TY -非盟的范教授琼AU -肖,詹姆斯盟——盛田Plinio P盟——濑户,艾米丽AU -史汀生,詹妮弗·N AU - Cafazzo约瑟夫PY - 2019 DA - 2019/11/11 TI -服务的研究分析来优化数字医疗证据生成:多级案例研究乔- J地中海互联网Res SP - e14849六世- 21 - 11千瓦研究分析KW -有效参与KW -数字医疗KW -移动健康KW -实现千瓦日志数据KW -服务设计KW -慢性疾病AB -背景:对慢性疾病自我管理的数字卫生干预措施的广泛采用，促成了用于证明这些措施的方法选择的范式转变。最近，数字卫生研究分析的应用已成为评估这些数据丰富的干预措施的一种有效方法。然而，从分析介导的试验中产生的有希望的证据基础与将这些新的研究方法引入评估实践的复杂性之间的不匹配正在增加。目的:本研究旨在对实施研究分析以评估数字卫生干预措施的过程产生可转移的见解。我们试图回答以下两个研究问题:(1)研究分析服务应该如何设计以优化数字健康证据生成?(2)在评估实践中扩大、传播和维持这项服务的挑战和机遇是什么?方法:我们对在评估实践中实施研究分析进行了定性的多层次嵌入式单一案例研究，包括对安大略省政策和监管环境的回顾(宏观层面)，将数字健康分析平台引入评估实践的实地研究(中观层面)，以及对数字健康创新者的分析和评估看法的采访(微观层面)。结果:研究分析实践是支持数字健康证据生成的一种高效和有效的手段。在繁忙的研究实验室中引入研究分析平台来评估数字卫生干预的有效参与，最终被研究人员接受，成为他们评估实践的例行公事，并优化了他们现有的日志数据分析和解释机制。 The capacity for research analytics to optimize digital health evaluations is highest when there is (1) a collaborative working relationship between research client and analytics service provider, (2) a data-driven research agenda, (3) a robust data infrastructure with clear documentation of analytic tags, (4) in-house software development expertise, and (5) a collective tolerance for methodological change. Conclusions: Scientific methods and practices that can facilitate the agile trials needed to iterate and improve digital health interventions warrant continued implementation. The service of research analytics may help to accelerate the pace of digital health evidence generation and build a data-rich research infrastructure that enables continuous learning and evaluation. SN - 1438-8871 UR - //www.mybigtv.com/2019/11/e14849/ UR - https://doi.org/10.2196/14849 UR - http://www.ncbi.nlm.nih.gov/pubmed/31710296 DO - 10.2196/14849 ID - info:doi/10.2196/14849 ER -