发表在9卷(2023)

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/40552,首次出版
中国COVID-19疫情爆发前后移动健康应用的使用变化:半纵向调查

中国COVID-19疫情爆发前后移动健康应用的使用变化:半纵向调查

中国COVID-19疫情爆发前后移动健康应用的使用变化:半纵向调查

原始论文

通讯作者:

谢晓旭,医学博士

公共卫生学院

福建医科大学

学府北路1号

福州大学新区

福州,350122

中国

电话:86 059122862023

电子邮件:xiexiaoxu@aliyun.com


背景:由于在COVID-19大流行期间严格控制医疗需求,同时继续为慢性病提供基本服务,移动健康(mHealth)应用程序在中国迅速成为新兴技术。然而,还没有大规模的、系统的努力来评估相关的应用程序。

摘要目的:我们旨在通过描述和比较新冠肺炎疫情前后的数字健康问题,包括移动健康应用程序的数据流和用户体验,描绘中国移动健康应用程序的全景,并分析新冠肺炎对移动健康应用程序的影响。

方法:我们对1593个移动健康应用程序进行了半纵向调查,以研究应用程序的数据流,并阐明使用变化和影响因素。我们选择了应用程序市场中的移动健康应用程序、百度搜索引擎的网页、2018年拥有互联网医院的100强医院,以及拥有连接智能设备的应用程序的在线购物网站。为了用户体验,我们从2019年10月至2019年11月(疫情爆发前)和2020年6月至2020年8月(疫情爆发后)从中国东南部的一个社区招募了居民,比较了人们对应用程序的关注程度。我们还使用分位数回归模型检查了应用程序特征、功能和下载量变化中特定分位数分布结果之间的关联。

结果:康复医疗支持是排名最高的功能,大流行前每个应用程序的下载量中位数为144万次,大流行后每个应用程序的下载量中位数为274万次。在大流行后的十大功能中,有4项与孕产妇和儿童健康有关:怀孕准备(排名第二;折叠变化4.13),女性健康(排名第五;褶皱变化5.16),怀孕(排名第六;折叠变化5.78)和育儿(排名第十;折叠变化4.03)。分位数回归模型显示康复(P75P90)、妊娠准备(P90)、健美(P50P90)和防疫注射(P75)与疫情爆发后的下载量增长呈正相关。在用户体验调查中,对卫生信息的关注(大流行前:249/375,66.4%;大流行后:146/178,82.0%;P=.006)在疫情爆发后稳步增长。

结论:移动健康app是新冠肺炎疫情爆发后在中国人群中越来越受欢迎的一种有效的医疗保健方式。本研究为后疫情时代移动健康app的开发和推广提供方向,为中国医疗模式改革提供借鉴,为健康教育、健康促进等间接公共卫生干预措施的设计和评估提供新的途径。

JMIR公共卫生监测2023;9:e40552

doi: 10.2196/40552

关键字



背景

在COVID-19疫情爆发后,数字卫生技术帮助医疗服务系统和人们[1,例如远程医疗,已经从一种方便转变为一种需求[2-5].移动健康(mHealth)应用程序是一种新型平台,可使用移动设备获取健康和疾病诊断、预防和管理方面的数据[67].

在新冠肺炎疫情爆发之前,几项研究调查了中国应用程序的特征;这些研究只关注特定的健康领域,如疾病管理、女性健康和体育,而没有详细阐述移动健康应用程序的整体情况[8-11].然而,在新冠肺炎疫情背景下,移动健康app的开发已成为热门话题[12].只有少数研究对移动健康应用市场现状进行了调查,主要集中在功能分布的评估,而没有对移动健康应用进行细化的分类,缺乏信息的完整性[13].因此,目前还没有对移动健康应用进行详细的分类,也没有对移动健康应用进行详细的描述性研究。

疫情爆发后,与COVID-19直接相关的用于跟踪高危人群并协助诊断的应用程序被研究得最多[14-16].一项研究根据基本功能和用途的差异,对目前市场上用于抗击COVID-19的移动健康应用程序进行了概述和分类[17].然而,面对大流行带来的重大挑战,与COVID-19相关的应用程序类型也被认为是有价值的工具,例如减轻医院的负担,提供可靠的信息,跟踪个人的症状和心理健康,以及发现新的预测因素[18].之前的研究表明,移动健康应用程序可以改善人们的生活需求(如生育能力),这促进了它们的使用[19].然而,由于大流行,许多类型的移动健康应用程序的发展趋势变得复杂,这需要引起关注。

与此同时,与其他国家不同,中国实施常态化疫情防控,很少以个人形式使用接触者追踪app;因此,由于大流行而直接开发的应用程序并不是这项研究的重点。疫情爆发后,咨询医疗问题的电话数量激增,中国的在线需求大幅增长[17].由于中国幅员辽阔,东西部卫生资源配置不平衡,也导致了远程医疗的需求。在新冠肺炎大流行期间,中国西部四川省立即启动了一个多模式远程医疗网络,该网络被证明是可行、可接受和有效的[20.].此外,由于独生子女政策和人口老龄化的独特国情,疫情前后移动健康应用领域的变化与其他国家有所不同[2122].因此,移动健康app作为关注疫情前后各种健康功能变化的新兴工具,在中国值得研究,可能对未来突发公共卫生事件的预防、诊断、治疗和管理决策具有重要意义。

然而,目前尚不清楚在大流行前和后时期,移动健康应用程序的哪些特征(如果有的话)受到了影响并得到了适当的部署。

目标

在这里,我们对中国移动健康应用程序进行了一项全国性的研究。本研究的目的是(1)描述和比较COVID-19爆发前后的数字健康问题,包括移动健康应用程序的数据流和用户体验;(2)分析COVID-19对移动健康应用程序的影响。


