个人参与众包健康研究的动机各不相同。在个人层面上，他们可能被天生的好奇心所吸引，想要修补和测试健康领域的假设。从更广泛的社会角度来看，个人可能希望参与、贡献、影响，有时甚至进行传统研究范围之外的项目。更广泛的社会视角的另一个维度是个人如何看待自己与社会的关系。有一个发展中的生物公民概念:作为公民科学家，分享个人健康信息，或将其作为获得研究机会的货币，可以被视为公民行为[ 16， 17］．

个人与健康之间的直接和个人联系使众包健康研究有别于其他众包研究。也许是由于这种个人联系，以及自我跟踪和干预实验的便利性，与其他公民科学领域相比，参与者在健康领域的作用正在更快地扩大。特别是，参与者不仅作为外包数据收集的提供者参与，而且还帮助进行数据分析，可能还帮助设计和开展研究。参与者对参与众包研究的期望也有所不同，因为他们要求研究组织者归还研究数据，提供解释性个性化建议，并希望能够与其他研究参与者进行沟通[ 18］．

众包健康研究可以是研究者组织的，也可以是参与者组织的。研究人员组织的研究通常是由受过机构培训的研究人员组织的传统研究，使用众包健康社交网络队列或众包数据作为输入或研究重点;例如，PatientsLikeMe组织的研究[ 19]及23andMe [ 20.］．参与者组织的研究通常由公民科学家设计和操作;例如，由PatientsLikeMe患者、DIYgenomics公民科学家进行的研究[ 21]，以及量化自我个体实验者[ 22］．

众包健康研究中可用的研究方法详见 表1．

PatientsLikeMe (PLM)目前是最大的众包健康研究运营商，拥有最大的开放患者注册和在线健康社交网络之一(截至2012年1月，1000个基于病情的社区中有超过12.5万名成员)。除其他计划外，该公司的目标是在2012年底前连接100万名罕见病患者[ 27］．会员可以输入人口统计信息，并跟踪他们的治疗方法、症状和结果，并找到与他们相似的人口统计和临床特征相匹配的其他患者(见 图1)。超过25篇plm撰写的论文发表在同行评审的期刊，如 医学互联网研究杂志， 自然生物技术, 美国国家科学院院刊以及公认的神经学期刊，其中许多都展示了研究人员组织的众包研究的结果。

最著名的PLM研究之一是锂研究[ 28]，这也是一个有趣的模型，说明患者组织的众包研究、研究者组织的众包研究和传统的随机对照试验(rct)可能是整个研究过程中的补充阶段。在首批报道的患者组织研究案例中，一名患有肌萎缩性侧索硬化症(ALS)的PLM社区成员发现了一项小型意大利盲法研究(16例病例和28例对照组)[ 29在该研究中，锂被发现可以减缓渐冻症患者的疾病进展，但该研究也警告说，该模型可能不适用于其他情况。PLM社区成员说服其他人合作进行一项参与性研究，患者可以将意大利研究中发表的发现应用到自己身上。最初，348名PLM患者在医生的监督下开始超说明书使用锂。在研究结束时，有149名患者服用锂至少两个月，78名患者服用锂至少12个月。最终，锂在三层研究中被发现对减缓渐冻症患者的疾病进展没有积极影响:最初是通过PLM患者的自我实验，然后是PLM研究人员进行的一项观察性研究，根据疾病进展将149例患者与447例对照组进行比较，然后是传统的随机研究[ 30.， 31］．该研究中患者组织部分的显著特征是，患者在识别和应用研究、自我收集和报告数据以及直接寻求药物(而不是由制药公司赞助)方面发挥了积极作用，这使其成为公民科学。在未来，公民科学队列中的自我实验可能会作为一个实时传感器网络或早期迹象的晴雨表，这些迹象可以在以后更结构化的研究或随机对照试验中得到证实。

23andMe是最大的个人基因分型社区，截至2011年6月，已有超过10万名基因组服务订阅者。一些研究已经发表在同行评议的期刊上，如PLoS Genetics和PLoS One。超过75%的23andMe社区表示愿意参与公司组织的研究[ 41， 42］．其中一项研究是对单个个体进行的最大的帕金森病病例-对照全基因组关联检查(3426例病例和29624例对照)。该研究重复了20个先前发现的遗传关联，并发现了2个新的关联(rs6812193靠近溶酶体蛋白相关的SCARB2, rs11868035靠近固醇调控相关的SREBF1/RAI1) [ 43］．

另一项研究解决了为大群体收集表型数据的问题。23andMe社区成员被要求完成问卷调查，2万人报告了50种医学表型的数据。先前报道的180个相关性(由国家人类基因组研究所策划)被复制用于2型糖尿病、前列腺癌、胆固醇水平和多发性硬化症等疾病。然而，这只是预期关联的75% [ 44]，强调应用遗传学的挑战[ 45并提出了大队列后续研究的潜在价值。

