理解全人健康和弹性COVID-19大流行期间及以后:横断面描述性相关性研究

介绍

有超过4.6亿例COVID-19和全球超过600万人死亡的大流行,2022年3月(1),以及物理、金融、人口和情感打击,急需重新关注全人健康和情感上的幸福(2]。全人健康旨在帮助和增强个人在生物来改善他们的健康,行为,社会和环境领域是相互联系的3]。这种全人健康的方法转移的临床和公共卫生范式从有限的事务和特定疾病治疗评估和促进整体健康和促进弹性(3]。

这被称为strengths-based护理,重点在于解决方案基于优势(后)模型和可能性,从赤字/病理学(结构主义)模型,关注的问题和原因4]。优势被定义为技能、能力、行动、天赋、潜力,和礼物在每个个人、家庭和社区(5]。个人的韧性是能够坚持,愈合,和改变面对挑战,挫折,和冲突6,7),在一生中是动态的(8),适用于心理健康9),可以使用他们的优势特征7]。运动模型,强调人才和偏好可能受益所有人,特别是边缘化人群的重点是优势(10),而不是赤字,可能有助于减少偏见和改善。

通过用户友好的工具,如信息解决方案应用程序数据收集和数据表示标准全人健康评估是有用的。标准化的术语,简化奥马哈系统方面(苏斯特),捕获所有健康的四个领域:环境、社会心理,生理和健康相关行为11]。奥马哈系统用作strengths-based数据捕获模式12),执行弹性。它映射到临床术语如系统化Medicine-Clinical术语的术语(snom CT) [13)观察和逻辑标识符名称和代码,并嵌入到电子健康记录(病历)。在卫生保健,优势数据应该考虑问题,这样数据的上下文中有意义并添加值来改善健康和健康结果14]。这些工具与标准化数据促进消费者的全人的集成优势,挑战,和需要(SCN)数据在护理和interprofessional保健(15)以及人口健康测量,加速向strength-oriented保健和运动识别弹性。

先前的研究已经导致了一个消费者应用程序的发展MyStrengths + MyHealth (MSMH) [16)标准化SCN数据捕获从社会的角度使用苏斯特[17- - - - - -19]。在MSMH苏斯特,结构的完整性和严密性和概念的奥马哈系统保留。奥马哈系统是一个多学科健康术语(11),包括三个组成部分,问题分类方案和相关症状/体征,干预方案,问题评定量表的结果。42个问题奥马哈系统概念被组织在四个领域(环境、社会心理、生理和健康相关行为)。这些在苏斯特简化我的生活,我的思想和网络,我的身体,我的自我保健(文本框1)。

奥马哈系统问题分类方案定义了42个概念,每一个都有3到18独特的分类学的分配症状/体征/挑战(图1)。问题评定量表的结果使测量的优势在所有概念。用户使用Likert-type率每个概念顺序量表,1是非常糟糕的,5非常好(图1)。4(最小的挑战)或5的评级(没有挑战)被定义为一种力量。干预方案分类(操作)需要解决所有概念:监测(签到);治疗方法和程序(动手护理);教学、指导、咨询服务(信息/指导);和病例管理(护理协调)。MSMH应用,需要表达四类:信息/指导(我可以用更多的信息关于这个或一些指导在决定做什么),动手护理(动手护理或帮助),签到(有人在跟我检查);和护理协调(帮助我预约管理和连接)。视交叉上核评估的一个屏幕快照锻炼概念描述图1,文本框2介绍了连接在苏斯特领域,概念,优势,挑战,和需求。

MSMH是免费提供给研究人员、教育工作者、临床医生、许可通过大学(16]。MSMH数据被安置在一个安全的计算机网络,许可证持有人可以下载完整的数据。研究基于MSMH程序有详细的开发和试点测试18使用应用程序),分析了妇女的心血管健康(20.),描述全人健康老年人(21),检查本地数据对全人健康和阿片类药物在社区(22]。最近的研究分析了MSMH弹性在社区一级的数据(7),检查使用的可行性MSMH-aided消费者产生数据知识发现(23]。研究人员使用了奥马哈系统数据理解全人健康(15),描述的优点与慢性疾病的老年人(24),并检查社会决定因素和健康差异之间的关系(25]。

