美国个人健康记录的使用:预测未来的采用水平

简介

2009年《美国卫生信息技术促进经济和临床健康(HITECH)法案》要求建立有意义使用(MU)激励计划，为采用电子健康记录(EHR)技术的提供者和卫生系统提供大量财政支持[1，2］．该计划通过向原本停滞不前的市场应用外生激励措施，至少在短期内成功地提高了电子病历的采用率。许多决策者认为，这是建立基础设施的必要的第一步，最终可以利用这些基础设施来提高保健服务的质量，并鼓励患者参与改善自己的健康结果。在罗伯特·伍德·约翰逊基金会领导的一项外部审查中[3.)，评论人士指出，虽然HITECH及其许多项目的整体影响可能还不清楚，但“公众采用技术的速度可能会继续快速增长。”此外，审稿人得出结论，“消费者对技术的参与可能会给医疗保健组织带来进一步的压力，因为患者会寻求使用这些设备跟踪和传输自己的数据，并与医疗保健专业人员互动。”

消费者参与将是HITECH成功改善健康结果的关键，这一概念是MU激励计划制定的核心。在美国国家研究委员会(美国国家科学院、工程院和医学院)2009年发布的一份报告中，一个信息学科学家特别小组指出，要使计算技术有效地改善医疗保健，它必须提供对提供者、患者和他们的护理人员有价值的功能和认知支持[4］．MU激励计划的第二阶段要求患者及其家属积极参与患者门户技术，以管理他们自己的健康信息和护理协调[5-7］．第三阶段MU建议(原计划于2017年实施，但目前正在政策重新考虑中)规定，患者应能够(1)使用安全消息进行电子通信，(2)在互联网上访问患者教育材料，(3)将健康数据生成到其提供者的电子病历中，以及(4)查看、下载和传输其提供者管理的电子病历。综上所述，这些要求概述了消费者管理的个人健康档案的基本功能[8］．

PHRs提供了一个巨大的机会，以获得消费者的支持，以实现降低成本、改善人口健康结果和改善患者及其家庭护理体验的三重目标[9-13］．此外，调查显示，消费者希望通过网络访问他们的医疗记录[14，15］．然而，从历史上看，全面普及患者使用ehr连接的门户或个人控制的PHR一直很缓慢。给出的理由包括，患者方面担心，全面和开放地获取个人医疗信息可能会带来隐私问题;提供者一方担心，基于网络的医疗信息的技术性质可能会造成健康知识普及的负担;以及业务方面的担忧，即MU阶段2认证的电子病历没有建立起来以支持完全可互操作的数据交换[16］．尽管存在这些担忧，但一系列趋同的趋势可能会推动消费者访问PHR功能，使之成为患者驱动的健康信息经济。近三分之二的美国公众拥有手机，他们已经习惯了与生活其他方面的个人数据相关的互动服务。随着报销模式的改变，卫生保健提供者将需要整合来自多个来源的数据，以便更好地了解患者的总体预防性健康需求[17］．出于这些原因，有必要对消费者粘性进行更多研究[9，14］．考虑到消费者使用水平的当前状态，以及与其他环境中创新扩散相关的观察结果，应该有可能预测PHR采用的吸收情况，并探索模仿和创新因素如何影响模式。

我们研究的目的是估计美国人口对PHR功能的未来吸收。我们分析了健康信息全国趋势调查(HINTS)，这是由美国国家癌症研究所进行的一项具有全国代表性的调查，以评估消费者目前使用基于web的应用程序来存储个人健康信息并与提供者沟通的情况。18］．我们还利用这些数据预测了这些PHR应用程序的未来采用情况。

