风湿病和肌肉骨骼疾病患者门静脉使用的差异:回顾性横断面研究

介绍

风湿病和肌肉骨骼疾病(RMDs)是复杂的慢性疾病，需要终生护理。患者可能会出现与疾病相关的急性发作或急性并发症，需要与风湿病医生密切沟通。患有这些疾病的患者通常服用需要频繁监测和不规则给药计划的药物。RMD管理的这些方面需要高水平的患者代理和开放的患者-提供者联系和沟通渠道。数字技术，如患者门户、健康应用程序和可穿戴技术，使患者能够管理和参与自己的护理[1]。

许多研究表明，当患者通过数字技术参与自己的护理时，对患者的治疗结果和满意度产生了积极影响[1-4]。在de Jong等人的系统综述中[2]，能够与医生沟通的患者增加了对其慢性疾病的知识和自我管理，减少了就医次数，改善了心理社会和临床结果。在另一项类风湿关节炎患者的研究中，每周收到短信的患者比没有接受短信干预的患者有更好的药物依从性[3.]。在一项针对rmd(即类风湿性关节炎、骨关节炎或纤维肌痛)患者的研究中，参与基于网络的关节炎自我管理项目与健康状况测量和自我效能的改善有关[4]。

在新冠肺炎(COVID-19)疫情爆发后，卫生技术的使用在2020年初成为一种必要，迫使世界各地的卫生保健系统在面对不确定性时进行适应。在此期间，出现了向虚拟医疗的巨大转变。虽然这种变化有可能缩小美国医疗保健服务的差距，但研究表明，在卫生技术的使用和一般技术的使用方面存在差异[5-11]。这些研究表明，卫生知识普及程度低、受教育程度低、居住在农村地区、属于少数种族/族裔以及年龄较大与卫生应用程序和一般技术使用率(即电脑和手机拥有率)较低有关[5-11]。

迄今为止，关于风湿病患者在卫生技术使用方面的不公平现象的研究有限，据我们所知，还没有研究COVID-19如何影响这一患者群体的卫生技术使用模式。我们的目标是从一家大型医院风湿病诊所的一组患者中确定患者门户用户与非用户的特征。我们旨在确定风湿病患者采用远程医疗的差异和潜在障碍，以帮助缩小卫生技术使用方面的差距。

方法

研究对象

在这项横断面研究中，研究人员查询了Epic电子病历数据，以确定2017年11月1日至2019年11月30日期间北卡罗来纳大学医院(UNCH)成人风湿病诊所的既定患者。“确定”患者定义为在2年研究期间至少有一次回访的患者。我们特别排除了“新”患者，因为这些患者可能只进行一次咨询访问，而无需在UNCH系统中进行进一步随访。我们认为纳入这些受试者可能会低估患者门户的激活或在我们人群中的使用。

变量

从患者和提供者输入的Epic信息中收集人口统计和临床数据，并用于比较在初始数据采集时激活Epic患者门户(MyChart)的患者和未激活MyChart的患者。接下来的一年收集了MyChart使用情况的其他数据，以比较我们诊所远程医疗就诊开始前8个月的MyChart使用情况(从2019年7月1日到2020年3月30日;“大流行前”)至诊所采用虚拟护理后的8个月(从2020年4月1日至2020年12月2日;“postpandemic”)。MyChart“激活”表示患者或患者代理已注册以访问患者门户。MyChart“用法”定义为使用MyChart读取或发送患者-提供者消息或管理预约的患者或患者指定的代理。

