在2020年7月至2021年9月期间，共有18名患者从德累斯顿大学医院的运动障碍病房招募。所有参与者在纳入研究前均获得书面知情同意。纳入标准为根据国际运动障碍学会现行指南，由运动障碍专家临床可能诊断为特发性帕金森病[ 17和足够的德语能力。排除标准是无法行走和任何精神疾病，根据研究者的自由裁量权排除患者参与研究。

该研究得到了Technische机构审查委员会Universität德累斯顿，德国(BO-EK-212052020)的批准。

我们评估了3种使用不同范例的电子健康解决方案:(1)通过摄像系统在特定时间点进行引导测量;(2)通过可穿戴传感器持续、隐式监测移动性;以及(3)通过平板电脑应用程序进行引导和连续测量的组合。这些系统在前面已经详细描述过[ 18］．

简单地说，3d相机系统(Motognosis Amsa;Motognosis GmbH)由一台独立的个人电脑和一个深度相机(微软Kinect;患者通过预先录制的视频和音频指导进行运动锻炼。运动参数从练习中得到，以描述患者的活动能力和症状。

可穿戴系统(PD神经技术有限公司)由5个9轴惯性测量单元传感器组成，分别佩戴在手腕、小腿和躯干上。传感器的数据被用来分析患者的运动状态[ 19］．本研究未使用PDMonitor移动应用程序，也未使用该设备进行运动症状临床评估和治疗修改。

平板应用(TelePark平板应用;Intecsoft组)包括药物警报、问卷、跌倒文档、活动文档和任务提醒。

平板电脑应用程序代表了一个仍处于早期开发阶段的系统，而3d相机系统和可穿戴传感器已经完全开发完成，并获得了医疗产品的许可。

住院病人在运动障碍病房逗留最多7天内，于4天内完成4项评估( 图1)．第1天，患者进行基线评估和第一次混合方法可用性测试(详情如下)。在第2天和第3天进行常规电机测试(详情见下文)。在运动测试过程中，患者使用摄像系统进行拍摄，并佩戴可穿戴传感器。在评估期间，患者使用TelePark应用程序完成问卷调查和电子版本的Hauser日记[ 20.］．可穿戴传感器和摄像系统仅在电机测试和可用性电池期间使用或佩戴。研究人员鼓励患者独立佩戴或移除传感器，但如果有要求，则会得到研究人员的帮助。在第4天，患者进行了最后一轮运动测试和第二次可用性测试。

采用基于评分的量表和自我报告问卷对患者进行评估，以评估运动和认知功能以及电子健康素养。问卷由患者在TelePark应用程序中以数字方式填写。如果患者无法在平板电脑上独立完成问卷，则由研究人员提供支持。基线评估采用以下量表和问卷:步态冻结问卷(FOG-Q) [ 21]， Hoehn & Yahr量表[ 22]，《帕金森氏症统一分级量表III》[ 23]，贝克抑郁量表- ii [ 24]、蒙特利尔认知评估[ 25]，以及电子健康素养量表(EHEALS) [ 26］．EHEALS的总分在8到40分之间，得分越高表明自我感知的电子健康素养越高。

电机测试包括UPDRS III，一个定时上升和前进的测试[ 27]，步态冻结试验[ 28]、Mini-BESTest [ 29]、快速360°转弯、视频指导的Motognosis Amsa协议(手指敲击、起立和坐下、闭足站立、舒适的360°转弯、原地踏步、短时间舒适的快速行走和短时间最大速度行走)，以及操作员指导的Motognosis PASS-PD协议(手指敲击、手抓、手臂握住、指鼻测试、脚敲击、起立和坐下、闭足站立、舒适的360°转弯、原地踏步、舒适的行走、以及以最高速度行走)。在评估期间，患者由3d摄像系统拍摄，并佩戴可穿戴传感器。

可用性测试在研究的第一天和最后一天进行。为了减轻患者负担，每位患者只评估了3个研究组件中的2个(平板电脑应用程序和相机，平板电脑应用程序和可穿戴设备，或相机和可穿戴设备)的可用性。设备按照预先指定的排列列表随机分配给患者。对每台设备的可用性分别进行了评估。

