这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
个人健康记录(PHRs)在糖尿病管理中的有效性已经在一些临床试验中得到验证;然而,在现实场景中证明它们的有效性也是必要的。为了提供可靠的真实世界证据,应该进行比仅基于患者生成的健康数据的分析更准确的分析。
本研究旨在对电子病历(EMRs)中使用PHRs的有效性进行更准确的分析。这项研究的结果将为PHRs作为可行的糖尿病管理工具提供精确的现实世界证据。
我们收集的日志数据
MCMH 2.0用户总数为64,932人,其中7453人具有适当的PHRs和糖尿病标准。连续和非连续用户的数量分别为133和7320。与非连续用户相比,连续用户更年轻(
通过整合和分析患者和临床产生的数据,我们证明了持续使用PHRs可以改善糖尿病管理结果。此外,HbA卡1 c减少模式在PHR连续用户组显著。虽然继续使用PHR已被证明在管理糖尿病方面是有效的,但还需要进一步评估其对各种疾病的有效性,并研究PHR的依从性。
糖尿病是一个全球性的问题,其造成的众多并发症和死亡率的增加是众所周知的。此外,糖尿病患病率不断上升,这一趋势可能会持续到2030年或更长时间[
在糖尿病治疗市场,新设备和应用程序的新治疗方法正在推出。糖尿病应用程序的大部分功能都集中在维持血糖日记上。有些还连接了血糖传感器和治疗设备。在糖尿病应用中,
先前的研究表明,PHR用户的健康状况有所改善,从而表明数字医疗保健系统对于改善健康行为和慢性疾病是可行的。根据一项系统回顾,用户在移动设备上使用健康应用程序时,他们的健康相关行为和临床结果都产生了积极影响[
在糖尿病护理中,PHR和移动健康干预有望成为有效的治疗方法。WellDoc远程血糖监测系统可有效降低HbA1 c水平,从而提高临床、行为和糖尿病知识的结果[
随着对PHRs临床意义的期望,一些担忧和略有争议的结果已被报道。尽管PHR有优势,但研究报告了PHR实施中的障碍。患者担心他们的健康信息的安全。卫生保健提供者担心患者改变自己的PHR信息。其他问题包括健康结果没有实际差异,使用独立的phs与电子医疗记录和电子健康记录,以及医疗保健识字率低,这可能会减少phs的益处[
在本研究中,我们使用4年的移动PHR (mPHR)日志和用户EMR数据,分析糖尿病管理对韩国一家三级医院分发的PHR系统持续使用的影响。早期版本的mPHR应用程序进行了一项研究,以验证连续用户的特征[
我们从一个名为“我手里的图表”(MCMH)的mPHR应用程序中收集了日志数据,以及他们在韩国最大的综合医院峨山医疗中心(AMC)的EMR数据。MCMH于2011年1月推出,是韩国第一家mPHR;它使病人能够查看和管理自己的健康记录[
我们还收集了患者的人口统计和病历信息,如年龄、性别、居住地和健康信息,包括就诊次数、HbA卡1 c水平,诊断和药物数据,使用我们的临床研究数据仓库。
我的图表在我的手中2.0版本的截图。在血糖函数中输入数据,从主页进入血糖输入。
MCMH 2.0版本于2015年12月31日取代了MCMH 1.0版本,但部分患者在2015年12月更换之前已经创建了自己的账号。对于每个用户,MCMH 2.0版本功能中生成的记录被分析,但只使用帐户创建后生成的记录。
的用户日志
对于用户选择,我们使用糖尿病诊断标准。首先,Glasheen等人的标准[
用户是否是连续用户的标准采用了MCMH 1.0版本的PGHD模式分析研究:用户输入数据
我们分析了HbA的模式1 c与HbA的趋势线斜率相关1 c的水平。HbA的波动1 c水平比较
在本研究中,趋势线斜率在很大程度上取决于第一个和最后一个HbA之间的测量天数1 c测量。因此,我们创建了一个名为
本研究由AMC的机构审查委员会(IRB)批准(IRB编号:2018-0321)。伦理委员会放弃了知情同意的需要,因为本研究使用了常规收集的日志数据,这些数据在所有阶段都是匿名管理的,包括在数据清理和统计分析期间。
患者纳入和排除标准(白框)和研究流程。灰色框显示用户血红蛋白A1 c(HbA1 c)分析。合适HbA卡的标准1 c测量:两个或更多HbA1 c测量,第一次和最后一次测量的持续时间超过100天,并在HbA期间创建My Chart in My Hand 2.0版本帐户1 c测量。糖尿病诊断标准:具有国际疾病分类第十版修订代码E08, E09, E10, E11,或E13或第一个HbA卡1 c测量≥6.5%。连续使用糖函数的标准:每周至少在糖函数中输入一次患者生成的健康数据,并使用至少28天。一个HbA1 c:血红蛋白A1 c;b我的病历在我手里。
我们首先比较了连续用户(n=133)和非连续用户(n=7320)的一般特征。比较以下特征:年龄、性别比例、
接下来,HbA的比较分析1 c
