横断面可视化调查研究获得了该大学机构审查委员会的批准(批准号:#STUDY00009465)。研究人员使用SOST和MSMH应用程序收集了未识别的数据。

数据收集是在中西部一个受欢迎的州博览会上进行的，该博览会为期12天，每年吸引200多万人参加。这项研究于2021年8月和9月进行。参与者自行选择参与这项研究。参与者仅限于能用英语完成MSMH应用程序的成年人(18岁或以上)。应用程序中显示了知情同意书;参与者同意在完成评估之前重复使用他们的匿名数据进行研究。他们在学校的ipad上完成了MSMH评估。作为参与的激励，参与者将获得一个大学品牌的拉绳背包(价值1.79美元)。在评估结束时，会显示一个唯一的代码，参与者可以使用该代码下载他们的回答摘要。下载摘要和与会者唯一代码的链接以名片格式提供给每位与会者。 Appropriate COVID-19 protocols were followed: masks were mandatory, iPads were sanitized after every use, and hand-sanitizing lotions were available in multiple places.

详见 图1， MSMH应用程序为每个概念呈现SCN，如前所述，使用SOST [ 21， 23］．如果对所有概念都进行评级，那么总共会有42个优点，335个挑战和168个需求。其中，根据研究目标和设置/样本选择了37个概念进行分析，排除了5个不适用于大多数参与者的概念( 怀孕， 产后， 计划生育， 意识, 成长与发展)．完成评估的总时间大约为每个用户15分钟。

数据存储在由该大学托管的安全计算环境中。使用Excel(微软公司)的可视化技术分析数据，使用SPSS (IBM公司)进行描述性和推断性统计分析。

对于目标1，使用描述性统计和平行坐标可视化技术检查所有参与者的总体SCN [ 7， 26］．然后将患有一种或多种疾病的参与者分成两组 情绪挑战和没有挑战的 情绪挑战。SCN采用独立样本进行比较 t测试和平行坐标可视化技术。检查整个人的健康状况 情绪使用数据可视化技术的概念，健康相关行为领域概念的新集群( 睡觉， 营养, 锻炼)被发现并被详细检查。此外，还创建了气泡图来可视化SCN在四个领域(我的生活、我的思想和网络、我的身体和我的自我照顾)之间的关系。

对于目标2，为了检验弹性，对参与者的力量进行了相关分析 情绪挑战。使用Pearson相关系数分析了37个研究概念中不同强度的共现情况。由此产生的相关性矩阵在Excel中有条件地格式化为蓝色(相关性最高)，白色(中等范围)和红色(相关性最低)。

研究参与者(N=182)主要为女性(N= 123, 67.6%)、年龄≥45岁(N= 112,61.5%)、白人(N= 154,84.6%)和非西班牙裔(N= 177,97.3%)。回答“已婚”的人接近一半(84人，46.2%)。参与者的年龄、性别、种族、民族和婚姻状况 情绪挑战载于 表1．相比之下 情绪挑战，那些 情绪受试者年龄为18-44岁( P<.001)，女性居多( P=.04)，未婚( P= .02点)。的 情绪中强调了参与者确定的挑战 表2劳累(n=69)和难以控制压力(n=46)被认为是最大的两个挑战。

图2表示参与者的整体SCN。

相关性分析，以确定参与者的力量的相关性 情绪挑战载于 图8而且 9,分别。相关性越高，表明强度同时出现[ 7， 27］．总共显示了与强度相关的666个框 情绪挑战和同样的没有 情绪挑战。红框表示相关性较低，蓝框表示相关性较高，白框介于两者之间。对于那些 情绪在总共666个盒子中，22.5% (n=150)是蓝色盒子，对于那些没有蓝色盒子的人 情绪挑战，51.7% (n=344)是蓝框。如 图8而且 9，概念之间的相关性对于那些有 情绪挑战(更多的红框)和更强的人没有 情绪挑战(蓝色方框越多，表明正相关性越强)。组的相关矩阵 情绪挑战描述了跨越概念/领域的优势，如横跨水平和垂直的蓝框所示。