数据采集

在新冠肺炎疫情爆发之前,我们对截至2019年10月25日的4个来源进行了全面的电子搜索:(1)中国6个最大的应用市场中健康类排行榜上的应用程序,包括华为Android市场的前50名(华为技术有限公司;(中国深圳),OPPO Android市场前50名(OPPO电子有限公司;中国广东东莞),Vivo Android市场前100名(Vivo Co . Ltd;中国广东东莞),腾讯Android市场前50名(腾讯控股有限公司;(中国深圳),360 Android Market前100名(奇虎360科技有限公司;中国北京)和苹果iTunes商店中国前100名(苹果;加州库比蒂诺[23];(2)中国最大的搜索引擎百度搜索引擎前20个网页上的移动健康应用;(3)四大购物网站(天猫、京东、拼多多、苏宁)可连接智能设备的应用;(4) 2018年中国医院百强名单中,互联网医院所属的应用程序。排除标准为(1)重复应用,(2)与健康无关的应用描述,(3)没有中文版本的应用,(4)无法通过Android和苹果官方应用商店或百度搜索引擎下载的应用,以及(5)由于技术问题无法打开或使用的应用。患者版本和临床版本的应用程序被作为不同的项目进行评估。的表S1中提供了每个来源的搜索词、样本量和数据收集时间多媒体附件1

我们从描述界面收集了4类数据:(1)应用基本特征,包括应用规模、应用下载量、目标用户等;(2)应用开发者信息来自最大的商业查询平台天研查网站[24,包括交易金额、注册资本、员工人数、经营状况、成立日期、地理位置等;(3) app权限列表数据来自权限界面;(4)应用试用版的应用功能,只对内部用户开放的应用除外。由于iOS App Store不显示下载数量,我们将iOS中的总下载量替换为评论数量,并在以下段落中使用“下载”的表述。如果一个应用程序存在于多个平台上,那么应用程序的总下载量将被计算为所有平台的应用程序下载的总和。应用程序试验包括至少两名调查人员,他们下载了选定的应用程序,并使用iphone和Android手机根据明确的功能定义独立识别应用程序的功能。见中表S2多媒体附件1有关函数定义的详细信息。

疫情爆发后,我们于2021年4月对相同的移动健康应用程序进行了第二次调查,作为具有下载数据的半纵向样本,我们确定了是否添加了COVID-19内容。下载变化定义为大流行后和大流行前下载之间的差异。

用户体验调查

我们通过社区健康检查项目招募居民,在中国东南部一个年龄分布均衡的2万多人的大型社区中探索移动健康应用程序的用户体验。我们使用了一份离线问卷,在COVID-19爆发前的2019年10月至2019年11月对400名参与者进行了调查,在疫情爆发后的2020年6月至2020年8月对200名参与者进行了调查。共有553名(553/ 600,92.2%)参与者完成了调查:疫情爆发前375名(375/ 400,93.8%),疫情爆发后178名(178/ 200,89.0%)。在该社区体检中心的等候区,向潜在参与者提供了预先设计的结构化问卷。问卷旨在收集参与者对健康信息的关注程度、移动健康技术使用的各个方面、移动健康技术消费意愿、健康状况和人口特征等信息。训练有素、中文流利的研究助理负责管理问卷,并就如何完成问卷提供口头指导。

道德的考虑

在进行调查之前,每个参与者都获得了知情同意。本研究获福建医科大学生物医学研究伦理委员会批准(2018年第11期)。所有程序都是按照有关的准则和条例执行的。

数据分析

对中国移动健康应用程序的特征、开发者、权限、功能和用户体验进行了描述性分析。数据使用频率和百分比、柱状图、统计图、维恩图和热图来表示。连续变量表示为平均值和SD或中位数和IQR,而分类变量表示为频率和百分比。Mann-WhitneyU使用检验或卡方检验来评估变量之间的差异。

我们还使用配对方法比较了每个类别在大流行前后的应用下载量t测试。为了解释多重比较,我们计算了bonferroni校正P价值准则为.05/28。因此,P< 1.79 x103被认为有统计学意义。

分位数回归(QR)模型用于探索建模协变量与感兴趣结果变量的四分位数之间的关系[25].由于下载变化的范围广泛且分布非正态,我们使用QR模型来检查下载变化中特定分布分位数的应用程序特征、功能和结果之间的关联。该分析没有对残差分布进行假设,并且对结果中的异常值更稳健[26].与仅对1个因变量的均值建模的普通线性回归模型不同,QR检验了在响应变量的条件分布的不同点上协变量的影响,并给出了更全面的结果。QR模型提供了应用特征、功能和结果与下载变化之间关联的更详细视图。我们获得了估计值,并将其绘制在以下分位数:第10位、第25位、第50位(中位数)、第75位和第90位。在QR分析中,在10%水平上评估显著性。

所有分析均预先指定并使用SPSS 25.0 (IBM Corp .;Armonk, NY)和Stata版本13 (StataCorp;大学城,德克萨斯州)。


应用特征

共有1593个移动健康应用程序被包括在分析中图1).在COVID-19大流行期间,各种应用程序的下载量总体呈上升趋势(中位数变化:61,561),大约10%(182/ 1593,11.4%)的应用程序添加了针对COVID-19的功能或内容(见表1).图2而且3.展示目标用户和应用的地理分布。目标用户包括健康人(921/1593,57.8%)、病人(513/1593,32.2%)和卫生保健专业人员(393/1593,24.7%)。研究中移动健康应用程序开发者的地理分布集中在特大城市(即北京、上海、广州)和中国东南部(经济发达的沿海地区;看到图3).在应用程序市场中发现了额外的权限请求(见表S3)多媒体附件1).

图1。应用程序选择流程图。
表1。中国市场上可用的移动健康(mHealth)应用程序的特点和开发者(1593个应用程序和1196个开发者)。
特征 结果
基本信息

app大小(MB),平均值(SD) 37.26 (75.46)

应用大小(MB),中位数(IQR) 24.90 (13.50 - -39.88)

下载价格,n (%)


免费下载 1530 (96.0)


支付 63 (4.0)

如果下载是免费的,则应用内购买可用,n (%) 1444 (90.6)

应用内广告,n (%) 175 (11.0)

目标用户,n (%)


医学研究人员 72 (4.5)


医疗人员 100 (6.3)


病人 513 (32.2)


健康的人 921 (57.8)

有会员制度,n (%) 101 (6.3)

连接智能设备,n (%) 292 (18.3)

用户评分得分,平均值(SD) 6.99 (2.33)

用户评价得分,中位数(IQR) 7.00 (6.00 - -9.20)

总下载量(x103.


