号:REC-241112-035。研究人员没有向任何参与者提供任何奖励或补偿。

结果

描述性统计

共有364名以黑人为主的人完成了调查，其中230名(63.2%，230/364)为男性。平均年龄为35岁，参与者年龄从18岁到65岁不等。大多数受访者至少完成了12年级，四分之一的受访者表示他们失业。当被要求描述他们的经济状况时，123人(33.8%，123/364)自我报告为低于平均水平或贫穷，190人(52.20%，190/364)自我报告为平均水平或富裕，51人(14.0%，51/364)自我报告为高于平均水平或富裕。半数受访者已婚或与伴侣同住，而90.1%(328/364)表示与至少一名其他人士同住。

四分之一的参与者表示，他们定期服用某种药物，51名(14.3%，51/364)参与者表示，他们曾被医生告知他们有患糖尿病的风险。在糖尿病诊断方面，45名(12.4%，45/364)参与者自述医生告诉他们患有糖尿病，46名(12.6%，46/364)参与者称医生告诉他们患有高血糖。当被要求自报体重时，42人(11.5%，42/364)体重低于平均水平，283人(77.8%，283/364)体重正常，38人(10.4%，38/364)体重高于平均水平。参与者还被要求自我报告他们描述的身体类型，161名(44.2%，161/364)参与者自我报告为瘦或小，167名(45.9%，167/364)为平均，36名(9.9%，36/364)为超重或肥胖。共有18名(5.0%，18/364)参与者没有提供年龄，4名(1.1%，4/364)参与者没有回应医生是否告知他们有患糖尿病的风险。所有其他背景特征的缺失数据小于1%。表1总结研究参与者的人口学特征。

内部可靠性

每个分组变量的Cronbach alpha系数表示在表2．所有分组变量，除了药物、短信原件和短信被认为是可接受和可靠的，系数大于0.7极限。

用药方面，项目间平均相关性为0.307，在0.3 ~ 0.5的可接受范围内;然而，“我发现管理我的药物很容易”和“我希望有人提醒我何时服药”这两个问题提供了非常低的值，只有0.078。在填写这个分组变量的问题的人数(n=120)和对“你定期服用任何药物吗?”这个人口统计学问题回答“是”的人数之间也存在很大的不一致。”(n = 89)。由于这种差异和项目间相关性的异常值，该分组变量被认为不可靠，因此从进一步分析中删除。

对于短信原件，0.262的项间相关性平均值低于可接受范围。从分析中删除了问题“我有手机”，重新运行数据，显示项间平均相关性为0.314，因此创建了一个名为SMS的新变量，包含其余3个问题，并用于进一步分析。尽管有很强的Cronbach alpha系数，但确定互联网访问没有适当地解决参与者对接收信息的兴趣，因此也从分析中删除了它。

平均李克特得分

对于糖尿病危险因素，平均Likert得分最接近5的代表参与者最有兴趣了解的危险因素，而得分最接近1的代表参与者最不感兴趣的危险因素。饮食、营养和体育活动的平均李克特得分最高，分别为3.983和3.830，其次是饮酒(3.314)和吸烟(3.224)。高血压患者Likert评分最低为2.721分。平均Likert分数用sd表示表3．

对于信息传递方法，最接近5的Likert均值代表参与者最易接受的干预措施，而最接近1的Likert均值代表参与者最不接受的风险因素。电视和WhatsApp的平均李克特得分最高，分别为3.995和3.844，其次是短信(3.356)、报纸(3.320)、广播(3.318)和社交媒体(3.009)。平均Likert得分最低的是面对面互动(2.732)、移动应用程序(2.747)和电子邮件(2.757)。平均Likert分数用sd表示表3．

相关性

为检测糖尿病危险因素与信息传递方式之间的关系，采用Spearman Rho相关系数探讨非参数相关性。风险因素饮食和营养与信息传递方式之间的相关性最强，相关系数中等，为0.338 (P<.001)和0.312 (P分别<措施)。体育活动与相同的信息传递方式之间的相关性也较弱;WhatsApp的相关系数为0.243 (P<.001)和电视的相关系数为0.294 (P<措施)。

饮食和营养也与电子邮件有弱相关系数(0.145;P=.006)和面对面互动(−0.258;P<.001)，而体育活动与电子邮件也有弱相关性(0.157;P= .003)。吸烟与看电视的相关性也很弱(0.152;P=.004)，无线电(0.190;P<.001)，报纸(0.210;P手机应用(0.160;P= 0.002)，社交媒体(0.116;P= 03)。酒精与报纸只有1个弱相关(0.174;P高血压与报纸有2个弱相关(0.161;P=.002)和移动应用(0.107;P= .04点)。中给出了所有相关系数的完整列表表4．