最后进行Z检验,比较连续用户与非连续用户的比例。这四组被分为是否第一个HbA1 c测量值高于或低于6.5%,以及最后的HbA是否1 c测量值高于或低于6.5%。对于混杂因素调整,多变量逻辑回归用于第一个HbA的用户1 c测量超过6.5%。与ANCOVA相同的变量被用于逻辑回归。数据分析使用
在MCMH 2.0版本运行的29个月内,有64,932名用户创建了一个帐户并至少登录一次。在这些用户中,根据本研究的纳入标准选择了7453名用户。这些用户中约1.78%(133/7453)是连续用户,98.22%(7320/7453)是非连续用户。连续用户与非连续用户HbA卡数量差异无统计学意义1 c测量和第一个和最后一个HbA之间的周期1 c测量。
连续用户和非连续用户的DCSI评分比例卡方检验差异无统计学意义。这可以在
连续和非连续用户的一般特征。
变量 | 用户 | 总(N = 7453) |
|
||||
|
连续(n = 133) | 不连续的(n = 7320) |
|
|
|||
年龄(年),平均值(SD) | 53.59 (9.89) | 57.58 (11.95) | 57.51 (11.92) | <措施 | |||
|
<措施 | ||||||
|
男性 | 110 (82.7) | 4859 (66.37) | 4969 (66.67) |
|
||
|
女 | 23日(17.3) | 2461 (33.62) | 2484 (33.33) |
|
||
|
|||||||
|
用户产生的数据,n (%) | 133 (100.0) | 289 (3.95) | 422 (5.66) | <措施 | ||
|
生成的数据总数,n | 22350年 | 1345 | 23695年 | - - - - - -b | ||
|
|
<措施 | |||||
|
|
意思是(SD) | 168.0 (204.0) | 0.2 (1.8) | 3.2 (35.1) |
|
|
|
|
中位数(差) | 97 (43 - 186) | 0 (0 - 0) | 0 (0 - 0) |
|
|
|
|||||||
|
用户产生的数据,n (%) | 133 (100.0) | 297 (4.06) | 430 (5.77) | <措施 | ||
|
生成的数据总数,n | 16407年 | 1453 | 17860年 | - - - - - - | ||
|
|
<措施 | |||||
|
|
意思是(SD) | 123.4 (143.3) | 0.2 (4.0) | 2.4 (25.4) |
|
|
|
|
中位数(差) | 67 (35 - 145) | 0 (0 - 0) | 0 (0 - 0) |
|
|
|
|||||||
|
测量次数 | 12.44 (6.90) | 11.90 (6.82) | 11.92 (6.82) | 38 | ||
|
测量频率 | 0.011 (0.010) | 0.009 (0.005) | 0.009 (0.005) | .007 | ||
|
测量天 | 1254 (461) | 1336 (445) | 1335 (446) | .04点 | ||
|
MCMH前几天测量d2.0版本开始 | 546 (348) | 712 (377) | 710 (377) | <措施 | ||
第一个HbA1 c测量值≥6.5%,n (%) | 111 (83.4) | 5716 (78.09) | 5827 (78.18) | .14点 | |||
第一个HbA1 c测量,平均(标准差) | 7.86 (1.78) | 7.51 (1.62) | 7.51 (1.62) | . 01 | |||
DCSIe,平均值(SD) | 1.17 (1.65) | 1.15 (1.64) | 1.15 (1.64) | 获得 | |||
|
|||||||
|
视网膜病变或眼科疾病 | 31 (23.3) | 1516 (20.71) | 1547 (20.75) | .46 | ||
|
肾病 | 13 (9.8) | 765 (10.45) | 778 (10.44) | .80 | ||
|
神经病变 | 23日(17.3) | 1267 (17.31) | 1290 (17.31) | >。 | ||
|
脑血管 | 20 (15.0) | 950 (13.00) | 970 (13.01) | 的相关性 | ||
|
心血管 | 16 (12.0) | 1366 (18.7) | 1382 (18.54) | 0。 | ||
|
周围血管疾病 | 1 (0.8) | 59 (0.8) | 60 (0.81) | 总收入 | ||
|
代谢并发症 | 1 (0.8) | 37 (0.5) | 38 (0.51) | i = |
一个卡方检验或Z检验(用于分类变量);学生
b糖和糖尿病日历功能总生成数据未进行统计学比较。
cHbA1 c:血红蛋白A1 c.
