基于网络的行为项目可以有效地向广大人群传播健康教育[ 1]，并允许人们按照自己的时间表、自己的节奏和地点访问多媒体信息，而不受地域限制或牺牲面对面的互动[ 2］．在线定制可能会提高这些课程的效果[ 3.］．事实上，许多健康计划和营利性健康公司现在都在提供基于网络的健康行为改变项目。 1]，现在越来越多的人开始关注如何有效地为这些基于网络的项目招聘人才[ 4］．作为基于人群的干预措施，互联网提供的健康促进项目的未来有效性将取决于它们接触和吸引广泛用户的能力。

虽然基于互联网的项目有可能覆盖数百万人，但潜在的覆盖面并不是实际的覆盖面。 5］．健康计划(健康维护组织，hmo)拥有全面的电子数据，可以根据年龄、性别、诊断和程序很容易地识别和确定个人，从而使招聘过程变得高效。这些数据库还允许研究团队跟踪参与情况，并最终跟踪与健康和医疗保健相关的结果[ 6， 7］．

我们之前报道了将注册前和注册后的财务激励相结合，以招募和保持在线健康促进计划的参与的重要性[ 8］．最近的一项研究比较了性别和种族亚群体的回复率，以确定激励组合，以更好地招募中西部健康管理组织(HMO)成员的多样化健康成年人加入在线健康计划[ 8研究发现，在性别和广泛的种族/民族亚群体中，2美元纸币和完成在线跟踪调查的20美元承诺的组合最有效。目前尚不清楚的是，这种组合在不同地理区域的影响。

此外，据我们所知，还没有人调查过谁参加了在线健康促进计划，以及这些人的特征与那些没有参加的人有什么不同。这一信息对那些设计和营销在线健康促进项目的人具有重要意义;然而，没有反应者的数据往往是不可用的，使得这样的比较是不可能的。使用自动化健康计划数据和地理编码，我们能够在“做出有效的营养选择”(MENU)试验中研究这一问题，这是一项由美国国家癌症研究所资助的在线饮食干预研究，对五个美国健康计划的成员开放[ 9］．

基于其他基于互联网和其他方式的健康促进项目的数据[ 10]，我们假设女性和社会经济地位较高的人更有可能注册MENU [ 11- 13］．本文报告了MENU招募工作的结果，包括比较了被邀请但没有回复的人(被邀请者)、访问网站并输入登录ID但没有注册的人(应答者)和符合条件并注册的人(注册者)的人口统计学特征。我们相信，我们的研究结果揭示了有兴趣并愿意参与在线健康促进干预研究的人群的人口特征，并将有助于了解这一新兴的兴趣领域。

介绍每个参与健康计划人口的特征( 表1)．在五个研究地点，非洲裔美国人的估计比例从4%到35%不等，总体平均为12.5%。西班牙裔成员的比例从< 1%到16%不等，总体平均为4.5%。

图2指示从邀请到注册的参与者流程。五个健康计划各邀请了28,460名成年人参加;15% (n = 4270)的人回复了介绍信，访问了网站，并输入了他们唯一的登录ID (responders)。其中，18.5% (n = 789)未能完成注册过程。退出的原因包括没有完成预先同意或资格问题(n = 424,54%)，由于没有或很少上网而不合格(n = 140, 17.7%)，由于病史而不合格(n = 118, 15.0%)，或由于目前没有参加健康计划而不合格(n = 100, 12.7%)。在符合条件的应答者(n = 3481)中，共有941人(27.0%)没有入选。有关退学原因的详细资料载于 图2．共有2540人(占受邀人士的8.9%)报名。

图2

招聘流程图

来自地理编码、管理数据或自我报告的受邀者、应答者和参加者的特征总结在 表2．虽然47.8%的受邀者居住在被定义为高中毕业率超过63%的人口普查区，但56.3%的应答者和58.7%的注册者居住在这样的地区。同样，40.1%的受邀者绘制的普查区域家庭收入中位数至少为52250美元，一半的回复者和注册者绘制的是这一更高收入水平。与受邀者相比，注册者更有可能来自受过高等教育的家庭(10.9% vs 7%)。 P< .001)和收入(11.1% vs 7.4%， P<措施)。女性在受邀者中占50.2%，在回复者中占61.4%，在注册者中占64.8%。平均而言，应答者的年龄略高于受邀者和注册者(分别为46.0岁对44.3岁和45.5岁)。参会者与受邀者的比例因站点而异，站点1的参会者比例最高(13.1%)。 P<措施)。最后，参试者包括22.3% (n = 566)非裔美国人和7.6% (n = 192)西班牙裔美国人。