越来越感兴趣的全人健康,心理健康,和strengths-based保健,有必要构建一个证据来证明等信息工具的价值MSMH应用。本研究的目标是利用可视化技术和数据从与会者的中西部州公平全面检查SCN和团体有/没有情绪挑战和探索参与者的韧性。

‎ 把这个图

方法

伦理批准

横断面调查研究可视化收到大学的机构审查委员会批准(批准文号:# STUDY00009465)。研究人员收集鉴定数据使用苏斯特和MSMH应用。

研究背景:中西部州公平

数据收集发生在一个受欢迎的中西部州公平事件举行了超过12天,每年吸引人数超过200万。这项研究是在2021年8月和9月进行的。参与者自我选择的参与这项研究。参与仅限于成年人(18岁以上)谁能完成MSMH应用英语。知情同意是显示在应用程序;研究参与者同意重用他们的匿名数据之前完成评估。他们完成了MSMH评估程式化ipad。参与者被给定一个university-branded拉带背包(1.79美元值)作为参与的动机。最后的评估,一个惟一的代码显示,参与者可以使用下载的总结他们的反应。链接到下载摘要随着参与者的独特的代码提供给每个参与者在一个名片格式。 Appropriate COVID-19 protocols were followed: masks were mandatory, iPads were sanitized after every use, and hand-sanitizing lotions were available in multiple places.

研究工具:MSMH应用

是显示在图1为每个概念,MSMH应用提出了SCN如前所述使用苏斯特[21,23]。如果所有概念都是额定,共有42个优势,335年的挑战,和168年的需求。37岁的这些概念被选择进行分析的基础上,研究目标和设定/样品,扣除5概念,并不适用于大多数的参与者(怀孕,产后,计划生育,意识,增长和发展)。完成评估的总时间约为15分钟每用户。

研究方法和数据分析

数据存储在一个安全的计算环境主办的大学。数据分析使用可视化技术在Excel(微软公司),描述性和推论统计分析使用SPSS (IBM . n:行情))。

目标1,整体SCN检查所有参与者使用描述性统计和平行坐标可视化技术(7,26]。两组就形成了与一个或多个参与者情绪挑战和那些没有情绪挑战。视交叉上核使用独立样本进行比较t测试和平行坐标可视化技术。在考察全人健康和情绪集群概念使用数据可视化技术,一种新型的健康相关行为域概念(睡觉,营养,锻炼)被发现并被详细检查。此外,泡沫图表创建可视化SCN跨四个域之间的关系(我的生活,我的思想和网络,我的身体,和我的自理)。

目标2、检查弹性进行了相关性分析参与者有或没有的优势情绪挑战。共生的各种优势在37个研究概念使用皮尔逊相关系数进行了分析。由此产生的相关矩阵是有条件地格式化在Excel中蓝色(最相关的),白色(中档)和红色(相关)。

结果

概述

研究参与者(N = 182)主要是女性(N = 123, 67.6%),≥45岁(N = 112, 61.5%)、白(N = 154, 84.6%),非西班牙裔(N = 177, 97.3%)。近一半的受访者表示他们的婚姻状况(n = 84, 46.2%)结婚。参与者的人口年龄、性别、种族、种族、婚姻状况情绪提出了挑战表1。相比那些没有情绪挑战,那些情绪挑战是年龄在18至44岁的(P<措施),更多的女性(P= .04点),和没有结婚(P= .02点)。的情绪挑战被参与者中突出显示表2,累了(n = 69),很难管理自己的压力(n = 46)确定为两大挑战。

