本文内容如下e-collection /主题问题:

数字健康评论(673) 临床环境中的移动健康(471) 参与和遵守数字健康干预措施，消耗法则(348) 移动医疗(mhealth) (1741) 多个现有移动应用程序的质量评估和描述性分析/评论(321) 消费者和患者教育和共同决策(495) 参与式医学与电子病人(552) 面向患者教育的移动医疗(162)

发表在在第24卷第4期(2022年):4月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/35120，首次出版。
使用移动健康应用程序的参与者参与和保留的挑战:文献综述

使用移动健康应用程序的参与者参与和保留的挑战:文献综述

使用移动健康应用程序的参与者参与和保留的挑战:文献综述

本文作者:

日本米酒Amagai1 作者:Orcid； 莎拉Pila1 作者:Orcid； 亚伦·J·卡特1 作者:Orcid； 辛迪·J·诺文斯基1 作者:Orcid； 理查德·C·格尔森1 作者:Orcid
文章 作者 引用的 Tweetations (19) 指标

    审查

    西北大学范伯格医学院，芝加哥，伊利诺伊州，美国

    通讯作者:

    Saki Amagai文学士

    西北大学范伯格医学院

    北密歇根大道625号，2700套房

    芝加哥，伊利诺伊州，60613

    美国

    电话:1 312 503 1725

    电子邮件:saki.amagai@northwestern.edu


    背景:移动医疗(mHealth)应用程序正在彻底改变临床医生和研究人员监测和管理参与者健康的方式。然而，许多使用移动健康应用程序的研究受到大量参与者退出或流失的阻碍，这可能会影响样本的代表性和研究的有效性。因此，研究人员必须了解是什么让参与者留在移动健康应用程序或研究使用移动健康应用程序。

    摘要目的:本研究旨在回顾当前同行评议的研究文献，以确定成人参与者参与和保留的显着因素和策略。

    方法:我们对PubMed、MEDLINE和PsycINFO数据库进行了系统搜索，以获取2015年至2020年期间评估和评估提高成年人参与度和保留率的问题或策略的移动健康研究。我们遵循PRISMA(系统评价和荟萃分析的首选报告项目)指南。在不同的研究中确定并叙述比较了值得注意的主题。采用二项回归模型分析影响留任的因素。

    结果:在确定的389项研究中，62项(15.9%)纳入本综述。总的来说，大多数研究在维持参与者参与度方面是部分成功的。与应用特定元素相关的因素(如反馈、适当的提醒、来自同行或教练的应用内支持)和研究策略(如薪酬和利基样本)能够促进留存率。我们还发现了阻碍留存率的因素(游戏邦注:如缺乏支持功能、技术困难和应用的实用性)。回归模型结果显示，参与者退出的可能性大于被保留的可能性。

    结论:在移动医疗研究中，留住参与者是一个无处不在的挑战。本综述的见解有助于为未来的研究提供有关提高参与者保留率的因素和策略的信息。

    [J] .中国医学信息学报，2016;24(4):359 - 361

    doi: 10.2196/35120

    关键字

    移动电话； 移动健康； 保留； 订婚


    背景

    如今，85%的美国人拥有智能手机，平均每天使用4.5小时。1]。随着智能手机拥有量和使用量的增加，智能手机已成为医疗保健和研究领域最容易获得和最具成本效益的平台之一。智能手机在不同年龄、种族和社会经济地位的人群中也很普遍，这使得研究人员能够以低廉的成本轻松接触到无数的人口样本。具体来说，移动健康(mHealth)应用程序——通过智能手机设备、平板电脑和其他无线网络设备帮助监测和管理参与者健康的移动应用程序——在研究领域的应用越来越多。从2021年到2028年，移动医疗市场预计将以17.6%的复合年增长率增长[2]。此外，最近的COVID-19大流行导致各种移动医疗应用程序的下载和使用增加，突出了基于技术的远程监测和诊断对现代医疗保健持续发展的重要性(例如，[3.])。

    移动健康应用程序最大的优势是它们的便利性。与传统的面对面学习设置不同，移动健康应用程序可以在参与者方便的时候从任何地方轻松访问。使用应用程序进行远程评估允许参与者进行更少的现场访问，大大减少了旅行的负担和参与实验室研究所需的时间。随着门槛的降低，参与者更容易进行重复测试，并根据他们的日常生活经验分享实时数据。一些移动医疗研究应用程序还允许参与者通过应用程序直接与他们的提供者沟通，这可能会提高应用程序在其目标(例如疾病管理)和研究依从性方面的有效性。鉴于智能手机在美国成年人中无处不在，用于研究的移动健康应用程序可以更好地满足参与者的需求。

    对于研究人员来说，移动健康应用程序的便利性使他们能够接触到大量不同的参与者群体，比传统的面对面研究更便宜、更有效。最近，几项大规模研究利用苹果的ResearchKit框架在几个月内招募了数千名参与者。4-7])。使用这些应用程序，研究人员可以监测大范围实时数据的日常波动。例如，自我报告的情绪结果可以与被动位置数据一起进行评估，然后推断出许多其他实时变量，如身体活动、天气和空气质量，这些变量可能会影响一整天的情绪。

    尽管有这些压倒性的优势，但许多移动健康研究的参与者流失率很高，这源于保持参与者参与的基本挑战。例如，与其他大型移动健康研究一样，斯坦福大学领导的著名的“我的心脏计数”研究经历了大量的辍学率;该应用的平均用户粘性只有4.1天[8]。这是所有应用使用中普遍存在的问题;约71%的应用用户会在90天内退出游戏。9]。

    移动健康研究必须尽量减少参与者的退出，因为大量的人员流失可能会降低研究的有效性，并威胁到样本的代表性。移动医疗研究的一个潜在好处应该包括更容易获得在种族、民族、性别、年龄、教育状况等方面平衡良好、具有代表性的样本。然而，考虑到许多研究系统地失去了参与者，未完成研究的参与者和完成研究的参与者之间的系统差异可能会导致样本偏倚。不同的保留使得很难断定任何观察到的效果是由干预本身、保留偏差还是组间固有差异引起的。参与者的退出也阻碍了纵向研究的进行。