表3介绍了GEE逻辑回归模型的结果，该模型用于评估被邀请者年龄、性别和普查区域家庭收入中位数和教育程度的指标变量之间的关系，并访问MENU网站并输入研究ID。年龄、性别、人口普查区域、家庭收入和教育程度都与成为应答者有统计学意义上的显著相关。年龄每增加10岁，缓解的几率降低0.89 (95% CI 0.82-0.96， P= .002)。

表4描述了GEE逻辑回归模型预测入学人数的结果。模型中包含的所有特征都与入学状况有统计学意义上的显著相关，其中女性性别的相关性最强(95% CI 1.63-2.16， P<措施)。

我们没有来自大多数参与健康计划的种族/民族受邀者数据，因此不能将其用作响应或登记的预测因素。我们试图对少数民族人口进行过度抽样，这在招生中可以看出 表5，反映了基本健康计划的少数群体分布。虽然在所有五个CRN健康计划中，非洲裔美国人的估计比例有所不同(见 表1)，过采样导致MENU研究的入组者中有22.3% (n = 566)自认为是非裔美国人。在所有五个网站中，西班牙裔的注册比例为7.6% (n = 192)。

这项研究描述了一项招募工作的结果，该工作招募了美国五种健康计划的成员参加基于网络的行为干预试验。为了达到我们的目标入学率，我们需要大量的邮件，最终的入学率接近9%。这一录取率与其他基于网络的录取率一致[ 10］．网站的注册率各不相同，总体抽样产生了不同的男性、女性和少数民族群体。与Oenema等人的研究结果相似[ 22)，女性占注册人数的三分之二。与其他调查结果相反，这项健康促进计划对不同教育程度的人都有吸引力。注册学生平均分为大学毕业生、研究生毕业生和未接受过大学研究生教育的学生。年龄较大的被邀请者不太可能回应访问网站的邀请，但更有可能参加这项研究。这表明，年轻的受邀者对调查基于网络的研究持开放态度，但这与Verheijden及其同事的发现一致[ 23)，年长的应答者实际上迈出了一步，加入了基于网络的行为改变计划。

在那些注册的人中，女性明显更多;参保者一般年龄较大，非西班牙裔白人，居住在教育和收入水平较高的人口普查区。参与其他饮食干预项目的女性人数高于男性，这与女性人数高于男性是一致的。女性往往是家庭的购物者和食物准备者[ 11- 13， 24］．

通过在五个站点中的三个站点对少数族裔健康计划成员进行过度采样，我们能够招募一个多样化的队列，其中超过22%的非洲裔美国人和近8%的西班牙裔美国人。虽然总体少数族裔注册者的比例因站点而异，但过采样使参与的非裔美国人和西班牙裔成员的比例相对于其潜在人群的比例翻了一番，如中所述 表1提高了最终研究结果的泛化性。

几乎85%的受邀者在收到邀请函后从未对网站进行过调查。鼓励拆信和减少“垃圾邮件”的出现，包括使用更具商业风格的信封，贴上邮资表，并在寄信人地址注明可识别的隶属机构[ 25］．这些结果可能部分反映了自我选择，因为邀请中包含了资格要求。这些较低的招募人数可能反映了对不适当的饮食模式缺乏认识[ 22]以及对增加水果和蔬菜消费感到困难或不感兴趣[ 26］．

考虑到大量被邀请者甚至没有浏览网站，我们认为研究注册存在重大障碍。12个月的MENU纵向研究可能给受邀者带来了太多的时间负担。此外，尽管使用互联网的美国人已增长到79%，但仍有一部分受邀者可能无法方便地每周使用互联网和电子邮件账户。 27］．受邀者最初在介绍信中获得一张2美元的钞票，并被告知在完成3个月、6个月和12个月的调查后，他们将获得更高的金额[ 8］．这些受邀者可能需要一些进一步的激励来继续注册，包括网站计划的一小部分可用性或有限的访问。

接近三分之一的可能符合条件的人访问了网站，阅读了这项研究，决定不参加。访问该网站的受访者会被要求完成资格调查、表示同意、建立联系账户(包括提供家庭、电子邮件地址和电话号码)，并回复电子邮件请求以完成冗长的基线调查。注册和访问研究干预网站需要完成冗长的同意书和基线调查。研究伦理委员会要求的同意程序提供了参与这项为期12个月的研究的期望和时间框架的全部细节。这份同意书有好几页，跳过几页到底是不可能的。虽然我们简化了同意书，以满足七年级阅读水平的建议，并使用了项目符号和编号来帮助阅读，但这种基于网络的同意“合同”可能会令人生畏，特别是对于那些仅仅对项目要求好奇并对所提供的激励感兴趣的人来说。未来的研究需要考虑这一障碍，并在确定被邀请样本大小时考虑登记完成率。此外，登记所需的基线调查相当长，可能成为完成登记的障碍。