d我的病历在我手里。
eDCSI:糖尿病并发症严重程度指数。
当调整混杂因素时,可能会导致
血红蛋白的1 c(HbA1 c)模式(下降,r平方值,和SD)的连续和非连续用户。x轴是距离第一个HbA的天数百分比1 c与第一个和最后一个HbA之间的周期进行比较1 c测量。虚线是HbA卡1 c每个病人的衰退。连续线的斜率和y轴截距分别表示患者斜率和y轴的平均值。
下降比较中校正混杂因素与协方差分析的结果。
变量 |
|
|
连续的用户 | 3.94 | .047 |
年龄(年) | 8.07 | 04 |
性 | 0.17 | .68点 |
第一个HbA1 c一个测量 | 3054.90 | <措施 |
DCSIb | 6.45 | . 01 |
|
8.68 | .003 |
HbA1 c在MCMH版本2.0开始前几周进行测量 | 154.25 | <措施 |
生成的 |
0.03 | .86 |
一个HbA1 c:血红蛋白A1 c.
bDCSI:糖尿病并发症严重程度指数。
类似于
血红蛋白A前后1 c通过连续使用管理比较。
HbA1 c一个模式 | 用户 |
|
|||
|
连续(n = 133) | 不连续的(n = 7320) |
|
||
|
|||||
|
|
||||
|
|
<6.5%, n (%) | 15 (11.3) | 1040 (14.21) | 点 |
|
|
≥6.5%,n (%) | 7 (5.3) | 564 (7.70) | 29 |
|
|||||
|
|
||||
|
|
<6.5%, n (%) | 38 (28.6) | 564 (7.70) | . 01 |
|
|
≥6.5%,n (%) | 73 (54.9) | 4278 (58.44) | .41点 |
一个HbA1 c:血红蛋白A1 c.
对高一级血红蛋白a使用者的逻辑回归结果1 c测量(n=111个连续用户和n=5716个非连续用户)。
变量 | 系数 |
|
常数 | 1.640 | <措施 |
连续 | 0.618 | .04点 |
年龄(年) | −0.010 | <措施 |
性 | −0.085 | .20 |
第一个HbA1 c一个测量 | −0.171 | <措施 |
DCSIb | −0.041 | 0。 |
|
−0.004 | 23) |
HbA1 c在MCMH前几周测量c2.0版本使用开始 | −0.008 | <措施 |
生成的 |
−0.001 | 点 |
一个HbA1 c:血红蛋白A1 c.
bDCSI:糖尿病并发症严重程度指数。
c我的病历在我手里。
基于以下原因,本研究支持使用mPHRs作为糖尿病管理的有效平台,通过分别整合来自PHRs和EMRs的患者生成的健康和临床数据。首先,分析MCMH 2.0版本持续使用者的特征,男性患者高HbA1 c关卡似乎更频繁地使用MCMH 2.0版本。第二,持续使用PHRs导致HbA的减少幅度更大1 c提高了高HbA的调节水平1 c患者水平达到目标范围。因此,对于HbA卡高的男性用户1 c水平有更高的HbA降低1 c级别和改进的HbA卡1 c调控目标水平。通过分析连续用户及其HbA卡的特征1 c模式,我们也建议使用mPHR作为糖尿病护理支持工具,实现个性化管理。
与以往的研究相比,本研究具有以下特点。首先,我们提出了mPHRs与EMRs整合的基础上的健康改善效果。在本研究中,我们预期整合PHRs和emr有两个好处。一种是提出一种不同的方法来分析真实世界的数据,并提供额外的真实世界的证据,以支持之前的研究。另一个问题是确保进行高质量的数据分析。先前有许多研究暗示了PHRs和PGHD的优点,并对mPHRs的使用得出了积极的结论[
