在MPAS的初始开发中，通过使用PubMed对相关文献进行搜索，确定了可能与移动电话使用(以及更广泛的技术使用)相关的因素。已确定的构念包括社会连接、依赖、成瘾、情绪和持续使用[ 21］．为了更好地评估手机使用的积极功能，本研究使用相同的搜索程序来扩展MPAS，以包括与社会和个人使用以及工作和学校相关使用领域的授权、安全性和有用性相关的结构。我们研究团队的成员分别用六年级阅读水平的英语为这三个额外的结构分别写了一系列的项目。整个研究团队审查了这些项目，以确定表面有效性。任何令人困惑或模糊的项目都被编辑并删除重复的内容。说明和响应格式也被审查清楚。结果仪器包含57个项目，测量7个构念，每个构念有6- 9个项目，并使用likert型量表响应格式。然后，在对更大样本进行测量之前，对八名成年人进行了预测试，以确认项目的清晰度和理解。

为了测试MPAS，我们在2016年3月25日至4月1日期间进行了一项全国性的横断面调查，以评估受访者的手机使用情况、对手机的态度、目前的情绪、人口统计信息和其他特征。参加者为注册用户( 工人亚马逊土耳其机器人(MTurk)。我们使用MTurk进行招募，因为研究表明，这是一种快速、廉价、可靠和有用的方法，可以从大量和不同种族的样本中收集数据。 22- 26］．

为了参与研究，工作人员通过MTurk网站被重定向到我们的项目调查网站，该网站提供了关于研究的详细信息和知情同意文件。随后，表示同意的感兴趣的员工将与筛选问题联系起来，以评估资格。如果员工年龄在18岁或以上，居住在美国，能流利地阅读英语，并拥有一部手机，他们就有资格参加这项研究。如果符合条件，参与者将被引导到完整的调查中，包括他们使用手机的问题，对手机的态度，他们目前的情绪和人口统计信息。

这项在线调查是使用一个安全的基于网络的应用程序“研究电子数据采集”进行管理的[ 27]，由我们学院的信息服务部主办。参与者在完成调查后得到1美元的补偿。没有询问参与者的身份信息，因此他们的回答是匿名的。知情同意程序、资格评估和完成调查平均耗时17分钟。这项研究得到了米里亚姆医院机构审查委员会的批准。

首先，我们使用汇总统计(均值、标准差和频率)来描述整个样本的样本特征和度量。其次，对MPAS项目特征进行初步分析，然后使用Mplus Version 7.3中的验证性因子分析(CFA)进行心理测量分析[ 32］．基于最小拟合函数卡方统计量、比较拟合指数(CFI;［ 33])，即非范数或塔克-刘易斯指数(TLI;［ 34])，近似的均方根误差(RMSEA;［ 35])，标准化均方根残差(SRMR;［ 36])，以及卡方模型。模型的规范以理论为指导，并结合统计输出的一部分修改指数，旨在产生适合在实地研究中使用的手机附件的简要测量。第三，Cronbach alpha [ 37]，一种内部一致性信度的测量方法，对每个子量表进行估计。最后，为了测试最终测量的并发有效性，我们检查了MPAS子量表与焦虑、抑郁和冲动测量之间的关联。

在1241名被转到我们调查网站的MTurk员工中，1.05%(13/1241)从未完成知情同意流程，5.32%(66/1241)的潜在参与者完成了知情同意流程，但被认为不符合研究条件，8.30%(103/1241)的参与者没有完成调查。另外一个参与者的数据被损坏并从分析中删除。

我们的分析仅限于1058名同意参与研究并完成了调查的所有方面的参与者。参与者主要是白人(877/1058;82.89%)。参与者中男性占49.91%(528/1058)，女性占50.09%(530/1058)。参与者年龄在18 - 87岁之间(平均32.5岁，标准差10.3岁)。 表1为样本提供完整的人口统计信息。

