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。
为了解决肥胖流行病,需要新的范式,包括那些解决饮食和睡眠时间与昼夜节律相关的范式。电子健康记录(EHRs)是一种有效的方法,以确定潜在的合格参与者的健康研究。移动健康(mHealth)应用程序提供了可用的、方便的健康行为数据收集,比如吃饭和睡觉的时间。
这项描述性分析的目的是报告使用名为Daily24的移动应用程序进行的为期6个月的队列研究的招聘、保留和应用程序使用情况。
通过电子病历查询,PaTH临床研究网络中三个医疗保健系统的成年患者被确定为潜在的合格患者,被电子邀请参与,并被指示下载和使用Daily24移动应用程序,该应用程序专注于饮食和睡眠时间。在基线和4个月时完成在线调查。我们使用多元回归分析描述了应用程序的使用情况,并确定了应用程序使用的预测因素,将其定义为使用1天或以上,与不使用以及使用类别(即立即、一致和持续)。
在70,661名收到研究邀请的患者中,1021名(1.44%)完成了电子同意书和在线基线调查;4人退出,分析样本中总共留下1017名参与者。共有53.79% (n=547)的参与者是应用程序用户,其中75.3% (n=412), 50.1% (n=274)和25.4% (n=139)分别是即时用户、一致用户和持续用户。在6个月的时间里,应用的平均使用天数为28天(IQR 7-75天)。在调整后的模型中,年龄较小、白人、受教育程度较高、收入较高、子女不小于18岁、使用过1到5个健康应用程序显著预测应用程序的使用(与不使用)。年龄越大,BMI指数越低,使用的时间越早,持续时间越长。大约一半(532/ 1017,52.31%)的参与者完成了为期4个月的在线调查。在研究的第4个月、第5个月和第6个月,总共有33.5%(183/547)、29.3%(157/536)和27.1%(143/527)的应用程序用户仍然每月至少使用2天。
电子病历招募提供了一种高效(即高覆盖面、低接触和最小参与者负担)的方法,用于从医疗保健机构招募参与者参与移动医疗研究。需要努力招募和留住参与度较低的子群体,以收集更广泛的数据。此外,未来的应用程序迭代应该包括更多基于证据的功能,以增加参与者的使用。
肥胖及其相关的合并症是非常普遍的公共卫生状况[
移动设备和移动健康(mHealth)应用程序无处不在,可以随时收集有关健康行为的实时数据,如饮食摄入量、身体活动和睡眠[
尽管移动医疗研究在过去几十年呈指数级增长,但研究人员流失是一个主要问题,有必要确定成功、低负担和有效的招聘和保留策略[
本研究是一项为期6个月的多点队列研究的二次分析,该研究使用电子病历来识别和招募参与者使用移动应用程序(Daily24),旨在评估饮食和睡眠时间[
描述基于电子病历的招募和电子同意(e-consent)方法以及参与研究和下载移动应用程序的回复率。
描述6个月研究期间的用户粘性策略、应用使用情况和留存率。
评估Daily24应用使用的人口统计和行为预测指标。
我们假设,更年轻、受教育程度更高、bmi指数更高的人更有可能使用该应用程序。这项研究有可能为行为健康领域的观察性研究提供方法、吸收和参与移动健康方法的信息。
我们从PCORnet(国家以患者为中心的研究网络)的PaTH临床研究网络的三个卫生保健系统中招募了一组成年患者。这三个卫生保健系统包括约翰霍普金斯卫生系统、盖辛格卫生系统和匹兹堡大学医疗中心[
机构审查委员会(IRB)获得了约翰霍普金斯医学院(IRB00174516)的批准,该学院与其他机构的IRB签订了依赖协议。
使用基于ehr的资格标准(即“可计算表型”[
在2019年2月至7月期间,通过电子邮件或患者门户网站(即Epic MyChart)向潜在符合条件的参与者发送招募信息。每个合作的医疗保健系统都量身定制了自己的策略,从使用可计算表型识别的大量潜在合格患者中招募参与者。有一个网站几乎完全使用患者门户招聘,重点关注上周访问过医疗系统的患者。另外两个网站通过他们的初级保健和体重管理实践发送电子邮件招聘信,并由诊所医疗主任签署。
我们在REDCap(研究电子数据采集)中设计了一个基于web的电子同意流程,从研究描述开始,包括参与者的期望和持续时间(见