在这项描述性相关研究中，使用可视化技术检查了2021年8月至9月中西部州博览会参与者的SCN数据。总体而言，参与者的优势大于挑战，挑战大于需求。数据可视化技术用于检查整个人的健康和 情绪概念揭示了一组新的健康相关行为(我的自我照顾)领域概念( 睡觉， 营养, 锻炼)，优势较少，挑战和需求较多。这与COVID-19期间睡眠、身体活动和饮食之间的关系一致[ 28- 30.］．此外，SCN的差异 睡觉在有/没有字母的组中 情绪挑战与之前关于睡眠对整体心理健康影响的研究一致[ 31， 32］．值得注意的是，超过半数的参加者在 情绪的概念。那些有 情绪挑战的优势较少，挑战较多，所有概念的需求凸显了全人健康视角的重要性。需要进一步的研究来了解与SCN相关的细微差别，以及在这些关于全人健康的概念之间。

研究发现，超过一半的参与者有挑战 情绪概念强调了大流行的影响和情感损失。这与自2020年以来抑郁、焦虑和自杀想法等情绪问题有所增加的证据一致[ 2];例如，与2019年6月相比，2021年1月报告有焦虑或抑郁症状的美国成年人数量增加了4倍[ 2］．由疾病控制和预防中心发起的“How Right Now”宣传活动[ 2旨在促进和加强在COVID-19大流行期间受到压力、悲伤和损失影响的人们的情感健康和恢复力。关于全人健康的数据，如本研究提供的数据，有可能提供定量数据视角，以补充作为该倡议一部分共享的定性生活经验/叙述。

研究发现 情绪挑战也曾有许多优点是有前途的;重要的是，要将这些因素作为一种工具来帮助理解并潜在地增强弹性。这些发现与之前的力量导向研究一致[ 14， 15， 33- 35］．优势可以作为应对挑战的工具，作为一个有优势的人 社交活动或 灵性或信仰更有可能使用社会支持系统来缓解与概念相关的挑战，如 情绪， 的关系,或 悲伤或失落并利用这些机制来保护和治愈，从而建立弹性[ 36， 37］．

研究发现 情绪与没有挑战的人相比，挑战在所有四个领域的优势更少，挑战和需求更多 情绪《挑战》与有关心理健康对所有健康影响的文献一致[ 38， 39］．结果与先前的研究一致，即健康和疾病是一种动态相互关联的状态，对健康的其他方面产生连锁反应[ 3.， 40］．SOST和MSMH等工具可以提供全人评估，并确定可以利用和帮助增强弹性的优势领域。MSMH应用程序中的SOST术语能够在社区和临床数据之间进行比较[ 7， 22]，并已用于分析社区层面的弹性[ 7］．考虑到在个人和社区层面进行评估的潜力，应在电子病历和个人健康记录中采用SOST和MSMH应用程序等强大的工具，为人口健康管理生成有意义的数据。

这与目前美国国立卫生研究院的Bridge2AI计划相一致，该计划旨在建立和利用强大的多维数据集[ 41］．通过利用不断增强的计算能力以及机器学习、人工智能和变革性分析技术，这些数据集可用于深入了解促进人体健康和恢复力的因素。MSMH等应用程序利用了术语标准和健康信息学的力量，并提供了解决国家科学院、工程院和医学院关于设计和使用健康信息技术促进全人健康的建议的选项[ 42］．

这项研究展示了卫生信息学、标准化数据和技术在评估、可视化和测试个人和社区级数据方面的力量。它展示了一种数据驱动的方法，用于进一步研究，以建立关于全人健康和复原力的证据。此外，此类研究为与个人和社区就其优势、挑战和需求展开关于全人健康的对话提供了一个起点，开始从健康赤字模式转向全人健康。

有人指出了一些限制。由于国家博览会的人数有限，而且参与者需要在室内参加，并在研究大楼内佩戴口罩，因此COVID-19的招聘挑战相当大。由于这些大流行的情况，样本可能存在偏差，因为2021年的博览会参与者可能在某些不为人知的方面是独一无二的。最后，调查需要15到20分钟才能完成，这对一些潜在的参与者来说是一种威慑。

本研究使用应用程序辅助和数据驱动的方法检查了标准化的全人数据，量化了所有健康(环境、心理社会、生理和健康相关行为领域)个体的SCN。检查有无组的SCN数据 情绪挑战揭示了总体健康和重要健康相关行为概念的模式。这项研究为许多研究机会奠定了基础，例如开发衡量弹性的指标，以及在临床护理环境中使用SOST和MSMH，以全人视角重新构建医疗保健遭遇。