大流行前,平均值(SD) 8967.33(118905 .97点)


大流行前中位数(IQR) 44.09 (1.47 - -787.00)


大流行后平均值(SD) 17342点(275177点)


大流行后中位数(IQR) 223.12 (10.93 - -2252.00)

函数数,均值(SD) 2.72 (2.25)

函数数,中位数(IQR) 2 (1 - 4)

为大流行添加的功能或内容,n (%) 182 (11.4)

为大流行添加的功能或内容类型,n (%)


大流行咨询 105 (6.6)


大流行预防知识 108 (6.8)


大流行动态 9 (0.6)
应用程序开发者

成交金额(¥;x106一个,平均值(SD) 267.66 (812.75)

成交金额(¥;x106一个,中位数(IQR) 50.00 (20.50 - -150.00)

注册资本(¥;x106一个,平均值(SD) 188.10 (204.15)

注册资本(¥;x106一个,中位数(IQR) 937.50 (166.00 - -210.53)

员工人数,平均值(SD) 262 (3016)

员工人数,中位数(IQR) 17 (2 - 62)

运行状态,n (%)

在商业 482 (30.3)


剩下的企业 697 (43.8)


关闭 15 (1.0)

一个货币汇率为¥1=US $0.15。

图2。应用程序中流动方向的桑基图。彩色框的宽度及其连接的灰色带与来自每个数据源的应用程序的频率(左侧)和这些应用程序流向归属用户社区的流量(右侧)成正比。Hcps:卫生保健专业人员。
图3。(A)中国移动健康(mHealth)应用开发者的地理分布和(B)建立时间分布。加拿大还有一家开发商。

在1593个mHealth应用程序中,1285个(80.7%)应用程序具有进行应用程序试验的完整功能,包括健康管理应用程序(1248/1593,78.3%)和医疗支持应用程序(697/1593,43.8%)。中文移动健康app中各功能的使用频率为图4图5显示5种应用分类之间的关联,每个应用分类中的应用数量按比例缩放。应用试用中这5种不同分类的评级概念见表S4 in多媒体附件127].

图4。对于中国移动健康(mHealth)应用的每一类:(A)应用功能的频率为5类;(B)应用程序功能的频率排名以颜色刻度显示,从绿色(最低收费)到橙色、黄色和红色(最高收费)。
图5。说明应用程序分类之间关联的维恩图:(A)用户社区,(B)移动健康服务功能,(C)应用程序提供的内容或服务,(D)三级预防,(E)应用程序提供的服务时间。

疫情前后不同功能app下载量变化比较

疫情期间应用下载量的总体上升趋势是由一些关键的应用功能推动的图6而且7).康复(大流行前中位数1,437,500;大流行后中位数为2,741,890;P<.001)和怀孕准备(大流行前中位数为480,520;大流行后中位数为1,982,490人;P<.001)是最常用的函数,在大流行前和大流行后之间有统计学上的显著差异。增加下载量的9个最重要的驱动因素分为两类。观察了与儿童和孕产妇健康相关的三个功能:妇女健康(折数变化5.16)、怀孕(折数变化5.78)和育儿(折数变化4.03)。这些应用的下载量增加(女性健康,P<措施;怀孕,P<措施;养育,P在大流行前后也观察到<.001)。在治疗需求和维持方面,其他6个最受欢迎的功能分别是治疗(折数变化5.31)、整形外科(折数变化8.77)、药物使用(折数变化5.92)、患者信息管理(折数变化5.06)、营养(折数变化8.79)和中医(折数变化10.04)。与COVID-19最相关的疫苗接种的下载率大幅飙升,大流行后与大流行前相比增长了6.26倍(平均绝对变化:7,233,800)。

疫情后下降幅度最大的6项功能为健康教育、基因筛查、医疗服务购买、药品购买、查询、手机生理检测;COVID-19爆发后下降的另外4项功能包括体检、医疗社区、患者管理和疾病管理。与户外活动密切相关的健身运动排名也有所下降,仅增加了2.71倍,但其平均绝对变化为2824.78万。所有这些排名下降的功能都在增长,尽管速度相对于排名高的功能较慢。例如,药品采购的增幅是大流行前比率的2.05倍(平均绝对变化量:7,388,400),患者管理下载是大流行前比率的4.98倍(平均绝对变化量:3,039,900)。

图6。中国1593个具有多种功能的移动健康(mHealth)应用程序中每种功能的出现次数(即功能频率)。
图7。疫情前后中国移动健康(mHealth)应用程序的主要功能,期间之间用线连接,表示增加(实线)或减少(虚线)的排名,粗体数字表示配对确定的期间之间的显著变化tbonferroni校正测试P值< 1.79 x103。应用下载量的中位数变化=(Medpost-Medpre)/Medpre。应用下载量的绝对平均值变化=∑(npost-npre)/n。

应用特性与下载变化的关系

基于QR分析,在应用程序中添加COVID-19功能和内容具有积极影响(P10P=措施;P50P= . 01;P75P= .009;P90P=.01)在大多数分位数的下载变化中观察到,在第90分位数的影响最大(见表2图8,多媒体附件2).应用程序大小对下载变化的积极影响也在高分位数(P75P= .03点;P90P= .002)。QR的其他特征显示在表2

表2。应用特征对下载量变化的分位数回归系数。
应用特征 分位数

0.10 0.25 0.50 0.75 0.90
操作状态

系数(x104;95%置信区间) 0.000142(-0.151到0.151) -0.0428(-0.500至0.414) 0.809(-2.786至4.404) -4.951(-28.311到18.409) -20.304(-120.276到79.669)

P价值一个 >。 .85 .68点 i =
app大小

系数(x104;95%置信区间) 0.0000367(-0.005至0.005) 0.0102(-0.018至0.038) 0.256(-0.041到0.554) 3.173(0.239至6.108) 16.728(6.124至27.332)

P价值一个 获得 。45 .09点 03 .002
应用内广告

系数(x104;95%置信区间) -0.0857(-0.321到0.150) 1.072(-11.297至13.441) 101.809(15.949至187.668) 648.489(-267.967至1564.944) 2840.221(-213.048至5898.490)

P价值一个 的相关性 .87点 02 07
函数数量

系数(x104;95%置信区间) -0.0504(-0.252到0.151) -0.691(-1.340至-0.041) -3.501(-9.198到2.196) -31.571(-69.032到5.889) -143.767(-321.698到34.165)

