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
新冠肺炎疫情前后中国移动医疗应用使用变化:半纵向调查

新冠肺炎疫情前后中国移动医疗应用使用变化:半纵向调查

新冠肺炎疫情前后中国移动医疗应用使用变化:半纵向调查

原始论文

通讯作者:

谢晓旭博士

公共卫生学院

福建医科大学

学校北路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:在COVID-19大流行期间,由于医疗需求受到严格控制,移动医疗(mHealth)应用程序在中国迅速成为新兴技术,同时继续为慢性病提供基本服务。然而,目前还没有大规模的、系统的评估相关应用程序的努力。

摘要目的:我们旨在通过描述和比较COVID-19爆发前后的数字健康问题,包括移动健康应用程序数据流和用户体验,提供中国移动健康应用程序的景观,并分析COVID-19对移动健康应用程序的影响。

方法:我们对1593个移动健康应用进行了半纵向调查,研究应用数据流,明确使用变化和影响因素。我们选择了应用市场上的移动健康应用、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。在用户体验方面,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,比较了人群对应用程序的关注程度。我们还使用分位数回归模型研究了应用特征、功能和结果在下载变化分布的特定分位数之间的关联。

结果:康复医疗支持是排名最高的功能,每个应用程序在大流行前的平均下载量为144万次,大流行后的平均下载量为274万次。在大流行后的前10项职能中,有4项与妇幼保健有关:准备怀孕(排名第二;翻倍变化4.13)、妇女健康(排名第五;折叠变化5.16),妊娠(排名第六;翻倍变化5.78),以及养育子女(排名第十;折叠更改4.03)。分位数回归模型显示康复治疗(P75P90),妊娠准备(P90),健身(P50P90)和疫苗接种(P75)与疫情爆发后下载量的增加呈正相关。在用户体验调查中,对健康信息的关注(大流行前:249/375,66.4%;大流行后:146/178,82.0%;P= 0.006)在疫情爆发后稳步上升。

结论:在新冠肺炎疫情爆发后,移动医疗应用程序是一种有效的医疗保健方式,在中国人群中越来越受欢迎。本研究为后疫情时代移动健康app的后续开发和推广提供了方向,为中国医疗模式改革提供了借鉴,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了新的途径。

中华医学会公共卫生监测杂志,2009;9:40552

doi: 10.2196/40552

关键字



背景

在2019冠状病毒病爆发后,数字卫生技术协助医疗服务系统和人员[1],例如远程医疗,已经从一种便利变成了一种需求[2-5].移动健康(mHealth)应用程序是一个使用移动设备获取健康和疾病诊断、预防和管理数据的新平台。67].

在COVID-19爆发之前,有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,而不是详细阐述移动健康应用的整体情况[8-11].然而,在COVID-19的背景下,移动健康应用程序的开发已经成为一个热门话题[12].只有少数研究调查了移动健康应用程序的市场状况,侧重于功能分布的评估,但没有细化移动健康应用程序的分类,缺乏信息完整性[13].因此,移动健康应用程序的分类并没有被详细阐述,缺乏对移动健康应用程序的详细描述性研究。

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是研究最多的[14-16].一项研究根据基本功能和目的的差异,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相关的应用程序以外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状况,以及发现新的预测因素[18].先前的研究表明,移动健康应用程序可以改善人们的生活需求(如生育),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已经变得复杂,这需要关注。

同时,与其他国家不同,中国实行常态化疫情防控,很少使用个人形式的接触者追踪app;因此,直接因大流行而开发的应用程序不是本研究的重点。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加[17].由于中国幅员辽阔,东部和西部的卫生资源配置不平衡,也导致了远程医疗的需求。在2019冠状病毒病大流行期间,中国西部四川省的多模式远程医疗网络立即启动,并被证明是可行、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不同[2122].因此,移动医疗应用作为关注疫情前后各种卫生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,目前尚不清楚移动健康应用程序的哪些特征(如果有的话)在大流行前后受到了影响并得到了适当的部署。

目标

在这里,我们对中国的移动医疗应用程序进行了全国性的研究。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)中国六大应用市场健康类应用排行榜上的应用,包括华为安卓市场(华为技术有限公司;中国深圳),OPPO安卓市场前50名(OPPO电子有限公司;中国广东东莞),Vivo安卓市场前100名(Vivo有限公司;中国广东东莞),腾讯安卓市场前50名(腾讯控股有限公司;中国深圳),360安卓市场前100名(奇虎360科技有限公司;北京,中国),并在苹果iTunes商店中国前100名(苹果;库比蒂诺,加州)[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) 4大网购平台(天猫、京东、拼多多、苏宁)智能设备连接app;(4) 2018年中国医院百强互联网医院旗下应用。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)无法通过安卓和苹果官方应用商店或百度搜索引擎下载的应用;(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评估为不同的项目。每个源的搜索条件、样本数量和数据收集时间见表S1多媒体附录1