基于web的电子招聘和入职截图:电子同意(左上),基线调查(右上),POWER 28和POWER周信息(下)。
Daily24手机应用程序是由我们的研究团队定制设计的,旨在从参与者那里收集有关饮食和睡眠时间的信息,包括起床时间、睡眠时间、每次进食的时间,以及估计的进食量(即,小餐、中餐或大餐;或大或小的零食;或在24小时内饮用(水除外,不含食物)(
在加入队列后,参与者会在手机上收到一条短信,上面有一个通往Daily24注册表格的唯一链接。这个独特的链接包含一个令牌(即11个字符的通用唯一标识符),使研究团队能够将参与者的数据在移动应用程序和他们的在线注册信息和调查之间连接起来,同时保护隐私。注册包括如何使用应用程序的概述、学习时间表和激励措施(见下一节),然后从随机生成的组合名词(如“FloatHarbor”)列表中选择一个唯一的“Daily24名称”,一旦选择,就是参与者的Daily24用户名。参与者随后会收到一个链接,可以通过iOS (Apple Store)或Android(谷歌Play)下载Daily24应用程序。
Daily24应用程序截图:空睡眠环(左上),完整睡眠环(中上),空食物环(右上),膳食大小选择(左下),完整食物环(中下),完整一天(右下)。
虽然我们鼓励参与者在6个月的研究中输入尽可能多的数据,但我们制定并应用了旨在最大限度地利用应用程序的策略,在他们参与的前4周(即下载应用程序后的28天,称为“POWER 28”)和每个月1周的研究中,其余5个月,称为“POWER周”(
为鼓励用户使用Daily24应用程序而获得的徽章截图。
Daily24应用程序使用数据是通过亚马逊网络服务收集的。在基线和4个月结束时,使用REDCap进行自我报告的在线调查,使用标准措施评估人口统计数据、移动健康使用情况、身高和体重,以及饮食、体育活动和睡眠习惯。使用皮尤2016年社交媒体更新评估了技术使用和健康应用程序的使用[
为了促进和鼓励基线调查的完成,参与者在同意后的15分钟、24小时和48小时收到自动提醒,并在收到初始调查链接后的90天内完成调查。个性化的调查参与策略包括员工电子邮件、短信和100美元的抽奖礼品卡。参与者有最多60天的时间来完成4个月的测量,但本文只报告基线调查的描述性结果。数据收集于2020年1月完成。
应用程序用户被定义为使用Daily24应用程序至少一天,通过至少一天至少一次吃饭和睡觉,并在屏幕上按“当天完成”来记录。非用户要么没有注册或下载应用程序,要么在任何一天都没有推送“今天完成”。应用程序使用被进一步划分为三种互不排斥的方式:
立即使用,定义为在POWER 28期间使用应用程序7天或更长时间。
持续使用,定义为在整个6个月的研究中使用应用程序28天或以上,这是基于使用应用程序等于或超过整个6个月研究的总使用天数中位数。
持续使用,定义为在研究的最后一个POWER周(第6个月)使用应用程序至少2天。
这是对父母队列研究数据的二次分析。我们采用描述性统计(学生t检验或χ2测试)所有参与者的基线特征,并按应用程序使用与不使用类别进行分类。在整个研究中,应用程序使用的中位数天数、目标和非目标使用天数的中位数天数,以及研究中每个月使用2天或以上和7天或以上的频率也被描述为应用程序使用。我们根据以下逻辑选择了这两个类别:
2天或更长时间:选择这个时间来代表应用程序使用的低门槛,这与应用程序用户的最低定义不相同。
7天或更长时间:之所以选择这个时间段,是因为我们关注的是第2个月到第6个月的POWER周,并希望捕捉那些至少使用了一周的用户。
我们使用多变量逻辑回归模型,以应用程序使用作为因变量,评估了基线特征之间的关联。多变量逻辑回归也用于模拟基线特征与即时、一致和持续应用程序使用之间的关联。我们使用了两个逐步调整的模型。模型1根据关键人口统计数据进行了调整,包括年龄、性别、种族、教育程度、家庭收入和18岁以下的儿童。模型2还调整了可能影响参与度的关键行为因素,包括身体活动、水果和蔬菜摄入量、睡眠质量和BMI。协变量是不缺失的,预先指定的,并基于先验假设。
招聘和保留流程。REDCap:研究电子数据捕获。
基线时研究参与者和潜在混杂因素的描述。
特征和混杂因素 | 所有参与者(N=1017) | 非应用用户(n=470) | 应用程序用户一个(n = 547) |
|
|