P价值一个 .62 .04点 23) .098
预防分类

系数(x104;95%置信区间) 0.0258(-0.019至0.071) 0.0593(-0.147至0.265) 1.675(-0.448至3.798) 7.928(-10.998到26.855) 66.478 (-22.249 ~ 155.205)

P价值一个 .57 .41点 .14点
连接智能设备

系数(x104;95%置信区间) 0.337(0.008至0.665) 0.166(-0.323至0.655) -1.576(-6.213到3.062) 5.069(-51.167至61.305) 34.596(-256.520至325.712)

P价值一个 .045 .51 .51 .86 总共花掉
增加了流行病的功能或内容

系数(x104;95%置信区间) 0.450(0.190至0.710) 1.788(-3.121到6.698) 46.627(9.800至83.453) 529.365(132.535至926.194) 1517.683(352.991至2682.376)

P价值一个 措施 的相关性 . 01 .009 . 01

一个在10%的水平上评估显著性。

图8。应用程序特征的统计显著差异影响分位数:(A)应用程序大小,(B)应用程序内广告,(C)功能数量,(D)为大流行添加的功能或内容,(E)物联网。

App功能与下载量变化的关系

我们发现28种功能中有4种,包括康复(P75P= .003;P90P=.02),妊娠准备(P90P=.09),健美(P50P= . 07;P90P=.08)和接种疫苗(P75P=.06),与下载变化呈正相关,主要是在较高的分位数(见表3图9,多媒体).健康教育(P75P= .09点;P90P=.09),吸毒(P90P=.08)、生活方式的培养(P25P= .02点;P50P= 0。06;P75P=.07),男性健康(P90P=.07)和疾病管理(P75P=.03)与下载变化呈负相关。QR中的其他函数如表S5所示多媒体附件1

表3。应用程序功能对下载量变化的分位数回归系数。
应用程序功能 分位数

0.10 0.25 0.50 0.75 0.90
健康教育

系数(x104;95%置信区间) 0.0002(-0.0687到0.0691) 0.0292(-0.308至0.367) -1.036(-4.364到2.293) -21.668(-46.305到2.969) -234.145到16.166

P价值一个 >。 .87点 54 .09点 .09点
药物使用

系数(x104;95%置信区间) 0.0739(-0.388至0.536) 0.133(-0.866至1.132) -3.450(-11.716到4.816) -26.942(-103.928到50.045) -207.444(-436.652到21.764)

P价值一个 综合成绩 .79 .41点 。08
康复

系数(x104;95%置信区间) 0.0992(-0.218至0.417) 1.624(-0.807至4.055) 26.345(-10.549至63.239) 470.025 (160.786 ~ 779.265) 1132.3840 (172.086 ~ 2092.682)

P价值一个 54 .19 16 .003 02
健身

系数(x104;95%置信区间) 0.0004(-0.0324至0.0332) 0.0219(-0.375至0.419) 7.194(-0.472至14.861) 41.692 (-39.050 ~ 122.433) 376.090(-49.408至801.587)

P价值一个 .98点 07 。31 。08
男人\ ' s健康

系数(x104;95%置信区间) -0.0047(-0.0324至0.0332) -1.497(-5.075到2.081) -11.928(-45.420到21.565) -65.017(-242.440到112.407) -415.092 (-869.710 to 39.527)

P价值一个 >。 .41点 票价 07
准备怀孕

系数(x104;95%置信区间) 0.1684(-1.938至2.275) 3.037(-1.692至7.765) 16.135(-26.886至59.157) 226.703(-248.826至702.233) 3257.672(-446.489到6961.834)

P价值一个 多多 . 21 .46 .35点 .09点
生活方式的培养

系数(x104;95%置信区间) 8.35b(-0.0418至0.0418) -0.445(-0.803至-0.0872) -4.078(-8.238到0.083) -39.345(-81.525到2.834) -166.124(-461.988到129.740)

P价值一个 >。 02 06 07 低位
疫苗接种

系数(x104;95%置信区间) 0.0046(-5.995至6.004) 7.758(-18.734到34.251) 44.707(-139.634至229.048) 410.179 (-18.195 ~ 838.553) 566.790(-5041.161至6174.740)

P价值一个 >。 .57 06
疾病管理

系数(x104;95%置信区间) 0.0418(-0.377至0.460) -0.102(-0.856至0.652) -4.011(-9.643到1.622) -37.508(-71.617到-3.398) -95.521(-237.203到46.161)

P价值一个 .85 .79 16 03 .19

一个在10%的水平上评估显著性。

b10-17年

图9。app功能的分位数差异有统计学意义:(A)健康教育,(B)药物使用,(C)康复,(D)健美,(E)男性健康,(F)孕前准备,(G)生活方式培养,(H)疫苗接种,(I)疾病管理。

用户体验

性别差异无显著性(P=.41)或平均年龄(P=.52)的参与者。对卫生信息的重视(大流行前:249/375,66.4%;大流行后:146/178,82.0%;P=.006)和拥有智能手机的人口比例(大流行前:186/375,49.7%;大流行后:108/178,60.7%;P=.02)在爆发后稳步增加(见表4).绝大多数个体(大流行前:129/141,92.1%;大流行后:89/90,98.9%)使用社交网络(如微信)在线获取卫生信息。此外,互联网医院使用率大幅上升(大流行前:6/375,1.6%;大流行后:23/178,12.9%;P<措施)。用户体验分析的其他特征显示在表4

表4。大流行前和大流行后人口使用移动卫生(mHealth)应用程序的情况。
特征 爆发前(n=375) 爆发后(n=178) P价值
年龄(年),中位数(IQR) 70年(66 - 74) 70年(66 - 75)
年龄(年),平均值(SD) 70.46 (6.329) 70.85 (7.680) - - - - - -一个
性别,n (%) .41点

男性 166 (44.3) 85 (48.0)

209 (55.7) 92 (52.0)
对健康信息的关注,n (%) .006

从来没有 125 (33.3) 32 (18.0)

有时 131 (34.9) 75 (42.1)

经常 73 (19.5) 57 (32.0)

总是 45 (12.0) 14 (7.9)
电子产品(手机、平板电脑、电脑)使用能力n (%) 186 (49.7) 108 (60.7) 02
在过去6个月内离线获取运行状况信息,n (%) 108 (28.8) 104 (58.4) <措施
过去6个月透过互联网取得健康资讯n (%) 141 (37.6) 90 (50.6) 04
获取运行状况信息的方法,n (%)