我们收集了4类数据:(1)来自描述界面的应用基本特征,包括应用大小、应用下载量、目标用户;(2)最大的商业查询平台天眼查网站提供的应用开发者信息[24],包括交易金额、注册资本、人员数量、经营状况、成立日期、地理位置等;(3)来自权限界面的app权限列表数据;(4) app试用版的app功能,除了只对内部用户开放的app。由于iOS App Store并未显示下载量,所以我们将iOS中的总下载量替换为评论数,并在下文中使用“下载量”这一表述。如果一款应用同时存在于多个平台上,那么应用的总下载量将被计算为所有平台上应用下载量的总和。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,并通过使用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。见表S2多媒体附录1有关函数定义的详细信息。

疫情爆发后,2021年4月,我们对相同的移动健康应用程序进行了第二次调查,作为下载数据的纵向样本,我们确定了是否添加了COVID-19内容。下载变化被定义为大流行后和前下载之间的差异。

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。我们在2019年10月至2019年11月期间对400名参与者进行了线下问卷调查,并在2020年6月至2020年8月期间对200名参与者进行了调查。共有553人(553/600,92.2%)完成调查,其中疫情前375人(375/400,93.8%),疫情后178人(178/200,89.0%)。在该社区体检中心的候诊区,向潜在参与者提供了一份预先设计的结构化问卷。该问卷旨在收集参与者对健康信息的关注、移动健康技术使用的各个方面、消费移动健康技术的意愿、健康状况和人口特征等信息。训练有素的研究助理用流利的中文进行问卷调查,并提供如何完成问卷的口头指导。

道德的考虑

在进行调查之前,每位参与者都获得了知情同意。本研究已获福建医科大学生物医学研究伦理委员会(2018年第11号)批准。所有程序均按照相关指南和规定进行。

数据分析

对中国移动健康应用程序的特点、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、条形图、统计图、维恩图和热图来呈现。连续变量用均值和SD或中位数和IQR表示,分类变量用频率和百分比表示。Mann-WhitneyU采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疫情爆发后和疫情爆发前的应用下载量t测试。为了解释多重比较,我们计算了bonferroni校正P值标准为。05/28。因此,P< 1.79 x10-3被认为具有统计学意义。

使用分位数回归(QR)模型来探索建模协变量与感兴趣的结果变量的四分位数之间的关系[25].由于下载变化的大范围和非正态分布,我们使用QR模型来检查下载变化分布中特定分位数的应用特征、功能和结果之间的关联。该分析没有对残差分布进行假设,对结果中的异常值具有更强的鲁棒性[26].与仅对1个因变量的均值进行建模的普通线性回归模型不同,QR检验了响应变量条件分布不同点上协变量的影响,并给出了更全面的结果。QR模型提供了更详细的应用程序特征、功能和结果与下载变化的关联视图。我们获得了估计值,并将其绘制在以下分位数:第10、第25、第50(中位数)、第75和第90。在QR分析中,在10%的水平上评估显著性。

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;大学站,得克萨斯州)。


应用特征

共有1593个移动健康应用程序被纳入分析(见图1).在新冠肺炎大流行期间,各种应用下载量总体呈上升趋势(中位数变化:61,561),约10%(182/1593,11.4%)的应用添加了针对新冠肺炎的功能或内容(见表1).图23.显示应用程序的目标用户和地理分布。目标用户包括健康人群(921/1593,57.8%)、患者(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开发者的地理分布集中在大城市(如北京、上海、广州)和中国东南部(经济发达的沿海地区;看到图3).在应用市场中发现了额外的权限请求(见表S3)多媒体附录1).

图1所示。应用程序选择流程图。
表1。中国市场上移动医疗(mHealth)应用的特点和开发者(1593个应用和1196个开发者)。
特征 结果
基本信息

应用程序大小(MB),平均值(SD) 37.26 (75.46)

应用程序大小(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,应用内购买是可用的,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)

有一个成员系统,n (%) 101 (6.3)

连接智能设备,n (%) 292 (18.3)

用户评分平均值(SD) 6.99 (2.33)

用户评分中位数(IQR) 7.00 (6.00 - -9.20)

总下载量(x103.