    为了了解影响参与者保留的各种因素，最近的研究评估了几项远程进行的移动健康研究中的招聘和保留情况。在对10万名参与者的交叉研究评估中，Pratap等[10分析了来自8项研究的个人层面的学习应用程序使用数据，这些研究积累了近350万份远程健康评估。他们的研究确定了4个与增加参与者保留率显著相关的因素:临床医生转诊、补偿、有兴趣的临床状况和年龄。然而，该研究只关注了Sage或Research Kit领导的大规模观察性研究，进入和退出的门槛特别低，因此质疑将这些发现应用于其他参与程度不同的小规模研究的适用性。据我们所知，其他已发表的关于用户参与度和留存率的系统综述和荟萃分析都只局限于移动医疗研究的一个分支领域，比如抑郁症或吸烟，或者只基于少数研究。因此，不可能将他们的发现推断到不属于同一子领域的其他移动健康应用程序。11-13]。

    留存策略可以作为应用功能来防止玩家退出。例如，通过加入徽章、比赛和排名，将移动健康应用游戏化，应该会让体验更愉快，并为参与者提供更好的激励。增加提醒，如推送通知和SMS文本消息，以及与临床医生进行沟通，也有望提高参与者的留存率。然而，它们在成功吸引和留住参与者方面的有效性程度尚未得到很好的界定。

    本研究

    许多移动医疗应用研究面临的一个根本挑战是参与者的迅速和大量退出。本研究旨在更好地了解过去5年开展的移动医疗研究如何解决参与者参与和保留的挑战。我们对相关文献进行了系统回顾，以确定影响参与者粘性和留存率的重要因素和策略。我们假设参与者的流失率总体上会很高，并且在不同的研究中会有共同的挑战，研究人员应该在未来的研究中认识到这一点。


    查册准则及资格

    我们的方法以PRISMA(系统评价和荟萃分析的首选报告项目)声明[14]。我们确定了3个主要的数据库:PubMed, MEDLINE和PsycInfo。本综述旨在评估成年人在移动健康应用评估研究中的参与度和留存率。研究纳入标准是近5年内(2015年1月至2020年10月)同行评审的出版物，在美国进行，至少有20名成年人。指图1有关搜索策略和确切搜索条件的更多详细信息。虽然移动医疗有多种形式，但我们只对基于移动的应用感兴趣，而不是短信、平板电脑或基于网络的干预。我们使用了多种研究方法和设计，包括定性、定量或混合方法。为了进行全面的分析，我们还纳入了从戒烟到心血管健康研究等各个研究领域的移动健康应用程序。纯粹作为研究方案或设计作品的文章被排除在外。由于我们主要是出于干预目的对移动健康感兴趣，我们排除了专门使用健身应用数据的研究(例如，Fitbit和数字计步器)，除非它们专门针对特定的健康人群(例如，乳腺癌幸存者和其他慢性疾病患者)。我们还排除了仅关注参与者教育或临床医生是干预重点的移动健康应用程序的评估。

    ‎
    图1所示。研究选择流程图。
    查看此图

    数据提取与分析

    我们最初从每项研究中提取基本信息:标题、年份、作者、目标人群、操作系统、参与定义、样本量和类型(临床与非临床)、参与者年龄、研究持续时间、主要发现、可能的影响以及参与者是否获得补偿。这些数据大多以定量方式进行分析，并在结果部分描述为描述性统计(即应用程序系统，样本量，样本类型，补偿和参与者年龄)。利用这些数据建立二项回归模型来确定影响留存率的因素。对于剩余的变量，如敬业度的定义、发现和含义，我们提取了提到这些项目的整个句子或段落。遵循Mays等人所描述的叙事方法[15]，第一作者(SA)和第二作者(SP)分析了最初样本提取的发现和含义，以确定围绕留存率和粘性的潜在主题。在这一点上，守则适用于条款中保留和参与(或缺乏保留和参与)的个别考虑。在阅读了所有提取的发现和含义之后，第二作者最初确定了大约5个与支持和参与障碍相关的主题。这些主题是由一系列的代码发展而来的，这些代码被认为是主题一旦他们在两篇独特的文章中被识别出来。在与第一作者讨论并达成一致后，第二作者重新阅读全文文章，继续细化这些主题并巩固研究结果。当我们在分析过程中无法识别新的主题时，我们就达到了饱和状态。16)被认为是归纳主题饱和度。对这些主题的描述在结果部分的定性发现中提出。审计业务主题和成功率的定义也以类似的方式进行了处理，并在结果部分的定量结果中进行了描述。


    最终研究样本

    在找到所有符合我们搜索标准的研究(N=389)并下载全文后，第一和第二作者简要地回顾了摘要和全文，以确定所选研究是否符合我们的纳入标准。在这个过程中，我们确认了所有应该被排除的研究实际上都被排除了。在100篇文章的随机样本中，作者同意91%(91/100)的决定。在对剩下的9%(9/100)达成一致意见后，第一作者和第二作者将剩下的文章进行了更详细的审查。最后的样本包括62篇文章。指图1为研究选择流程图和多媒体附录1［4-8，17-73]了解研究的特点。

    描述性的研究

    在这62项研究中，移动健康应用程序用户的平均年龄为44.14岁(范围32-64.9岁)，大多数是临床人群(48/62,77%)。样本量范围从20(我们预定的最小值)到101108名参与者，大多数研究报告的样本量<100(34/ 62,55%)。大多数研究报告了补偿参与者(34/62,55%)。大多数文章描述的应用同时适用于iPhone和Android用户(29/62,47%)。指表1有关描述性统计信息的详细信息。

    表1。62项研究的描述性统计。

    		 值
    用户年龄(年)，平均(范围) 44.14一个(32 - 64.9)
    样本大小b(n=108)， n (%)

    		20至49 17 (27)

