原始论文
摘要
背景:网络上可获得的健康信息数量不断增长,这增加了对提供个性化和可操作的健康信息的工具的需求。这些工具包括症状检查器,在响应一组关于用户症状的探测后,可以为用户提供潜在的诊断。尽管它们的实用潜力很大,但人们对这些工具的实际使用和效果知之甚少。
摘要目的:我们的目的是了解谁在使用基于网络的人工智能症状检查器及其目的,他们如何评估基于网络的面试体验和信息质量,他们打算如何处理建议,以及未来使用的预测因素。
方法:在完成症状检查访问后,对基于web的健康信息寻求者进行横断面调查(N=2437)。评估了可理解性、信心、有用性、健康相关焦虑、赋权和未来使用意愿。方差分析和Wilcoxon秩和检验检验了种族、民族和性别组的平均结局差异。对症状检查者的感觉与遵循建议行动的意愿之间的关系采用多级逻辑回归进行评估。
结果:Buoy用户受教育程度较高(1384/1704,81.22%为大学或以上学历),主要为白人(1227/1693,72.47%)和女性(2069/2437,84.89%)。大多数人有保险(1449/ 1630,88.89%),有正规的医疗保健提供者(1307/1709,76.48%),健康状况良好(1000/1703,58.72%)。疼痛(855/2437,35.08%)、妇科问题(293/2437,12.02%)和肿块或肿块(204/2437,8.37%)三种类型的症状占了近一半(1352/2437,55.48%)。Buoy的三大主要建议分为不太严重的分类:2周内的初级保健医生(754/2141,35.22%)、自我治疗(452/2141,21.11%)和1至2天内的初级保健(373/2141,17.42%)。常见诊断为肌肉骨骼疾病(303/ 2437,12.43%)、妇科疾病(304/ 2437,12.47%)和皮肤病(297/ 2437,12.19%)、感染性疾病(300/ 2437,12.31%)。用户普遍表示对Buoy很有信心,认为它很有用,也很容易理解,并表示Buoy让他们感到不那么焦虑,更有能力寻求医疗帮助。浮标建议“等待/观察”或“自我治疗”的用户有强烈的依从意愿,而被建议寻求初级保健的用户的意愿较弱。与白人用户相比,拉丁裔和黑人用户对Buoy (P<.05),前者也发现它显著更有用(P< . 05)。拉丁裔(优势比1.96,95% CI 1.22-3.25)和黑人(优势比2.37,95% CI 1.57-3.66)用户也比白人用户更愿意与提供者讨论建议。
结论:结果表明,基于网络的健康信息工具的潜在效用,使人们能够寻求治疗和减少与健康有关的焦虑。然而,尽管令人鼓舞的结果表明,该工具可以满足女性、黑人和拉丁裔成年人尚未满足的健康信息需求,但对用户群的分析表明,二级数字鸿沟效应持续存在。
doi: 10.2196/36322
关键字
简介
背景
网络上可获得的健康信息数量不断增长,这增加了对提供个性化和可操作的健康信息的工具的需求。此外,患者急切地寻求信息,直接或通过验证专业咨询期间讨论的信息,为自己的医疗保健决策提供信息。基于web的健康信息范围广泛,包括通过基于web的搜索获得的一般信息,以及基于用户特定信息提供个性化建议的决策辅助和工具。这些工具包括症状检查器,在响应一组关于用户症状的探测后,可以为用户提供潜在的诊断。
基于网络的症状检查工具越来越受欢迎,COVID-19大流行的出现增加了人们对这些工具的兴趣[
].然而,只有少数研究调查了它们的使用方式和原因[ - ].对症状检查器的有限研究发现,它们的使用通常有积极的效果;技术先进的基于网络的分类系统可能有助于减少不必要的急诊室就诊和抗生素的过度使用[ ],使资源匮乏的地区能够获得卫生保健[ ],并提高患者的参与度[ ].然而,尽管它们的实用潜力很大,但还需要对这些工具的实际使用和效果进行更多的研究。一些研究对基于网络的健康信息系统传播虚假信息和不准确诊断信息的可能性提出了担忧[
, , ].例如,一项评估23个基于web的症状检查器的诊断和分类准确性的研究发现,医生的表现比症状检查器算法更好[ ].然而,医生在15%的病例中做出了错误的诊断。尽管研究表明,就诊断准确性而言,症状检查者可能不如医生有效,但更重要的是,症状检查者提供建议的行动(例如,症状是否需要去医院)。因此,了解症状检查对患者如何寻求治疗和对医疗保健建议做出反应的影响是很重要的。基于web的症状检查器作为分类系统的一个重要的潜在贡献可能是减少当前压倒性的卫生信息环境的负面影响,例如基于web的卫生信息寻求者所经历的卫生信息过载以及他们难以从错误信息中辨别可靠信息。基于网络的医疗信息系统解决了上述问题,可以帮助人们更好地了解他们正在经历的症状的潜在原因,使他们能够寻求正确的帮助,并有可能减少他们正在经历的症状引起的焦虑。
用户必须能够信任并遵循他们对基于web的症状检查器的建议,才能做出有意义的贡献。如果基于web的症状检查器不受信任,它们就不太可能被用户采用,从而限制了它们的潜力[
].此外,用户可能不清楚基于web的症状检查器背后的技术。研究表明,基于网络的症状检查器的人工智能(AI)系统对用户来说既不透明也不容易理解,这可能会破坏对此类工具的信任[ ].尽管如此,尽管对准确性存在犹豫和担忧,但用户已经认为人工智能症状检查器对诊断有用[ ].大量基于使用和满足框架的信息搜索研究[
研究了人们如何使用不同的媒体来满足不同的需求。这一传统的研究通过来源(即基于网络的与离线的搜索[ , ])或客观(即为自己而非他人)[ - ])。多项研究已经证实,从非临床来源(包括互联网)积极寻求信息的人更有可能是白人、女性,并具有相对较高的教育和收入水平[ - ].在寻求卫生信息方面的种族差异,以及对信息的信心和对各种来源的信任,已得到充分的记录。不同种族群体对信息来源的信任和使用程度可能不同,如果使用不准确的信息来源,可能会导致差异[ ].基于自我报告媒体使用情况的研究已经证实,有意从媒体(包括互联网)寻求信息与更好的健康结果有关[
],增加预防行为的参与[ ],以及更积极的医患互动[ - ]并协助个人应对不确定性[ ].在向急诊医生看病之前,基于网络的健康信息搜索也有可能改善患者与提供者的互动,而不会对坚持治疗产生负面影响[ ].尽管对信息寻求和互联网和其他“新”媒体作为医疗信息来源的重要性进行了广泛的研究,但其影响的证据质量有限。以前大多数研究非临床来源的信息寻求,包括几乎所有基于互联网的健康信息寻求研究,都依赖于个人信息寻求行为和行为或心理社会结果的自我报告。此外,大多数研究依赖于广义的、无时间限制的健康信息搜索行为(例如,“您是否曾经从[一个来源]搜索过关于[一个主题]的信息”),或询问在特定时间范围内搜索信息的情况,但不检查检索到的信息的内容或提供的建议。因此,这一研究领域的下一个前沿是将信息寻找的客观测量方法(包括来源和内容)与临床和心理社会结果联系起来,以了解人们如何使用他们从非传统来源寻找和发现的信息。
目标
这项研究旨在解决先前信息搜索研究的方法局限性,并研究谁从基于web的智能症状检查器中搜索信息,以及出于什么目的,用户如何体验工具,他们打算用信息做什么,以及遵循工具建议的意图预测因素。以下研究问题(RQs)指导了本研究:
- RQ1:谁使用基于web的症状检查器?
- RQ2:是什么促使用户使用基于web的症状检查器?