首先，患者得到了关于该设备的标准化解释。然后，患者被指示尽可能独立地执行7项与设备相关的任务，这些任务涵盖了系统的所有重要功能。这些任务包括设置摄像头并在Amsa协议(摄像头系统)中执行不同的任务，戴上传感器并处理充电过程和数据传输过程(可穿戴传感器)，以及使用应用程序中的所有相关功能(平板电脑应用程序)。研究人员观察了任务的执行情况，并根据任务执行的独立性对6个项目进行了评分(范围从5=“不需要帮助;0=“对任务的实现没有贡献或几乎没有贡献”)。将所有7个独立评级的总和转换为基于评分者的独立评分，范围从0%(在任何任务中没有独立使用)到100%(在所有任务中完全独立使用)，使用以下公式:

完成任务相关设备测试后，患者填写SUS [ 30.并再次被问及他们现在在家庭监控设置中单独使用这些设备的信心(信心分数从0%到100%)。SUS是一个10项李克特量表，用于评估主观可用性，包括系统的感知复杂性、用户对使用系统的信心或其学习性等问题。SUS已被广泛使用，且标准数据的存在允许SUS等级相对于其他系统进行定位[ 31］．此外，已有研究表明，即使样本量很小，SUS也能提供有效的分数[ 32］．

最后，我们基于已建立的可用性工具(SUS和用户体验问卷[ 33])。访谈时间为15至30分钟，包括12个开放式问题，涉及以下领域:吸引力、独立使用、易学性、清晰度、效率、刺激性和新颖性。对于每个领域，患者被问及2个开放式问题，关于他们对该领域质量的看法以及在该特定领域的改进建议。然后对第二个设备进行相同的程序。

数据被描述为25和75百分位的中位数，或被描述为标准差的平均值，这取决于通过直方图目视检查评估的数据正常性。为了评估系统之间的差异，使用了Kruskal-Wallis测试和事后Dunn测试。由于样本量小和研究的探索性，没有使用多次测试的校正。通过相关分析确定成功使用的预测因素(Spearman ρ)．显著相关( P<.05)在网络图中与 ForceAtlas2算法( 34］．可用性结果的时间稳定性是通过Wilcoxon符号秩检验比较第一个和第二个测量值来评估的。数据可视化及统计分析使用Python ( Statsmodels， Scipy， Matplotlib, Seaborn软件包)和Gephi软件。每个系统12例患者的样本量是根据进行定性研究的指南确定的[ 35］．

SUS是一个广泛使用的评分，用于快速而简单地评估可用性[ 31］．不同设备之间的SUS评分(第二次可用性电池)没有显著差异( P=。34，Kruskal-Wallis test; 图2此外，我们比较了3个系统之间的经验置信度得分(患者评分)和基于任务的独立性得分(研究者评分)( 图2A).自信心得分和独立性得分表现出明显的天花板效应，而SUS得分分布更均匀( 图2B).独立得分区分应用程序(即仍处于开发早期阶段的设备)和完全开发和授权的系统( P=。006, Kruskal-Wallis检验;中的事后测试 图2A).因此，在本研究后续的相关性分析中，我们选择客观独立评分作为最相关的成功使用度量。

为了确定预测患者是否能够很好地使用设备的因素，我们绘制了相关矩阵，以探索基于评分的独立评分、SUS和基线参数之间的相互依赖性。除了独立评分和SUS评分外，还使用以下变量进行相关性分析:年龄、性别、Hoehn和Yahr分期、UPDRS III、FOG-Q、MOCA和EHEALS。相关性网络图可视化显示，基于评分的可穿戴传感器(黄色)、摄像头系统(绿色)和平板电脑应用程序(红色)的独立性得分并不聚类在一起( 图3)．这个可视化显示了成功使用这3个系统的先决条件是不同的。可穿戴传感器的独立使用与任何临床特征(年龄: P= . 07;性: P= 38;Hoehn和Yahr阶段: P=无误;UPDRS III: P= .59;FOG-Q: P=总收入;美国华人博物馆: P= .40;EHEALS: P=.68)，但12例患者中只有3例(25%)不能完全独立地使用该系统。这一发现表明，无论患者的临床特征如何，传感器对大多数患者都是可用的。独立使用相机系统与年龄和运动评分(FOG-Q、UPDRS III、Hoehn和Yahr阶段)密切相关，独立使用平板电脑应用程序与认知(MOCA)和电子健康素养(EHEALS)密切相关。 表2显示与每个系统的基于评分的独立分数的最强相关性。