    		50 - 99 17 (27)

    		100 - 499 12 (19)

    		> 500 16 (25)
    平台，n (%)

    		安卓 11 (17)

    		iPhone 11 (17)

    		这两个 29 (46)

    		没有报告 11 (17)
    临床vs非临床，n (%)

    		临床 48 (77)

    		临床前 14 (22)
    补偿，n (%)

    		提供补偿 34 (54)

    		任何补偿 28 (45)
    成功代码，n (%)

    		不成功 13 (21)

    		部分成功 42 (67)

    		成功的 6 (9)

    		不会计算 1 (1)

    一个62项研究中有13项没有提供足够的信息来计算平均年龄。我们将这些研究排除在平均年龄计算之外。

    b样本量从20到101不等。中位数为90.5 (IQR 436)。

    定义

    参与度、留存率、依从性、遵从性、完成度等

    我们在文献样本中确定了关于定义使用的两个主要主题。我们最初的发现是，对业务接触的定义没有明确的共识。这可能是因为这一领域的文献在问题、动机和观点上差异很大。第二个发现是，敬业度通常由许多不同的术语来描述。在我们的示例中，我们看到了这样的术语保留，坚持，遵从，完成和其他一些有时可以互换使用。尽管缺乏明确性，我们还是将最终样本划分为3个不同的用户粘性领域。几乎所有的研究(59/ 62,95%)都描述或测量了打开或使用特定应用的某种形式的参与度。根据所研究应用的界面，这种打开或使用的定义几乎涵盖了任何类型的应用交互。在某些情况下，应用程序打开的数量和花费的时间是通过后端系统收集的，而在其他情况下，用户在应用程序中登录的数据是该定义的一部分。不符合我们开放或使用类别的3篇文章依赖于应用程序的自我报告使用或测量应用程序干预活动的完成情况。

    成功

    我们询问了该研究在多大程度上成功地保持了参与者的参与度。不管使用什么术语来描述粘性或留存率，我们都将成功定义为在干预后拥有来自初始样本的完整数据的参与者的百分比。我们定义了a成功的代码基于均值和标准差信息的3类变量。考虑低于平均值-一个标准差的百分比不成功高于平均值的百分比加上一个标准差成功的。介于两者之间的一切都被考虑过部分成功(42/62, 68%)。只有19%(12/62)被认为不成功，3%(2/62)无法计算，因为他们依赖于自我报告的应用使用情况。

    同时，我们开发了一个二项回归模型来检验可能影响留存率的因素。我们的二项回归模型的结果是最终样本中完整数据的比例。该模型以研究的样本量为权重。表2显示了二项回归模型的比值比估计值和ci。对于任何给定的参与者来说，他们不被保留的可能性大于他们被保留的可能性。此外，有感兴趣的临床状况的参与者留在研究中的可能性是没有的参与者的4倍。此外，得到补偿的参与者留在研究中的可能性是没有得到补偿的参与者的10倍。

    表2。结果来自二项回归模型。

    		 优势比(95% CI)
    拦截 0.09一个(0.093 - -0.094)
    临床 4.34一个(4.16 - -4.52)
    补偿 10.32一个(9.48 - -11.25)

    一个P<措施。

    定性研究结果

    我们的定性研究结果代表了在文章的研究结果、讨论、限制或结论部分中列出的关于参与的反复出现的主题。要被认为是一个独立的主题，这个概念必须出现在我们样本中至少两个独立的研究中。

    支持主题

    我们确定了研究人员提到的3个主要主题(即应用程序的可用性、成功的招聘和低进入门槛)，这些主题可能会让参与者继续使用他们的移动健康应用程序。即使样本中的文章没有具体使用这些支持，我们也注意到研究人员建议在未来的研究中做更多的工作来解决这些支持。

    应用程序功能

    可见性是指“某物的品质或属性，界定其可能的用途，或清楚说明该物可以或应该如何使用”[74]。在技术领域，这个词通常用来描述软件或硬件允许的特定操作的可能性。在被研究应用程序的层面上(无论是与日常业务、另一个应用程序，还是与其他应用程序相比)，有几个发现使研究参与者在整个研究期间更投入或更有可能保持投入。其中一个因素就是游戏化。根据Fernandez等人[57，“游戏化或使用游戏设计元素(徽章、排行榜、奖励和角色)有助于保持用户粘性。”很少有研究真正实施了游戏化，但这个主题经常被提及作为未来研究评估的可能性。大约有四分之一的受访者提到，游戏化是未来促进或维持特定移动医疗应用用户粘性的工具。

    虽然有时候它本身就是一个有趣的领域，但大多数文章都提到了某种程度的应用提醒、反馈或通知能够促进用户粘性。的确，Bidargaddi等[22测试了时间对周末和工作日的影响，发现如果在周末中午提示，用户最有可能在24小时内使用该应用。很明显，提醒或其他通知反馈是提高用户粘性和降低留存率的辅助元素。

    大约一半的文章提到了教练或同伴在应用程序中提供的某种形式的社会支持。包含指导元素的应用程序，无论是来自辅助专业人员，其他参与者还是研究研究团队，都报告说这种社会支持对于保持参与度至关重要。64报告称，下载该应用程序的参与者中有90%完成了4个月的培训。这一发现可能是因为参与者选择的专业教练提供了问责制和教练关系的社会性质的结合。除了社会支持外，具有定制和个性化内容的应用程序更有可能支持参与和坚持研究。

    成功的招聘

    从关于招聘作为用户粘性支持的讨论中，我们得出了2个次级主题:招聘积极性高的利基群体，以及以奖励或补偿的形式提供某种激励因素。在研究过程中，专注于利基市场或高度积极的用户群体的移动健康应用往往更能成功地吸引参与者。例如，为支持成年吸烟者戒烟而开发的移动健康应用程序更有可能在参与者已经非常积极地戒烟时取得成功(例如，[18，40，72])。大多数研究还提到了某种形式的补偿或其他激励措施，这些措施可以吸引更多的研究参与者参与更长时间的研究。超过一半的研究提到提供某种形式的补偿。有几条提到，要有效地使用补偿，还需要一个必要的平衡。提供太少激励可能会减少参与者继续研究的冲动，但与此同时，提供太多激励也可能适得其反，因为它降低了他们继续工作的内在动力。这种平衡对于研究人员考虑向前发展仍然很重要。