了解消费者使用PHR的轨迹对政策制定者、供应商和技术供应商很重要。对于政策制定者来说，根据量化估计而不是规范性目标来设定医生可再生资源使用目标，将确保目标设定在最优水平，以加速使用，但并非无法实现。提供者社区一直抵制健康信息共享。有证据表明，消费者不仅愿意，而且能够有效地使用这些工具，这可能会降低这种阻力。此外，拥有一个活跃和不断增长的PHR技术市场，应该会刺激卫生信息技术供应商投资于研发，以利用这一蓬勃发展的市场。

方法

数据源，变量和样本

我们分析了3次针对美国成年人的hint第4版调查(调查年份为2008年、2011年和2013年)。根据对2个问题的调查回答，计算出一个变量来衡量PHR功能:(1)“在过去的12个月里，你是否使用互联网来跟踪个人健康信息，如接受的护理、测试结果或即将进行的医疗预约?”以及(2)“在过去12个月里，你是否使用电子邮件或互联网与医生或医生的办公室联系?”这些项目捕获了有效使用PHR的两个关键要求:以电子方式存储临床数据和通过互联网与护理提供者通信。我们认为对这两项都回答“是”的受访者正在使用医疗保险和医疗补助服务中心的电子病历MU计划中所描述的基本PHR功能。数据根据美国国家癌症研究所(National Cancer Institute)提供的规范进行加权，以使数据具有美国整体的代表性。在Bass模型分析中计算了采用率。

贝斯模型与技术扩散模型

罗杰斯(19他提出了技术扩散理论，描述了创新者(即第一个采用者)、早期采用者、早期多数、晚期多数和落后者的采用模式如何随时间发生变化。随后，Bass [20.]开发了此类扩散模型的第一个商业应用，基于各种类型广告活动的影响和客户内部动机预测消费产品的吸收。巴斯模型根据早期的市场渗透率，预测有多少客户最终会采用一种新产品，以及他们何时会采用。

这个模型有几个吸引人的特性。Bass [20.]确定了预测技术扩散模式的潜在因素，这些因素是外部和内部影响的函数。的外部影响系数，在实证模型中用字母p表示，代表创新和广告的影响，以及创新所嵌入的环境背景。相比之下，内部影响系数，用字母q表示，反映了关系对扩散的影响，因此在扩散文献中常被称为模仿系数、口碑效应或社会传染[21］．

的参数p而且问提供关于新技术在未来将如何传播的信息。外部影响系数高(p)表示扩散开始很快，但也很快减弱。内部影响系数高(问)表明传播开始较慢，之后随着产品的好处被传播(通常是通过口口相传)而加速。

这些变量相互作用形成扩散动力学。例如，当内部影响系数(问)大于外部影响系数(p)，采用者的累积数量遵循s型曲线，这种曲线通常适用于高风险的创新产品，这些产品需要较长时间才能被广泛使用。当内部影响系数(问)小于外部影响系数(p)，采用者的累积数量遵循逆j曲线轨迹，通常在风险较低的创新中观察到，如新的耐用消费品(如洗衣机和烘干机)。

分析

我们进行了敏感性分析，以测试Bass模型的参数，并通过改变技术引入年份来创建未来PHR吸收的可能范围[22］．对于具有上述最低功能的PHRs进入市场的最古老的估计是在2001年左右[23］．Halamka等[24]记录了第一批PHRs的发展阶段，并确定2007年是通过提供者系统访问临床应用程序的第一年，而不是由消费者管理的基于web的技术(如HealthVault和WebMD)广泛面向公众。同样，美国管理式医疗服务提供商Kaiser Permanente在2007年将其临床相关的PHR提供给所有会员[25］．因此，我们使用2001年和2007年作为潜在的PHR创新开始日期。此外，我们分析了2004年作为评估模型拟合的中点。

我们在Microsoft Excel for Mac 2011 (Microsoft Corporation)中使用线性优化进行统计分析和预测。该模型受到约束，以确保整个估算过程中理论模型与实际数据的拟合在2%以内。使用非线性函数的广义约化梯度算法和评估不连续变化的进化算法对模型进行了分析。广义梯度缩减算法在每个实例中都能识别出更好的模型拟合，这是我们在本研究中报告的唯一结果。作为一个额外的模型可靠性评估，我们重新运行了模型，忽略了它们去年的数据，以评估在不同的输入量下趋势会如何变化。