社交网络(如微信、QQ) 129 (92.1) 89 (98.8) .008

门户网站 36 (25.9) 19日(22.6)

移动健康应用程序 6 (4.3) 2 (2.5)

搜索引擎 36 (25.5) 22日(26.5) .87点

网络医院 6 (1.6) 23日(12.9) <措施
每月网络健康信息消费意向(元/月b), n (%) 2

0 316 (84.3) 150 (84.3)

1 - 10 10 (2.7) 5 (2.8)

11-50 19日(5.1) 9 (5.1)

51 - 100 3 (0.8) 0 (0)

101 - 200 2 (0.5) 1 (0.6)

201 - 500 1 (0.3) 0 (0)

> 500 0 (0) 0 (0)
上月网上健康资讯的实际费用(¥b), n (%) 。45

0 348 (92.8) 164 (92.1)

1 - 10 0 (0) 2 (1.1)

11-50 0 (0) 2 (1.1)

51 - 100 1 (0.3) 0 (0)

101 - 200 1 (0.3) 0 (0)

201 - 500 1 (0.3) 0 (0)

> 500 1 (0.3) 0 (0)
有意避免一些不健康的行为从互联网获取健康信息,n (%)

从来没有 15 (4.0) 0 (0)

有时 12 (3.2) 16 (9.0)

经常 65 (17.3) 47 (26.4)

总是 25 (6.7) 9 (5.0)

一个年龄不是正态分布,因此中位数的差异采用非参数检验进行评估。

b货币汇率为¥1=US $0.15。


主要研究结果

我们的研究表明,在COVID-19爆发后,移动健康应用程序的使用和人口使用率都有所增加。作为提供卫生保健服务的强大工具,与大流行密切相关的功能,包括康复、治疗、吸毒和疫苗接种,与应用程序下载量的变化呈正相关。与孕产妇和儿童健康(包括孕前准备和女性健康)相关的应用程序使用量的高速增长,表明了中国人口在后大流行时代对家庭的潜在渴望。此外,健康管理应用的用户体验和高使用率也反映了对自我保健的高度重视。总体而言,在大流行控制正常化的背景下,移动健康应用程序有助于改善健康,并可能提高生育率。

COVID-19-Related应用

疫苗接种等新冠疫情相关应用的使用率上升。此外,添加流行病相关功能与增加下载量呈正相关。这种增长背后的原因可能是,作为一种获取信息的手段,与大流行固有相关的应用程序可以很容易地吸引公众的注意力。一些用户群体较大的应用程序还可能添加COVID-19模块,以响应正常的大流行防控政策[14].

医疗支持应用

前所未有的大规模隔离措施和医疗资源短缺使远程医疗在大流行期间成为一项重要和现实的需求[28].在我们的研究中,康复,包括长期护理或慢性疾病管理的应用程序,是疫情爆发前后使用最广泛的功能,克服了COVID-19造成的个人医疗服务中断。移动健康应用程序可用于多种康复目的[25一项研究表明,在疫情期间,有效的康复应用程序可以帮助患者提高健康和幸福指数[29].此外,使用移动健康应用程序可以帮助提高对治疗的依从性[30.].疫情发生后,具有康复、治疗和吸毒功能的应用程序的使用明显增加,提供了稳定的医疗服务,减少了居家隔离的负面影响。中国新兴的互联网模式为远程药房服务提供了基础[31,帮助那些不能经常去药店的病人。同时,个性化医疗计划也是精准医疗的重要组成部分[32].中国台州市有利用远程医疗防治新冠肺炎的成功经验[33].因此,移动健康应用程序是COVID-19背景下有效的医疗工具。

健康管理应用

大多数应用程序都是为所有人的健康管理而设计的,主要集中在健身和营养方面。在我们的研究中,应用流量调查和用户体验调查都显示,大多数与健康管理相关的功能排名都在上升,这反映了大流行后对自我护理的高度重视。

有趣的是,疫情爆发后,包括孕前准备、女性健康、怀孕和育儿在内的母婴健康应用程序的使用有所增加,这表明中国人口的生育意愿可能有所增加。

一项研究得出结论,大流行正在影响人们成为父母的愿望,这与我们的研究结果一致[34].之前的另一项研究对285个应用程序进行了横断面调查,以分析意大利产妇应用程序的现状,发现高质量、有针对性和有效的妊娠和产后保健应用程序在孕产妇和新生儿健康预防和促进方面具有相关影响[35].移动健康应用程序有可能被广泛用于改善孕产妇福祉[36].在我们的研究中,孕前准备、女性健康等母婴健康类app的高速增长与此不谋而合。疫情前,人口老龄化进程、育龄妇女减少、高危妊娠增加,导致中国生育率持续下降[21].自2019冠状病毒病大流行开始以来,妇女的生殖健康受到了严重破坏[3738],这可能加剧了生育率的下降[39].但是,随着长期的家庭隔离和政府提出的二孩、三孩政策,人们更多地关注家庭事务,包括准备怀孕和抚养孩子,这可能在一定程度上减缓生育率的下降。因此,母婴健康app可以有效辅助健康管理,填补面对面围产期保健服务的空缺[40],尽管怀孕检查中断[39].有研究表明,使用微信平台的健康管理与持续护理相结合的模式,通过要求患者在微信组完成康复任务,可以显著提高患者术后用药依从性和生活质量,值得应用和推广[41].在中国,孕妇习惯使用医院推荐的微信群来讨论孕期健康信息,可能会在其中推广应用,这可能是增加应用使用量的一种方式。

对于健身应用程序来说,在COVID-19大流行期间,该功能的下载量发生了积极变化。一项研究发现,在过去20年的数字健康行为改变技术研究中,关键词“移动健康”与“身体活动”和“电子健康”密切相关[42].大流行期间关闭健身房和限制户外活动降低了身体活动水平;然而,使用体育活动应用程序可能会抵消锻炼减少的影响。43].

