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% ( 表1）.

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% [ 22］．他们提交了41578份诊断，包括2965份流感报告。的最小值和最大值 F（ t)分别为0和0.495 P（ t)为0.0037至0.0862。研究期间的流感活动在一个名为 发烧教练流感可视化［ 23］．这个可视化的视频记录可以在 多媒体附件1．

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。 F（ t), P（ t)分别介乎0至0.495及0.0023至0.0928之间。我们将所有的诊断记录分为三类:流感、咽炎/普通感冒和疱疹性咽炎/口腔炎。诊断和应用程序用户活动随时间的变化如图所示 图2．

由ILI访视之间的线性回归得出的预测模型[ P（ t)] 1岁至6岁儿童的流感诊断比例及提交发烧教练[ F（ t)]，其斜率为β₁)为0.1316，截距(β₀)为0.0063，和 R²As 0.930 ( 图3）. P（ t)为KCDC的参考值。斯皮尔曼ρ为0.895 ( P<.001)， RMSE为0.0083 P（ t)和验证期的预测值(的最大值 P（ t)为0.0928，最小值为0.0023)。 图4的图形图 P（ t)和研究期间的预测值以及预测模型的误差。从各个年龄段的模型中 F（ t),proportion of ILI visits in all age ranges, the was 0.924 ( P<.001)， RMSE为0.0135。该模型预测值在2017年11月21日超过疫情阈值。韩国疾病控制中心于2017年12月1日发布了流感流行警报。

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% [ 24]及0.13% [ 25］．基于通过app提交的自愿数据的流感活动监测模型显示，与政府报告的大规模流感活动密切相关。参与性数据每天更新，而不是每周更新，基于这些数据的预测模型比韩国疾病控制与预防中心的疫情警报更敏感地检测出流感疫情。

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[ 17， 26， 24， 27］．有些只收集有关症状的信息[ 24]和与健康有关的行为，而其他人也会询问医疗服务的结果[ 17］．这些平台依靠志愿者宣传自我报告数据在疾病监测中的好处，而不激励个人参与者。因此，招募和留住用户已被确定为他们面临的主要挑战[ 24］．他们利用社交媒体、国家电视台、机构网络、专业协会、传播活动和口口相传来招募参与者。使用这种策略，美国的Flu Near You (FNY)在其第二个流感季节(2012-2013年)招募了61,000名参与者，约为每10万13岁及以上人口中的24人。流感网于2009年在5个欧洲国家建立，在2015-2016流感季节期间，欧洲10个国家的参与者为36192人，参与率为每10万人中有13人。

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。 28］．Fever Coach利用这些社区来推广这款应用，为随机选择的下载应用并分享经验的用户提供免费咖啡券，并提供免费的在线健康咨询。2016年5月下载量达到10万次后，并没有积极的营销活动，但使用该应用程序的家长们自愿在互联网和当地社区宣传。2017年2月，Fever Coach已被下载30万次，超过20万用户至少提交了一次数据。采用这一策略，每10万名1岁至6岁人口的参与率约为7700人，他们是流感感染的高危人群之一。Fever Coach应用程序主要是为了让父母在孩子发烧时照顾他们，但它能够收集专门用于流感监测的数据。我们认为，通过提供即时利益和针对弱势群体，招募和保留参与性监测比依靠志愿者要有效得多。这一策略可适用于其他高危人群，如孕妇、老年人或免疫功能低下者。

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%。 29， 30.]，而在20至50岁年龄组中，智能手机使用率超过99% [ 29］．考虑到智能手机的高普及率，智能手机用户代表了韩国这个年龄段的普通人群。虽然没有关于用户性别的数据，但基于韩国对母亲的育儿依赖程度较高，预计女性用户比男性用户更多。这与其他报告女性参与者占大多数的研究一致。在一项分析FNY数据的研究中，代表家庭成员报告的参与者显示出更高的参与率。这一发现可以部分解释Fever Coach成功招募和留存用户的原因，因为这款游戏的用户主要是父母。由于该服务本身是针对儿童的，从应用程序收集的数据只能代表儿科人群。然而，我们基于这些数据的模型能够预测总人口以及儿科人群中的流感活动。这是因为儿童中的流感活动与青少年和成人中的流感活动密切相关，但它可能不适用于监测其他疾病。另一个值得注意的发现是，尽管用户群体发生了一些变化，但使用前一年开发的预测模型对流感活动进行了密切预测。 Compared with the development period, the number of users decreased and the median number of data submission per child increased. This finding suggests that retention of active users can make up for the loss of inactive users for participatory surveillance.

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 诊断报告与其他参与式监测系统相反，这些系统询问用户的症状并使用数据进行症状监测。虽然这一策略可以很好地近似流感活动，但它引入了有限的泛化。在韩国大部分地区，医生密度为2.3‰[ 31]，初级保健被认为是负担得起和容易获得的。然而，在卫生保健不太容易获得的地区，使用医生诊断可能会导致对一小部分人的偏见，这些人比一般人群更容易获得卫生保健。为了克服这第二个限制，正在进行一项额外的研究，以开发包括症状和人口统计数据在内的更复杂的预测模型。

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。