收集的人口统计信息包括电子病历中记录的年龄、性别、种族或民族(美洲印第安人或阿拉斯加原住民或夏威夷原住民或太平洋岛民、亚洲人、黑人或非裔美国人、西班牙裔或拉丁裔美国人、白人或“其他”种族)、主要语言(英语、西班牙语或“其他”)、邮政编码和主要居住地县，以及主要保险付款人。根据初始数据收集时(2019年11月)的年龄将患者分为几代:1997年至今出生的(“Z世代”，年龄17-22岁)，1981-96年出生的(“千禧一代”，年龄23-38岁)，1965-80年出生的(“X世代”，年龄39-54岁)，1946-64年出生的(“婴儿潮一代”，年龄55-73岁)，1928-45年出生的(“沉默的一代”，年龄74-91岁)[12]。北卡罗莱纳州(NC)的“农村”、“郊区”和“城市”县的定义分别为平均人口密度≤250人/平方英里、250-750人/平方英里或≥750人/平方英里，根据2014年美国人口普查人口估计报告的密度[13]。使用美国国税局(IRS) 2017年北卡罗来纳州邮政编码的个人收入数据，我们使用每个邮政编码的总收入中位数来估计个人的年度总收入中位数。估计经调整总收入中位数按国税局数据所载的四分位数分组[14]。没有所有邮政编码的收入数据;收入数据未报告低回报的邮政编码或非住宅邮政编码的情况[14]。因此，没有收入信息的NC邮政编码患者和州外邮政编码患者被排除在分析之外。收集的临床数据包括研究期间最近的门诊就诊日期和门诊就诊次数(≤2 vs≥3)。

统计分析

采用描述性统计方法总结研究对象及相关变量。分类变量计算计数和百分比，而连续变量计算平均值(SD)或中位数(IQR)。分别对MyChart在covid -19前激活(模型1)、MyChart在covid -19前和covid -19后使用(模型2)以及MyChart在covid -19前非用户中在covid -19后使用(模型3)的对数概率进行多变量logistic回归建模。模型2使用广义估计方程来解释患者在covid -19前和covid -19后使用MyChart以及covid -19前或covid -19后时间的相互作用之间的相关性，所有协变量都经过测试并保留P< . 05;否则，将显示该模型的总体效应。

模型包括所有先前定义的变量:就诊日期、就诊次数、年龄组、性别、种族或民族、主要语言、居住县、保险和基于邮政编码的收入中位数，以产生调整后的优势比(aORs)和95% CI。完整的病例被纳入多变量分析，排除了缺失变量项的受试者，因为缺失数据率(319/5075,6.3%)远低于10% (图1)，在按邮政编码提供IRS收入的北卡罗来纳州居民中进行调查。

对缺失信息(种族或民族和主要语言)的变量进行多重归算的敏感性分析，以评估结果的一致性。这些变量通过二元变量的完全条件说明方法使用逻辑回归进行输入，该方法在随机缺失模式和缺失比例小于50%的情况下表现最佳，以生成10个输入数据集用于分析[15]。由于本研究为探索性研究，未对统计显著性水平进行校正[16]。所有分析均使用SAS统计软件(version 9.4;SAS Institute Inc)。在P= . 05。

‎ 查看此图

伦理批准

我们的研究得到了北卡罗来纳大学机构审查委员会的审查和批准(议定书19-3155)，并遵守赫尔辛基宣言的伦理原则。由于我们的研究是回顾性的，我们获得了知情同意的豁免。

结果

一般特征

在我们的研究期间，我们确定了5287名在UNCH风湿病诊所就诊的确诊患者，其中5075名患者是北卡罗来纳州居民，其收入数据基于邮政编码。covid -19前MyChart激活分析包括4756个完整病例，covid -19后MyChart使用分析包括4754个完整病例(图1)。

具有收入数据的NC居民队列显示了关键特征的描述性统计(N=5075;表1)。NC队列的平均年龄为54.7岁(SD 15.4)， 73.9% (n=3749)为女性。在5075例确诊患者中，51% (n=2586)为白人，26.4% (n=1342)为黑人或非裔美国人。总的来说，88% (n=4478)的人认为英语是他们的主要语言，而9.2% (n=469)的人认为西班牙语是他们的主要语言。患者几乎平均分布在城市(n=1679, 33.1%)、郊区(n=1506, 29.7%)和农村(n=1890, 37.2%)。超过三分之二(n=3563, 70.2%)的调整后总收入中位数在2.5万美元至5万美元以下。在保险方面，37% (n=1851)有医疗保险，25.1% (n=1276)有商业保险，10.1% (n=512)有医疗补助，16.9% (n=859)没有保险。