早期的一项研究验证了健康社交网络中的自我报告数据，重点关注非疾病状况。现有的遗传关联被复制到头发颜色、眼睛颜色和雀斑上，并且在头发形态、雀斑、嗅觉检测和打喷嚏反射上发现了新的关联[ 46］．除了有针对性的研究，23andMe还有一个社区研究项目，23andWe，通过他们的网站对帕金森病、肉瘤和骨髓增生性肿瘤等各种疾病进行开放注册[ 47］．

Butter Mind研究和DIYgenomics研究在genome era个人健康合作平台上进行。从概念上讲，Genomera是一个“健康科学实验的eBay”，任何社区成员(专业研究人员和公民科学家等)都可以在那里发布自己感兴趣的领域的研究，并尝试将参与者众包。截至2012年1月，该网站上列出了20项研究，每项研究的登记参与者从10到60人不等，超过300名社区成员自愿通过提供基因型和表型信息参与众包研究。个人可以参与不同级别的活动，并伴有相应的安全保护，例如作为社区成员、研究讨论参与者、研究数据参与者或研究组织者。Althea Health是一个类似的运营众包纵向健康研究的平台[ 26］．

除了用于自动化运作众包卫生研究的基于互联网的平台之外，自我跟踪工具及其验证和校准对于准确收集数据至关重要。量化自我网站列出了400多种这样的工具[ 59］．Zeo是一家低成本睡眠跟踪无线系统的供应商，委托29名受试者进行了一项研究，验证了他们的设备收集的数据与使用多导睡眠描记仪和活动描记仪进行的传统睡眠实验室测量相比较[ 60］．随着自动化数据收集工具的低成本普及，自我跟踪和监测自身健康行为的人数可能会大幅增加。从无线传感器、加速度计、陀螺仪和压敏纺织品连续收集的数据可以通过智能手机或家庭WiFi网络传输，并通过机器学习算法通过互联网解释为个性化的建议[ 61］．自我追踪数据可能对个人的健康自我管理和临床试验都很有用，可以传达更丰富、更少人为的现实生活活动图景。

研究人员目前在众包健康研究中使用的方法存在局限性。大部分可用信息都是自我报告的，无法验证参与者是否真的患有这种疾病，是否参与了干预，和/或是否报告了准确的结果数据。此外，病人在诊断和报告自己的病情时，未必足够可靠[ 62］．研究组织者通过内部计算来应对这些挑战，看看如果某些控制是真实情况，结果会有什么不同，反之亦然[ 62]，收集(但不核实)主治医生资料[ 30.]，并指出伪造数据对参与者而言既费时又无明显好处[ 30.]，并要求研究参与者提交外部验证的数据(例如通过PDF表格的血液测试结果)[ 56］．令人鼓舞的是，一项研究发现，众包数据至少与传统收集的样本一样好，甚至更好[ 63］．在未来，可以开发统计分析和自动数据检查，以确认诊断医生的处方活动，或者验证数据，可能类似于异常检测、信用评分和欺诈检测算法。

在方案、自我选择偏差和资金方面，众包健康研究中采用的研究设计也存在明显的局限性。众包健康研究并不总是遵循随机盲对照研究的严格协议。各种各样的替代设计是众包健康研究的常态;这些设计使成本保持相对较低，并增加进行研究的可行性。所用的设计包括观察性研究、交叉研究和适应性研究。一些研究没有盲法和/或不包括安慰剂组。有人担心，当参与者是有意收集和报告自己数据的受试者时，可能会观察到差异。因此，这种偏差在参与者组织的研究中可能特别明显;尤其是在协议不明确的地方。

另一个方案的局限性是，到目前为止，专业研究人员在众包队列中进行的唯一研究形式是回顾性、非介入性用户问卷调查。因此，专业研究人员有机会在众包队列中进行基于干预的研究。

在众包研究中，存在自我选择偏差的可能性。众包研究成员是志同道合的参与者，可能不能代表目标人群[ 62］．这可能导致队列人群太同质或太异质，队列个体内方差高，样本量小，结果不具有统计学意义。自我选择偏倚可以通过替代研究设计方案得到改善，例如在遗传研究中使用互补的全基因组关联研究(GWAS)方法来验证结果[ 62]，并通过与患者倡导团体的资助合作，帮助招募更大、更有代表性的队列[ 56］．

有人批评说，如果研究是由行业资助的，众包健康研究结果可能不会完全被接受;这种批评也来自更传统的研究。众包健康研究的更高透明度可能是验证研究结果的一项资产，因为任何感兴趣的独立方都可以公开查看研究结果(正面和负面)。成本是广泛参与众包研究的一个障碍，因此需要建立不影响研究结果完整性的标准资助模型。总体上，众包健康研究可被视为随机对照试验的补充，提供了一个新的视角，并允许提出不同类型的研究问题。

众包健康研究的一个局限性是，它们并不总是符合普遍接受的研究行为的行业惯例。已就机构审查委员会的批准、同意程序、数据使用政策以及与潜在参与者的沟通提出建议[ 64， 65］．获得知情同意的程序应遵循标准的法律要求。例如，提供给参与者的信息应是非技术性的和易于理解的，并应明确将公布哪些数据以及以何种格式(例如，去识别、聚合)。许多众包健康研究一直试图遵循这些建议。然而，其他研究特别指出了传统合规机制的实际不可能性，并让参与者同意他们承认这一点。例如，哈佛医学院的个人基因组计划(PGP)让参与者同意在隐私和数据使用方面采取更开放的立场:“您作为PGP的一部分提供的数据可能会被用于……确定您是其他保密基因研究的参与者[ 66)。”