    低进入门槛

    与应用推广和招聘策略相关的另一个主题是准入门槛极低的应用。McConnell等人对这个主题做了最好的描述[7在我的心脏计数研究中。他们的应用程序基于苹果的ResearchKit，使近5万名参与者注册并提供研究同意书。通过在智能手机上发布一款免费应用，作者表示:“……进入这项研究的门槛远远低于使用亲自访问进行的同等研究。这种降低有很多人同意的明显优势……”使用ResearchKit开发的其他几项大规模研究具有招募和登记数千名参与者的优势[75]。这种最初的参与被认为是一种好处，但正如我们后来了解到的那样，如此低的进入门槛通常也意味着低的退出门槛。

    屏障的主题

    研究人员还提到了可能降低参与者参与度的障碍。在这里，我们还注意到在文章的讨论或限制部分中解决的障碍，尽管它们没有在措施或结果中进行积极描述。这些主题被描述为:(1)缺乏支持代码;(2)出口壁垒低;(3)应用程序使用的技术难点;(4)有点违反直觉的是，应用程序的有用性。

    缺乏支持功能

    大多数障碍，无论是明确描述的还是暗示的，都是那些抵消支持功能的障碍。文章经常提到缺乏应用支持和招聘成功。研究发现，没有游戏化、通知或同伴或教练支持的应用更有可能将这些因素作为用户粘性较差的潜在原因，以及未来需要改进的领域。在招聘策略方面也发现了类似的现象，缺乏补偿或应用的利基群体通常被认为是留存率的障碍。

    退出壁垒低

    以同样的方式，使用ResearchKit格式的大型智能手机研究提供了较低的进入门槛，它们也提供了同样低的退出门槛。例如，“我的心脏计数研究”进一步指出，当进入门槛较低时，存在一个“明显的劣势，即这些人在研究中的投入显然较少，因此不太可能完成所有部分”[7]。在我们的样本中，几乎所有来自ResearchKit的应用程序都代表了样本规模的最大值;然而，在我们的分析中，没有一项研究甚至获得了部分成功的代码。

    技术上的困难

    文章提到偶尔的小故障或错误在使用他们的应用程序时，他们也可能将技术困难描述为缺乏粘性的原因。一项研究明确提到使用研究支援小组为用户排解任何技术难题[35]，但大多数文章都没有提到他们如何处理技术支持请求。有些技术困难可能是在应用程序方面，特别是当测试的应用程序处于试点或测试形式时，但也有可能参与者有自己的技术困难。我们评估的所有研究都没有进行任何形式的预测试来衡量参与者对一般应用程序或与所研究应用程序相似的应用程序的舒适度或熟悉程度。一般来说，年轻人或中年人的参与者被认为总体上擅长使用技术。此外，尽管近三分之一的文章将可用性和可行性作为主要调查，但只有5项研究提到了系统可用性量表的参与者结果[76]，这是一种可用性的标准化度量，经常包含在人机交互研究领域中。另外，在逐项研究的基础上进行可用性和可行性分析。

    App的有用性

    虽然这似乎有悖常理，但对参与者非常有用的应用程序也被认为在参与度方面很差。例如，使用戒烟应用程序成功戒烟的参与者通常长期参与度较低。事实上，如果一个应用程序作品在这种情况下，用户参与度的降低是成功的标志，而不是失败的标志，这实际上可以被视为应用的目标。


    主要研究结果

    本研究综合了关于移动健康应用程序和参与策略的文献。随着移动健康应用程序的不断普及，这一领域的研究也遵循了这一趋势，研究人员需要确定是什么让参与者参与进来保持在应用程序中工作或学习。

    我们的回顾发现，大多数(48/62,77%)的研究至少部分成功地保持了参与者的参与度。这些成功中的许多都是因为研究或应用程序的支持功能以及进入门槛的缺乏。我们确定了支持或削弱用户粘性的策略类别。我们确定了应用程序的特定元素(例如，反馈，适当的提醒，以及来自同行或教练的应用内支持)和研究策略，以促进留存率(例如，补偿和利基样本)以及那些不支持留存率(例如，缺乏支持功能，技术困难和应用程序的有用性)。对大量人口水平的ResearchKit应用的研究出现在这两种情况下，使用了成功和不成功的用户粘性和留存率技术。虽然较低的初始进入门槛可以让成千上万的参与者被招募进来，但同样的特点也可以作为较低的退出门槛。招募大量的参与者当然是有益的，但如果留存率低，这种好处可能会大大减少。未来的研究应考虑如何更好地平衡这些需求，并将临床状态、供应商转诊和薪酬等因素纳入人口级应用程序的招聘计划中。

    本研究使用二项回归模型来评估是否有兴趣的临床状况或接受补偿影响保留率。二项式回归模型的实证结果显示,(1)任何参与者更有可能不会保留比被保留,(2)参与者有相同的临床状况研究的目标是4.33倍比呆在研究参与者没有相同的临床状况研究的目标,和(3)参与者接受赔偿10.32倍更有可能比呆在研究参与者得不到补偿。这些发现与之前的研究一致[10]的研究表明，对于使用移动健康应用程序的研究来说，留住参与者是一个真正的挑战。不像那个研究[10由于文章中不一致的报道，我们无法将临床医生转诊和年龄作为我们模型的一部分。尽管我们计划纳入其他感兴趣的因素，如参与者性别、收入水平、受教育年限和智能手机平台类型，但各研究之间不一致的报告使得准确比较这些变量具有挑战性。我们也认识到，我们对成功依赖于正态分布而不是其他指标，这可能更适合于仍处于起步阶段的移动应用的研究。总之，科学家和研究人员必须考虑不同的策略来激励和鼓励参与者的保留。