我们根据患者的特征检查了3759名MyChart“激活者”的MyChart激活情况(表2)。我们发现74.1%(3759/5075)的队列已经激活了MyChart (表2)。在年龄组中，91%(111/122)的Z世代患者激活了MyChart，而年龄≥75岁的患者中有69.7%(352/505)激活了MyChart。MyChart的激活率女性为77.1%(2890/3749)，男性为65.5%(869/1326)。在种族和民族方面，82%(2130/2586)的白人患者和87%(87/100)的亚洲患者激活了MyChart，而63.6%(854/1342)的黑人或非裔美国患者和65.4%(409/625)的西班牙裔或拉丁裔患者激活了MyChart。英语使用者的MyChart激活率为76.3%(3416/4478)，西班牙语使用者为57.4%(269/469)。居住在郊区县的患者MyChart激活率为81.3%(1224/1506)，居住在农村县的患者为65.4%(1237/1890)。在估计调整后总收入中位数< 25,000美元的患者中，只有53.4%(86/161)激活了MyChart，而在总收入为75,000美元至< 100,000美元的患者中，这一比例为92.5%(124/134)。MyChart的激活率在商业保险(1099/1276,86.1%)、州保险(319/350,91.1%)和军事保险(113/132,85.6%)的个人中较高，而71.6%(1325/1851)的医疗保险受益人、65.6%(336/512)的医疗补助接受者和65.3%(561/859)的未保险个人激活了MyChart。

我的图表激活在covid -19之前

使用NC居民中完整病例的数据(n=4756)，我们计算了COVID-19大流行之前按患者特征激活MyChart的aORs (表3)。与婴儿潮一代相比，Z世代患者激活MyChart的可能性是其5倍(aOR 5.39, 95% CI 2.67-10.9)，其次是千禧一代(aOR 2.86, 95% CI 2.22-3.69)和X世代(aOR 1.72, 95% CI 1.42-2.08)患者。男性患者激活MyChart的可能性明显低于女性患者(aoR 0.61, 95% CI 0.51-0.71;P<措施)。与白人患者相比，黑人或非裔美国患者(aOR 0.39, 95% CI 0.33-0.47;P<.001)和“其他”种族患者(aOR 0.44, 95% 0.27-0.70;P<.001)的MyChart激活几率显著降低。西班牙语作为主要语言与MyChart激活的几率显著降低相关(aOR 0.31, 95% CI 0.20-0.48;P<.001)。居住在郊区与MyChart激活的几率显著升高相关(aOR 1.22, 95% CI 1.00-1.49;P= 0.05)，而农村居住与显著较低的激活几率相关(aOR 0.78, 95% CI 0.65-0.93;P=.007)。与通过医疗保险投保的患者相比，拥有商业保险的受试者MyChart激活的几率显著更高(aOR 1.77, 95% CI 1.41-2.23;P<.001)，国家保险(aOR 2.67, 95% CI 1.76-4.05;P<.001)和军事保险(Tricare;aOR 2.20, 95% CI 1.19-4.10;P= 0.05)，而医疗补助保险与MyChart激活的几率显著降低相关(aOR 0.64, 95% CI 0.49-0.83;P<措施)。与总收入中位数水平在25,000美元至< 50,000美元相比，收入中位数水平< 25,000美元与MyChart激活几率较低显著相关(aOR 0.62, 95% CI 0.42-0.90;P= 0.01)，而较高的收入水平与MyChart激活显著相关:50,000美元至< 75,000美元(比值比1.89,95% CI 1.53-2.33;P< 0.001)和75,000美元至< 100,000美元(比值比3.61,95% CI 1.74-7.47;P<措施)。使用多重输入数据的分析结果与这些结果一致;因此，报告了完整病例分析的结果。