很多类型的app都试图提供健康教育,这是我们研究中使用最广泛的功能。尽管这一功能在大流行期间有所下降,下载量也发生了负面变化,但人们对卫生信息的关注有所增加。造成这种现象的原因可能是,在中国,微信、微博等新媒体平台被大力推广,作为疫情相关健康信息传播的重要手段,当这些平台上的信息很容易获得时,可能会降低购买应用程序的兴趣。中国公众对新冠肺炎预防的高水平认知主要来自微信[44].这与我们的研究结果一致,人们最常使用微信来获取健康信息。

COVID-19大流行在人群层面引发了健康焦虑。移动健康应用程序的数字干预适用于减轻此类社会心理后果[45].然而,可能是因为疫情期间中国心理咨询热线项目的蓬勃发展,心理健康应用程序没有受到太大关注。此外,一项对基于自我引导认知行为疗法(CBT)的应用程序进行系统评估的研究得出结论,只有少数基于自我引导CBT的应用程序提供全面的CBT程序或自杀风险管理资源,这可能也是没有得到太多关注的原因之一[46].

愿意使用移动健康应用程序

与中国COVID-19大流行期间老年互联网用户快速增长的报告一致,我们发现50岁以上的人在疫情爆发后更加关注移动健康应用[47-50].结合老年人对移动健康领域日益增长的兴趣,之前的一项研究结果表明,以人为本的移动健康应用程序可用于创建为老年人带来积极结果的移动健康解决方案[51再加上患有慢性病或其他疾病的可能性较高,老年人应该是移动健康应用程序的主要适应性人群[52].然而,数字鸿沟使得在老年人中优化移动健康应用程序变得困难。53].中国人民大力支持针对新冠肺炎疫情提出的公共卫生措施,这使我们有可能发展智能设备使用能力,缩小数字鸿沟,并提供通行证二维码[54].值得注意的是,较大的软件文件大小与下载变化呈正相关,说明过大的软件大小对软件的使用意愿影响不大。有合适的功能是用户最关心的,因果关系有待进一步研究[55].

限制

我们的研究应该考虑到重要的局限性。首先,这项研究排除了医务人员在内部使用的应用程序,因为我们无法作为内部帐户持有人登录;这就冲淡了为医疗专业人员设计的移动健康应用程序的效果。然而,我们的研究主要集中在针对患者和健康人群的应用,而不是内部应用。未来的工作将在医疗保健内部使用的应用程序上进行。其次,由于缺乏新兴应用程序,因此无法提供COVID-19疫情爆发后移动医疗市场的概况。因此,我们比较了大流行前后下载量的变化,以探索各种类型的应用程序与大流行之间的关系。第三,本研究为半纵向调查,测量暴露量和结果,很难从分析中得出因果关系;因此,我们只是基于现状做出假设。

的优势

本研究具有实际意义和应用价值。这项研究首次通过应用市场数据的半纵向研究和现场问卷,结合基于网络的调查和人群用户体验调查的结果,调查了COVID-19与人群水平的移动健康应用程序使用之间的关系。由于中国是全球少数几个采取较为积极的公共卫生防控措施的国家之一,本研究涉及多层次、广泛的研究范围,可为未来不同国家和地区的比较研究提供强有力的数据支持。在用户体验调查中,我们探讨了人群对数字健康技术的态度变化,这表明后大流行时代移动健康应用程序有一个良好的开发环境。这项研究对变量和过程的定义一致,使研究人员能够对移动健康应用程序进行一致的分类,并确保数据的完整性,从而巩固了其优势。我们的研究通过在大流行前后进行调查,澄清了各种类型的应用程序和使用变化之间的关系。我们相信我们的研究结果为未来移动健康应用程序的后续开发提供了很好的参考。除了大流行政策导致与covid -19相关的应用程序越来越多之外,应用程序开发者应该意识到,产妇、儿童和自我保健管理是人们关注的应用程序功能。

的角度来看

移动健康应用程序利用信息和电信技术传输医疗信息,用于诊断、治疗和教育,在COVID-19疫情爆发后发挥了重要作用。大流行使人们意识到移动健康在促进全民健康覆盖方面的价值,这有助于加强对自我保健的管理。在新冠肺炎疫情后中国人口生育意愿增强的背景下,母婴健康app作为健康教育工具,倡导健康生活方式,促进女性产前产后自我管理。需要进一步的研究来了解用户对这些应用程序的需求,这将影响它们的采用。应用程序的明确设计是促进或阻碍用户粘性的另一个潜在因素,需要进一步调查。

结论

移动健康应用程序是在COVID-19背景下提供医疗保健的有效方法。这项研究阐明了在疫情前后不同应用程序的使用量增加,显示出中国人对自我保健的更大关注和养育家庭的日益强烈的愿望。同时,我们的研究为后疫情时代移动健康app的开发和推广提供方向,为中国医疗模式改革提供参考。这可能为设计和评估健康教育和健康促进等间接公共卫生干预措施提供新的途径。需要进一步研究各类app的功能,从而为移动健康app作为健康促进策略的个性化开发和具体改进措施提供依据。

致谢

我们感谢研究参与者。本研究由福建医科大学人才科研基金(XRCZX2019031)、国家自然科学基金(82203989)、福建省自然科学基金(2021J01729)、福建省学生创新创业训练计划项目(S202010392017;S202010392019)、福建医科大学大学生创新创业训练计划项目(C21118、C22024)、福建医科大学公共卫生学院大学生创新创业训练计划项目(xy202010015、xy202010018、xy202110005)。