- 基于网络的症状检查器的建议是什么?
- RQ4:用户如何看待基于web的症状检查器?
- RQ5:对基于web的症状检查器的感知和遵循建议的操作的意图之间的关系是什么?
方法
我们对基于web的智能症状检查器Buoy health (Buoy health, Inc . [
];N = 2437)。浮标健康:一个人工智能驱动的基于web的症状检查器
这项横断面研究使用了患者在2019年1月14日至2019年2月28日期间使用Buoy Health(一种基于人工智能的网络症状检查器)遇到的数据。该工具由一组医生和研究人员于2014年创建,基于对话式医学访谈,反映了与提供者的对话。在撰写本文时,Buoy的症状检查器仍然可以在网上或通过应用程序免费提供给任何联网的人。这款由人工智能驱动的工具使用一系列通过聊天机器人交流的渐进健康问题来评估用户症状(
).Buoy的分类或诊断系统为用户提供定制的健康信息。Buoy的专有算法来源于>18,000项临床研究的数据[
].使用者可获得3种可能的诊断及适当护理级别的建议( ).Buoy表示,该工具的诊断准确率为90% [ ].因此,像buoy这样的工具——以及其他智能症状检查器——有潜力从大量相互矛盾的信息中剔除混乱,提供个性化的、基于科学的建议。一项研究调查了患者使用Buoy如何影响他们寻求治疗的计划,发现Buoy降低了用户的不确定性[ ].Buoy还降低了与患者病情相关的紧急程度。这项研究表明,在基于分诊问题寻求治疗时,Buoy等工具与用户的预期行为相关。因此,我们的研究增加了越来越多的文献,旨在了解患者如何与他们的提供者一起使用Buoy等工具来管理他们的健康。取样和程序
招聘脚本显示给Buoy用户,假定是基于web的健康信息搜索者,他们通过浮标会话后立即弹出窗口满足纳入标准。入选标准包括在≤10分钟内完成Buoy面试到推荐阶段,年龄≥18岁,在美国居住(尽管在申请时不一定身在美国)。
此外,潜在参与者必须自己完成了Buoy的面试;也就是说,他们在寻求关于他们症状的信息。由于95%的Buoy用户在10分钟内完成了诊断访谈,花了更长的时间的用户不能代表典型用户,因此没有邀请他们参与我们的研究,以避免他们可能与典型用户存在其他意想不到的差异。使用类似的逻辑,我们排除了那些已经存在严重或慢性疾病的人[
],因为他们可能也不能代表典型的Buoy用户。预计他们的健康信息搜索习惯和Buoy的使用模式将与所有其他Buoy用户有所不同。最后,出于道德原因,我们将Buoy建议立即就医的用户排除在资格之外,包括通过911或急诊科立即就医。 显示每个阶段的减员情况。参与者获得了一张价值5美元的电子礼品卡,以感谢他们完成调查后的时间,平均完成时间为8.61分钟(标准时间6.78分钟)。礼品卡被送到一个电子邮件地址,该电子邮件地址也用于后续调查。参与者被告知,在完成第二次调查后,他们将获得另一项奖励(10美元)。在最初的调查后2周,对那些选择提供电子邮件地址的人进行了后续评估;然而,本研究仅报告基线数据。
结构与措施
概述
这项研究遵循了使用与满足研究的传统[
].我们试图了解谁在使用Buoy,对用户体验的看法,以及他们打算用他们获得的信息做什么。这项调查是由行为改变的综合模型指导的[ ].关键结构和措施将在以下部分中描述,完整的调查仪器可根据通讯作者的要求提供。使用浮标的原因
患者可选择5种原因中≥1种使用Buoy;该列表是基于穆勒等人对互联网用于评估身体疾病症状的回顾[
].选项包括不相信卫生保健提供者提供了正确的诊断、症状不严重、敏感或令人尴尬的症状、新症状和持续症状。还提供了一个开放式的回答,结果由2名编码员解释,以映射到原始的封闭式或新代码(访问、焦虑、好奇和分类)。信任卫生信息来源
使用单个李克特项目评估对各种健康信息来源的信任程度,回答范围从“完全不”(1)到“很多”(4),改编自国家癌症研究所的健康信息全国趋势调查[
].问题来源是“一般来说,你会在多大程度上相信以下每个人提供的关于健康或医学话题的信息?”来源是随机的:医生/家人或朋友/报纸或杂志/电台/互联网新闻/电视/政府卫生机构/社交媒体(如Facebook或Twitter)/谷歌/博客/Buoy。先前的研究表明,卫生信息网站的可用性影响人们对网站上卫生信息的信任和可信度[
].因此,我们评估了使用Buoy的信心、可理解性、感知效用和情绪影响。对智能症状检查器的信心
从“完全不自信”到“非常有信心”共有2个5点反应值的项目改编自Sivakumar等人[
,并结合成一个量表,其中值越高代表信心越大。智能症状检查的可理解性
我们用5分的3个回答值(非常不同意到非常同意)来评估网站上的语言易于理解的程度以及网站的可理解性和易读性。项目基于van Weert等人的量表[
],数值越高,表示Buoy的可理解性越强。智能症状检查器的感知效用
共有3个项目,5点响应值(非常不同意到非常同意),并由Davis [
]被用来评估该网站在多大程度上使症状诊断变得更快、更容易,以及该网站的整体有用性。使用智能症状检查器的情绪影响
情绪效应是由White和Horvitz [
,并使用2个5分的量表进行测量(非常不同意到非常同意)。这些项目评估了人们对身体状况的焦虑程度,以及网站鼓励寻求帮助的程度。越高的值代表使用网站的积极情绪效应越多。建议的行动
在Buoy诊断访谈结束时,用户得到了与他们的症状群和潜在诊断相对应的8个可能的下一步(分类级别)建议中的至少一个到3个:(1)等待观察,(2)自我治疗,(3)未来3天内打电话或亲临就诊,(4)2周内找初级保健医生,(5)1至2天内找初级保健医生,(6)当天或尽快亲临就诊,(7)医院急诊室,(8)紧急医疗服务。由于道德原因,收到两项最紧急建议行动的Buoy用户没有被包括在我们的研究中。有关建议的完整描述见
.Buoy向研究团队提供了向所有合格用户展示的实际推荐。此外,我们要求参与者指出他们从Buoy那里收到的6个可能的建议中的哪一个。我们将参与者的自我报告与buoy报告的建议进行了比较,作为操纵检查。调查结果与Buoy的至少一项建议相吻合。大多数自我报告的建议与Buoy报告的至少一项建议相匹配(1595/2141,74.49%)。遵循建议行动的意图
该措施采用了合理的行动方法[
].测量了所有6项包括建议行动的意愿,以及与医生或其他健康专业人员讨论Buoy建议的意愿。回答值从1(非常不同意)到5(非常同意)不等。该声明的例子如下,“我打算[遵循Buoy的建议]”和“我打算与我的医生或其他医疗保健专业人员讨论我从Buoy获得的信息。”这个项目的数值越高,代表着更强烈的意愿遵循Buoy的建议或与医生讨论同样的问题。建议的行动作为一个二元变量进行评估。在意图上得分为4或5分(高)的用户被归为有医疗意图,而得分为1、2或3分的用户被归为没有医疗意图。遵循“等待观察”和“自我治疗”的意愿被纳入“无医疗意愿”量表。“未来3天内电话或亲临就诊”、“1-2天内看初级保健医生”和“今天或尽快亲临就诊”的意向组合在“医疗意愿”量表中。症状和诊断的编码
使用美国疾病控制和预防中心国家门诊医疗保健调查(NAMCS)编码协议,用户在Buoy访谈中自我报告的症状被编码为13类[
].在采访过程中,用户被提示输入最多5种症状。我们只报告第一个问题,因为这是驱动使用基于web的症状检查器的主要问题。使用迭代编码过程,我们从所有Buoy数据集中生成了一组独特的症状(N=2040)和独特的诊断(N=938)。共有2名编码员独立编码了第一个症状。编码器1是码本开发过程的一部分。一旦码本最终确定,编码器2就被引入到研究中。分歧通过讨论得到解决。第二作者在无法达成一致意见时解决了分歧。使用Cohen κ来确定两名编码员对2040种独特症状的NAMCS编码分配之间的评级者间可靠性;2位编码器的结果基本一致(κ=0.73;[
])。我们进一步根据Shapiro等人对首发症状是否严重并可能需要就医进行分类[ (与心脏有关的胸痛、出血、意识丧失、呼吸短促和体重减轻)。在访谈结束时,用户最多可以得到3个可能的诊断或显示名称,并根据Buoy的专有算法进行排名和加权,以及后续行动的建议。根据NAMCS,诊断分为25类,包括主要系统、疾病和病症。我们报告第一个诊断显示名称,因为算法对它有最高的置信度。此外,第一个诊断显示名称没有丢失数据。
分析方法