与基于评分者的独立评分相比，我们发现主观和更可变的SUS评分与平板电脑应用程序的临床测量之间没有显著相关性(年龄: P= .79;性: P= .89;Hoehn和Yahr阶段: P= .85;UPDRS III: P= .92;FOG-Q: P= .14点;美国华人博物馆: P=陈霞;EHEALS: P=.07)、可穿戴传感器(年龄: P=尾数就;性: P=含量;Hoehn和Yahr阶段: P=点;UPDRS III: P= 0;FOG-Q: P=点;美国华人博物馆: P= .96点;EHEALS: P=.19)，或摄像系统(年龄: P=。45;性: P= 2;Hoehn和Yahr阶段: P= .62;UPDRS III: P= 16;FOG-Q: P= 49;美国华人博物馆: P= 0;EHEALS: P=点)。

为了评估系统特定的学习性和可用性结果的稳定性，我们分别在第1天和第4天比较了第一轮和第二轮可用性测试的可用性结果。对于平板电脑应用程序，独立性和信心得分在两个时间点之间没有显著差异(独立性:平均值79.5%，SD 25.6% vs 75.5%， SD 25.8; P=点;置信度:均值75.4%，标准差24.3% vs 69.6%，标准差38.8%; P= 29)。相比之下，摄像头系统在二次可用性电池方面的置信度显著更高(平均值63.3%，SD 32.5% vs 84.7%， SD 19.8%; P= .008);两个时间点的独立性得分均较高(平均89.3%，SD 14.8% vs 93.8%， SD 7.9%; P=点)。可穿戴传感器在第二个可用性电池中表现出显著较高的独立性得分(平均值91.4%，SD 9.2% vs 97.9%， SD 4.1%; P= 03);信心评分没有变化(平均值79.5%，标准差25.6% vs 75.5%，标准差25.8%; P=正)。在两个时间点之间，任何测试系统的SUS得分都没有显著变化(平板应用程序: P=只要;摄像系统: P= .20;可穿戴传感器: P= .88点)。可用性结果中系统特定的变化表明每个单独的系统具有不同的学习性，并强调了纵向可用性评估的重要性。此外，他们还指出，业绩和信心可能有所不同。2个时间点SUS得分无差异与3个系统SUS得分无差异是一致的( 图2)，这表明SUS可能会错过可用性的重要方面。

在第一和第二可用性电池的定性部分，患者被问及对电子健康解决方案的改进建议。为了确定定性反馈的预测因素，我们统计了每个患者提出的独特改进建议的总数，并将它们与可用性结果和临床特征联系起来。我们发现与独立得分、自信得分、电子健康素养、运动表型和年龄( 图4)．这些相关性表明，能够很好地使用设备的患者比没有使用设备的患者给出了更有效的改进建议。给予更多反馈的患者也更年轻，运动障碍更低，电子健康知识水平更高。SUS评分与改进建议的数量无关，这表明电子健康解决方案的主观评分不会影响改进建议的数量。

在这项研究中，我们使用主观和客观评估，对3个电子健康解决方案进行了全面的可用性测试。客观的基于评分的任务评估(独立评分)比主观的定量可用性量表(SUS)更好地区分不同的电子健康解决方案。此外，每个电子健康解决方案的成功使用与特定的临床特征相关，特别是平板电脑应用程序的认知能力和电子健康素养，或相机系统的运动能力和年龄。最后，大多数改进建议是由能够很好地使用电子健康解决方案的患者提供的。

关于可用性测试方法敏感性的数据很少[ 16]，而针对特定电子医疗解决方案或群体的最佳方法尚未确定[ 11］．因此，我们比较了定量和易于使用的SUS报告的可用性与预先设定的患者评分置信度和研究者评分独立性。鉴于本文调查的3种eHealth解决方案(平板应用程序、摄像头系统和可穿戴传感器)在复杂性和开发阶段上存在很大差异，我们预计所有方法都存在差异。然而，只有基于评分的独立评分在3种技术之间存在显著差异。独立评分的上限效应可能表明系统对许多患者来说确实易于使用。或者，预先设定的任务不够难。由于任务的开发涵盖了每个系统的所有相关功能，我们将这种天花板效应解释为成功的使用。SUS评分没有显示出天花板效应，但在我们的研究中，它没有区分完全发达的系统和欠发达的系统。此外，SUS没有反映出在第一次和第二次测试时间点之间增加的置信度和独立性。总的来说，这些发现与类似的研究一致，在这些研究中，成功的使用与更高的SUS评分无关[ 36， 37］．这些发现表明，这种完善的量表可能会遗漏帕金森病患者群体以及其他老年和认知受损人群的重要信息。最近为老年人开发的简化SUS评分与这一解释一致[ 38］．