    当然，在成功的招聘策略方面，特别是薪酬和利基群体，是有平衡的。如果参与者获得了过多的补偿，那么强大的参与者粘性或留存率可能无法准确地证明应用的有效性。同样地，招募一个非常有动力使用特定应用的利基群体也存在选择偏差，并导致评估结果缺乏普遍性。在使用移动健康应用程序进行研究时，研究人员和行业都应该好好考虑这种平衡。

    限制

    尽管我们对移动健康应用程序和参与者参与度提供了新的见解，但本研究仍有一些局限性。首先，作为一项系统综述，我们无法对所有应用程序的研究做出声明。由于文件抽屉现象和我们只使用同行评议的已发表文章，我们没有报告任何可能发现无效结果的研究，即使它们可能描述了不同的有趣的支持和障碍。因此，我们鼓励读者不要对所有移动健康应用的研究一概而论。其次，我们首先提取了样本多样性的信息;然而，并不是所有的文章都清楚自己样本的多样性和可能的局限性。不幸的是，我们无法详细描述这些特征，因为这是一个需要更多学术研究的关键领域。未来的研究应该考虑移动健康应用上发表文章的人口统计学的多样性，并提供相关的指导。

    影响

    我们建议未来的移动健康应用考虑潜在的支持和阻碍参与者参与的障碍。虽然将健康体验转移到人们目前使用的设备上的前景很好，但参与者参与的许多障碍仍然存在，在将研究完全转移到智能手机管理之前，应该考虑这些障碍。

    结论

    对于使用移动健康应用程序的研究来说，留住参与者是一个普遍存在的挑战。尽管移动健康应用程序在研究领域取得了持续的成功，但仍然存在许多阻碍参与者留存和长期参与的障碍。本综述的见解将有助于为未来的研究提供信息，了解潜在的不同策略和因素，以考虑和提高移动健康应用程序的参与度和留存率。