在此描述性分析中,我们计算了频率和百分比,以总结参与者的总体特征和经验,并在相关情况下按性别和种族分类,并评估遵守Buoy建议的意愿。带Bonferroni校正的方差分析(anova)检验了种族或民族群体在用户体验和推荐方面的平均结果差异。采用Wilcoxon秩和检验的形式进行非参数检验,以检验用户体验和推荐的平均性别差异。使用逻辑回归评估对症状检查器的感知和遵循建议行动的意愿之间的关系。逻辑回归模型检验了影响对建议的信心和遵循这些建议的意愿的因素。使用R(4.0.3版本;R统计计算基础)。
伦理批准
加州大学默塞德分校机构审查委员会批准了这项研究(批准号:UCM2018-124)。
结果
基于web的症状检查程序的用户
与之前对健康信息搜索者的研究一致,Buoy用户受过良好教育(1384/1704,81.22%为大学或以上学历),主要是白人(1227/1693,72.47%)和女性(2069/2437,84.89%)。使用者的平均年龄为39.4岁(SD 14.7岁)。用户与网络症状工具的其他用户相似,之前对网络症状检查器的研究发现,用户以女性为主,平均年龄为40岁[
].其他研究结果进一步表明,成年人在网络健康信息搜索行为中存在年龄、性别和社会经济差异[ ].抽样用户在获得医疗保健方面也相对享有特权;大多数人有保险(1449/ 1630,89%)和定期的医疗保健提供者(1307/1709,76%)。他们总体健康状况良好;59%(1000/1703)报告其健康状况良好、非常好或极好。 显示额外的人口统计细节。特征 | 分析示例一个(N = 2437) | 合资格选择退出(N=27,816) | |
年龄(年) | |||
值,平均值(SD) | 39.35 (14.43) | 36.92 (14.13) | |
值,范围 | 18 - 87 | 18 - 89 | |
种族(N=1693), N (%) | |||
白色 | 1227 (72.47) | - - - - - -b | |
黑人或非裔美国人 | 189 (11.16) | - - - - - - | |
拉丁裔或西班牙裔 | 139 (8.21) | - - - - - - | |
亚洲或太平洋岛民 | 86 (5.08) | - - - - - - | |
其他 | 52 (3.07) | - - - - - - | |
教育程度(N=1704),完成最高水平,N (%) | |||
高中及以下学历 | 320 (18.78) | - - - - - - | |
一些大学 | 689 (40.43) | - - - - - - | |
大学 | 695 (40.79) | - - - - - - | |
家庭收入(美元;N=1654), N (%) | |||
< 20000 | 304 (18.38) | ||
20000 - 34999 | 226 (13.66) | - - - - - - | |
35000 - 49999 | 232 (14.03) | - - - - - - | |
50000 - 74999 | 316 (19.11) | - - - - - - | |
75000 - 99999 | 237 (14.33) | - - - - - - | |
≥100000 | 339 (20.50) | - - - - - - | |
一般健康状况(自我报告;N=1703), N (%) | |||
优秀的 | 63 (3.70) | - - - - - - | |
很好 | 288 (16.91) | - - - - - - | |
好 | 649 (38.11) | - - - - - - | |
公平 | 532 (31.24) | - - - - - - | |
可怜的 | 171 (10.04) | - - - - - - | |
有定期医疗保健提供者(N=1709), N (%) | 1307 (76.48) | - - - - - - | |
有保险(N=1630), N (%) | 1449 (88.90) | - - - - - - |
一个分析样本中Buoy用户数量为2437人;在研究期间,共有27,816名潜在符合条件的用户(年龄≥18岁,美国IP地址,自行寻找,并在<10分钟内完成Buoy访谈)选择不参与。
b数据不可用。
用户使用基于web的症状检查器的驱动程序
用户在5个陈述的使用Buoy的原因中选择了至少1个,以及开放式的回答,这些回答被编码成5个新的类别。超过三分之一(839/ 2437,34.43%)的用户将持续症状作为使用Buoy的原因,其次是出现新症状(767/ 2437,31.47%)、症状不严重(545/ 2437,22.36%)、敏感或尴尬症状(279 / 2437,11.04%)以及对医疗服务提供者提供正确诊断不自信(220/ 2437,9.03%)。不太常见的原因包括新的类别/代码:好奇(66/2437,2.71%),访问(36/2437,1.48%),焦虑(16/2437,0.66%),分诊(29/2437,1.19%),其他(30/2437,1.23%;数据未显示)。
web症状检查器的建议
我们以两种方式报告症状和诊断模式。首先,我们报告了由与之相关的NAMCS生物系统组织的症状和诊断的频率(
[ , ])。其次,我们报告了总体上和按性别和种族/民族分列的前10个症状和诊断类别( ).症状和诊断 | 整体 | 女(n = 2069) | 男性(n = 368) | 白色(n = 1227) | 拉丁裔(n = 139) | 黑色(n = 189) | 亚洲或太平洋岛民(86人) | |||||||||
主要症状、比例 | ||||||||||||||||
肌肉骨骼疼痛;头痛;其他疼痛 | 0.35 | 0.34 | 0.42 | 0.40 | 0.31 | 0.21 | 0.21 | |||||||||
轴性肌肉骨骼疼痛 | 0.05 | 0.05 | 0.06 | 0.06 | 0.02 | 0.02 | 0.01 | |||||||||
肌肉疼痛 | 0.06 | 0.06 | 0.08 | 0.07 | 0.06 | 0.03 | 0.03 | |||||||||
关节疼痛 | 0.08 | 0.08 | 0.09 | 0.09 | 0.07 | 0.03 | 0.07 | |||||||||
头疼 | 0.03 | 0.03 | 0.02 | 0.03 | 0.02 | 0.02 | 0 | |||||||||
胸部疼痛 | 0.02 | 0.02 | 0.03 | 0.02 | 0.03 | 0.02 | 0.01 | |||||||||
其他疼痛 | 0.11 | 0.10 | 0.13 | 0.11 | 0.10 | 0.08 | 0.08 | |||||||||
妇科问题 | 0.12 | 0.14 | 0.00 | 0.08 | 0.16 | 0.22 | 0.26 | |||||||||
所有的肿块、肿块和肿瘤 | 0.08 | 0.07 | 0.13 | 0.09 | 0.07 | 0.10 | 0.09 | |||||||||
水肿 | 0.05 | 0.05 | 0.05 | 0.05 | 0.06 | 0.05 | 0.03 | |||||||||
皮肤问题 | 0.05 | 0.04 | 0.09 | 0.05 | 0.06 | 0.08 | 0.08 | |||||||||
肠胃问题 | 0.05 | 0.05 | 0.04 | 0.06 | 0.10 | 0.03 | 0.06 | |||||||||
受损的感觉 | 0.04 | 0.03 | 0.06 | 0.04 | 0.01 | 0.04 | 0.03 | |||||||||
尿路问题 | 0.03 | 0.03 | 0.02 | 0.03 | 0.03 | 0.04 | 0.03 | |||||||||
急性上呼吸道症状 | 0.03 | 0.04 | 0.01 | 0.03 | 0.05 | 0.02 | 0.03 | |||||||||
其他 | 0.18 | 0.19 | 0.17 | 0.19 | 0.15 | 0.22 | 0.16 | |||||||||
初级诊断、比例 | ||||||||||||||||
肌肉骨骼疾病 | 0.12 | 0.12 | 0.17 | 0.14 | 0.08 | 0.07 | 0.07 | |||||||||