数据可用性

希望将移动健康应用程序研究数据用于非商业目的的科学家可以通过联系通讯作者获得数据集。

利益冲突

没有宣布。

多媒体附件1

补充表。

DOCX文件,34 KB

多媒体附件2

应用程序功能的分位数差异效应(不显著)。

PNG文件,202 KB

多媒体

应用程序功能的分位数差异效应(不显著)。

PNG文件,1172 KB

  1. Budd J, Miller BS, Manning EM, Lampos V,庄m, Edelstein M,等。数字技术在公共卫生应对COVID-19中的应用。2020年8月;26(8):1183-1192。[CrossRef] [Medline
  2. 奥康奈尔J,奥基夫DT。Covid-19接触者追踪——预防未来大流行的数字疫苗。中华医学杂志2021年8月5日;385(6):484-487。[CrossRef
  3. 塞塞蒂G,桑廷G,龙格A,皮加尼E,巴拉特A, Cattuto C,等。大流行控制经验接触网络的数字接近追踪。Nat Commun 2021年3月12日;12(1):1655 [免费全文] [CrossRef] [Medline
  4. Dzau VJ, McClellan MB, McGinnis JM, Marx JC, Sullenger RD, ElLaissi W.健康和卫生保健的重要方向:2021年的优先事项。卫生Aff (Millwood) 2021年2月;40(2):197-203。[CrossRef] [Medline
  5. Murray CJL, Alamro NMS, Hwang H, Lee U.数字公共卫生与COVID-19。《柳叶刀》公共卫生2020 Sep;5(9):e469-e470 [免费全文] [CrossRef] [Medline
  6. 检查海登e手机健康应用程序提供数据丰厚。自然2016年3月24日;531(7595):422-423。[CrossRef] [Medline
  7. 舒仁J, Patel B, Gottlieb S. FDA对移动医疗应用程序的监管。JAMA 2018 july 24;320(4):337-338。[CrossRef] [Medline
  8. 王艳,王艳,Greene B,孙琳。中国体育活动app质量和行为改变技术分析与评价。Int J Med通知2020年1月;133:104029。[CrossRef] [Medline
  9. 肖强,陆松,王勇,孙玲,吴勇。中国心血管疾病相关智能手机应用程序可下载现状Telemed E Health 2017 3月23日(3):219-225。[CrossRef] [Medline
  10. 尚娟,魏松,金娟,张鹏。中国心理健康应用:分析与质量评估。JMIR Mhealth Uhealth 2019 11月07日;7(11):e13236 [免费全文] [CrossRef] [Medline
  11. 李艳,丁娟,王艳,唐晨,张鹏。中国App Store中营养相关手机应用:功能和质量评估。JMIR Mhealth Uhealth 2019 7月30日;7(7):e13261 [免费全文] [CrossRef] [Medline
  12. El-Sherif DM, Abouzid M.移动健康研究分析:绘制COVID-19疫情期间移动应用程序技术与医疗保健之间的关系。全球卫生2022年6月28日;18(1):67 [免费全文] [CrossRef] [Medline
  13. 徐娟,刘东,于玉明,赵海涛,陈志荣,李娟,等。中国顶级移动健康应用:系统调查。J Med Internet Res 2016 Aug 29;18(8):e222 [免费全文] [CrossRef] [Medline
  14. Perlman A, Vodonos Zilberg A, Bak P, Dreyfuss M, Leventer-Roberts M, Vurembrand Y,等。寻求covid -19相关数字健康信息和远程服务的应用程序用户的特征和症状:回顾性队列研究J Med Internet Res 2020年10月20日;22(10):e23197 [免费全文] [CrossRef] [Medline
  15. 王CJ。接触追踪应用程序遏制了新冠病毒在英格兰和威尔士的传播。自然学报2021年6月25日;594(7863):336-337。[CrossRef] [Medline
  16. Munzert S, Selb P, Gohdes A, Stoetzer LF, Lowe W.跟踪和推广COVID-19接触者追踪应用程序的使用。[CrossRef] [Medline
  17. Almalki M, Giannicchi A.对抗COVID-19的健康应用程序:描述性回顾和分类。JMIR Mhealth Uhealth 2021 3月02日;9(3):e24322 [免费全文] [CrossRef] [Medline
  18. Kondylakis H, Katehakis DG, Kouroubali A, Logothetidis F, Triantafyllidis A, Kalamaras I,等。COVID-19移动应用程序:文献系统综述。J Med Internet Res 2020年12月09日;22(12):e23170 [免费全文] [CrossRef] [Medline
  19. Ahlers-Schmidt CR, Hervey AM, Neil T, Kuhlmann S, Kuhlmann Z. COVID-19大流行期间妇女对怀孕和分娩的担忧。患者教育计数2020年9月24日;103(12):2578-2582 [免费全文] [CrossRef] [Medline
  20. 香港Z,李N,李D,李J,李B,熊W, et al。COVID-19大流行期间的远程医疗:来自中国西部的经验。J Med Internet Res 2020年5月08日;22(5):e19577 [免费全文] [CrossRef] [Medline
  21. 刘志强,刘志强,刘志强,等。2017年至2100年195个国家和地区的生育率、死亡率、移民和人口情景:全球疾病负担研究的预测分析柳叶刀2020年10月17日;396(10258):1285-1306 [免费全文] [CrossRef] [Medline
  22. 彭PY。中国计划生育全集。北京:中国人口出版社;1997.
  23. 2018-2019年中国移动应用商店市场监测报告。iiMedia Research 2018年12月24日。URL:https://www.iimedia.cn/c400/63240.html[2023-01-26]访问
  24. Tianyancha。URL:https://www.tianyancha.com/[2023-01-29]访问
  25. 柯恩克R,巴塞特G.回归分位数。计量经济学,1978年1月;46(1):33。[CrossRef
  26. Koenker R, Hallock KF。分位数回归。经济展望杂志2001年11月;15(4):143-156 [免费全文] [CrossRef
  27. 尹敏。中国移动健康服务现状及创新发展战略研究。医学信息杂志2019;40:2-6。[CrossRef
  28. 多尔西ER。医疗保健的新平台。NPJ数字医学2021年7月15日;4(1):112 [免费全文] [CrossRef] [Medline
  29. Hermans ANL, van der Velden RMJ, Gawalko M, Verhaert DVM, Desteghe L, Duncker D, TeleCheck-AF调查员。按需移动医疗基础设施,通过远程会诊实现全面的远程房颤和风险因素管理。临床心脏病2020年11月;43(11):1232-1239 [免费全文] [CrossRef] [Medline
  30. Pérez-Jover V, Sala-González M, Guilabert M, Mira JJ。提高治疗依从性的移动应用程序:系统回顾。J Med Internet Res 2019 Jun 18;21(6):e12505 [免费全文] [CrossRef] [Medline