    利益冲突

    没有宣布。

    ‎
    多媒体附录1

    62篇文章的研究特点。

    DOCX文件，29 KB
    1. 移动简报。皮尤研究中心，2019。URL:https://www.pewresearch.org/internet/fact-sheet/mobile/[2022-04-07]访问
    2. 大观研究，2021。URL:https://www.marketresearch.com/Grand-View-Research-v4060/mHealth-Size-Share-Trends-Component-14163316/[2022-04-07]访问
    3. Almalki M, Giannicchi A.抗击COVID-19的健康应用程序:描述性审查和分类。[j] Mhealth Uhealth 2021; 02;9(3):e24322 [j]免费全文] [CrossRef] [Medline]
    4. 陈云峰，Bot BM, Zweig M, Tignor N, Ma W, Suver C，等。哮喘移动健康研究，使用ResearchKit收集智能手机数据。Sci数据2018年5月22日;5:180096 [免费全文] [CrossRef] [Medline]
    5. 陈云峰，王鹏，Rogers L, Tignor N, Zweig M, Hershman SG，等。哮喘移动健康研究，一项使用ResearchKit的大规模临床观察性研究。生物工程学报;2017;35(4):354-362 [j]免费全文] [CrossRef] [Medline]
    6. 杜尔·M，马圭尔·特荣A, Bot BM, Wilbanks J, Suver C, Mangravite M。在应用程序介导的帕金森mPower研究中，参与者对移动eConsent体验的形成性评估:一项混合方法研究。JMIR移动健康Uhealth 2017 Feb 16;5(2):e14 [j]免费全文] [CrossRef] [Medline]
    7. McConnell MV, Shcherbina A, Pavlovic A, Homburger JR, Goldfeder RL, Waggot D等。从智能手机应用程序获取生活方式测量的可行性:MyHeart计算心血管健康研究。中华医学会心血管杂志2017,01;2(1):67-76。［CrossRef] [Medline]
    8. Hershman SG, Bot BM, Shcherbina A, Doerr M, Moayedi Y, Pavlovic A，等。来自“我的心脏计数研究”的5万人的身体活动、睡眠和心血管健康数据。《科学数据》2019年4月11日;6(1):24 [j]免费全文] [CrossRef] [Medline]
    9. 团队Localytics。手机应用留存率:什么是优秀的留存率?Upland Software, 2021。URL:https://uplandsoftware.com/localytics/resources/blog/mobile-apps-whats-a-good-retention-rate/[2022-04-07]访问
    10. Pratap A, Neto EC, Snyder P, Stepnowsky C, Elhadad N, Grant D，等。远程数字健康研究的保留指标:对10万名参与者的交叉研究评估。中华医学杂志2020年2月;3:21 [j]免费全文] [CrossRef] [Medline]
    11. Chu KH, Matheny SJ, Escobar-Viera CG, Wessel C, Notier AE, Davis EM.用于戒烟的智能手机健康应用程序:系统综述。心理与心理杂志[j]; 2011; 12:1066 [j]免费全文] [CrossRef] [Medline]
    12. Druce KL, Dixon WG, McBeth J.最大限度地参与移动卫生研究:经验教训和未来方向。中华医学杂志，2019;45(2):159-172 [j]免费全文] [CrossRef] [Medline]
    13. 李文杰，李文杰，李文杰，等。智能手机应用程序治疗抑郁症的临床研究进展。[J]情感障碍2020年2月15日;63:413-419。［CrossRef] [Medline]
    14. Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group。系统评价和元分析的首选报告项目:PRISMA声明。PLoS Med 2009; 7 (7):e1000097 [j]免费全文] [CrossRef] [Medline]
    15. Mays N, Pope C, Popay J.系统地审查定性和定量证据，为卫生领域的管理和决策提供信息。[J]《保健服务政策》，2005年7月;10日，补品1:6-20。［CrossRef] [Medline]
    16. 李建军，李建军，李建军，等。质性研究中的饱和:探讨其概念化与操作化。质量量化，2018;52(4):1893-1907 [j]免费全文] [CrossRef] [Medline]
    17. Purkayastha S, Addepally SA, Bucher S.大学生认知行为治疗手机应用程序与网络认知行为治疗的参与度和可用性比较:随机启发式试验。高分子学报[j]; [c]; 2011; 31 (1): 444 - 444 [j]免费全文] [CrossRef] [Medline]
    18. Marler JD, Fujii CA, Utley DS, Tesfamariam LJ, Galanko JA, Patrick H.综合数字戒烟计划的初步评估，包括移动应用程序，呼吸传感器和指导:队列研究。[j] Mhealth Uhealth 2019 Feb 04;7(2):e12609 [免费全文] [CrossRef] [Medline]
    19. Patrick H, Fujii CA, Glaser DB, Utley DS, Marler JD。戒烟综合数字计划:单组队列研究的可行性评估。JMIR移动健康Uhealth 2018 Dec 18;6(12):e11708 [j]免费全文] [CrossRef] [Medline]
    20. Huberty J, Green J, Glissmann C, Larkey L, Puzia M, Lee C.正念冥想手机应用程序“Calm”对大学生减压效果的随机对照试验。[j] Mhealth Uhealth 2019;7(6):e14273 [j]免费全文] [CrossRef] [Medline]
    21. 王军，王军，刘建军，等。基于行为触发信息的移动健康应用程序在糖尿病患者中的应用研究。[j] Mhealth Uhealth 2020年3月16日;8(3):e15927 [免费全文] [CrossRef] [Medline]
    22. Bidargaddi N, Almirall D, Murphy S, naham - shani, Kovalcik M, Pituch T，等。提示还是不提示?微随机试验:时变推送通知提高移动健康应用的近端参与度[j] .移动健康与健康2018,11月29日;6(11):e10123 [j]免费全文] [CrossRef] [Medline]
    23. Selter A, Tsangouri C, Ali SB, Freed D, Vatchinsky A, Kizer J，等。用于慢性腰痛自我管理的移动健康应用程序(Limbr):试点研究。JMIR移动健康Uhealth 2018 Sep 17;6(9):e179 [j]免费全文] [CrossRef] [Medline]
    24. Dahne J, Lejuez CW, Diaz VA, Player MS, Kustanowitz J, Felton JW等。在初级保健中使用自助行为激活移动应用程序的试点随机试验。中国生物医学工程学报;2019;50(4):817-827 [j]免费全文] [CrossRef] [Medline]
    25. 李建军，李建军，李建军。使用智能手机研究应用程序myEczema对特应性皮炎疾病负担进行可行性研究。中华皮肤科杂志，2016;6(5):424-428 [J]免费全文] [CrossRef] [Medline]
    26. 张建军，张建军，张建军，等。数字体育活动干预对每日步数的影响:MyHeart Counts心血管健康研究的随机对照交叉亚研究柳叶刀数字健康2019年11月1日(7):e344-e352 [j]免费全文] [CrossRef] [Medline]
    27. Iacoviello BM, Steinerman JR, Klein DB, Silver TL, Berger AG, Luo SX等。戒烟个性化智能手机应用click尼古丁:初步评估。JMIR移动健康Uhealth 2017年4月25日;5(4):e56 [j]免费全文] [CrossRef] [Medline]