讨论

主要研究结果

本研究描述了来自约翰内斯堡市的研究通勤人群，以及他们对糖尿病风险因素和信息传递方式的看法。虽然南非全国糖尿病患病率为5.5%，但在这项研究的通勤人群中，糖尿病患病率为12.4%，是前者的两倍多[1，这就加强了风险因素教育的必要性，尤其是在被研究的通勤人群中。

这项研究还为约翰内斯堡的通勤人群提供了一个输入的机会，以确保新的糖尿病移动健康干预措施在目标终端用户的可接受性和可用性方面具有最大的潜力。当研究移动健康干预措施与糖尿病风险因素的关系时，WhatsApp显示出最强的相关性。WhatsApp与饮食和营养的相关性中等，与身体活动的相关性较弱。这表明，对于糖尿病风险因素教育，最可行的移动健康干预措施应该采用WhatsApp，提供专注于饮食和营养以及身体活动的内容。

许多其他移动健康干预措施也与风险因素存在相关性，尽管这些相关性不像WhatsApp的相关性那样强大，但在统计上仍然具有显著性。这就带来了一种多方面的移动医疗方法的前景，这种方法不仅依赖于一种信息传递方法，而且这种组合方法可以提供量身定制的体验，最终用户可以与不同的平台交互以获取信息。这种多样化的方法已经被南非其他成功的移动医疗平台采用。一些干预措施使用消息服务作为主干，但通过跨不同平台提供信息，它们消除了访问障碍，同时也为用户提供了增强交互的可能性[12］．

对于传统的信息传递方式，电视与饮食和营养的相关性中等，与体育活动的相关性较弱，而除面对面互动外，其他所有方式的相关性也很弱，但具有统计学意义。这些发现表明，结合方法也可以扩展到传统媒体，因为参与者更容易接受这些平台上的信息。然而，传统媒体往往比移动健康干预措施更昂贵，而且只提供单向交流;因此，它们应该被用作一种提高意识的方式，并推动用户使用交互式移动健康平台[29］．

数字环境是动态的，总是在变化的，所以某些平台会根据网络能力和消费者需求来来去去。结合移动健康方法还确保终端用户使用他们现在熟悉的平台，同时还引入了新的平台，以确保干预措施保持最新并符合数字趋势[30.］．移动健康干预措施的另一个优势是，可以根据感兴趣的特定亚人群量身定制信息[29］．虽然亚人口统计的探索超出了本研究的范围，但未来的研究应侧重于在所研究的通勤人群中定义高风险的亚人口统计，并根据他们的具体情况创建特定的信息。

限制

我们的研究存在一些局限性。这是一项未经验证的新调查，对目标通勤人群的方便抽样可能引入了选择偏差。该调查仅以书面英语提供，这可能排除了部分人口。社会经济状况的背景统计;被医生告知患有糖尿病、高血糖或有患糖尿病的风险;以及关于体重和类型的问题都是参与者自己报告的，没有测量来验证这些陈述。使用非标准化问题可能会影响调查的外部效度。

在收集的400份调查中，有36份调查至少有5个(6.7%)问题留白，被认为是被破坏了。这些损坏的调查没有用于数据分析，也没有对它们进行进一步的测试。在人口统计部分和糖尿病风险因素部分对定期用药问题回答“是”的人数之间也存在差异(120人对89人)，这可能是由于对词语定义不当造成的常规的和药物治疗在调查中。再加上缺乏该变量的内部可靠性，阻碍了对药物使用的进一步分析。我们还发现，在信息传递系统中有关互联网接入的部分没有适当地解决参与者对接收信息的兴趣，因此也从分析中删除了它。

结论

在研究的通勤人群中，糖尿病的患病率是全国平均水平的两倍，这加强了以预防和管理糖尿病为重点的创新干预措施的必要性。《2015-2019年南非移动健康战略》为创建移动健康干预措施以应对糖尿病流行提供了支柱;然而，目前的证据还不足以为这些干预措施提供一个经过检验的蓝图。本研究的目的是调查移动健康干预措施的可行性和可接受性，以提高约翰内斯堡市被研究通勤人群对糖尿病风险因素的认识，为未来的移动健康干预措施提供一个起点。

基于在其他成功的移动健康项目中发现的联合干预方法和本研究中统计上显著的结果，已经确定了向约翰内斯堡市被研究的通勤者传播糖尿病风险因素信息的最实用的移动健康干预措施。这种干预应该集中在WhatsApp的消息，但在其他移动健康和传统平台上提供内容，以消除访问障碍，增强用户体验。内容应强调主要危险因素，如饮食、营养和体育活动，同时也应纳入次要危险因素的信息，如吸烟、饮酒和高血压。