  31. 陈震,梁伟,刘强,何锐,陈强,李强,等。COVID-19大流行期间为癌症患者使用远程肿瘤药学服务平台:实施和用户接受度评估J Med Internet Res 2021年1月21日;23(1):e24619 [免费全文] [CrossRef] [Medline
  32. 杨永辉,谭桂青,谭超,郭建民,戴杰,等。COVID-19大流行期间针对2型糖尿病的个性化移动健康计划:单组前后研究JMIR Diabetes 2021 july 09;6(3):e25820 [免费全文] [CrossRef] [Medline
  33. 邵超,李松,朱峰,赵东,邵华,陈华,等。泰州市新冠肺炎疫情防控经验与远程医疗特色。Front Med 2020年8月29日;14(4):506-510 [免费全文] [CrossRef] [Medline
  34. Micelli E, Cito G, Cocci A, Polloni G, Russo GI, Minervini A,等。COVID-19大流行期间对为人父母的渴望:对意大利情况的洞察中华妇产科杂志2020年9月41日(3):183-190。[CrossRef] [Medline
  35. Brunelli L, De Vita C, Cenedese F, Cinello M, Paris M, Samogizio F,等。意大利妊娠和产后护理应用程序的差距和未来挑战:应用程序商店的系统搜索。J Med Internet Res 2021 Aug 10;23(8):e29151 [免费全文] [CrossRef] [Medline
  36. 陈kl,陈敏。社交媒体和移动健康应用程序对妊娠护理的影响:元分析。JMIR Mhealth Uhealth 2019 1月30日;7(1):e11836 [免费全文] [CrossRef] [Medline
  37. Phelan N, Behan LA, Owens L. COVID-19大流行对女性生殖健康的影响。Front Endocrinol(洛桑)2021 3月22日;12:642755 [免费全文] [CrossRef] [Medline
  38. Fuentes-Afflick E, Perrin JM, Moley KH, Díaz Á, McCormick MC, Lu MC.优化妇女和儿童的健康和福祉。卫生Aff (Millwood) 2021年2月;40(2):212-218。[CrossRef] [Medline
  39. 大流行期间死胎率急剧上升。自然2020年9月15日;585(7826):490-491。[CrossRef] [Medline
  40. 李志刚,李志刚,李志刚,李志刚,等。健康怀孕研究计划:通过ResearchKit应用程序转变怀孕研究。NPJ Digit Med 2018;1:45 [免费全文] [CrossRef] [Medline
  41. 徐敏,杨鑫,刘玲,戴勇,徐敏,林松。微信平台健康管理及精细化持续护理模式对急性心肌梗死PCI术后患者生活质量的影响J Healthc Eng 2021;2021:5034269 [免费全文] [CrossRef] [Medline
  42. Taj F, Klein MCA, van Halteren A.数字健康行为改变技术:二十年研究的文献计量学和范围回顾。JMIR Mhealth Uhealth 2019 12月13日;7(12):e13311 [免费全文] [CrossRef] [Medline
  43. Eapen ZJ, Peterson ED.移动医疗应用能促进有意义的行为改变吗?:问答时间。中国医学杂志2015年3月21日;314(12):1236-1237。[CrossRef] [Medline
  44. 马震,Idris S,潘青,Baloch Z.中国人群COVID-19知识、风险认知及信息来源。世界精神病学杂志2021年5月19日;11(5):181-200 [免费全文] [CrossRef] [Medline
  45. Rauschenberg C, Schick A, Hirjak D, Seidler A, Paetzold I, Apfelbacher C,等。减轻COVID-19大流行对公共心理健康的负面影响的数字干预措施的证据合成:快速元综述J Med Internet Res 2021 3月10日;23(3):e23365 [免费全文] [CrossRef] [Medline
  46. 马蒂南戈,李志强,李志强,等。抑郁症的自我引导认知行为治疗应用程序:对特征、功能和证据的一致性进行系统评估。J Med Internet Res 2021 7月30日;23(7):e27619 [免费全文] [CrossRef] [Medline
  47. 第44次中国互联网发展状况统计报告。中国互联网络信息中心。2019年8月https://www.cnnic.com.cn/IDR/ReportDownloads/201911/P020191112539794960687.pdf[2023-01-26]访问
  48. 第45次中国互联网发展状况统计报告。中国互联网络信息中心。2020年4月https://www.cnnic.com.cn/IDR/ReportDownloads/202008/P020200827549953874912.pdf[2023-01-26]访问
  49. 第46次中国互联网发展状况统计报告。中国互联网络信息中心。2020年9月https://www.cnnic.com.cn/IDR/ReportDownloads/202012/P020201201530023411644.pdf[2023-01-26]访问
  50. 第47次中国互联网发展状况统计报告。中国互联网络信息中心。2021年2月https://www.cnnic.com.cn/IDR/ReportDownloads/202104/P020210420557302172744.pdf[2023-01-26]访问
  51. 倪曼德王,王晓明,王晓明。老年人移动健康应用程序的设计:系统回顾与叙事综合。JMIR Mhealth Uhealth 2022年1月14日;10(1):e29512 [免费全文] [CrossRef] [Medline
  52. H胜寿,G润林,L力生,Z曼露,W文,永军W,赵苏W, L惠军,东风G,跃进Y,哲Z,维维C. 2018年中国心血管疾病报告摘要。中国流通杂志2019年3月24日;34(03):209-220。[CrossRef
  53. 周欣,陈琳。中国数字医疗与老年人的可及性。《柳叶刀》公共卫生2021年12月6日(12):e873-e874。[CrossRef
  54. 李文杰,李志强,李志强,等。COVID-19公共卫生措施的态度、行为和障碍:一项为公共卫生信息提供信息的调查。BMC公共卫生2021年4月21日;21(1):765 [免费全文] [CrossRef] [Medline
  55. Lazard AJ, Babwah Brennen JS, Belina SP.应用程序设计和交互功能以增加移动医疗的采用:用户期望调查和实验。JMIR Mhealth Uhealth 2021 11月04日;9(11):e29815 [免费全文] [CrossRef] [Medline


认知行为疗法:认知行为疗法
健康:移动健康
QR:分位数回归


T·桑切斯编辑,A·马夫拉加尼;提交27.06.22;同行评审:S Badawy, MM Patwary, E Limijadi, F Petracca;对作者06.10.22的评论;订正版本收到26.10.22;接受12.01.23;发表22.02.23

版权

©杨乐、吴佳栋、莫晓晓、陈亚琴、黄珊珊、周琳琳、戴佳琪、谢丽娜、陈思宇、尚浩、饶贝贝、翁秉涛、阿依古丽·阿布里米提、吴思英、谢晓旭。最初发表于JMIR公共卫生与监测(https://publichealth.www.mybigtv.com), 2023年2月22日。

这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR公共卫生和监测上的原创作品。必须包括完整的书目信息,https://publichealth.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。


Baidu
map