肌肉骨骼损伤 | 0.05 | 0.05 | 0.05 | 0.06 | 0.04 | 0.04 | 0.02 | |||||||||
妇科疾病 | 0.12 | 0.15 | 0 | 0.09 | 0.17 | 0.22 | 0.20 | |||||||||
皮肤问题 | 0.12 | 0.11 | 0.17 | 0.12 | 0.09 | 0.15 | 0.14 | |||||||||
传染病 | 0.12 | 0.13 | 0.10 | 0.13 | 0.19 | 0.09 | 0.13 | |||||||||
消化条件 | 0.07 | 0.07 | 0.08 | 0.08 | 0.07 | 0.05 | 0.06 | |||||||||
神经疾病 | 0.07 | 0.07 | 0.08 | 0.09 | 0.08 | 0.05 | 0.10 | |||||||||
癌症和良性生长 | 0.05 | 0.04 | 0.05 | 0.04 | 0 | 0.02 | 0.01 | |||||||||
排尿问题 | 0.03 | 0.04 | 0.02 | 0.03 | 0.04 | 0.04 | 0.05 | |||||||||
内分泌问题和状况 | 0.03 | 0.03 | 0.02 | 0.03 | 0.01 | 0.04 | 0.03 | |||||||||
心脏相关问题 | 0.02 | 0.02 | 0.03 | 0.02 | 0.01 | 0.03 | 0.01 | |||||||||
其他 | 0.17 | 0.18 | 0.22 | 0.18 | 0.24 | 0.19 | 0.17 |
仅疼痛(855/2437,35.08%)、妇科问题(293/2437,12.02%)和包块或肿块(204/2437,8.37%)3种类型的症状占了近一半(1352/2437,55.48%)。男性的前3名症状包括疼痛(154/368,41.8%)、包块或肿块(49/368,13.3%)和皮肤问题(33/368,8.9%),而女性的前3名症状包括疼痛(701/2069,33.88%)、妇科问题(293/2069,14.16%)和包块或肿块(155/2069,7.49%)。疼痛、妇科问题、肿块或肿块也被报告为白人、黑人、亚洲或太平洋岛民的三大症状。拉丁裔使用者的前3个症状是疼痛(43/139,30.9%)、妇科问题(22/139,15.8%)和胃肠道问题(14/139,10.1%)。相比之下,占用户总数不到1%的印第安人只输入了五种症状:疼痛(4/ 13,31%)、妇科问题(4/ 13,31%)、皮肤问题(1/ 13,8%)、胃肠问题(1/ 13,8%)和感觉障碍(1/ 13,8%)。
在整个样本中,主要诊断为肌肉骨骼(303/ 2437,12.43%),妇科(304/ 2437,12.47%)和皮肤疾病(297/ 2437,12.19%),感染性疾病(300/ 2437,12.31%)。相比之下,Buoy报告的男性前三种诊断包括肌肉骨骼疾病(63/368,17.1%)、皮肤疾病(62/368,16.8%)和传染病(37/368,10%)。女性的前3个诊断包括妇科疾病(304/2069,14.69%)、感染性疾病(263/2069,12.7%)和肌肉骨骼疾病(240/2069,11.59%)。基于种族或民族的诊断遵循类似的模式。白人用户还报告了肌肉骨骼疾病(177/ 1227,14.42%)、传染病(163/ 1227,13.28%)和皮肤病(148/ 1227,12.06%)为前三种诊断。拉丁裔、黑人、亚洲或太平洋岛民用户报告的前三种诊断为妇科疾病、皮肤疾病和传染病。黑人(42/ 189,22.2%)和亚洲或太平洋岛民(17/ 88,20%)用户报告的主要诊断类别为妇科疾病,而拉丁裔用户报告的主要诊断类别为感染性疾病(26/ 139,18.7%)。
Buoy的主要建议在不太严重的分类类别中更平均地分配。Buoy提供的建议中,用户自我报告2周内看初级保健医生(754/2141,35.22%)、自我治疗(452/2141,21.11%)和1 ~ 2天内进行初级保健(373/2141,17.42%)的比例排在前三位,其次是观望(339/2141,15.83%)。只有5.74%(123/2141)和4.67%(100/2141)的用户表示在未来3天内有过电话或亲临访问,并在当天或尽快亲临访问。Buoy报告的建议与初级保健医生在2周内(924/ 2437,37.91%)、自我治疗(552/ 2437,22.65%)和在1至2天内进行初级保健(456/ 2437,18.71%)非常接近。大多数用户(2098/2437,86.09%)有2条推荐。据Buoy报道,约71.85%(1751/2437)有3条建议。
用户对基于web的症状检查体验的感知
用户普遍报告对Buoy有较高的信心(平均3.47,SD 0.97),认为Buoy有用(平均4.18,SD 0.81),易于理解(平均4.64,SD 0.53),并表示Buoy使他们感到不那么焦虑(平均3.60,SD 1.05),更有能力寻求医疗帮助(平均3.75,SD 0.96)。与白人用户相比,拉丁裔和黑人用户对Buoy的信心明显更高(P<.05),前者也发现它显著更有用(P< . 05;
).与先前关于基于网络的健康信息源信任的研究一致[ - ,医生是最可信的来源。然而,Buoy比其他任何非医疗来源(包括政府机构(平均2.85,SD 0.95)、家庭(平均2.64,SD 0.76)和谷歌(平均2.52,SD 0.79)更受信任(平均3.68,SD 0.61)。项 | 整体 | 男性(n = 368) | 女(n = 2069) | 白色(n = 1227) | 拉丁裔(n = 139) | 黑色(n = 189) | 亚洲或太平洋岛民(86人) |
浮标可理解性,平均值(SD) | 4.64 (0.53) | 4.61 (0.49) | 4.65 (0.53) | 4.67 (0.50) | 4.68 (0.55) | 4.67 (0.53) | 4.60 (0.45) |
Buoy网站可以理解,mean (SD) | 4.60 (0.61) | 4.57 (0.54) | 4.60 (0.62) | 4.63 (0.57) | 4.63 (0.67) | 4.60 (0.63) | 4.57 (0.50) |
浮标网站易于阅读,平均(SD) | 4.66 (0.56) | 4.62 (0.52) | 4.67 (0.57)一个 | 4.68 (0.54) | 4.69 (0.59) | 4.71 (0.55) | 4.64 (0.48) |
Buoy网站上使用的语言简单易懂,意思(SD) | 4.68 (0.55) | 4.65 (0.51) | 4.68 (0.55) | 4.70 (0.51) | 4.71 (0.58) | 4.70 (0.54) | 4.59 (0.49) |
对浮标的信心,平均值(SD) | 3.47 (0.96) | 3.39 (0.89) | 3.49 (0.99) | 3.44 (0.96)b | 3.69 (0.92)b | 3.63 (1.04) | 3.48 (0.88) |
对诊断的信心,平均值(SD) | 3.34 (1.05) | 3.27 (0.97) | 3.36 (1.06) | 3.29 (1.05)b, c | 3.58 (0.99)b | 3.53 (1.11)c | 3.35 (0.96) |
对推荐的信心,平均值(SD) | 3.60 (1.02) | 3.52 (0.95) | 3.62 (1.03) | 3.60 (1.01) | 3.79 (0.98) | 3.73 (1.09) | 3.60 (0.91) |
Buoy的感知效用,平均值(SD) | 4.18 (0.81) | 4.14 (0.77) | 4.19 (0.82) | 4.16 (0.80)d | 4.43 (0.73)d | 4.25 (0.86) | 4.20 (0.76) |
浮标使我能够更快地诊断我的症状,mean (SD) | 4.15 (0.85) | 4.11 (0.81) | 4.16 (0.86) | 4.12 (0.84)e | 4.45 (0.75)e, f | 4.20 (0.92)f | 4.19 (0.80) |