目标1:整体优势,挑战,需求,有/没有情感的挑战

图2介绍了参与者的整体视交叉上核。

‎ 把这个图

的优势

参与者平均28优势(平均28.6,标准差10.5)。家83.5% (n = 152)在家庭和工作安全(n = 152, 83.5%)是最有优势的两个概念。

挑战

参与者平均12(7.5的意思是12,SD)的挑战。共同的挑战营养(n = 129 70.9%),其次是锻炼60.4% (n = 109)睡觉58.2% (n = 106)。图2显示的挑战(红线)超过这个集群的优势(绿线)与健康有关的行为领域概念。超过一半(n = 103, 56.6%)的参与者在一个或更多的挑战情绪的概念。

需要

参与者平均4需求(平均4.2,标准差7.5)。的情绪概念最需要,信息/指导公共需要这个概念(图3)。的五个参与者(n = 35岁,19.2%)确定了需要相关情绪。总的来说,在五大需求情绪,营养,收入,睡觉,锻炼(图3)。

总的来说,参与者有更多的优点比挑战和需求(表3)。相比那些没有情绪挑战,那些情绪挑战有更少的优势,更多的挑战,更多的需要比那些没有情绪挑战(P<措施for all;表3)。

优势的分析概念和集团有/没有情绪表明,该集团没有挑战情绪挑战(用绿色表示图4在所有概念)有更多的优势。相比那些没有情绪挑战,那些情绪挑战有更少的优点情绪(P<措施)和集群的健康相关行为领域概念:睡觉(P= .002),营养(P<措施)锻炼(P<措施)。

图5显示在两组分析的挑战,挑战更高的所有概念的情绪挑战集团(红线)。的组情绪挑战有更多的挑战。相比那些没有情绪挑战,那些情绪挑战更多的挑战在健康相关行为的集群领域概念:睡觉(P= .003),营养(P<措施)锻炼(P<措施)。

需要显示出更多需要的分析组中的所有概念情绪挑战(图6)。相比那些没有情绪挑战,那些情绪挑战有了更多的需求情绪(P<措施)和健康相关行为领域概念:睡觉(P= .002),营养(P<措施)锻炼(P<措施)。

额外的视觉分析进行跨四个MSMH域理解全人健康领域和概念使用泡沫图表(图7),大的泡沫大小表示更多的挑战;在轴的左端显示更少的优势和较高的轴显示更大的需求。这是组更明显情绪挑战(红色泡沫)所示图7。两个轴上的位置的组合模式和泡沫的大小显示明显差异的问题:泡沫大小和位置明显更大,更高,和更多的了收入在我的生活领域;情绪和社交活动在我的思想和网络域;愿景和思考在我的身体;和睡觉,营养,锻炼在我的自我保健。

‎ 把这个图

‎ 把这个图

‎ 把这个图

‎ 把这个图

‎ 把这个图

目标2:描述韧性的团体,没有情感的挑战

相关分析来确定关联为参与者有或没有优势情绪提出了挑战图8和9,分别。更高的相关性表明同现的优势(7,27]。总共666箱显示强度的相关性情绪同样因为没有挑战情绪挑战。红色框是一个指标的相关性和一个蓝色的盒子是高度相关的指标,与白盒之间。对于那些情绪挑战,22.5% (n = 150)是蓝色盒子的总666箱,和那些没有情绪挑战,51.7% (n = 344)是蓝色的盒子。所示图8和9,概念之间的相关性不强情绪挑战(红框),对于那些没有更强情绪挑战(蓝色框表示更多和更大的正相关性)。相关矩阵的组没有情绪挑战描述优势扩展跨概念/域的跨横向和纵向的蓝色盒子。