大流行前,平均值(标准差) 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,平均值(SD) 2.72 (2.25)

函数数,中位数(IQR) 2 (1 - 4)

针对大流行新增的功能或内容,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

交易金额(¥;x106一个,均值(SD) 267.66 (812.75)

交易金额(¥;x106一个,中位数(IQR) 50.00 (20.50 - -150.00)

注册资本:¥;x106一个,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(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。Sankey应用程序流向图。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的频率(左侧)和这些应用流向归属用户社区的数量(右侧)成正比。卫生保健专业人员。
图3。(A)中国移动医疗(mHealth)应用开发者的地理分布和(B)中国移动医疗(mHealth)应用开发者成立时间分布。加拿大还有另一家开发商。

在1593个移动健康应用程序中,1285个(80.7%)应用程序具有完整的可用于应用程序试验的功能,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%)。中国移动健康应用中各功能的使用频率如图所示图4图5显示5个应用程序分类之间的关联,圆圈缩放到每个应用程序分类中的应用程序数量。在应用试用中,这5种不同分类的评级概念见表S4多媒体附录1(27].

图4。对于中国移动健康(mHealth)应用程序的每种分类:(A) 5种分类的应用程序功能频率;(B)以绿色(最低充电率)到橙色、黄色、红色(最高充电率)的颜色等级显示app功能使用频率的排序。
图5。维恩图说明应用程序分类之间的关联:(A)用户群体,(B)移动医疗服务功能,(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下载变化对比

在疫情期间,应用下载量的总体上升趋势是由一些关键应用功能推动的图67).康复(大流行前中位数为1,437,500;大流行后中位数为2,741,890;P<.001)和妊娠准备(大流行前中位数480,520;大流行后中位数为1,982,490;P<.001)是最常用的功能,在大流行前和大流行后存在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被分为两类。观察到与儿童和孕产妇健康相关的三个功能:妇女健康(变化5.16倍)、怀孕(变化5.78倍)和育儿(变化4.03倍)。这些应用程序(女性健康、P<措施;怀孕,P<措施;养育,P<.001)。关于治疗需求和维持的其他6个最受欢迎的功能是治疗(折叠变化5.31)、整形手术(折叠变化8.77)、药物使用(折叠变化5.92)、患者信息管理(折叠变化5.06)、营养(折叠变化8.79)和中医(折叠变化10.04)。与COVID-19最相关的疫苗接种的下载率大幅飙升,与大流行前相比,大流行后的下载率增加了6.26倍(平均绝对变化量:7233,800)。

大流行后排名下降幅度最大的6项功能分别是健康教育、基因筛查、购买医疗服务、购买药品、查询和手机生理检测;新冠肺炎疫情爆发后,医疗检查、医疗社区、患者管理和疾病管理等4项功能下降。与户外活动密切相关的健身运动的排名也有所下降,仅增加了疫情前的2.71倍,但其绝对平均变化量为2824.78万人。所有这些排名下降的函数都在增长,尽管与排名靠前的函数相比速度较慢。例如,药品采购增加是大流行前的2.05倍(平均绝对变化:7388,400),患者管理下载是大流行前的4.98倍(平均绝对变化:3,039,900)。

图6。在中国1593个具有多种功能的移动健康(mHealth)应用中,每个功能的出现次数(即功能频率)。
图7。中国移动健康(mHealth)应用程序在大流行前后的主要功能,时间段之间用线连接,表示排名上升(实线)或下降(虚线),而粗体数字表示时间段之间的显著变化,使用成对确定t用bonferroni校正的测试P值< 1.79 x10-3.应用下载量中位数的倍数变化=(Medpost-Medpre)/Medpre。应用下载量均值的绝对变化=∑(npost-npre)/n。

应用特性与下载变化之间的关系

基于QR分析,app增加新冠肺炎功能和内容的积极效果(P10P=措施;P50P= . 01;P75P= .009;P90P= 0.01),在大多数分位数的下载变化中观察到,第90分位数的影响最大(见表2图8,多媒体附录2).应用大小对下载量变化的积极影响也在高分位数(P75P= .03点;P90P= .002)。QR的其他特征见表2

表2。应用特征与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至0.151) -0.0428 (-0.500 - 0.414) 0.809 (-2.786 - 4.404) -4.951 (-28.311 - 18.409) -20.304 (-120.276 - 79.669)

P价值一个 >。 .85 .68点 i =
应用程序大小

系数(x104;95%置信区间) 0.0000367 (-0.005 ~ 0.005) 0.0102 (-0.018 - 0.038) 0.256(-0.041至0.554) 3.173 (0.239 - 6.108) 16.728 (6.124 ~ 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 - 0.150) 1.072 (-11.297 - 13.441) 101.809 (15.949 - 187.668) 648.489 (-267.967 - 1564.944) 2840.221 (-213.048 - 5898.490)