使用Buoy更容易诊断我的症状,mean (SD) | 4.16 (0.86) | 4.12 (0.81) | 4.16 (0.87) | 4.13 (0.85)b | 4.38 (0.79)b | 4.23 (0.91) | 4.14 (0.81) |
总的来说,我发现Buoy对诊断我的症状很有用,mean (SD) | 4.23 (0.86) | 4.19 (0.83) | 4.24 (0.86) | 4.22 (0.85)b | 4.47 (0.75)b | 4.31 (0.89) | 4.27 (0.77) |
使用Buoy的情绪后果,平均值(SD) | 3.68 (0.90) | 3.65 (0.79) | 3.68 (0.91) | 3.65 (0.88) | 3.76 (1.02) | 3.72 (1.00) | 3.76 (0.66) |
不那么焦虑,刻薄(SD) | 3.60 (1.05) | 3.56 (0.94) | 3.61 (1.07) | 3.58 (1.04) | 3.70 (1.15) | 3.59 (1.16) | 3.67 (0.79) |
鼓励寻求帮助,mean (SD) | 3.75 (0.96) | 3.74 (0.88) | 3.76 (0.98) | 3.73 (0.95) | 3.83 (1.11) | 3.86 (1.05) | 3.84 (0.76) |
一个性别差异显著(P< . 05)。
b白人与拉丁裔使用者有显著差异(P< . 05)。
c白人和黑人用户的显著差异(P< . 05)。
d白人与拉丁裔使用者有显著差异(P<措施)。
e白人与拉丁裔使用者有显著差异(P<措施)。
f拉丁裔与黑人使用者有显著差异(P< . 05)。
对基于web的症状检查器的感知与遵循建议操作的意图之间的关系
总体而言,大多数用户表示有意遵循Buoy的建议(1428/1886,75.71%),并与医生或卫生保健专业人员讨论Buoy的建议(1198/1830,65.44%;
).用户报告了最强烈的意愿遵循Buoy的等待和观察建议(平均4.38,SD 0.90),其次是自我治疗(平均4.33,SD 0.93),当天或尽快亲自访问(平均4.17,SD 1.01),未来3天内电话或亲自访问(平均4.05,SD 1.05), 2周内初级保健医生(平均3.92,SD 1.19), 1至2天内初级保健医生(平均3.68,SD 1.26)。讨论Buoy建议的意愿与是否有固定提供者呈正相关(优势比[OR] 1.37, 95% CI 1.04-1.82),收入>美元50,000美元呈负相关(OR 0.75, 95% CI 0.57-0.98;或66,95% ci 0.48-0.91;
).35 - 44岁(OR 1.51, 95% CI 1.13-2.03)和45 - 64岁(OR 1.57, 95% CI 1.18-2.10)的用户比年轻用户(18-34岁)有更好的讨论推荐的意愿。与白人用户相比,拉丁裔(OR 1.96, 95% CI 1.22-3.25)和黑人(OR 2.37, 95% CI 1.57-3.66)用户有更强的意愿与提供商讨论建议,黑人用户有两倍的意愿这样做。对Buoy的信心(OR 1.54, 95% CI 1.34-1.76)、感知效用(OR 1.32, 95% CI 1.10-1.58)以及因使用Buoy而减少焦虑(OR 1.43, 95% CI 1.24-1.63)与较高的讨论Buoy建议的意愿相关。总体而言,用户有强烈的意愿遵循Buoy的建议,自我报告非常好或非常健康的用户有最强的意愿等待或观察或自我治疗(or 1.92, 95% CI 1.04-3.65;
).那些报告Buoy易于阅读和理解的人比那些报告Buoy可理解性较低的人打算等待、观察或自我治疗的可能性高2.2倍(95% CI 1.21-4.14)。有健康保险(OR 2.21, 95% CI 1.36-3.57)和定期提供者(OR 1.59, 95% CI 1.11-2.28)的用户寻求医疗服务的意愿最强。对浮标的信心(OR 1.87, 95% CI 1.56-2.25)和因浮标而减少的焦虑(OR 1.54, 95% CI 1.29-1.83)也与更高的就医意愿相关。项 | 整体 | 男性(n = 368) | 女(n = 2069) | 白色(n = 1227) | 拉丁裔(n = 139) | 黑色(n = 189) | 亚洲或太平洋岛民(86人) | |
遵循Buoy建议的意愿(n=1886), n (%) | 1428 (75.71) | 187 (9.91) | 1241 (65.8) | 908 (48.14) | 116 (6.15) | 149 (7.9) | 62 (3.29) | |
观望(n=283), n (%) | 249 (87.9) | 24 (9.6) | 225 (79.5) | 146 (51.6) | 23日(8.1) | 29 (10.2) | 22日(7.8) | |
自我治疗(n=385), n (%) | 339 (88.1) | 50 (14.7) | 289 (75.1) | 226 (58.7) | 34 (8.8) | 32 (8.3) | 8 (2.1) | |
未来3天内电话或亲临(n=107), n (%) | 81 (75.7) | 14 (13.1) | 67 (62.6) | 49 (45.8) | 7 (6.5) | 8 (7.5) | 3 (2.8) | |
2周内的初级保健医师(n=688), n (%) | 487 (70.7) | 60 (12.3) | 427 (62.1) | 317 (46.1) | 35 (5.1) | 48 (7.0) | 17 (2.5) | |
1 ~ 2天内主治医师(n=336), n (%) | 205 (61.0) | 29 (14.1) | 176 (52.4) | 137 (40.8) | 9 (2.7) | 22日(6.5) | 10 (3.0) | |
当日或尽快亲临就诊(n=87), n (%) | 67 (77.0) | 10 (11.5) | 57 (65.5) | 33 (37.9) | 8 (9.2) | 10 (11.5) | 2 (2.3) | |
讨论Buoy建议的意向(n=1830), n (%) | 1198 (65.46) | 156 (8.52) | 1042 (56.94) | 758 (41.42) | 109 (5.96) | 150 (8.19) | 51 (2.79) |
预测 | 讨论Buoy的建议 | 无医疗意向 | 医学的目的 | |||||
或一个 | P价值 | 或 | P价值 | 或 | P价值 | |||
拦截 | 0.02 (0.01 - -0.06) | <措施b | 0.04 (0.00 - -0.75) | 03b | 0.02 (0.00 - -0.11) | <措施b | ||
年龄35 - 44岁 | 1.51 (1.13 - -2.03) | .006b | 0.66 (0.32 - -1.40) | 陈霞 | 1.09 (0.74 - -1.60) | 正 | ||
年龄45 - 64岁 | 1.57 (1.18 - -2.10) | .002b | 0.57 (0.26 - -1.26) | 16 | 1.07 (0.74 - -1.55) | 2 | ||
年龄≥65岁 | 1.31 (0.79 - -2.21) | .30 | 0.97 (0.28 - -4.08) | .96点 | 1.12 (0.58 - -2.27) | .74点 | ||
女 | 0.86 (0.62 - -1.20) | 点 | 0.79 (0.31 - -1.80) | .59 | 1.00 (0.65 - -1.54) | 获得 | ||
黑色的 | 2.37 (1.57 - -3.66) | <措施b | 0.62 (0.27 - -1.57) | 23) | 1.49 (0.89 - -2.54) | .14点 | ||
拉丁美洲人 | 1.96 (1.22 - -3.25) | .007b | 1.56 (0.48 - -7.12) | 50 | 1.38 (0.74 - -2.68) | .33 | ||