‎ 把这个图

‎ 把这个图

讨论

结果和影响

在这种描述性相关性研究,视交叉上核数据从参与者在中西部公平August-September 2021人使用可视化技术研究。总的来说,参与者有更多的优点比挑战和更多的挑战的需要。数据可视化技术用于检查全人健康和情绪集群概念揭示了小说与健康有关的行为(我的自理)域概念(睡觉,营养,锻炼用更少的优势和更多的挑战和需求)。这与睡眠的关系,体育活动,和饮食期间COVID-19 [28- - - - - -30.]。此外,不同的视交叉上核睡觉与/没有一个团体情绪挑战与之前睡在整体心理健康的影响研究(31日,32]。值得注意的是,超过半数的参与者的挑战情绪的概念。,那些情绪挑战有更少的优势和更多的挑战,需要在所有概念强调全人健康的角度来说的重要性。这还需要进一步的研究来理解这些概念之间的细微差别与视交叉上核,对全人健康。

发现超过一半的参与者挑战情绪概念强调了影响大流行和情感损失。这符合证据表明情绪问题,如抑郁、焦虑、自杀的念头自2020年以来增加了(2];例如,美国成年人焦虑或抑郁症状的报道2021年1月到2019年6月相比增长了4倍(2]。现在通讯如何运动的疾病控制和预防中心(2旨在促进和加强人们的心理健康和弹性受到压力的影响,悲伤,和损失在COVID-19大流行。全人健康如数据提供的这项研究有潜力提供了一个定量数据透视图添加到定性生活经验/故事分享,作为这个项目的一部分。

发现那些情绪挑战也有许多长处承诺;它重要的是要确定这些作为一种工具来帮助理解和潜在提高韧性。这些发现与之前strength-oriented研究[14,15,33- - - - - -35]。优势可以作为工具来应对挑战,作为一个个体的力量社交活动或精神或信仰更有可能使用社会支持系统相关的概念,如减轻挑战情绪,的关系,或悲伤或损失和使用这些机制来保护和治疗,因此,建立弹性(36,37]。

发现那些情绪挑战有更少的优势和更多的挑战,需要在所有四个领域相比情绪挑战与文献关于精神卫生的健康的影响(38,39]。结果与之前的研究相一致,健康和疾病动态互联的涟漪效应在其他方面健康状况(3,40]。工具,如苏斯特和MSMH可以提供全人评估和识别领域的优势利用,帮助提高韧性。内的苏斯特术语MSMH应用支持社区和临床数据之间的比较(7,22),用于分析基层弹性(7]。鉴于潜在的评估在个体和社区层面上,强大的工具如苏斯特和MSMH应用中应采用电子医疗纪录和个人健康记录为人口健康管理生成有意义的数据。

这符合当前国家卫生研究院Bridge2AI倡议,旨在构建和利用强大的多维数据集(41]。通过利用增加计算能力随着机器学习,人工智能,和变革的分析技术,这些数据集可以用来画见解上因素,促进全人健康和弹性。应用程序如MSMH利用术语标准和卫生信息学的力量,并提供选项解决美国科学院的建议,在设计和使用卫生工程和医学信息技术如全人健康(42]。

优势和局限性

这项研究表明卫生信息学的力量,标准化的数据,和技术评估,个人和社区的数据可视化和测试。它演示了一个额外的研究数据驱动的方法建立证据全人健康和弹性。此外,此类研究提供了一个起点开始探讨全人健康与个人和社区关于自己的长处,挑战,和需要,开始转变从赤字模型对全人健康卫生。

发现有一些限制。招聘挑战由于COVID-19是相当大的,因为有限的出席国家公平和参与者需要参与室内和戴上面具在研究建筑。样品可能是偏见,这些流行条件,2021年作为公平的与会者可能是独特的在某种程度上是不清楚。最后,调查了15到20分钟才能完成,这是一种威慑潜在参与者。

结论

这项研究检查了数据使用一个标准化的全人app-aided和数据驱动方法,量化SCN的个人所有卫生(环境、社会心理、生理和健康相关行为域)。研究视交叉上核数据组有或没有情绪挑战显示模式在总体健康和重要的健康相关行为的概念。这对众多研究机会研究奠定了基础,如指标发展测量弹性和苏斯特和MSMH在临床护理环境中重塑医疗遇到全人的角度来看。