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体上不受限制地使用、分发和复制,前提是原始作品首先发表在JMIR mHealth和uHealth上,并适当引用。必须包括完整的书目信息,到http://mhealth.www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。
随着越来越多地使用移动设备访问互联网,作为应用程序的主要计算系统,提供自我保健建议的移动健康应用程序的市场正在增长。例如,它们在饮食和健康追踪方面的有效性需要检验。大多数美国成年人没有达到每日健康行为的建议。在一个可控的环境中测试用户对应用程序的参与度,可以让我们深入了解专注于改善饮食和锻炼的应用程序哪些是有效的,哪些是无效的。
我们开发了一款名为“公羊有心”(Rams Have Heart)的移动应用程序,以支持心血管疾病(CVD)干预课程。该应用程序全天跟踪健康行为,包括水果和蔬菜的消费以及身体活动。本文旨在展示其功能,并评估非裔美国大学生群体的依从性。
我们使用个人健康信息和干预工具包开发了这个应用程序,这是一个软件框架。Rams Have Heart将自我报告的健康检查与健康教育、日记跟踪和用户反馈模块集成在一起,以获取数据并评估进展。这项父母研究是在美国东南部一所历史悠久的黑人学院和大学指定机构进行的,包括一个学期的干预,作为一门学术课程,在秋季进行,连续三年。在队列1先导研究之后进行了更改,因此结果仅包括队列2和3,共包括115名学生(n=55名干预参与者和n=54名对照参与者),年龄从17岁到24岁。在研究期间收集的数据使用安全的超文本传输协议进行传输,并存储在只有授权人员才能访问的安全结构化查询语言服务器数据库中。使用SAS软件分析应用程序的总体使用情况和收集到的具体结果。
在干预组的55名学生中,队列2的27名(49%)学生和队列3的25名(45%)学生至少使用过一次Rams Have Heart应用程序。在秋季学期的课程中,app的参与度逐渐下降,直到考试周,大多数学生不再参与。在研究期间,水果和蔬菜的平均摄入量略有增加,活动水平有所下降。
“公羊有心脏”的开发是为了每天跟踪水果和蔬菜的摄入量和身体活动,以支持对易患肥胖、心脏病和2型糖尿病的学生进行心血管疾病风险干预。我们对应用的使用情况、功能和用户结果进行了分析。尽管移动应用程序为用户参与研究提供了隐私和灵活性,但Rams Have Heart并没有提高依从性或用户结果。依赖应用程序支持用户目标的健康导向研究需要进一步评估。
到2025年,近四分之三的互联网用户将完全通过手机上网。年轻人尤其频繁使用智能手机:53%的人在11岁之前拥有智能手机,84%的青少年拥有智能手机。
一个流行的移动健康重点是健身和饮食跟踪[
肥胖和高血压(BP)的风险在少数民族中尤其明显,如果不及早发现,会导致负面的健康结果[
为了解决这一差距,我们使用了个人健康信息学和干预工具包(PHIT)框架来支持心血管疾病风险因素干预。移动健康应用程序在提高药物依从性和支持心理健康干预方面取得了成功[
本研究由温斯顿-塞勒姆州立大学机构审查委员会(IRB)批准。此外,保护人类受试者的国际三角研究委员会(RTI)批准了RTI在分析未识别数据方面的作用。
这项二次分析旨在评估Rams Have Heart应用程序的可用性和可接受性,该应用程序是一项大型试点研究的一部分,用于测试易感人群(aa级大学生)的循证心血管疾病干预。
这项研究是在美国东南部的HBCU进行的,其中73.6%的学生是AA [