亚洲或太平洋岛民 | 1.04 (0.62 - -1.74) | 获得 | 0.79 (0.24 - -3.23) | 开市 | 0.82 (0.43 - -1.64) | .57 | ||
其他种族 | 1.56 (0.80 - -3.18) | .20 | 0.67 (0.18 - -3.39) | 算下来 | 0.94 (0.41 - -2.28) | .89 | ||
有保险 | 0.79 (0.52 - -1.18) | 二十五分 | 0.74 (0.24 - -2.01) | .57 | 2.21 (1.36 - -3.57) | 措施b | ||
有固定的提供者 | 1.37 (1.04 - -1.82) | 03 | 0.51 (0.21 - -1.14) | 点 | 1.59 (1.11 - -2.28) | . 01b | ||
总体健康状况:很好或极好 | 1.09 (0.86 - -1.38) | 50 | 1.92 (1.04 - -3.65) | .04点b | 0.95 (0.70 - -1.29) | 收 | ||
一些大学 | 0.95 (0.68 - -1.38) | .77点 | 1.03 (0.41 - -2.46) | .95 | 0.89 (0.57 - -1.38) | 收 | ||
大学学位 | 0.73 (0.52 - -1.04) | 。08 | 0.54 (0.21 - -1.29) | 只要 | 0.69 (0.43 - -1.08) | 厚 | ||
50000 - 99999美元 | 0.75 (0.57 - -0.98) | 03b | 1.55 (0.76 - -3.18) | 口径。 | 1.20 (0.85 - -1.70) | 。31 | ||
≥100000美元 | 0.66 (0.48 - -0.91) | . 01b | 1.74 (0.76 - -4.17) | .20 | 0.92 (0.61 - -1.38) | .68点 | ||
浮标的可理解性 | 1.19 (0.93 - -1.53) | 。 | 2.24 (1.21 - -4.14) | . 01b | 0.90 (0.65 - -1.22) | 报 | ||
对浮标的信心 | 1.54 (1.34 - -1.76) | <措施b | 2.23 (1.61 - -3.14) | <措施b | 1.87 (1.56 - -2.25) | <措施b | ||
浮标感知效用 | 1.32 (1.10 - -1.58) | .002b | 1.02 (0.63 - -1.62) | 公布 | 1.12 (0.90 - -1.39) | 收 | ||
使用Buoy的情感后果 | 1.43 (1.24 - -1.63) | <措施b | 1.02 (0.66 - -1.53) | 公布 | 1.54 (1.29 - -1.83) | <措施b |
一个OR:优势比。
b重要的协会。
讨论
主要研究结果
这项研究试图了解谁使用基于web的人工智能症状检查器,以及用于什么目的。Buoy用户的人口统计特征与其他基于网络的健康信息搜索者的研究相似,这表明年龄较大的边缘化群体继续被数字排除在外。与更普遍的基于互联网的求医行为数据一致[
,大多数Buoy用户为中年(或更年轻)、女性和高学历人群。需要更多的研究来更好地了解老年人在网上寻求健康信息的行为,并支持他们的医疗和健康决策[ ].尽管从不同角度审视人工智能驱动的症状检查器的文章的范围审查发现,那些无法获得医疗保健服务的人更有可能使用症状检查器[ , Buoy的用户绝大多数都表示自己有医疗保险。这一发现并没有否定用户是出于经济考虑的可能性,因为大多数当代健康计划都要求自付共同支付。然而,这表明其他考虑因素,如便利性也很突出。沿着这些路线,先前的研究已经确定了污名化状况和使用症状检查器之间的联系[
].在本研究中,妇科问题是前3个症状组之一。此外,在症状或诊断方面,约11.04%(269/2437)的受访者“太尴尬”而不寻求当面治疗。综上所述,这些研究结果表明,症状检查对于那些被认为是私人的、尴尬的、耻辱的、不值得医生注意的、或需要潜在不舒服或心理压力大的身体检查(如盆腔检查)的用户可能特别有用。在检查使用该工具的原因时,大约三分之一的受访者有持续的症状,不能自发解决,另外三分之一有新的症状,其余的人要么认为他们不需要专业治疗,要么(如前所述)太尴尬而不寻求治疗。因此,一些患者使用症状检查器是因为他们有重大的健康相关问题;有些是因为他们缺乏足够的关心,无法亲自照顾;还有一些人是因为他们对现有护理的质量、成本或便利性有问题,或者只是想要第二个意见。持续时间超过预期的症状被认为是与健康相关焦虑的强烈驱动因素,因此,医疗保健使用[
].与此同时,重视便利和对医疗保健系统缺乏信任(这些因素分别在年轻人和种族和民族少数群体中可能特别突出)与使用正规医疗保健服务的倾向较低有关[ ].在用户体验方面,用户对Buoy有很高的信心,认为Buoy很有用。此外,用户对Buoy的信任超过了其他任何非医疗来源。感知到的信心、效用和信任与与医生讨论Buoy建议的强烈意愿相关。这一发现与一项研究相一致,该研究调查了患者对症状检查器有效性的看法[
].大多数Buoy用户发现该工具对诊断很有用,大多数用户报告说他们会再次使用它。尽管与医生讨论建议的用户的体验各不相同,但大多数人认为医生对讨论该工具的结果持开放态度。这是一个重要的发现,因为如果用户认为按照症状检查器的建议行事会受到医生的质疑甚至贬低,他们可能不会按照建议寻求治疗,而不管他们对工具有多大的信心。本研究通过将基于web的人工智能系统的信息搜索的客观测量与临床和心理社会结果联系起来,最终促进了对基于web的健康信息搜索行为和结果的理解。研究结果证明了人工驱动的基于web的健康信息工具在改善用户结果方面的潜在效用。症状检查已被描述为一种解决缺乏医生和减少不必要的办公室访问的手段[
].缺乏关于使用症状检查器是否转化为寻求医疗服务行为的研究[
, ].未来的研究应研究此类工具对医疗寻求的影响,特别是用户如何解释建议,建议是否被遵循,以及不同社会人口群体的用户反应如何不同。例如,人们可能会猜测,获得护理的机会有限或之前有负面医疗保健经历的人可能比他们更有特权的同行更有可能关注、欣赏和遵循这些建议。尽管症状检查器可能使用户能够做出更明智的决定,但如果某些群体不太容易使用它们,它们可能会自相矛盾地加剧健康差距。目前,基于web的症状检查器大多是免费的。由于基于网络的症状检查公司与雇主和健康保险公司建立合作关系,以确保利润,并非所有用户都同样准备好或能够支付症状检查费用。局限性和优势
我们与Buoy的技术人员和医务人员合作,对用户进行抽样调查。由于我们的合作方法,我们能够获得参与者报告的作为使用Buoy的主要原因的特定症状,以及Buoy和Buoy的分类建议确定的可能诊断。这样可以对自我报告的数据进行比较和验证。我们还从Buoy获得了选择不参与我们研究的符合条件的用户的症状、诊断、分类和性别。这使我们能够将我们的样本与用户群体进行比较,并评估潜在的偏差。此外,合作方法的一个好处是有可能克服先前研究的自我报告限制。因此,我们从Buoy得到了个体所走的路径和Buoy的最终推荐。我们还能够将咨询的最初原因与调查中报告的原因相匹配,并评估受访者对建议的理解程度和打算采取行动的程度。通过利用公共或私人伙伴关系,我们能够探索基于网络的症状检查器的使用和效果,这对COVID-19危机期间和之后的卫生公平和卫生保健系统具有重要意义。
这项研究的局限性包括使用横断面数据,这限制了做出任何因果推断的能力,以及潜在的缺乏对其他基于网络的症状检查的适用性。此外,我们没有评估用户输入的实际搜索词。最后,我们的研究使用了基于网络的健康信息的有限定义。使用基于web的症状检查器搜索症状与通过互联网传播的其他形式的健康相关信息不同。例如,基于网络的卫生社区也可以成为社会支持的一个来源[
]和点对点医疗建议[ ].结论
这项研究的结果证明了基于网络的健康信息工具的潜在效用,使人们能够寻求适当的护理和减少与健康有关的焦虑。与其他形式的基于web的健康信息搜索相比,交互式症状检查器可以提供更加个性化和潜在可靠的医疗信息。尽管令人鼓舞的结果表明,基于网络的工具可以满足妇女、黑人和拉丁裔成年人未满足的健康信息需求,但对用户群的分析表明,二级数字鸿沟效应持续存在。