P价值一个 的相关性 .87点 02 07
函数数

系数(x104;95%置信区间) -0.0504 (-0.252 - 0.151) -0.691 (-1.340 - -0.041) -3.501 (-9.198 - 2.196) -31.571 (-69.032 - 5.889) -143.767 (-321.698 - 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 ~ 0.071) 0.0593 (-0.147 - 0.265) 1.675 (-0.448 - 3.798) 7.928 (-10.998 - 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 - 0.665) 0.166(-0.323至0.655) -1.576 (-6.213 - 3.062) 5.069 (-51.167 - 61.305) 34.596 (-256.520 - 325.712)

P价值一个 .045 .51 .51 .86 总共花掉
为流行病添加了功能或内容

系数(x104;95%置信区间) 0.450 (0.190 ~ 0.710) 1.788 (-3.121 - 6.698) 46.627 (9800 - 83.453) 529.365 (132.535 ~ 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。按分位数划分的应用特征的统计显著差异影响:(A)应用大小,(B)应用内广告,(C)功能数量,(D)为流行病添加的功能或内容,(E)物联网。

App功能与下载变化的关系

我们发现28种功能中的4种,包括康复(P75P= .003;P90P=.02),妊娠准备(P90P=.09),健身(P50P= . 07;P90P=.08),接种疫苗(P75P=.06),与下载变化呈正相关,主要在较高的分位数(见表3图9,多媒体附录3).健康教育(P)75P= .09点;P90P=.09),药物使用(P90P=.08),生活方式的培养(P25P= .02点;P50P= 0。06;P75P=.07),男性健康(P90P=.07),疾病管理(P75P=.03)与下载变化呈负相关。QR中的其他功能如表S5所示多媒体附录1

表3。应用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 - 0.0691) 0.0292(-0.308至0.367) -1.036 (-4.364 - 2.293) -21.668 (-46.305 - 2.969) -108.990 (-234.145 - 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 - 0.536) 0.133 (-0.866 - 1.132) -3.450 (-11.716 - 4.816) -26.942 (-103.928 - 50.045) -207.444 (-436.652 - 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 - 0.417) 1.624 (-0.807 - 4.055) 26.345 (-10.549 - 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 - 0.0332) 0.0219 (-0.375 - 0.419) 7.194(-0.472至14.861) 41.692 (-39.050 - 122.433) 376.090 (-49.408 - 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 - 0.0332) -1.497 (-5.075 - 2.081) -11.928 (-45.420 - 21.565) -65.017 (-242.440 - 112.407) -415.092(-869.710至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 - 2.275) 3.037 (-1.692 - 7.765) 16.135 (-26.886 - 59.157) 226.703 (-248.826 - 702.233) 3257.672 (-446.489 - 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 -0.0418) -0.445 (-0.803 - -0.0872) -4.078 (-8.238 - 0.083) -39.345 (-81.525 - 2.834) -166.124 (-461.988 - 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 - 6.004) 7.758 (-18.734 - 34.251) 44.707 (-139.634 - 229.048) 410.179(-18.195至838.553) 566.790 (-5041.161 - 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 - 0.460) -0.102 (-0.856 - 0.652) -4.011 (-9.643 - 1.622) -37.508 (-71.617 -3.398) -95.521 (-237.203 - 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。应用程序功能的分位数差异有统计学意义:(A)健康教育,(B)吸毒,(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

在性别方面没有发现显著差异(P= 0.41)或平均年龄(P=.52)。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= 0.006)和拥有智能手机的人的百分比(流行病前: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,互联网医院使用率急剧上升(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。大流行前后人群使用移动健康(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(岁),中位数(IQR) 70年(66 - 74) 70年(66 - 75)
年龄(岁),平均(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)使用能力n (%) 186 (49.7) 108 (60.7) 02
脱机获取过去6个月内的运行状况信息,n (%) 108 (28.8) 104 (58.4) <措施
过去6个月内通过互联网获取健康信息的情况,n (%) 141 (37.6) 90 (50.6) 04
获取运行状况信息的方式,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
每月互联网健康信息消费意向(¥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)
上个月,互联网健康信息的实际费用为(人民币9800元)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)
之后有意避免一些不健康的行为从互联网获取运行状况信息,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,因此使用非参数检验评估中位数的差异。

