这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR mhealth和uhealth上的原创作品。必须包括完整的书目信息,http://mhealth.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
有效监测流感需要一个广泛的卫生保健提供者网络,积极报告流感样疾病病例和阳性实验室结果。这种传统的监测系统不仅建立和维护成本高昂,而且在流感活动的变化和检测之间也存在时间差。一个既可靠又及时的新监测系统将有助于公共卫生官员有效控制疫情,减轻疾病负担。
本研究旨在评估家长通过Fever Coach应用程序提交的儿童发热疾病报告数据在实时监测流感活动中的使用情况。
Fever Coach是一款移动应用,旨在帮助父母和护理人员控制幼儿发烧,目前主要在韩国提供服务。该应用程序分析照顾者输入的数据,根据孩子的年龄、性别、体重、体温和伴随症状,提供量身定制的护理信息。使用2016-2017年流感季节提交给该应用程序的数据,我们建立了一个回归模型,监测2017-2018年流感季节的发病率,并通过将预测与韩国疾病控制和预防中心(KCDC)的公共流感监测数据进行比较,验证了该模型。
在2年的研究期间,共提交了70203份诊断数据,包括7702份流感报告。Fever Coach预测的流感活动与KCDC报告的流感活动之间存在显著相关性(Spearman ρ=0.878;
发热教练app通过对发热儿童的护理指导,成功收集了目标人群7.73%(207,699/2,686,580)的数据。这些数据被用于开发一个模型,该模型利用国家监测网络中哨点设施的报告准确估计中央政府机构测量的流感活动。
季节性流感影响世界人口的5%至15%,估计每年造成300万至500万例重症病例和多达50万人死亡[
监测流感活动对于了解流行病学、实施适当的预防战略和充分分配公共卫生资源以减轻流行病负担至关重要。目前,大多数发达国家都有基于哨点设施和初级保健从业人员网络的监测系统,他们报告每周就诊的流感样疾病或急性呼吸道感染患者数量。包括美国和韩国在内的许多国家也收集病毒学信息、住院和死亡率的数据。在全球一级,由111个国家143个国家流感中心组成的世界卫生组织全球流感监测和反应系统提供了用于选择流感疫苗制剂毒株的病毒学信息[
尽管流感监测提供的信息非常宝贵,但传统监测系统需要大量资源,包括训练有素的工作人员、实验室能力和信息基础设施。在资源有限的国家建立可持续监测系统取决于外部来源的财政和技术支持以及国家卫生主管部门的积极参与[
为了克服传统监测系统的挑战,开发了利用互联网和移动技术进行流感监测的新方法。从网络搜索查询、社交媒体和电子健康记录中提取的大数据的使用已经引起了公共卫生研究人员和政策制定者的广泛关注。其中谷歌流感趋势(GFT) [
最近出现的另一种基于互联网的监督方法是参与式监督[
在本文中,我们描述了一种收集参与性数据的新方法,包括发热疾病的症状和临床诊断,并通过提供发热护理指导来鼓励参与。除了分析个人数据并提供定制建议外,大量的汇总信息还可以生成人口级别的数据。我们研究了这些数据是否可以用于流感监测,同时解决上述参与式疾病监测系统的挑战。
所有自述数据均来自Fever Coach。发烧教练(
Fever Coach app截图。(a)体温页面,(b)发烧管理页面,(c)诊断页面。该服务没有提供英语,以下截图是由韩语翻译而成的。(选项列表:支气管炎、细支气管炎、肺炎、腺病毒感染、喉炎、咽炎/扁桃体炎、普通感冒、流感、口腔溃疡、疱疹性咽炎、手足口病、小肠结肠炎、脑膜炎、中耳炎、尿路感染、腮腺炎、猩红热、水痘、麻疹、玫瑰疹、未确诊等)。
研究数据仅从2016年9月至2018年8月期间同意将未识别信息用于研究目的的用户处回顾性收集。使用2016年9月至2017年8月(开发期,52周)提交的数据建立预测模型,并使用2017年9月至2018年8月(验证期,52周)提交的数据对模型进行验证。