为了让基于web的症状检查器做出有意义的贡献,它们不仅必须得到用户的信任,而且必须满足他们的各种需求,特别是那些关于可用性和可理解性的需求。无法使用基于网络的症状检查器也可能与获得医疗服务的差距加大有关,特别是在历史上在数字获取和识字率方面落后的群体中。此外,基于网络的症状检查业务模式可能会进一步加剧这些差异。相比之下,Buoy等人工智能技术有可能通过允许用户在不断变化但往往令人困惑的基于web的健康信息环境中获得准确、可操作和个性化的建议来缓解差异。最后,缺乏证据表明网络症状检查器是否会影响求医行为。为了解决这一差距,未来的研究将使用Buoy用户的随访数据来评估用户与医生讨论他们在网络上的发现的程度,以及影响患者满意度的障碍。
致谢
该项目由Buoy Health捐赠给加州大学默塞德分校。Buoy Health的工作人员可以访问参与者,并提供用于验证自我报告数据的内部数据,但在数据分析或解释中没有任何作用。作者感谢Jovo Velasco、Stephanie Reyes和Michael Vang在本研究中提供的数据收集和编码支持。内容仅为作者的责任,并不代表Buoy Health或加州大学的官方观点。
利益冲突
尽管作者没有参与研究设计、数据分析或解释,但他们从Buoy Health获得了资金和一些招聘方面的技术援助。
浮标分类等级和建议。
DOC文件,38kb
症状和诊断代码和频率。
DOCX文件,24kb参考文献
- 莫斯柯,奥斯特伯格NP,琼斯VG,陈振华AS。大型综合卫生系统中数字症状检查器的使用特征和分诊灵敏度:基于人群的描述性研究。J Med Internet Res 2020年11月30日;22(11):e20549 [免费全文] [CrossRef] [Medline]
- 麦卡锡·m, 60秒过去了……检查症状。BMJ 2016 10月20日;355:i5596。[CrossRef] [Medline]
- Mueller J, Jay C, Harper S, Davies A, Vega J, Todd C.身体健康状况症状评估的网络使用:系统综述。J Med Internet Res 2017年6月13日;19(6):e202 [免费全文] [CrossRef] [Medline]
- 李志强,李志强,李志强,等。症状检查仪在自我诊断和分诊中的应用:审计研究。BMJ 2015 july 08;351:h3480 [免费全文] [CrossRef] [Medline]
- 森田T,拉赫曼A,长谷川T,尾崎A,谷本T.潜在的可能性症状检查。国际卫生政策杂志2017年10月01日;6(10):615-616 [免费全文] [CrossRef] [Medline]
- Barello S, Triberti S, Graffigna G, Libreri C, Serino S, Hibbard J,等。前沿精神2016年1月8日;6:2013 [免费全文] [CrossRef] [Medline]
- Fox S. After Dr谷歌:点对点医疗保健。儿科2013年6月;131增刊4:S224-S225。[CrossRef] [Medline]
- 哈兹班德P Groopman j解开网络——病人,医生和互联网。英国医学杂志2010年3月25日;362(12):1063-1066。[CrossRef] [Medline]
- 王粉丝X,曹国伟D,张Z, D,李X,田f .利用自我诊断健康聊天机器人在实际设置:案例研究。J Med Internet Res 2021 Jan 06;23(1):e19928 [免费全文] [CrossRef] [Medline]
- 蔡超,尤勇,桂X,寇勇,Carroll JM。探索和促进在线症状检查的诊断透明度和可解释性。载于:2021年计算系统中的人为因素CHI会议记录。2021年发表于:CHI '21;2021年5月8日至13日;横滨,日本,第1-17页。[CrossRef]
- Meyer AN, Giardina TD, Spitzmueller C, Shahid U, Scott TM, Singh H.患者对人工智能辅助症状检查器有用性的看法:横断面调查研究J Med Internet Res 2020年1月30日;22(1):e14679 [免费全文] [CrossRef] [Medline]
- 卡茨E, Blumler JG, Gurevitch M.使用和满足感研究。公共意见Q 1973;37(4):509-523。[CrossRef]
- Cotten SR, Gupta SS.在线和离线健康信息搜索者的特征以及它们之间的区别因素。社会科学医学2004年11月;59(9):1795-1806。[CrossRef] [Medline]
- 梅西点。不使用互联网的美国成年人从哪里获得健康信息?研究2008年至2013年数字健康信息的差异。中华卫生杂志2016;21(1):118-124。[CrossRef] [Medline]
- Cutrona SL, Mazor KM, Vieux SN, Luger TM, Volkman JE, Finney Rutten LJ。代表他人寻求健康信息:"替代寻求者"的特征。J Cancer Educ 2015 Mar;30(1):12-19 [免费全文] [CrossRef] [Medline]
- Ramirez AS, Leyva B, Graff K, Nelson DE, Huerta E.代表他人寻求信息:对西班牙语广播健康节目的电话分析。健康促进实践2015七月;16(4):501-509。[CrossRef] [Medline]
- 亚伯拉罕森JA, Fisher KE,特纳AG, Durrance JC,特纳TC。外行信息媒介行为揭示:探索非专业人士如何在网上为自己和他人寻求健康信息。中国医学图书馆杂志2008年10月;96(4):310-323 [免费全文] [CrossRef] [Medline]
- Kelly B, Hornik R, Romantan A, Schwartz JS, Armstrong K, DeMichele A,等。在一般人群中进行癌症信息扫描和查找。J Health community 2010 Oct;15(7):734-753 [免费全文] [CrossRef] [Medline]
- 聂德德佩J, Hornik RC, Kelly BJ, Frosch DL, Romantan A, Stevens RS,等。检查癌症相关信息搜索和扫描行为的维度。卫生交流2007;22(2):153-167。[CrossRef] [Medline]
- 白头车RN,威尔特郡JC,长者K,白鹿R,加里LC。在医疗接触之外寻求和使用健康信息:它与种族和民族有关吗?科学通报(英文版);2012 01(2):176-184。[CrossRef] [Medline]
- Grasso KL, Bell RA。了解健康信息寻求:风险感知态度框架的测试。中华卫生杂志2015;20(12):1406-1414。[CrossRef] [Medline]
- Shim M, Kelly B, Hornik R.癌症信息扫描和寻求行为与知识、生活方式选择和筛查相关。J卫生公社2006;11增刊1:157-172。[CrossRef] [Medline]
- Fareed N, Swoboda CM, Jonnalagadda P, Walker DM, Huerta TR.健康信息寻求和信任随时间变化的种族差异:来自暗示数据的横断面汇总分析的证据。中华健康杂志2021年1月;35(1):84-92。[CrossRef] [Medline]
- 姜s, Street RL。链接互联网健康信息寻求更好的健康:一个调节中介研究。卫生交流2017年8月;32(8):1024-1031。[CrossRef] [Medline]
- Ramírez AS, Freres D, Martinez LS, Lewis N, Bourgoin A, Kelly BJ,等。从媒体和家人/朋友那里寻求信息,增加了从事健康生活方式行为的可能性。卫生通报2013;18(5):527-542 [免费全文] [CrossRef] [Medline]
- 网络健康信息检索与医患关系:一项系统综述。J Med Internet Res 2017年1月19日;19(1):e9 [免费全文] [CrossRef] [Medline]