    28. Arean PA, Hallgren KA, Jordan JT, Gazzaley A, Atkins DC, Heagerty PJ，等。手机应用程序治疗抑郁症的使用和有效性:来自一项完全远程临床试验的结果。医学互联网研究，2016年12月20日;18(12):e330 [J]免费全文] [CrossRef] [Medline]
    29. 刘建军，刘建军，刘建军，等。一款旨在帮助癌症患者戒烟的智能手机应用程序:可行性、可接受性和有效性的随机试验结果。JMIR Form Res 2020 Jan 17;4(1):e16652 [j]免费全文] [CrossRef] [Medline]
    30. Ben-Zeev D, Scherer EA, Gottlieb JD, Rotondi AJ, Brunette MF, Achtyes ED等。精神分裂症的移动健康:出院后患者参与移动电话干预。中华医学杂志2016年7月27日;3(3):e34 [j]免费全文] [CrossRef] [Medline]
    31. 刘建军，刘建军，刘建军，刘建军。用健康应用数据描述用户参与度:数据挖掘方法。中华医学杂志，2017;7(2):277-285 [j]免费全文] [CrossRef] [Medline]
    32. 张r, Nicholas J, Knapp AA, Graham AK, Gray E, Kwasny MJ，等。心理健康应用程序的临床意义使用及其对抑郁症的影响:混合方法研究。医学信息学报，2019,12;21(12):e15644 [J]免费全文] [CrossRef] [Medline]
    33. Moberg C, Niles A, Beermann D.引导自助工作:Pacifica的随机候补对照试验，Pacifica是一款整合了认知行为疗法和正念治疗压力、焦虑和抑郁的移动应用程序。[J]医学互联网研究，2019;08;21(6):e12556 [J]免费全文] [CrossRef] [Medline]
    34. Griauzde D, Kullgren JT, Liestenfeltz B, Ansari T, Johnson EH, Fedewa A，等。在拒绝参加免费糖尿病预防项目的糖尿病前期成人中推广健康行为的基于手机的项目:混合方法试点随机对照试验。[j] Mhealth Uhealth 2019 Jan 09;7(1):e11267 [免费全文] [CrossRef] [Medline]
    35. Ross EL, Jamison RN, Nicholls L, Perry BM, Nolen KD。慢性疼痛患者智能手机应用程序的临床整合:对临床就诊期间获益和患者参与度预测因素的回顾性分析。医学信息学报，2020;22(4):e16939 [J]免费全文] [CrossRef] [Medline]
    36. Scott AR, Alore EA, Naik AD, Berger DH, Suliburk JW。影响术后移动健康应用程序使用的因素的混合方法分析。JMIR移动健康Uhealth 2017 Feb 08;5(2):e11 [j]免费全文] [CrossRef] [Medline]
    37. Gordon JS, Armin J, D Hingle M, Giacobbi Jr P, Cunningham JK, Johnson T，等。针对女性吸烟者的See Me无烟多行为移动健康应用程序的开发和评估。中华医学杂志，2017;7(2):172-184 [j]免费全文] [CrossRef] [Medline]
    38. Berman MA, Guthrie NL, Edwards KL, Appelbaum KJ, Njike VY, Eisenberg DM，等。成人2型糖尿病患者使用数字治疗后血糖控制的变化:队列研究中国糖尿病杂志2018年2月14日;3(1):e4 [j]免费全文] [CrossRef] [Medline]
    39. Michaelides A, Major J, Pienkosz Jr E, Wood M, Kim Y, Toro-Ramos T.一种新型移动糖尿病预防项目交付平台的有效性:人类指导:65周观察随访。JMIR移动健康Uhealth 2018年05月03日;6(5):e93 [j]免费全文] [CrossRef] [Medline]
    40. Bruno M, Wright M, Baker CL, Emir B, Carda E, Clausen M，等。服用戒烟药物患者的手机应用程序使用模式:前瞻性观察研究。JMIR移动健康Uhealth 2018年4月17日;6(4):e97 [j]免费全文] [CrossRef] [Medline]
    41. 周文杰，刘建平，刘建平，刘建平。发展和实施以人为本、技术增强的慢性病管理护理模式:队列研究。JMIR Mhealth Uhealth 2019年3月20日;7(3):e11082 [j]免费全文] [CrossRef] [Medline]
    42. Bush J, Barlow DE, Echols J, Wilkerson J, Bellevin K.移动健康应用程序对怀俄明州医疗补助成员的用户参与度和怀孕结果的影响。电信电子卫生杂志2017年11月;23(11):891-898 [J]免费全文] [CrossRef] [Medline]
    43. 张晓明，张晓明，张晓明，等。基于智能手机的骨质疏松症预防研究进展[j] .中国临床护理杂志，2015;29 (1):391 - 391 [j]免费全文] [CrossRef] [Medline]
    44. 曾永英，Heffner JL, Copeland WK, Mull KE, Bricker JB。跟着计划走:坚持使用一款智能手机应用程序戒烟。社会科学进展[j]; 2009(12): 391 - 391。免费全文] [CrossRef] [Medline]
    45. Sridharan V, Shoda Y, Heffner J, Bricker J.基于网络的成长型思维干预的随机对照试验，以提高智能手机戒烟应用程序的有效性。JMIR Mhealth Uhealth 2019七月09;7(7):e14602 [j]免费全文] [CrossRef] [Medline]
    46. Hales S, turner - mcgriffy GM, Wilcox S, Davis RE, Fahim A, Huhns M，等。用磅换积分:移动健康干预中的参与和减肥。数字健康2017年4月24日;3:2055207617702252 [免费全文] [CrossRef] [Medline]
    47. Mundi MS, Lorentz PA, Grothe K, Kellogg TA, colazo - clavell ML.基于智能手机的教育模块和生态瞬时评估/干预在减肥前手术患者中的可行性。外科手术2015 Oct;25(10):1875-1881。［CrossRef] [Medline]
    48. Betthauser LM, Stearns-Yoder KA, McGarity S, Smith V, Place S, Brenner LA。退伍军人心理健康监测与临床推广移动应用:混合方法可行性与可接受性研究。[J] .中国医学信息学报，2020,11;22(8):1158 - 1158 [J]免费全文] [CrossRef] [Medline]
    49. Escobar-Viera C, Zhou Z, Morano JP, Lucero R, Lieb S, McIntosh S，等。佛罗里达州艾滋病毒感染者流动保健依从性项目(FL-mAPP):可行性、可接受性和临床结果纵向评估。[j] Mhealth Uhealth 2020; 08;8(1):e14557 [j]免费全文] [CrossRef] [Medline]
    50. Patel ML, Hopkins CM, Bennett GG.独立移动健康干预的早期体重减轻预测治疗成功。科学学报，2019;5(3):231-237 [j]免费全文] [CrossRef] [Medline]
    51. Forman EM, Goldstein SP, Zhang F, Evans BC, Manasse SM, Butryn ML，等。正在进行的:一款智能手机应用程序的开发和可行性，该应用程序旨在预测和预防饮食失误。中华医学杂志，2019;9(2):236-245 [j]免费全文] [CrossRef] [Medline]
    52. 杜宏，Venkatakrishnan A, Youngblood GM, Ram A, Pirolli P.基于群体的移动应用程序提高运动和营养计划的依从性:一个因子设计可行性研究。JMIR移动健康Uhealth 2016 Jan 15;4(1):e4 [j]免费全文] [CrossRef] [Medline]