使用covid -19前和covid -19后

为了确定COVID-19大流行期间患者门户网站使用的变化，我们计算了采用远程医疗前8个月和采用远程医疗后8个月MyChart使用的aor (表4)。我们还计算了在COVID-19大流行期间，以前不使用MyChart的人成为MyChart用户的几率(表5)。

尽管从2020年4月开始，从面对面护理到远程护理迅速且几乎完全过渡，但仍存在一些差距(表4;模型2)。MyChart的使用与性别、种族或民族、语言、居住地、乡村性和保险之间的关联与MyChart激活时观察到的相似(表3;模型1)，并且在covid -19前和covid -19后的时间上没有显著差异。然而，Z世代患者在covid -19后使用MyChart的几率(aOR 2.52, 95% CI 1.63-3.89)高于covid -19前(aOR 1.54, 95% CI 0.99-2.39)。有趣的是，大流行后，最高收入者(7.5万美元至10万美元以下)和参照组(2.5万美元至5万美元以下)使用MyChart的情况没有差异，这可能反映了参照组使用MyChart的情况有所增加。

在先前未使用过的患者中(n=3086;表5;模型3)，我们观察到Z世代在大流行期间成为MyChart用户的几率显著更高(aOR 2.80, 95% CI 1.32-5.94;P= .007)。先前不使用MyChart的男性成为MyChart用户的可能性更小(aOR 0.58, 95% CI 0.41-0.83)，以及不使用农村住宅的男性与不使用城市住宅的男性相比(aOR 0.62, 95% CI 0.44-0.87)。

讨论

主要研究结果

我们发现，在我们机构开始远程医疗访问后，我们最年轻的患者(Z世代)中患者门户网站的使用显着增加。然而，在实施远程医疗后，MyChart的使用率在黑人或非裔美国人种族和“其他”种族，以西班牙语为主要语言，没有保险，有医疗补助的人中仍然明显较低。男性和农村居住也与covid -19后使用MyChart的几率较低有关，这些群体中的个人在大流行期间成为MyChart用户的可能性显着降低。据我们所知，这是第一项描述rmd患者门户网站使用差异的研究，也是第一项评估当前COVID-19大流行期间卫生技术使用变化的研究。

与前期工作比较

我们的研究结果以以前的工作为基础，强调了远程医疗使用方面的不平等，并进一步强调了这些不平等在COVID-19大流行之前就存在并继续存在。在COVID-19大流行之前进行的一项大型横断面研究表明，患者采用门户网站最常见的障碍是倾向于与提供者直接沟通，以及缺乏计算机经验，这与收入较低和年龄较大有关。在这项研究中，其他常见的障碍包括没有可用的患者门户或难以访问门户，缺乏互联网接入和隐私问题[17]。

考察大流行期间远程医疗使用差异的各种研究发现了与我们类似的结果。Pierce和Stevermer的一项研究[18]显示非白种人和居住在农村邮政编码地区的人使用远程医疗的比例较低。另一项研究还表明，年龄较大、独居和居住在农村与远程医疗使用率较低有关[19]。然而，这些模式并不局限于农村人口。一项针对纽约市居民的研究表明，黑人和西班牙裔患者、非英语人士和老年患者使用远程医疗进行covid -19相关护理的可能性较小[20.]。

可以解释远程医疗使用方面这些不平等现象的一些因素包括:获得负担得起的可靠互联网的机会有限、计算机拥有率低以及某些群体的数字技术素养低。据估计，有2400万美国人无法负担得起高速互联网，其中农村居民受到的影响尤为严重。21，22]。在一项针对北卡居民的调查中，费用和没有宽频是两个最常被提及的没有上网的原因[23]。手机提供了另一种上网方式，有时是某些人的唯一选择。一项关于美国人拥有电脑或笔记本电脑的研究表明，年龄较小、非白人、受教育程度较低和收入较低与“智能手机”依赖和缺乏电脑或笔记本电脑有关。24]。然而，通过蜂窝设备访问互联网的能力取决于可靠的蜂窝数据网络的可用性。