所有用户报告的数据都实时存储在Fever Coach数据库中,每天的元数据(提交数量和位置信息)都会被处理并保存。为了与现有参考人群进行比较,本研究只纳入了韩国提交的1岁(365天)至6岁(2554天)儿童的数据。为了过滤虚假提交的数据,我们只使用了基于2017年韩国儿童生长曲线的5%新生儿(2.5 kg)到95% 18岁儿童(79.8 kg)的体重值[
应用程序用户的总活跃度是通过每周向应用程序提交的体温数量来衡量的。由于Fever Coach通常只在孩子生病时使用,作者认为通过数据提交数量来衡量用户活动比根据每日或每周活跃用户来衡量更合适。流感诊断占提交给应用程序的任何诊断总数的比例被用作流感活动的指标。
KCDC流感病毒感染监测系统每周更新流感监测数据,数据显示与流感病毒感染有关的就诊人数占门诊总就诊人数的比例[
根据Fever Coach的数据,建立了一个线性回归模型来预测儿童的流感活动:
为了比较开发期和验证期之间的用户特征和行为,对类别值Student使用了Pearson卡方检验
预测模型的准确性采用斯皮尔曼秩相关系数(Spearman ρ)和均方根误差(RMSE)进行比较
在整个研究期间,收集了10,002,512份与发烧相关的健康数据。从开发期到验证期,总记录数量减少了18.5%,而提交数据的儿童数量减少了44.2% (
在开发和验证期间提交的用户特征和数据点数量。
单位、类别 | 统计项目 | 开发期(2016年9月1日- 2017年8月31日) | 验证期(2017年9月1日- 2018年8月31日) | |
|
总记录 | 5322827年 | 4679685年 | |
|
体温 | 记录数(%) | 4228606 (79.44) | 3446488 (73.65) |
|
|
中位数(位差一个) | 38.0 (37.5 - -38.6) | 38.0 (37.5 - -38.6)b |
|
退烧药 | 记录数(%) | 856210 (16.08) | 1096443 (23.43) |
|
其他症状 | 记录数(%) | 125338 (2.35) | 62024 (1.33) |
|
抗生素 | 记录数(%) | 38122 (0.71) | 27841 (0.59) |
|
疫苗接种 | 记录数(%) | 24243 (4.55) | 10828 (2.31) |
|
诊断 | 总数 | 41578年 | 26848年 |
|
|
流感,n (%) | 2965 (7.13) | 5800 (21.60)b |
|
|
非流感,n (%) | 38613 (92.97) | 21048 (78.37)b |
|
总数 | 209270年 | 116804年 | |
|
提交数据的数量(每个孩子) | 中位数(差) | 12 (4-32) | 21 (7-52)b |
|
年龄(年) | 中位数(差) | 2.0 (1.4 - -3.1) | 2.2 (1.5 - -3.3)b |
|
女性,% | 比 | 49.22 | 49.26c |
|
体重(公斤) | 中位数(差) | 12.0 (10.7 - -14.6) | 13.3 (11.5 - -16.0)b |
|
诊断提交 | 总数 | 27736年 | 18128年 |
|
|
流感,n (%) | 2455 (8.85) | 5324 (29.37) |
|
|
非流感,n (%) | 25281 (91.15) | 12804 (70.63) |
一个IQR:四分位间距。
b数据显示,两期间差异显著
c