    53. Krzyzanowski MC, Kizakevich PN, Duren-Winfield V, Eckhoff R, Hampton J, Blackman Carr LT，等。羊有心脏，跟踪活动和水果和蔬菜的消费，以支持大学生心血管健康的移动应用程序:开发和可用性研究。[j] Mhealth Uhealth 2020 Aug 05;8(8):e15156 [j]免费全文] [CrossRef] [Medline]
    54. Michaelides A, Raby C, Wood M, Farr K, Toro-Ramos T.一种新型的移动糖尿病预防计划交付平台的减肥效果。BMJ Open Diabetes Res Care 2016 Sep 5;4(1):e000264 [j]免费全文] [CrossRef] [Medline]
    55. Kelechi TJ, Prentice MA, Mueller M, Madisetti M, Vertegel A.下肢运动干预对慢性静脉性下肢溃疡的影响:随机对照试验。[j] Mhealth Uhealth 2020;8(5):e15015 [j]免费全文] [CrossRef] [Medline]
    56. 斯坦N，布鲁克斯k。用于减肥的全自动会话人工智能:超重和肥胖成年人的纵向观察研究。JMIR糖尿病2017 11月01日;2(2):e28 [j]免费全文] [CrossRef] [Medline]
    57. Fernandez MP, Bron GM, Kache PA, Larson SR, Maus A, Gustafson Jr D等。智能手机应用程序评估与蜱虫接触相关的人类行为因素的可用性和可行性(蜱虫应用程序):定量和定性研究。移动医疗Uhealth 2019 Oct 24;7(10):e14769 [j]免费全文] [CrossRef] [Medline]
    58. hassassbert ET, Ra CK, Alexander AC, Helt A, Moisiuc R, Kendzor DE，等。一种用于戒烟的移动即时适应性干预:试点随机对照试验。[J]医学互联网研究，2020,09;22(3):e16907 [J]免费全文] [CrossRef] [Medline]
    59. Huberty J, vrancanu AM, Carney C, Breus M, Gordon M, Puzia ME。12151名平静冥想应用付费用户的特点和使用模式:横断面调查。JMIR移动医疗Uhealth 2019 11月03日;7(11):e15648 [j]免费全文] [CrossRef] [Medline]
    60. Chow PI, Showalter SL, Gerber M, Kennedy EM, Brenin D, Mohr DC，等。美国乳腺癌患者使用心理健康应用程序:试验前后研究。中国生物医学工程学报(英文版);6(1):563 - 567 [j]免费全文] [CrossRef] [Medline]
    61. 李建军，李建军，李建军，等。糖尿病前期患者糖尿病预防项目的移动递送:随机对照试验。[j] Mhealth Uhealth 2020七月08;8(7):e17842 [j]免费全文] [CrossRef] [Medline]
    62. 陈建军，陈建军，陈建军，陈建军，陈建军。基于数字健康的前列腺癌患者报告预后的研究进展。[J]互联网研究与发展，2020年3月25日;22(3):12689 [J]免费全文] [CrossRef] [Medline]
    63. Ifejika NL, Bhadane M, Cai CC, Noser EA, Grotta JC, Savitz SI。使用基于智能手机的移动应用程序对肥胖少数中风幸存者进行体重管理:开放盲终点的试点随机对照试验。[j] Mhealth Uhealth 2020年4月22日;8(4):e17816 [j]免费全文] [CrossRef] [Medline]
    64. 毛安，陈C, Magana C, Caballero Barajas K, Olayiwola JN。一项基于手机的健康指导干预减肥和降低血压在全国支付者人群:回顾性研究。JMIR移动健康Uhealth 2017 Jun 08;5(6):e80 [j]免费全文] [CrossRef] [Medline]
    65. Rudin RS, Fanta CH, Qureshi N, Duffy E, Edelen MO, Dalal AK，等。用于收集哮喘患者就诊之间患者报告结果的临床集成移动健康应用程序和实践模型:实施和可行性。应用临床通报2019 Oct;10(5):783-793 [j]免费全文] [CrossRef] [Medline]
    66. Johnston DC, Mathews WD, Maus A, Gustafson DH。使用智能手机提高阿巴拉契亚地区贫困吸毒妇女的治疗效果:一项自然主义研究。Subst Abuse 2019 july 8;13:1178221819861377 [免费全文] [CrossRef] [Medline]
    67. Pagoto S, Tulu B, Agu E, Waring ME, Oleski JL, Jake-Schoffman DE.使用习惯应用程序解决减肥问题:开发和可行性研究。[j] Mhealth Uhealth 2018 Jun 20;6(6):e145 [j]免费全文] [CrossRef] [Medline]
    68. 李建军，张建军，张建军，等。糖尿病前期患者健康指导的临床研究进展。医学互联网研究，2018年2月27日;20(2):e72 [J]免费全文] [CrossRef] [Medline]
    69. 王晓明，王晓明，王晓明，等。多组分移动健康干预对多种饮食和活动风险行为的大而持续的改变:做出更好的选择2随机对照试验。[J]医学互联网研究，2018;19;20(6):e10528 [J]免费全文] [CrossRef] [Medline]
    70. 李波，郑勇，马强，Mancino J, Loar I, Music E，等。SMARTER试点研究:测试饮食自我监控实时反馈的可行性。预防医学报告2017年3月31日;6:278-285 [j]免费全文] [CrossRef] [Medline]
    71. 刘建军，曾永英，张建军，张建军，等。药物酒精依赖2017年1月01日;170:37-42 [j]免费全文] [CrossRef] [Medline]
    72. Hoeppner BB, Hoeppner SS, Carlon HA, Perez GK, Helmuth E, Kahler CW等。利用积极心理学支持非日常吸烟者使用智能手机应用程序戒烟:可行性和可接受性研究。[j] Mhealth Uhealth 2019七月03;7(7):e13436 [j]免费全文] [CrossRef] [Medline]
    73. Dillingham R, Ingersoll K, Flickinger TE, Waldman AL, Grabowski M, Laurence C，等。积极联系:一项流动卫生干预措施，旨在保留艾滋病毒护理和临床结果，随访12个月。艾滋病患者护理性病2018,32(6):241-250 [j]免费全文] [CrossRef] [Medline]
    74. 功能可见性。梅里亚姆-韦伯斯特。URL:https://www.merriam-webster.com/dictionary/affordance[2022-04-07]访问
    75. Husain I. ResearchKit应用显示iPhone上的注册率和参与度很高。2015年6月17日。URL:https://www.imedicalapps.com/2015/06/researchkit-engagement-iphone/[2022-04-07]访问
    76. Brooke J. SUS:一个“快速而肮脏”的可用性尺度。见:Jordan PW, Thomas B, McClelland IL, Weerdmeester B，编辑。工业中的可用性评估。伦敦，英国:CRC出版社;1996:189 - 204。

    ‎
    健康:移动健康
    棱镜:系统评价和荟萃分析的首选报告项目

    编辑:A Mavragani;提交22.11.21;对作者的评论20.01.22;修订版本收到16.03.22;接受17.03.22;发表26.04.22

    版权

    ©Saki Amagai, Sarah Pila, Aaron J Kaat, Cindy J Nowinski, Richard C Gershon。原载于医学互联网研究杂志(//www.mybigtv.com)， 2022年4月26日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map