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,移动医疗应用程序的使用率和人口使用率有所增加。作为提供医疗保健服务的有力工具,康复、治疗、药物使用和疫苗接种等与疫情密切相关的功能与应用下载量的变化呈正相关。与孕产妇和儿童健康(包括孕前准备和妇女健康)相关的应用程序使用的高增长表明,在疫情后时代,中国人口对家庭的渴望可能会增加。此外,用户体验和健康管理应用的高使用率也反映了对自我保健的高度重视。总体而言,移动健康应用程序有助于在流行病控制正常化的背景下改善健康状况,并可能提高生育率。

COVID-19-Related应用

与COVID-19大流行相关的应用程序(如疫苗接种)的使用排名有所上升。此外,添加与流行病相关的功能与下载量的增加正相关。这种增长背后的原因可能是,与疫情相关的应用程序很容易吸引公众的注意力,成为获取信息的一种手段。一些用户群较大的应用程序还可能添加COVID-19模块,以响应常态化的大流行防控政策[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成为大流行期间的重要和现实需求[28].在我们的研究中,康复,包括长期护理或慢性病管理应用,是疫情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。移动健康应用程序用于许多康复目的[25]一项研究表明,有效的康复应用程序可以帮助患者在疫情期间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治疗的依从性[30.].疫情爆发后,康复、治疗、戒毒app使用大幅增加,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房的病人。同时,个性化医疗计划也是精准医疗的重要组成部分[32].中国泰州市利用远程医疗预防和治疗COVID-19的成功经验[33].因此,在COVID-19的背景下,移动健康应用程序是一种有效的医疗工具。

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,app流量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,这反映了人们对疫情后自我保健的高度重视。

有趣的是,疫情爆发后,母婴健康应用的使用有所增加,包括孕前准备、女性健康、怀孕和育儿,这表明中国人口对生育的渴望可能有所增加。

一项研究得出的结论是,疫情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].之前的另一项研究通过对285个app的横断面调查,分析了意大利孕产app的现状,发现优质、有针对性、有效的孕产后保健app对孕产妇和新生儿健康的预防和促进具有相关的意义[35].移动健康应用程序有潜力广泛用于改善孕产妇健康[36].在我们的研究中,与孕产妇和儿童健康相关的应用程序(如怀孕准备和女性健康)的高增长与此相吻合。疫情前,人口老龄化进程加快,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COVID-19大流行开始以来,妇女遭受了严重的生殖健康中断[3738],这可能加剧了生育率的下降[39].然而,随着长期居家隔离以及政府提出的二胎和三胎政策,人们越来越关注家庭事务,包括准备怀孕和抚养孩子,这可能会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,填补围产儿上门保健服务的空白[40],尽管怀孕检查中断了[39].有研究认为,利用微信平台进行健康管理与持续护理相结合的模式,通过要求患者在微信群中完成康复任务,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,并可能在微信群中推广应用,这可能是增加应用使用率的一种方式。

在新冠疫情期间,健身app的下载量出现了积极变化。一项研究发现,在过去20年对数字健康行为改变技术的研究中,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,健身房关闭和户外活动受限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运动量的减少[43].

许多app都试图提供健康教育,这是我们研究中最广泛使用的功能。虽然这一功能在大流行期间有所下降,下载量也出现了负面变化,但人们对健康信息的关注有所增加。这一现象背后的原因可能是,微信、微博等新媒体平台在中国被大力推广,成为疫情相关健康信息传播的重要手段,当信息在这些平台上随处可见时,人们获取app的兴趣可能会降低。中国公众对新冠肺炎预防的高水平知识主要来自微信[44].这与我们的研究结果一致,即人们最常使用微信获取健康信息。

新冠肺炎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合于减轻这种社会心理后果[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,心理健康应用并没有受到很大的关注。此外,一项对基于自我引导的认知行为疗法(CBT)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的CBT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].

愿意使用移动医疗应用程序

与COVID-19大流行期间中国老年成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关注移动健康应用程序[47-50].鉴于老年人对移动医疗领域的兴趣日益浓厚,之前的一项研究结果表明,以人为本的移动医疗应用程序可以用于创建对老年人有积极影响的移动医疗解决方案[51]再加上患慢性病或其他疾病的可能性更高,老年人应该是移动健康应用程序的主要适应人群[52].然而,数字鸿沟使得在老年人中优化移动健康应用变得困难。53].中国人民强烈支持针对新冠肺炎提出的公共卫生措施,这使发展智能设备使用能力、缩小数字鸿沟、为通行证提供二维码成为可能[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,这表明过大的软件大小对使用软件的意愿影响不大。功能是否合适是用户最关心的问题,其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,本研究排除了医务人员内部使用的应用程序,因为我们无法以内部帐户持有人登录;这削弱了为医疗保健专业人员设计的移动健康应用程序的效果。然而,我们的研究重点是针对患者和健康人群的应用程序,而不是内部应用程序。未来的工作将使用医疗保健内部使用的应用程序进行。其次,由于缺乏新兴的应用程序,因此无法对COVID-19爆发后的移动医疗市场进行概述。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与大流行之间的关系。第三,作为一项半纵向调查,本研究测量的是暴露和结果,很难从分析中得出因果关系;因此,我们只是根据现状做出假设。