在开发期间,149329人至少使用过一次该服务,其中115,674人(77.5%)在1年的开发期间使用该服务超过2天。在149329名用户中,有209270名儿童记录了发烧相关信息,其中49.2%(103083)为女性。在韩国,这一年龄段的人占总人口的7.7% [
在验证期间,记录了116,804名儿童的发烧相关信息,收集了26,848份诊断,包括5800份流感报告。
在研究期间,诊断提交和应用程序用户活动的变化。y轴表示每周提交的数量。发烧记录(左y轴)是通过向应用程序提交体温的数量来衡量的,并显示为粉红色的线。每个诊断类别的数量(右y轴)用不同颜色表示。咽炎或普通感冒(绿线)为咽炎或扁桃体炎和普通感冒的总和,疱疹或口腔炎(橙线)为口腔溃疡和疱疹的总和。
由ILI访视之间的线性回归得出的预测模型[
一个对数比例的图。F(t)与7岁以下儿童发育期流感样疾病(ILI)就诊比例的线性回归黑点为实际值,红线为线性回归结果。
韩国疾病控制和预防中心(KCDC)流感样疾病(ILI)数据与Fever Coach数据的比较:蓝线表示KCDC报告的每1000次门诊就诊的ILI病例数,红线表示Fever Coach数据预测的ILI病例数,粉线表示一周内与发烧相关的记录总数。P (t)与预测值之间的误差以黑线显示在图的底部。开发阶段使用白色背景颜色,验证阶段使用绿色背景。
Fever Coach应用程序在一年内成功收集了目标人群7.7%的数据,这明显高于先前报告的基于Web或移动的参与性监测系统的参与率,后者报告的参与率为0.02% [
这项研究的结果揭示了移动应用程序在收集公共卫生监测数据方面的潜力,并强调了用户自愿提交数据的重要性。以往的流感监测参与式系统依赖于个人的社会责任来招募和保留参与者,这导致了低参与率和对目标人群的有偏见的代表。
还有其他几个基于网络或移动电话的调查平台,用于流行性感冒和其他传染病的参与性监测[
在韩国,在线社区非常活跃,韩国人通过这些社区和博客来寻求信息,并与同龄人交流关于学习、职业、爱好和育儿的信息。
当Fever Coach的用户代表他们的孩子提交数据时,我们收集的关于用户的唯一信息是电子邮件地址和设备位置。但是,由于该服务是为5岁以下儿童的照顾者设计的,我们可以假设用户的年龄范围大约在20岁后期到40岁出头之间,这比其他系统报告的用户年龄范围要小。由于该应用程序只能通过智能手机访问,因此假定每个用户都是智能手机用户。据报道,韩国智能手机的拥有率高达89.5%。
这项研究有许多局限性需要解决。首先,提交给Fever Coach的大部分数据来自患有发热疾病的儿童,用户一般不会在孩子身体健康时使用这款应用。因此,应用程序使用率的增加可能表明一种传染病的爆发,也可能表明在全国媒体报道后,人们对应用程序本身的兴趣激增。为了克服这一限制,我们只使用
发热教练app通过对发热儿童的护理指导,成功收集了目标人群7.73%(207,699/2,686,580)的数据。这些数据被用于开发一个模型,该模型利用国家监测网络中哨点设施的报告准确估计中央政府机构测量的流感活动。
一个可视化的视频。可视化显示随时间推移在地图上提交诊断报告。
流感就在你身边
谷歌流感趋势
流感样疾病
机构检讨委员会
韩国疾病控制和预防中心
国家研究财团
均方根误差
移动医生首席执行官Namsoo Oh和移动医生首席执行官Jaewon Shin提供了本研究使用的数据。本研究由韩国科学信息通信技术部未来计划资助的韩国国家研究基金(NRF)基础科学研究计划(NRF- 2017r1e1a1a03070934)支持。本研究使用了韩国疾控中心传染病监测科和移动医生的数据。
HWH主导了这项研究以及整个研究的讨论和回顾。MK开发和设计了这项研究,分析了数据,并撰写了手稿。SY查阅文献,设计研究,并撰写手稿。YJ和SOS负责项目并审阅手稿。SC设计了研究并分析了数据。最终的手稿得到了所有作者的认可。HWH为担保人。
MK是移动医生的CMIO,提供Fever Coach服务(