结果

在调查期间，消费者越来越多地使用电子媒体存储健康数据，并与他们的临床提供者进行沟通表1)．根据调查权重，大约有800万人使用2008年跟踪的2种基本的PHR功能(例如，在互联网上存储数据和与临床提供者进行电子通信)。与其他基于互联网的社交媒体类似，PHR功能在消费者中的使用率迅速增长，2013年用户超过3100万[26］．

除了使用这两项技术的人数迅速增长之外，使用其中一种工具来管理健康信息流的消费者人数也在稳步增长。特别是，直接与临床医生沟通的技术的使用正在迅速增长。

使用2001年技术引入日期的PHR采用场景具有最严格的约束，并且生成的估计最接近于迄今为止观察到的经验(参见表2)．2004年的开始日期表现第二好，2008年和2013年的估计略微低估了观察到的PHR使用率。2007年开始日期的预测与2004年的预测模式相似，只是略微夸张了一些。这些差异是由内部和外部系数造成的，这些系数是模型操作向更极端值移动的基础。

外部(p)和内部(问) 2001年和2004年PHR引入日期的系数与使用Bass模型研究的广泛其他产品扩散模式的结果一致[27］．敏感性分析表明，起始日期为2004年的PHR扩散模型提供了一个激励系数比(问/p=30.092)，这与其他领域的研究最为相似。通过忽略去年的数据来评估2004年模型的稳定性并没有显著改变预测，对2020年的估计与使用2008年、2011年和2013年3年数据的模型的估计相差不到1%。

内系数(问)的预测结果低于以往的大多数研究，但仍是合理的。外部系数(p)，而2007年的开始日期则在正常范围内(见表3)．此外，所有3个Bass模型都表明，类似phrr的、基于互联网的个人健康信息管理创新将在未来取得重大进展。

MU模型根据政策设定的个人健康记录采用目标估计扩散曲线。如果我们假设扩散轨迹的MU最小目标，所得到的曲线表明了这些创新的扩散。值得注意的是，外部系数(p=.002)的MU政策目标创造了一个与大多数其他技术采用研究相比非常低的扩散预期。我们发现，MU政策目标产生的扩散模式与我们在2001年启动这项政策时可能发现的情况相似，而且社会传染效应要低得多(问/p= 148.44)。MU阶段2和3目标的净结果是，消费者对PHR功能的吸收比没有干预的情况下要低得多。

绘制PHR扩散模型，所有版本都显示了产品采用的特征s曲线，这将是可持续的(见图1)．2001年和2004年开始日期的预测都表明，到2020年，大多数美国人将使用关键的PHR功能，这超过了MU的目标。只有2007年的开始日期曲线表明，将会有一个扩散率，它将不满足大多数拟议的MU计划采用PHR的目标。

‎ 查看此图

讨论

类似phrr的应用程序正在美国消费者中迅速扩散。基于内部系数的高数值(问)在最佳表现模型(即2004年PHR引入日)上，扩散率遵循与消费者驱动技术的长期采用相关的轨迹。此外，所有观察到的模型的采用轨迹都超过了MU阶段2和3的政策目标。

关于医生资源规划的政策激励措施，MU计划包括鼓励卫生系统和提供者向消费者提供医生资源规划的功能[28］．MU阶段2要求EHR系统允许患者查看他们的医疗记录，将他们的记录传输给其他人，并通过安全门户与他们的提供者通信。具体来说，到2014年，5%的患者必须使用提供者通信功能，提供者才有资格获得奖励。这些是最小的能力和参与目标，没有确定哪个特定人群最有可能受益。29，30.］．正如法规中所描述的那样，记录共享不需要可互操作的记录，从而允许另一个提供商以结构化的方式将数据带入自己的系统。这导致使用第三方或其他提供商的PHR应用程序的患者的数据交换效用有限。