另一个研究标准是研究开始前必须获得机构审查委员会(IRB)的批准。这是众包研究的一个潜在限制，因为它可能不允许在自我实验研究中发生的自然适应。随着众包健康研究变得更加突出，提供与irb相同功能的替代模式可能会演变。内部审查委员会的角色和责任可以脱离中介，由不同的各方来履行。例如，可以通过外部专家审查来保持独立监督。IRB的全面批准可以允许在一个有全面保障和限制的领域进行广泛的适应性调查研究。财务责任可基于卫生合作社区的团体保险政策[ 18］．

众包健康研究方法在几个方面都很新颖。首先，该研究利用基于互联网的技术联系大量潜在的研究参与者。其次，数据通常是公开的(或对研究团体)，这样任何人都可以在预先聚合的患者群体中搜索纵向跟踪的实时信息;这种开放性在更传统的研究中很少见(如果有的话)。尽管众包研究方法是新颖的，但这并不一定意味着它们总是会产生新颖的发现。一些批评人士认为，用传统方法也可能得到同样的结果。然而，众包提供了一种更便宜、更快的选择。此外，众包研究可以吸引更大、更坚定的潜在参与者。众包研究可能在许多方面都有用，包括开发新方法，发现新发现，以及在更大的群体中以更多的排列重复现有的发现。关键是有效的科学发现可以通过众包技术实现。

在自我实验和参与者组织的研究中，公民科学家可能从事与科学相关的活动，但他们的活动(根据正式定义)可能不被视为科学。创建形式良好的可证伪假设、收集和分析数据以及发布同行评议结果的既定科学步骤可能不是每个项目都遵循(也不需要在每个项目中遵循)。各个众包项目背后的动机可能不同，众包科学的质量也各不相同。这种变化从进行大规模同行评议研究的专业研究人员到为个人知识和利益而从事自我实验项目的个人。虽然所有级别的众包活动都可能有用，但有些人认为这个术语 科学除非遵循整个科学过程，否则不应应用于项目。像众包这样的新模式的好处之一是使更广泛的受众参与到科学相关的活动中。这有助于消除精英主义。 67在那里，科学是“一个封闭的社会，被组织成由训练有素的专家组成的封地”，在那里，“只有少数人参与任何问题的研究”。 68)。”公民科学的早期成功显示了“以重要方式改变科学格局的潜力，利用无数聪明的大脑来做曾经是少数不堪重负的专家的工作。” 68)。”

众包卫生研究领域被指责夸大了参与式卫生举措的潜在增长和影响。批评者认为，并非所有人都对健康感兴趣;相反，他们认为这是医生的责任。对健康隐私的担忧可能进一步损害个人的利益，从而影响到众包健康研究。这些障碍目前意味着，除非采取卫生行动很容易、自动化，并(可能)伴有财政激励，否则很少有人参与。

众包健康研究在整个公共卫生领域似乎是一个不重要的细节，更紧迫的是关注预算短缺、医疗成本上升、预期的医生短缺、人口老龄化以及将新药推向市场的高昂成本(目前估计为13亿美元[ 69])。然而，参与性保健举措或许能够帮助应对这些挑战。它们有助于通过众包项目实现健康自我管理的新意识，从而使人们更健康、更积极参与，并为个人和公共卫生系统带来持久的好处。

参与式健康倡议(自我跟踪设备、智能手机应用程序、在线个人健康记录、健康社交网络和众包健康研究)正在迅速发展;互联网和社交网络的影响促进了增长。个人正在加入研究人员组织的研究，并设计和运行他们自己的研究。自我监测设备和智能手机应用程序的推出、基因组测序成本的降低、用于检测干预的低成本直接面向消费者的血液检测的可用性、用于数据解释的在线生物信息学工具的可获得性以及本地diy生物学实验室的出现正变得越来越容易[ 67教育和实验设施。众包健康研究正在成为多层生态系统中一种重要的新调查手段，包括自我实验、参与者组织的众包研究和研究人员组织的众包研究，这些研究是传统随机对照试验的补充和前身。随着时间的推移，公民科学家和已有的研究企业之间可能会有更大的融合。在健康社会网络中，研究人员组织的研究活动有令人兴奋的机会，可以超越基于调查的方法，转向积极的干预测试。

众包具有成本和速度优势;它可能会让科学研究以比以前更大的规模进行(数千人在几个月内招募而不是几年[ 43， 70以及每个人数十亿的数据点[ 71])，在大型数据集的模式中可能有新的发现[ 72， 73]，以及近实时测试和应用新医学发现的可能性。更大的队列和更细粒度的数据可以在更详细的参数分层子队列范围内进行调查。众包的参与式健康研究工作正在帮助扩大医学的概念范围，从传统的专注于疾病治疗，到未来的个性化预防医学。