的优势

本研究具有实际意义和应用价值。本研究首次通过对应用市场数据的半纵向研究和现场问卷调查,结合基于网络的调查和人口用户体验调查的结果,调查了COVID-19与人口层面移动健康应用的使用之间的关系。由于中国是少数几个采取更积极的公共卫生防控措施的国家之一,本研究涉及多层次、研究范围广,可以为今后不同国家和地区之间的比较研究提供有力的数据支持。在用户体验调查中,我们探讨了人群对数字健康技术态度的变化,表明在大流行后时代,移动健康应用有一个良好的发展环境。这项研究对变量和过程的定义是一致的,这使得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与使用变化之间的关系。我们相信我们的研究结果可以为未来移动健康应用的后续开发提供很好的参考。除了在大流行政策的推动下,与covid -19相关的应用程序越来越多之外,应用程序开发人员应该意识到,孕产妇、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诊断、治疗和教育的医疗信息,在COVID-19爆发后发挥了重要作用。这次大流行使人们认识到移动医疗在促进全民健康覆盖方面的价值,这有助于加强自我保健管理。在后大流行时代,中国民众的成家愿望日益强烈,母婴健康app作为一种健康教育工具,倡导女性产前产后自我管理的健康生活方式。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另一个可能促进或阻碍用户粘性的潜在因素,需要进一步研究。

结论

移动医疗应用程序是在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越来越多,显示出中国人对自我保健的更大关注,以及中国人越来越渴望养家糊口。此外,我们的研究为后疫情时代移动健康app的后续开发和推广提供了方向,为中国的医疗模式改革提供了参考。这可能为设计和评估诸如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。需要进一步的研究来调查每种应用程序的功能,这将有助于移动健康应用程序作为一种健康促进策略的个性化开发和具体的改进措施。

致谢

我们感谢研究参与者。福建医科大学人才科研基金项目(XRCZX2019031)、国家自然科学基金青年项目(82203989)、福建省自然科学基金项目(2021J01729)、福建省大学生创新创业培养计划项目(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取数据集。