其次,以往的研究主要讨论HbA的减少1 c关卡是使用PHRs的一个优势。然而,由于血糖控制的主要目标是调节患者的HbA1 c级别到推荐范围,我们比较了两个HbA1 c降低和最初有高HbA的患者的比例1 c但是他们的HbA1 c级别降至低值。根据KDA的2015年和2019年糖尿病管理指南,推荐的目标HbA1 c2型糖尿病患者的水平为6.5%,这与美国糖尿病协会的指导方针不同[
通过对MCMH 1.0版本用户的分析,发现这些用户更多地以慢性病为就诊对象[
国民保险最多支持6hba卡1 c根据《国民健康保险法》,每年进行体检。首先,我们考虑了HbA的数量1 c测量是糖尿病严重程度的另一个指标。这是因为控制良好的患者通常接受HbA1 c控制能力差的人每年检测4次[
为HbA的周期1 c连续组MCMH 2.0版本使用前的测量时间较短(
PHRs和PGHD的主要优点是改善健康,特别是对糖尿病。在糖尿病管理类型中,决定HbA的变化1 c水平是在现实世界中验证PHRs有效性的最有效方法。本研究结果表明,连续用户有较大的
在控制血糖时,不仅要降低血糖水平,还要降低低血糖事件[
减少HbA的目标1 c水平是预防糖尿病并发症的发生和加重。虽然HbA的标准1 c在美国临床内分泌学家协会和ADA推荐的糖尿病诊断测试中,它是“韩国患者可接受的糖尿病补充诊断测试”[
本研究的主要局限性在于关注现实世界研究中的一般偏差:选择偏差、信息偏差、回忆偏差和检测偏差[
时间尺度也是另一个限制。在随机对照试验中,HbA1 c可以控制和优化测量点、app账号创建点、app使用频率,方便数据分析。然而,在现实数据中,患者有不同的HbA点1 c测量和MCMH 2.0版本的起点。尽管存在缺失数据、不适当数据和模糊时间尺度标准的限制,我们使用患者选择标准来选择可以分析和使用的患者
另一个限制是AMC是一家属地医院,几乎所有的研究患者都居住在韩国。研究人群规模小和持续时间短是另一个局限性。PHR数据生成频率低,MCMH 2.0版本操作时间短,不是分析糖尿病等慢性疾病的理想数据库。更大的研究规模和更长的研究时间将为PHRs的临床意义提供更有力的现实证据。
基于持续和非连续用药的比例,进一步研究鼓励患者更持续地使用PHRs是必要的。在这项研究中,连续使用的患者比非连续使用的患者有更好的糖尿病管理结果。然而,持续用户仅占研究人群的1.78%(133/7453),开始使用MCMH 2.0版本的用户仅占0.20%(133/64,932)。因此,研究如何维持活跃的pghd生成用户,并将非连续用户转化为连续用户是非常必要的。需要研究基于MCMH 2.0版本提供健康相关建议是否会鼓励患者使用PHR应用程序来改变应用程序的使用模式,以防止可用性问题[
通过整合和分析患者和临床产生的数据,持续使用PHRs可改善糖尿病管理结果。HbA更大的减少1 c观察连续用户的水平,以及HbA1 c与非连续用户相比,连续用户的水平被调节到目标水平。先前的临床试验和本研究的结果证明PHRs在治疗糖尿病方面是有效的。然而,还需要进一步评估PHRs在各种疾病中的有效性,并对PHRs的依从性进行研究。为了准确分析慢性疾病PHRs的临床基础,需要更大的研究人群和更长的研究时间。
衰落公式。
连续用药和非连续用药糖尿病并发症严重程度指数评分比例比较。
美国糖尿病协会
峨山医院
协方差分析
糖尿病并发症严重程度指数
电子病历
血红蛋白的1 c
《国际疾病分类》第十版
机构检讨委员会
韩国糖尿病协会
我的病历在我手里
移动健康
移动个人健康记录
患者生成的健康数据
个人健康记录
随机对照试验
作者要感谢AMC医疗信息办公室提供的移动EMR日志数据,并支持数据分析和解释。本研究由韩国贸易、工业和能源部研究与发展项目(no. 1)资助。20004503)和由韩国政府(Ministry of Science and ICT;没有联盟- 2019 m3e5d4064682)。
DS、YP和JL构思并设计了这项研究;DS, YL, JK查阅记录,收集资料;DS分析数据;DS和YP撰写稿件;YP, JP和JL审阅了手稿。
没有宣布。