年龄(年),平均值(SD) | 51.1 (15.0) | 53.2 (14.6) | 49.3 (15.0) | <措施 | |
|
|||||
|
男性 | 224 (22.0) | 115 (24.5) | 109 (19.9) | 07 |
|
女 | 790 (77.7) | 355 (75.5) | 435 (79.5) |
|
|
宁愿不回答 | 3 (0.3) | 0 (0) | 3 (0.5) |
|
|
|||||
|
白色 | 788 (77.5) | 351 (74.7) | 437 (79.9) | .14点 |
|
黑色的 | 149 (14.7) | 82 (17.4) | 67 (12.2) |
|
|
亚洲 | 29 (2.9) | 13 (2.8) | 16 (2.9) |
|
|
太平洋岛民,美国印第安人或其他人 | 17 (1.7) | 10 (2.1) | 7 (1.3) |
|
|
两场或更多比赛 | 34 (3.3) | 14 (3.0) | 20 (3.7) |
|
|
|||||
|
网站一 | 51 (5.0) | 23日(4.9) | 28日(5.1) | 04 |
|
Site B | 282 (27.7) | 105 (22.3) | 177 (32.4) |
|
|
站点C | 200 (19.7) | 96 (20.4) | 104 (19.0) |
|
|
|||||
|
高中及以下学历 | 63 (6.2) | 40 (8.5) | 23日(4.2) | <措施 |
|
一些大学 | 205 (20.2) | 109 (23.2) | 96 (17.6) |
|
|
大学毕业生 | 749 (73.6) | 321 (68.3) | 428 (78.2) |
|
|
|||||
|
< 35000 | 120 (11.8) | 70 (14.9) | 50 (9.1) | 02 |
|
35,000至<50,000 | 109 (10.7) | 53 (11.3) | 56 (10.2) |
|
|
50,000至<75,000 | 148 (14.6) | 66 (14.0) | 82 (15.0) |
|
|
≥75000 | 550 (54.1) | 234 (49.8) | 316 (57.8) |
|
|
不知道/选择不回答 | 90 (8.8) | 47 (10.0) | 43 (7.9) |
|
任何<18岁的儿童,n (%) | 248 (24.4) | 129 (27.4) | 119 (21.8) | .04点 | |
高度(cm),平均值(SD) | 168.9 (50.2) | 170.6 (73.3) | 167.4 (8.5) | 。31 | |
重量(kg),平均值(SD) | 85.8 (23.8) | 86.8 (25.1) | 85.0 (22.5) | 23) | |
身体质量指数c,平均值(SD) | 30.5 (7.9) | 30.8 (8.2) | 30.3 (7.6) | 29 | |
|
|||||
|
体重不足(< 18.5) | 14 (1.4) | 7 (1.5) | 7 (1.3) | 综合成绩 |
|
正常(18.5至<25) | 250 (24.6) | 111 (23.6) | 139 (25.4) |
|
|
超重(25至<30) | 288 (28.3) | 129 (27.4) | 159 (29.1) |
|
|
肥胖(≥30) | 465 (45.7) | 223 (47.4) | 242 (44.2) |
|
水果或蔬菜杯,平均(SD) | 2.9 (1.5) | 2.8 (1.6) | 3.0 (1.4) | 只要 | |
从含糖饮料中添加糖(茶匙),平均值(SD) | 0.8 (1.3) | 1.0 (1.5) | 0.7 (1.2) | 04 | |
|
|||||
|
低 | 20 (5.1) | 11 (6.3) | 9 (4.1) | 53 |
|
媒介 | 221 (55.8) | 94 (53.7) | 127 (57.5) |
|
|
高 | 155 (39.1) | 70 (40.0) | 85 (38.5) |
|
|
|||||