利益冲突

没有宣布。

多媒体附录1

补充表。

DOCX文件,34 KB

多媒体附录2

应用程序功能的分位数差异效应(不显著)。

PNG文件,202kb

多媒体附录3

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, Zhuang M, Edelstein M,等。数字技术在公共卫生应对COVID-19中的应用。中华医学杂志,2016,26(8):1183-1192。(CrossRef] [Medline]
  2. 奥康奈尔J,奥基夫t。Covid-19接触者追踪——防范未来大流行的数字化接种。中国生物医学工程学报,2013,31(6):484-487。(CrossRef]
  3. Cencetti G, Santin G, Longa A, Pigani E, Barrat A, Cattuto C,等。大流行控制经验接触网络的数字接近追踪。Nat comm2021 Mar 12;12(1):1655 [免费全文] [CrossRef] [Medline]
  4. 赵文杰,李建军,李建军,李建军,等。我国医疗卫生领域发展趋势与对策研究进展。健康Aff (Millwood) 2021 Feb;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 [j]免费全文] [CrossRef] [Medline]
  6. 手机健康应用程序提供数据赏金。Nature 2016年3月24日;531(7595):422-423。(CrossRef] [Medline]
  7. 杨树仁,陈建军,陈建军,等。中国医学杂志,2018;32(4):337-338。(CrossRef] [Medline]
  8. 王艳,王艳,格林波,孙玲。中国体育活动app质量与行为改变技术分析与评价。中华医学杂志[J]; 2010; 33(3): 391 - 391。(CrossRef] [Medline]
  9. 肖强,陆生,王勇,孙磊,吴勇。中国心血管疾病相关智能手机应用下载现状。中华电信杂志;2017;23(3):219-225。(CrossRef] [Medline]
  10. 尚军,魏生,金军,张鹏。中国心理健康应用分析与质量评价。JMIR Mhealth Uhealth 2019 Nov 07;7(11):e13236 [j]免费全文] [CrossRef] [Medline]
  11. 李勇,丁杰,王勇,唐超,张鹏。中国App Store中营养类手机应用的功能与质量评价。JMIR Mhealth Uhealth 2019;7(7):e13261 [j]免费全文] [CrossRef] [Medline]
  12. El-Sherif DM, Abouzid M.移动医疗研究分析:绘制COVID-19爆发期间移动应用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 [j]免费全文] [CrossRef] [Medline]
  13. 徐军,刘东,于彦明,赵海涛,陈志荣,李军,等。中国最受欢迎的移动医疗应用:系统调查。医学互联网研究,2016年8月29日;18(8):e222 [J]免费全文] [CrossRef] [Medline]
  14. Perlman A, Vodonos Zilberg A, Bak P, Dreyfuss M, Leventer-Roberts M, Vurembrand Y,等。应用程序用户寻求covid -19相关数字健康信息和远程服务的特征和症状:回顾性队列研究[J] .中国医学信息学报,2020;22(10):e23197 [J]免费全文] [CrossRef] [Medline]
  15. 王CJ。接触者追踪应用程序遏制了COVID在英格兰和威尔士的传播。Nature 2021 june 25;594(7863):336-337。(CrossRef] [Medline]
  16. 张建军,张建军,张建军,等。新型冠状病毒接触者追踪应用的研究进展[j] .中国医学工程学报,2015,31(2):557 - 557。(CrossRef] [Medline]
  17. Almalki M, Giannicchi A.抗击COVID-19的健康应用程序:描述性审查和分类。[j] Mhealth Uhealth 2021; 02;9(3):e24322 [j]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]医学互联网研究,2020年12月09日;22(12):e23170 [J]免费全文] [CrossRef] [Medline]
  19. Ahlers-Schmidt CR, Hervey AM, Neil T, Kuhlmann S, Kuhlmann Z. COVID-19大流行期间妇女对妊娠和分娩的担忧。患者教育委员会2020 Sep 24;103(12):2578-2582 [j]免费全文] [CrossRef] [Medline]
  20. 洪震,李宁,李东,李军,李斌,熊伟,等。新冠肺炎大流行期间的远程医疗:来自中国西部的经验[J]医学互联网研究,2020年5月08日;22(5):e19577 [J]免费全文] [CrossRef] [Medline]
  21. 袁超,曹军,张建军,张晓涛,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 Oct 17;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. 陈国强,陈国强。回归分位数。计量经济学1978;46(1):33。(CrossRef]
  26. Koenker R, Hallock KF。分位数回归。经济展望2001年11月;15(4):143-156 [j]免费全文] [CrossRef]
  27. 殷敏。中国移动健康业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。医疗保健新平台。中华医学杂志[j]; 2011; 31 (1):112 [j]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。按需移动保健基础设施,允许通过远程会诊进行全面的远程房颤和风险因素管理。中华心血管病杂志,2020;43(11):1232-1239 [j]免费全文] [CrossRef] [Medline]
  30. passrez - jover V, Sala-González M, Guilabert M, Mira JJ。提高治疗依从性的移动应用程序:系统评价。医学互联网研究,2019年6月18日;21(6):e12505 [J]免费全文] [CrossRef] [Medline]
  31. 陈忠,梁伟,刘强,何锐,陈强,李强,等。新型冠状病毒病疫情期间肿瘤患者远程肿瘤药学服务平台的使用:实施及用户接受度评价[J] .中国生物医学工程学报,2011;23(1):563 - 567 [J]免费全文] [CrossRef] [Medline]