摄像头系统和可穿戴传感器的置信度或独立性得分的提高表明，即使在短短4天内，老年人(1)也能够改变他们对电子健康解决方案的看法，(2)可以学会处理此类系统。平板电脑应用程序缺乏改进表明，学习性依赖于eHealth解决方案，这与之前其他研究的结果一致[ 39］．这些结果应该提醒研究人员不要依赖单一的测试来预测成功的使用。基于我们的结果，我们建议在试验或临床实践中应用eHealth解决方案之前，采用基于评分者的短期测试、在老年人中验证的主观患者评分(例如，问卷调查)，以及对每个患者和设备的试用期。

成功使用的预测因素在各个eHealth解决方案之间差异很大( 图3)．对于应用程序，与认知功能和电子健康素养的强烈关联表明，在设计这种主要基于软件的界面的移动医疗系统时，需要考虑这两种结构[ 40， 41］．因此，在开发电子健康解决方案时，应考虑到特定范围的认知功能和电子健康素养，然后应针对这一患者群体进行测试和营销。对于相机系统，有更严重运动症状的老年患者有更多的问题，而可穿戴传感器可用于大多数独立于临床特征的患者。考虑到与可穿戴传感器交互或在摄像头前执行引导任务的主要物理性质，这一发现并不令人惊讶。相比之下，无论患者的临床特征如何，大多数患者都可以使用传感器。总的来说，我们的研究结果与MOLD-US框架一致，其中应用程序系统的可用性先决条件属于认知和动机领域，而相机系统的先决条件与身体能力相关[ 42］．

SUS报告的主观方面对于患者开始使用电子健康解决方案以避免持续使用的损耗是必要的[ 10]，事实上，SUS得分在参与者之间有很大差异( 图2)．我们试图确定SUS评分的预测因素。然而，我们无法确定SUS报告的主观可用性评分的预测因素，可能是由于我们的研究样本量较小(每个系统n=12)。我们仅在图表分析中观察到应用程序的SUS和独立性得分之间的关联( 图3)．因此，这一分析需要在后续更多参与者的研究中加以解决。此外，在这种简短而高度标准化的范式中，无法评估人员减员情况。

我们发现，在定性访谈中，成功使用与患者就测试系统可能的改进提出建议的能力之间存在很强的正相关关系( 图4A).换句话说，建议主要来自使用该系统没有问题的个人。因此，现有的方法，如“大声思考”或“焦点小组”，可能会因表现良好、受轻微影响的患者表达的意见过多而受到影响。对于那些在成功使用系统方面有困难的人来说，遵循这些建议是否会提高或降低可用性尚不清楚。计算改进建议总数的方法没有考虑到建议的质量;因此，在未来的研究中应更彻底地重新研究所提出的结果。此外，报告的相关性也可能由年龄、疾病严重程度、认知状态或电子健康素养等因素介导或调节( 图4然而，推断高度关联变量之间的因果关系超出了本研究的范围，而且据我们所知，目前还没有文章在定性可用性研究的背景下全面评估这些变量的影响。随着西方国家人口的老龄化，以及神经退行性疾病患者的预计增加[ 43， 44]，有必要在目标群体的背景下对定性可用性方法进行批判性评估。

本研究的局限性包括样本量小，只有单一的招募地点，以及控制住院病人的设置。此外，不同方法的比较是基于现有工具的一个子集，不包括大声思考、焦点小组或其他效率度量(例如完成任务的时间)等技术。这种局限性降低了我们研究结果的普遍性，并需要对不同的系统、设置和患者队列进行进一步的研究。此外，电子健康素养、运动症状、认知障碍和年龄之间的高度相关性限制了所获得结果的因果可解释性。

在PD患者中成功使用电子健康解决方案高度依赖于系统特异性和患者特异性特征。考虑到数字健康领域的不断发展，以及PD患者已经存在丰富的不同解决方案[ 4， 45， 46]，研究人员和行业合作伙伴需要考虑患者的异质性，并针对特定的年龄、认知和运动功能以及电子健康素养设计电子健康解决方案，这些标准可以帮助医生为每个患者选择最佳解决方案。