MU阶段3的消费者参与度门槛略高于阶段2。必须与供应商进行电子通信的消费者比例将从第二阶段(2014年目标日期)的5%上升到第三阶段(2017年目标日期)的10%。在第三阶段目标下，必须访问其全部记录的消费者比例为50%。阶段2和阶段3都不要求下载的PHR与其他提供者的卫生信息技术系统互操作。

MU模式较慢的消费者采用率是由较低的外部系数(p=.002)相对于2004年技术引进预测(p= .007)。较低的外部系数表明，密歇根大学的项目可能会减缓创新，产生与其预期效果相反的效果。这可能是由两个因素造成的。首先，卫生信息技术系统供应商和提供商可能正在提供最低限度的PHR功能，而不是采用在非临床环境中可用的高级功能，以吸引消费者使用这些工具。例如，一些个人健康跟踪工具的用户体验要比当前的PHR工具更好、更程式化。尽管许多团体以及美国政府已经探索了在这种情况下改善用户体验的潜在设计选项，但这些创新还没有进入当前一代的PHRs中。

其次，护理提供者可能会通过官僚主义和行政负担为技术采用制造障碍，尽管大多数已经证明超过了MU的标准[31］．在机构防火墙之外发布PHR数据的责任是一个重要的问题。对于使用PHRs的患者来说，其结果是显著的采用成本，特别是在时间方面。内系数(问= 0.217)的MU程序预测与其他模型相当，这表明，在任何情况下，消费者对PHR功能的需求将保持强劲。使用阶段2和3的消费者参与目标作为扩散预测，可以得到任何模型中最低的消费者接受率。内外系数比(q / p= 148.44)是所有预测中最高的，这表明在这种情况下，消费者对产品的渴望，而不是持续的产品创新，将是PHR扩散率的主要驱动力。

限制

本文所描述的研究有3个主要局限性。首先，hint工具为消费者行为提供了有价值的见解;然而，在早期迭代中提出的问题并没有明确提到PHR技术。因此，这些结果只是对实际现象的近似。其次，hint工具固有的局限性是它没有考虑到其他人管理其他人的健康信息。在许多家庭中，一个人负责照顾其他家庭成员，包括孩子和父母。这在多大程度上是通过电子方式进行的，并没有被测量。因此，PHR的实际使用率可能更高。第三，新的PHR功能很可能会从根本上改变技术，实际上成为一种新产品。“新”产品的发布相对于“更新”迭代意味着PHR引入将有一个新的开始日期，这将改变曲线轮廓。 A better understanding of what constitutes a new product in this marketplace merits discussion.

结论

消费者使用PHR的人数和他们可以管理的技术功能程度都在增长[32］．随着组织确定使这些工具更广泛使用的方法，复杂的PHR技术将从早期采用者的领域转移到市场上大多数消费者的广泛使用。当这种情况发生时，限制PHR功能推广的主要因素很可能是医疗保健供应商和提供者不愿以与患者产生共鸣的方式部署这些工具。它是不消费者不愿意使用这些工具，但它们面临的部署和障碍限制了它们的采用。

厂商和提供商并不是减缓采用速度的唯一因素。在这个问题上，MU的目标在采用PHR时可能会遇到与采用EHR时相同的问题:参与的标准足够低，允许采用增量方法，而不是激励变革目标。“后有意义使用”世界中的政策讨论将受益于通过这类基于数据的扩散分析提供的见解，特别是当重点从应用采用的内生激励转向推动创新以吸引参与消费者的兴趣时[33］．Robert Wachter在他的书中写道数字医生:医学计算机时代黎明的希望、炒作和危害他这样总结了卫生信息技术的未来前景:“真正的行动和资金将转向创造创新工具，使患者保持健康并管理慢性疾病。”[34］．