在我们的研究中，我们注意到，在大流行之前和期间，男性患者的门脉激活和使用较低。与女性相比，男性对医疗保健的总体参与度较低，对寻求帮助的行为犹豫不决，这可能解释了这一发现[25，26]。与我们的发现相似，Yang等[27发现与非医疗补助人群相比，医疗补助计划的参保者采用电子健康工具的可能性较小，部分原因是互联网接入的几率较低。

我们发现，即使在控制了年龄、保险、居住类型和收入等因素后，黑人或非裔美国人也不太可能使用患者门户网站。因此，虽然肯定有与种族有关的社会和经济因素导致较低的医疗技术使用，但似乎还有其他因素影响黑人或非裔美国人的医疗技术使用。其中一些结果可能源于较差的可靠互联网接入，隐私问题或倾向于直接与他们的医疗保健提供者交谈[28，29]。Lyles等人的定性研究[30.对拉丁裔和黑人患者使用患者门户网站的障碍进行的评估显示，在患者门户网站中导航困难和担心患者门户网站的使用会削弱患者与提供者的关系是在年龄、收入和地理群体中观察到的两个主要主题。西班牙语和其他非英语使用者获得保健服务或使用远程保健方式的可能性较小，原因是难以与提供者沟通，而且使用的保健技术平台无法以其语言提供[31，32]。UNCH MyChart仅提供英文版本，这可以防止非英语患者使用此资源。

年龄也是远程医疗使用的一个重要因素。一项调查老年人健康技术“准备程度”的研究表明，41.4%的医疗保险受益人没有高速上网的电脑，40.9%的人没有无线数据套餐的智能手机，26.3%的人没有任何一种数字接入方式。33]。老年人可能面临的其他困难包括与年龄有关的损害(例如，听力丧失、视力丧失和痴呆)或总体使用率低和不熟悉使用技术，这些障碍似乎在男性患者中被放大;单身;黑人或非裔美国人或西班牙裔或拉丁裔;居住在非大都市地区;受教育程度较低，收入较低，自我报告的健康状况较差[34]。

优势与局限

本研究的优势包括我们对rmd患者的大规模现实世界队列研究，以及我们研究人群的种族和社会经济多样性。我们还能够比较同一患者在covid -19前和covid -19后卫生技术使用的变化。我们当前研究的一些局限性包括我们的回顾性研究设计和使用邮政编码作为社会经济变量的代理，这有可能使某些人群同质化。在我们队列中的5179名NC居民中，由于缺乏IRS收入数据，104人未被纳入分析。其中，63% (n=66)来自农村县，23% (n=24)来自城市县，13% (n=14)来自郊区县。不出所料，这些人中的大多数居住在农村县。然而，考虑到这些患者在NC队列中所占的比例很小(2%)，将他们排除在分析之外不太可能影响我们的结果。在本研究中，我们没有具体评估患者的远程医疗访问情况，因此无法得出结论，说明患者在远程医疗使用方面是否存在差异。我们没有包括但可能是混杂因素的其他因素包括健康素养、智能手机拥有量、计算机或笔记本电脑拥有量、宽带接入和蜂窝数据接入。

结论

随着技术越来越多地用于卫生保健服务，解决卫生技术使用方面的差异从未像现在这样重要。《新英格兰医学杂志》(New England Journal of Medicine)最近发表的一篇观点文章强调了这个问题的范围，并谈到了新颁布的《基础设施投资和就业法案》(Infrastructure Investment and Jobs Act)。这项法律包括为宽带基础设施发展和可负担性提供资金，改善农村和部落社区的连接，创建数字扫盲计划，防止数字歧视[35]。尽管《基础设施投资和就业法案》没有具体解决医疗保健领域的数字不平等问题，但这项法律可能带来的潜在变化无疑将影响医疗技术的可及性。虽然导致技术获取不公平的许多问题是多方面的，不能立即改变，但我们希望增加研究和资源投入，使所有人都能获得卫生技术。未来的研究应侧重于互联网可及性、健康和数字素养以及对卫生技术的态度和看法等途径中存在的障碍和潜在的解决方案。