进行了初步的项目水平分析，以检查57个项目中的每个项目的平均值、标准差、偏度和峰度，并判断结果足以进行量纲分析。使用完整的57项变量集拟合初始CFA模型，并指定7个相关因子，每个项目只允许加载并在其假设因子上自由估计。初始模型拟合较差(χ²_1518年= 9375.0, RMSEA =。07年,CFA =。79年,TLI =。78，SRMR=.071). The model fit was improved by removing items with poor loadings (<.4), very high cross-factor error correlations, or potentially high cross-factor loading, which indicated a complex item. One further adjustment included collapsing the initially posited separate factors of safety and empowerment into a single factor, based on the modification indices and conceptual similarity of the item content.

最终模型(χ²₂₃₇= 1100.9, RMSEA =。059年,CFA =。941年,TLI =。931，SRMR=.042) represented a parsimonious and balanced solution with 6 correlated factors, each measured by 4 items, creating a final measure consisting of 24 items ( 多媒体附件1)．基于Hu和Bentler提出的替代标准，这个24个变量的解决方案非常适合[ 38]并且没有使用任何多余的调整，例如释放误差协方差参数或允许变量加载额外的因素，以实现最终改进的模型拟合。在各自的因素中，所有项目的单项负荷都很高(范围=0.57-0.87，平均0.75;看到 表2)，内部一致性信度对每个因素也很好，由Cronbach alpha测量(范围=0.76-0.88，平均值0.83;看到 表2)．中给出了潜在构造的不衰减相关性 表3．

同时效度分析检查了每个MPAS子量表与抑郁症状(csd -10)、焦虑(STAI)、恢复力(BRS)和冲动(BIS)测量之间的相关性。抑郁症状、焦虑和冲动显著相关 焦虑依恋， 上瘾, 连续使用子量表，但不与 连通性， 生产力,或 赋权分量表。心理弹性与心理辅导的得分呈显著负相关 上瘾而且 焦虑依恋与量表正相关 生产力次生氧化皮( 表4)．

最终，我们预计MPAS的价值将是为移动医疗干预提供预测价值，有必要评估MPAS(或其任何子量表)的得分是否与干预结果显著相关。然而，该工具不是在干预研究的背景下开发的，本研究的一个局限性是，我们没有评估其他可能作为干预结果代理的因素(例如，改变健康行为的意图或结果预期)。第二个重要的限制与研究样本的性质有关。尽管MTurk的员工往往是种族和民族多样化的，但他们可能比大多数手机用户更精通技术，在这方面可能不能代表美国总人口。因此，MTurk研究样本和其他美国总体样本之间，任何单个MPAS子量表的平均值可能不同，但每个子量表的高内部一致性信度，以及每个子量表上相关的高项目负荷，表明该仪器具有很强的内部效度。我们期望该仪器在其他成人样本中使用时，将被证明是有价值的。

还需要进一步的工作来检查MPAS或其子量表的分数是否可以预测通过移动技术提供(全部或部分)行为健康干预的个人的吸收、维持和成功结果。我们希望在这项研究中开发的MPAS可能被证明是个人与他们的手机关系质量的有用指标，并可能构成理解移动健康干预和项目有效性的重要元素。

通过应用程序和短信等移动渠道提供医疗保健和行为健康干预的技术有了巨大的发展。 16- 18］．虽然干预和传递技术的质量都很重要，但在我们寻求了解这些干预对行为的影响时，了解个人与他们的手机之间的关系也很重要。移动健康不仅涉及健康行为，还包括与移动技术互动以及通过移动设备与他人互动相关的行为和态度。考虑到健康行为和与移动设备互动行为的直接和互惠性质，思想领袖们认为，我们目前的行为健康理论可能是不充分的，特别是随着移动健康干预越来越具有互动性和适应性[ 45］．有几篇论文呼吁扩大我们对与移动设备互动如何影响健康行为的理解[ 46， 47］．关于移动技术使用、移动健康干预和行为改变之间相互作用的新理论，需要进行研究。