  32. 王益辉,谭克庆,谭超,谭超,郭金文,泰杰,等。COVID-19大流行期间针对2型糖尿病的个性化移动医疗计划:单组前后研究JMIR糖尿病2021七月09;6(3):e25820 [j]免费全文] [CrossRef] [Medline]
  33. 邵超,李生,朱峰,赵东,邵华,陈华,等。泰州新冠肺炎远程医疗防控经验。中西医结合2020年8月29日;14(4):506-510 [j]免费全文] [CrossRef] [Medline]
  34. Micelli E, Cito G, Cocci A, Polloni G, Russo GI, Minervini A,等。COVID-19大流行时期的亲子欲望:对意大利情况的洞察中华妇产科杂志,2020;41(3):183-190。(CrossRef] [Medline]
  35. Brunelli L, De Vita C, Cenedese F, Cinello M, Paris M, Samogizio F,等。意大利孕期和产后护理应用的差距和未来挑战:应用商店的系统搜索。[J] .中国医学信息学报,2013;23(8):991 - 991 [J]免费全文] [CrossRef] [Medline]
  36. 陈克林,陈敏。社交媒体和移动健康应用对妊娠护理的影响:meta分析。[j] Mhealth Uhealth 2019 Jan 30;7(1):e11836 [j]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年3月22日;12:64 . 2755 [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 Feb;40(2):212-218。(CrossRef] [Medline]
  39. 大流行期间死产率急剧上升。Nature 2020 Sep 15;585(7826):490-491。(CrossRef] [Medline]
  40. Radin JM, Steinhubl SR, Su AI, Bhargava H, Greenberg B, Bot BM,等。健康妊娠研究项目:通过ResearchKit应用程序改变妊娠研究[j] .中华数字医学杂志2018;1:45 [j]免费全文] [CrossRef] [Medline]
  41. 徐敏,杨鑫,刘丽,戴颖,徐敏,林珊。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。中国生物医学工程学报(英文版);2010;21 (3):391 - 391 [J]免费全文] [CrossRef] [Medline]
  42. 张建军,张建军,张建军,等。数字健康行为改变技术:20年研究的文献计量学和范围综述。移动医疗Uhealth 2019 12月13日;7(12):e13311 [j]免费全文] [CrossRef] [Medline]
  43. 彭志杰,Peterson ED.移动医疗应用能促进有意义的行为改变吗?是时候回答问题了。美国医学杂志2015年3月21日;314(12):1236-1237。(CrossRef] [Medline]
  44. 马忠,伊德里斯S,潘琪,Baloch Z.中国人群新冠肺炎知识、风险认知和信息来源。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大流行对公众心理健康负面影响的数字干预措施的证据综合:快速元评价[J]互联网研究与发展[J]; 2013;23(3): 563 - 563 [J]免费全文] [CrossRef] [Medline]
  46. 马提恩戈,李建军,陈建军,陈建军,等。抑郁症的自我引导认知行为治疗应用:特征、功能和证据一致性的系统评估。[J] .中国医学信息学报,2013;23(7):879 - 879 [J]免费全文] [CrossRef] [Medline]
  47. 第44次中国互联网发展统计报告。中国互联网络信息中心(CNNIC)。2019年8月https://www.cnnic.com.cn/IDR/ReportDownloads/201911/P020191112539794960687.pdf[2023-01-26]访问
  48. 第45次中国互联网发展统计报告。中国互联网络信息中心(CNNIC)。2020年4月https://www.cnnic.com.cn/IDR/ReportDownloads/202008/P020200827549953874912.pdf[2023-01-26]访问
  49. 第46次中国互联网发展统计报告。中国互联网络信息中心(CNNIC)。2020年9月https://www.cnnic.com.cn/IDR/ReportDownloads/202012/P020201201530023411644.pdf[2023-01-26]访问
  50. 第47次中国互联网发展统计报告。中国互联网络信息中心(CNNIC)。2021年2月https://www.cnnic.com.cn/IDR/ReportDownloads/202104/P020210420557302172744.pdf[2023-01-26]访问
  51. 张建军,张建军,张建军,等。基于用户体验的移动健康app设计研究。[j] Mhealth Uhealth, 2014;10(1): 29512 [j]免费全文] [CrossRef] [Medline]
  52. 胡圣寿,郭润林,李立生,赵曼露,韦文,韦永军,韦兆苏,李会军,郭东峰,尹跃进,郑哲,c伟伟。2018年中国心血管疾病报告综述。中国流通杂志2019年3月24日;34(03):209-220。(CrossRef]
  53. 周霞,陈玲。中国数字医疗与老年人可及性。《柳叶刀公共卫生》2021;12 (12):e873-e874。(CrossRef]
  54. 郎荣,刘建军,刘建军,等。态度、行为和COVID-19公共卫生措施的障碍:一项为公共卫生信息传递提供信息的调查。BMC公共卫生2021四月21;21(1):765 [j]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,以提高移动医疗的采用:用户期望调查和实验。JMIR Mhealth Uhealth 2021 Nov 04;9(11):e29815 [j]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


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

版权

©杨乐,吴家栋,莫晓晓,陈亚琴,黄珊珊,周琳琳,戴佳琪,谢琳娜,陈思宇,尚昊,劳蓓蓓,翁炳涛,阿依古力,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。

这是一篇根据知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在JMIR公共卫生与监测上,并适当引用。必须包括完整的书目信息,到https://publichealth.www.mybigtv.com上原始出版物的链接,以及版权和许可信息。


Baidu
map