|
很好 | 188 (18.5) | 76 (16.2) | 112 (20.5) | 02 |
|
相当不错的 | 496 (48.8) | 222 (47.2) | 274 (50.1) |
|
|
相当糟糕 | 274 (26.9) | 136 (28.9) | 138 (25.2) |
|
|
非常糟糕的 | 59 (5.8) | 36 (7.7) | 23日(4.2) |
|
|
|||||
|
<1 /周 | 581 (57.1) | 267 (56.8) | 314 (57.4) | 03 |
|
每周1个 | 165 (16.2) | 69 (14.7) | 96 (17.6) |
|
|
每周2-3人 | 176 (17.3) | 79 (16.8) | 97 (17.7) |
|
|
每周4-6次 | 57 (5.6) | 28日(6.0) | 29 (5.3) |
|
|
每天 | 38 (3.7) | 27日(5.7) | 11 (2.0) |
|
|
|||||
|
0 | 212 (20.8) | 127 (27.0) | 85 (15.5) | <措施 |
|
1 - 5 | 705 (69.3) | 299 (63.6) | 406 (74.2) |
|
|
> 5 | 100 (9.8) | 44 (9.4) | 56 (10.2) |
|
|
|||||
|
记录我做了多少运动 | 665 (65.4) | 269 (57.2) | 396 (72.4) | <措施 |
|
记录我吃了什么/改善我的饮食 | 531 (52.2) | 212 (45.1) | 319 (58.3) | <措施 |
|
减肥 | 476 (46.8) | 206 (43.8) | 270 (49.4) | 。08 |
|
跟踪运行状况度量 | 203 (20.0) | 86 (18.3) | 117 (21.4) | 口径。 |
|
记录我的睡眠时间 | 346 (34.0) | 132 (28.1) | 214 (39.1) | <措施 |
一个应用程序用户定义为下载应用程序并在至少一天内录制至少一个条目。
b的
cBMI的计算方法是体重(公斤)除以身高(米)的平方。
在1017名参与者中,547人(53.79%)是应用程序用户(即下载了应用程序,并在至少一天中至少记录了一个条目)。在按使用类别检查应用程序用户时,立即用户(75.3%)、一致用户(50.1%)和持续用户(25.4%)分别为412人(75.3%)、274人(50.1%)和139人(25.4%)。在持续使用的用户中,116人(83.5%)在研究期间每个月至少使用一天,133人(95.7%)在6个月中的5个月内至少使用一天。与非应用用户相比(471/1017,46.31%),应用用户更年轻(平均49.3岁vs 53.3岁;
在6个月的研究中,应用程序使用的中位数为28 (IQR 7-75)天,在研究的目标63天中为20 (IQR 7-35)天,在研究的117个非目标天中为6 (IQR 0-41)天。
在为期6个月的队列研究中,至少使用一天应用的用户每月使用Daily24应用。
月一个 | 使用app的参与者(n=547), n (%) | |
|
使用≥2天 | 使用≥7天 |
月1 | 505 (92.3) | 417 (76.2) |
月2 | 269 (49.2) | 214 (39.1) |
月3 | 213 (38.9) | 166 (30.3) |
月4 | 183 (33.5) | 138 (25.2) |
月5b(n = 536) | 157 (29.3) | 133 (24.8) |
月6日b(n = 527) | 143 (27.1) | 106 (20.1) |
一个一个学习月定义为4周(28天)。为了使所有的研究月都从星期一开始,POWER 28结束和第二个月开始之间的时间从15天到21天不等。
b由于注册时间较晚,一些参与者无法达到研究的第5和第6个月。
Daily24应用程序使用与不使用的多变量回归模型。
风险因素 | 模型1一个 | 模型2b | ||||||||
|
或c(95%置信区间) |
|
或(95% ci) |
|
||||||
|
||||||||||