- 莫德文-约翰逊M,谭,霍尼克RC。导航癌症信息环境:患者-临床医生信息参与和从非医疗来源寻求信息之间的相互关系。卫生公共2014;29(10):974-983 [免费全文] [CrossRef] [Medline]
- 李志强,李志强,李志强,等。互联网上的健康信息对医患关系的影响:患者的看法。2003年7月28日;163(14):1727-1734。[CrossRef] [Medline]
- cocoo AM, Zordan R, Taylor DM, Weiland TJ, Dilley SJ, Kant J,等。急诊科的谷歌医生:搜索成人急诊科病人的在线健康信息。医学杂志2018年10月15日;209(8):342-347。[CrossRef] [Medline]
- 浮标健康:检查症状并找到正确的护理。URL:https://www.buoyhealth.com/[2022-08-10]访问
- 数字健康初创公司Buoy推出人工智能的症状检查聊天机器人。MobiHealthNews。2017年3月8日。URL:https://www.mobihealthnews.com/content/digital-health-startup-buoy-launches-ai-powered-symptom-checking-chatbot[2022-08-10]访问
- 浮标健康-聊天机器人,帮助诊断你的症状。产品搜索,2017。URL:https://www.producthunt.com/posts/buoy-health[2022-08-10]访问
- 温恩,M索迈,弗格斯特姆,克罗蒂BH。使用在线症状检查器与患者寻求治疗计划的关联。2019年美国医学会网络公开赛12月02日;2(12):e1918561 [免费全文] [CrossRef] [Medline]
- Chaudhry S, Jin L, Meltzer D.使用自我报告生成的Charlson共病指数预测死亡率。医疗保健2005年6月;43(6):607-615。[CrossRef] [Medline]
- 预测和改变行为:理性行动方法。美国纽约州纽约:心理学出版社;2010.
- Nelson DE, Kreps GL, Hesse BW, Croyle RT, Willis G, Arora NK,等。卫生信息全国趋势调查(提示):开发、设计和传播。中华卫生杂志2004;9(5):443-484。[CrossRef] [Medline]
- 基于网络的健康信息的信任和可信度:未来研究的回顾和议程。J Med Internet Res 2017年6月19日;19(6):e218 [免费全文] [CrossRef] [Medline]
- Sivakumar G, Mares ML.医生与互联网:低、中、高质量网站对遵从医生建议意愿的影响。卫生通讯2017年12月;32(12):1454-1462。[CrossRef] [Medline]
- van Weert JC, van Noort G, Bol N, van Dijk L, Tates K, Jansen J.网络癌症患者定制信息:视觉线索和语言复杂性对信息回忆和满意度的影响。患者教育杂志2011年9月;84(3):368-378。[CrossRef] [Medline]
- 戴维斯FD。感知有用性、感知易用性和用户对信息技术的接受度。MIS Q 1989 9月13日(3):319-340。[CrossRef]
- White RW, Horvitz E.关于医疗问题和自我诊断的网络搜索经验。2009年11月14日;2009:696-700 [免费全文] [Medline]
- 施耐德D,阿普尔顿L,麦克勒莫尔T.访问分类门诊护理的原因。生命健康统计2 1979年2月(78):i-63 [免费全文] [Medline]
- 评价者间信度:kappa统计量。生物化学医学(萨格勒布)2012;22(3):276-282 [免费全文] [Medline]
- Shapiro MF, Ware Jr JE, Sherbourne CD.费用分担对严重和轻微症状寻求治疗的影响。随机对照试验结果。安实习医学1986年2月;104(2):246-251。[CrossRef] [Medline]
- 李娟,滕丽丽,付山。网络健康信息搜索行为的预测因子:2002 - 2012年的变化。卫生信息学杂志2016年12月;22(4):804-814 [免费全文] [CrossRef] [Medline]
- 权志华,桂世勇,朴毅,吴赫,朴凯。网络健康信息信任度的预测?流行病健康2015年6月28日;37:e2015030 [免费全文] [CrossRef] [Medline]
- Hesse BW, Nelson DE, Kreps GL, Croyle RT, Arora NK, Rimer BK,等。卫生信息的信任和来源:互联网的影响及其对卫生保健提供者的影响:第一次卫生信息全国趋势调查的结果。2005年12月;165(22):2618-2624。[CrossRef] [Medline]
- 泰国CL, Gaysynsky A, Falisi A, Chou WY, Blake K, Hesse BW。过去和现在对卫生信息来源和渠道的信任:来自卫生信息全国趋势调查(2005-2013年)的证据。上榜:Hale TM, Chou WY, Cotten SR, Khilani A,编辑。电子医疗:目前的证据、承诺、危险和未来方向(媒体与传播研究,第15卷)。彬格莱,英国:翡翠出版有限公司;2018:43 - 67。
- 钱伯斯D, Cantrell AJ, Johnson M, Preston L, Baxter SK, Booth A,等。针对紧急健康问题的数字和在线症状检查和健康评估/分类服务:系统审查。英国医学杂志公开赛2019年8月1日;9(8):e027743 [免费全文] [CrossRef] [Medline]
- 赵玉春,赵敏,宋森。老年人在线健康信息搜索行为:系统范围综述。J Med Internet Res 2022 Feb 16;24(2):e34790 [免费全文] [CrossRef] [Medline]
- Aboueid S,刘rh, Desta BN, Chaurasia A, Ebrahim S.公众使用人工智能自我诊断数字平台:范围审查。JMIR Med Inform 2019 5月01日;7(2):e13445 [免费全文] [CrossRef] [Medline]
- Kravitz RL, Callahan EJ, Paterniti D, Antonius D, Dunham M, Lewis CE。患者对护理的期望未得到满足的患病率和来源。安实习医学1996年11月1日;125(9):730-737。[CrossRef] [Medline]
- Musa D, Schulz R, Harris R, Silverman M, Thomas SB.老年黑人和白人对医疗保健系统的信任和对预防性医疗服务的使用。美国公共卫生杂志2009年7月;99(7):1293-1299。[CrossRef] [Medline]
- 在线健康社区的信息寻求和社会支持:对患者感知共情的影响。美国医学信息学会2011年5月01日;18(3):298-304 [免费全文] [CrossRef] [Medline]
缩写
人工智能:人工智能 |
NAMCS:全国门诊医疗调查 |
或者:优势比 |
中移动:研究问题 |
编辑:T Leung;提交17.01.22;N Fareed,宋s,钱y;对作者16.03.22的评论;订正版本收到21.04.22;接受24.05.22;发表19.08.22
版权©Kimberly Arellano Carmona, Deepti Chittamuru, Richard L Kravitz, Steven Ramondt, A Susana Ramírez。最初发表于《医疗互联网研究杂志》(//www.mybigtv.com), 19.08.2022。
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。