|
年龄,每10年增长一次 | 0.77 (0.70 - -0.85) | <措施 | 0.78 (0.71 - -0.86) | <措施 | |||||
|
|
|||||||||
|
|
男性 | 裁判d(1) |
|
参考(1) |
|
||||
|
|
女 | 1.32 (0.96 - -1.81) | .09点 | 1.22 (0.88 - -1.69) | 23) | ||||
|
|
|||||||||
|
|
白色 | 参考(1) |
|
参考(1) |
|
||||
|
|
黑色的 | 0.66 (0.45 - -0.96) | 03 | 0.67 (0.46 - -0.98) | .04点 | ||||
|
|
其他 | 0.80 (0.49 - -1.31) | 38 | 0.82 (0.50 - -1.34) | 点 | ||||
|
|
|||||||||
|
|
<大学 | 参考(1) |
|
参考(1) |
|
||||
|
|
≥大学 | 1.39 (1.03 - -1.89) | 03 | 1.36 (1.00 - -1.86) | 0。 | ||||
|
|
|||||||||
|
|
< 35000 | 参考(1) |
|
参考(1) |
|
||||
|
|
35,000至<50,000 | 1.58 (0.91 - -2.72) | .10 | 1.40 (0.80 - -2.44) | 。 | ||||
|
|
50,000至<75,000 | 2.01 (1.20 - -3.38) | . 01 | 1.82 (1.07 - -3.07) | 03 | ||||
|
|
≥75000 | 2.30 (1.47 - -3.61) | <措施 | 2.00 (1.26 - -3.17) | .003 | ||||
|
|
|||||||||
|
|
没有 | 参考(1) |
|
参考(1) |
|
||||
|
|
是的 | 0.53 (0.39 - -0.73) | <措施 | 0.55 (0.40 - -0.75) | <措施 | ||||
|
||||||||||
|
|
|||||||||
|
|
低或中等 | - - - - - -e | - - - - - - | 参考(1) |
|
||||
|
|
高 | - - - - - - | - - - - - - | 0.93 (0.61 - -1.43) | 综合成绩 | ||||
|
水果和蔬菜杯,每增加一杯 | - - - - - - | - - - - - - | 1.04 (0.95 - -1.14) | .41点 | |||||
|
|
|||||||||
|
|
非常好或相当好 | - - - - - - | - - - - - - | 参考(1) |
|
||||
|
|
非常糟糕或相当糟糕 | - - - - - - | - - - - - - | 0.79 (0.59 - -1.04) | .09点 | ||||
|
|
|||||||||
|
|
0 | - - - - - - | - - - - - - | 参考(1) |
|
||||
|
|
1 - 5 | - - - - - - | - - - - - - | 1.70 (1.22 - -2.37) | .002 | ||||
|
|
> 5 | - - - - - - | - - - - - - | 1.40 (0.84 - -2.35) | .20 | ||||
|
身体质量指数f,每增加1个单位 | - - - - - - | - - - - - - | 1.00 (0.98 - -1.02) | 获得 |
一个模型1根据年龄、性别、种族、教育程度、家庭收入和子女年龄小于18岁进行了调整。
b模型2包括模型1参数,并根据体力活动、果蔬杯、睡眠质量和BMI进行了调整。
cOR:优势比。
d裁判:参考。
e没有计算,因为这些参数不包括在模型1中。
fBMI的计算方法是体重(公斤)除以身高(米)的平方。
多变量回归模型一个即时、持续和持续地使用Daily24应用程序(n=547)。
风险因素 | 立即使用:在POWER 28期间使用app≥7天(n=412) | 持续使用:使用app≥28天,持续6个月(n=274) | 持续使用:在POWER第5周使用app 2天以上(n=139) | |||||||||||||
|
或b(95%置信区间) |
|
或(95% ci) |
|
或(95% ci) |
|
||||||||||
|
||||||||||||||||
|
年龄,每10年增长一次 | 1.28 (1.09 - -1.50) | .003 | 1.40 (1.22 - -1.61) | <措施 | 1.54 (1.31 - -1.82) | <措施 | |||||||||
|
|
|||||||||||||||
|
|
男性 | 裁判c(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
女 | 0.69 (0.38 - -1.26) | 23) | 0.60 (0.37 - -0.98) | .04点 | 0.74 (0.44 - -1.25) | 点 | ||||||||
|
|
|||||||||||||||
|
|
白色 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
黑色的 | 0.70 (0.38 - -1.30) | 点 | 0.86 (0.48 - -1.52) | .60 | 0.92 (0.46 - -1.84) | 总共花掉 | ||||||||
|
|
其他 | 0.79 (0.38 - -1.66) | 53 | 0.67 (0.33 - -1.36) | 低位 | 1.03 (0.45 - -2.38) | 总收入 | ||||||||
|
|
|||||||||||||||
|
|
<大学 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
≥大学 | 1.00 (0.59 - -1.71) | 获得 | 0.99 (0.61 - -1.59) | .96点 | 1.46 (0.82 - -2.60) | .20 | ||||||||
|
|
|||||||||||||||
|
|
< 35000 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
35,000至<50,000 | 0.94 (0.38 - -2.29) | .89 | 1.05 (0.46 - -2.42) | 点 | 0.86 (0.31 - -2.37) | .77点 | ||||||||
|
|
50,000至<75,000 | 0.83 (0.36 - -1.92) | 点 | 1.18 (0.54 - -2.56) | .68点 | 0.87 (0.35 - -2.16) | .76 | ||||||||
|
|
≥75000 | 1.00 (0.47 - -2.14) | 获得 | 0.76 (0.38 - -1.53) | 无误 | 0.62 (0.27 - -1.41) | 二十五分 | ||||||||
|
|
|||||||||||||||
|
|
没有 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
是的 | 0.56 (0.34 - -0.91) | 02 | 0.68 (0.43 - -1.07) | .10 | 0.70 (0.38 - -1.28) | 。 | ||||||||
|
||||||||||||||||
|
|
|||||||||||||||
|
|
低或中等 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
高 | 0.68 (0.35 - -1.32) | 二十五分 | 1.01 (0.55 - -1.83) | .98点 | 1.30 (0.68 - -2.51) | 点 | ||||||||
|
水果和蔬菜杯,每增加一杯 | 0.88 (0.75 - -1.03) | .10 | 1.03 (0.90 - -1.19) | .64点 | 0.98 (0.84 - -1.15) | 总共花掉 | |||||||||
|
|
|||||||||||||||
|
|
非常好或相当好 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
非常糟糕或相当糟糕 | 0.59 (0.38 - -0.93) | 02 | 0.63 (0.42 - -0.95) | 03 | 0.74 (0.45 - -1.21) | 23) | ||||||||
|
|
|||||||||||||||
|
|
0 | 参考(1) |
|
参考(1) |
|
参考(1) |
|
||||||||
|
|
1 - 5 | 0.86 (0.45 - -1.63) | .64点 | 1.12 (0.66 - -1.92) | 正 | 1.46 (0.81 - -2.62) | .20 | ||||||||
|
|
> 5 | 1.03 (0.42 - -2.51) | .95 | 1.04 (0.49 - -2.24) | 点 | 0.60 (0.21 - -1.70) | 点 | ||||||||
|
身体质量指数d,每增加1个单位 | 0.96 (0.94 - -0.99) | . 01 | 0.95 (0.93 - -0.98) | 措施 | 0.95 (0.92 - -0.99) | . 01 |
一个该模型根据年龄、性别、种族、教育程度、家庭收入、有18岁以下的孩子、体育活动、果蔬杯、睡眠质量和BMI进行了调整。
bOR:优势比。
c裁判:参考。
dBMI的计算方法是体重(公斤)除以身高(米)的平方。
在1017名参与者中,328名(32.25%)在收到链接的72小时内完成了4个月的随访调查。在剩余的689名参与者(67.75%)中,研究人员通过个性化的电子邮件、短信和在研究完成前一周发送的100美元抽奖邀请联系到了610名参与者(88.5%)。在610名接触的参与者中,113名(18.5%)在接触一次后完成调查,56名(9.2%)在接触两次后完成调查,35名(5.7%)在接触三次后完成调查,四个月的调查完成者总数增加到532名(52.31%)。
大多数医疗保健系统都可以轻易获得电子病历和患者门户,移动医疗应用程序的使用也相当普遍[
一旦注册,下载应用程序的参与者中有54%的人至少输入了一天的饮食或睡眠时间数据。虽然在这项研究中,将某人归类为应用程序用户的频率标准相当低(即至少完成一天),但其他研究也使用了类似的低频率来定义使用情况[
虽然不同研究定义使用类别的标准不同,但我们的直接(75%;第一个月≥7天)且一致(50%;≥28天超过6个月)的比率高于“稳健”队列比率(30%;6个月以上5项调查)在AMHS中报告;持续使用者(25%;在第6个月期间≥2天),我们的费率与AMHS的费率相当[
本研究的使用数据提供了关于健康应用程序使用预测因子的重要信息,以指导未来使用应用程序的观察性研究的设计。我们发现,那些更年轻、受过正规教育、更富有的人更有可能成为应用程序用户,这与过去的研究是一致的。
这项研究有几个局限性。首先,这是一项观察性队列研究,并没有设计一个对照组来评估参与者在应用程序使用方面的差异,与我们在POWER 28和POWER周强调跟踪的方法相比,参与者被要求在没有额外指导的情况下记录6个月的目标跟踪日。在设计研究时,为了优化纵向跟踪,我们决定预先确定目标日期,以减少参与者的负担,更重要的是,增加我们在6个月中的每一天收集数据的可能性,而不是冒着前期大量使用然后下降的典型模式的风险[
旨在减肥和相关行为的健康应用程序是使用率最高的移动健康应用程序之一[
招聘信息样本。
哮喘流动健康研究
电子同意
电子健康记录
院校检讨委员会
移动健康
国家以病人为中心的研究网络
研究电子数据采集
我们要感谢Jonathan Martinez在招聘和留住员工方面所发挥的作用,以及Hao Da在数据管理方面所发挥的作用。我们还要感谢廖梦如设计了Daily24网站注册流程,并对REDCap电子同意流程的设计做出了贡献。这项工作是由美国心脏协会资助的。作者感谢约翰霍普金斯大学医学院临床研究数据采集核心对临床数据协调和检索的帮助,该中心部分得到了约翰霍普金斯大学临床和转化研究所(UL1TR001079)的支持。
TBW创立了DaiWare,但目前没有与DaiWare相关的商业项目。JMC是诺和诺德和勃林格殷格翰的科学顾问委员会成员。