第二组和第三组共有109名学生参加了研究。其中,55人(50.4%)被分配到干预组,他们参加了降低心血管疾病风险的课程,并被指示使用Rams Have Heart应用程序,54人(49.5%)被分配到对照组,他们参加了传统的健康课程,没有使用该应用程序。所有人都是该机构的全日制学生,年龄从17岁到24岁不等。队列2从2017年秋季到2018年春季进行研究,队列3从2018年秋季到2019年春季进行研究。主要的课程活动在秋季学期进行。
Rams Have Heart是使用PHIT开发的,PHIT是一种面向研究型移动应用的软件开发框架[
PHIT交互式仪器模块和配置设置使用可扩展标记语言和PHITScript自定义语言实现,以构建程序逻辑并激活动态更改菜单、控制数据收集或调度通知等应用程序功能。框架运行时加载这些模块和设置,使移动应用程序动态地为用户量身定制,并适应研究协议。该架构为不断增长的移动应用程序研究库提供了可重用的数据收集和干预模块。
使用PHIT框架的应用程序在用户的设备上运行,而无需激活互联网连接。原始数据和派生数据被标记为协议、参与者和其他上下文信息,进行加密,并本地存储在应用程序空间中。只要互联网可用,数据就会通过安全的https协议上传到研究特定的服务器上。然后可以通过密码保护的门户卸载个人和汇总数据,以便进行审查和分析。PHIT基于Apache Flex和Adobe集成运行时(AIR)技术,这两种技术都是开源的,广泛用于移动游戏开发。通过使用Apache Flex AIR,在Android和iOS设备上运行的基于phit的应用程序可以在智能手机和平板电脑上运行,并且可以适应桌面平台。
Rams Have Heart将健康检查与饮食和运动教育、食物消费和活动跟踪以及显示进展的图形反馈结合起来。简单易用的主屏幕菜单(
当第一次运行应用程序时,研究参与者输入他们分配的标识符(ID)两次进行验证。它显示在功能列表上方的蓝色主屏幕标题中,方便参考。所有数据记录都标有此ID,并且没有保存个人身份信息(PII)。研究人员保留了一个研究名单,将ID与学生联系信息、任何其他个人身份信息(离线且与应用程序分开)以及任何应用程序获取的数据联系起来。
接下来,参与者被要求设定一个时间,提醒他们注意饮食、活动和晚上的日记条目(
Rams Have Heart应用程序的主屏幕菜单(a)以及选择(b)和设置(b)每日日记提醒的屏幕。
最后一个启动任务是输入自我报告的个人数据(即性别、年龄、身高、体重),并将其保存下来,以便随后计算BMI。然后参与者只需要定期输入他们的体重来重新计算BMI并观察进展(
BMI数据输入和计算器(a),以及来自五张幻灯片的BMI教材的样本屏幕(b, c)。
该应用程序的主要功能是支持每天记录水果和蔬菜的消费量和身体活动。水果和蔬菜日记提供了一个简单的条目,每餐最多四份,或者一天中吃零食的时候(
体育活动日记采用了类似的简单设计,提供了5个级别的剧烈运动、适度运动和步行(
加权分钟= (2.0 ×剧烈运动分钟)+中度运动分钟+ (0.5 ×步行分钟)
随着新条目的加入,进度指示器向最大60加权分钟前进。绿色区域表示参与者达到至少45加权分钟,黄色过渡表示至少30加权分钟。跑步者的图形图标用于表示累积努力的遵从性。
日记趋势图提供反馈,以帮助学生在整个学习干预期间实现个人目标(
在我们研究的第一年,参与者经常没有每天提供日记数据。因为他们可能只是忘记在某一天填写,所以我们修改了第二组和第三组的应用程序,让他们可以这样做
每日跟踪水果和蔬菜消费(a)和身体活动(b)的日记条目屏幕示例。趋势图提供了最近条目(c)的三周行为目标反馈。
用户可能会比计划晚一天或两天补上错过的日记条目(a)。更改标签以提醒用户要在指定日期输入召回数据(b, c)。
第一次进入日记模块的参与者,将通过一系列幻灯片解释如何填写随后的日记条目,并加强教育内容及其与心血管疾病风险降低课程的关系(
解释活动努力程度,以支持高质量的日记条目。
解释水果和蔬菜的份量,以支持高质量的日记条目,以及支持健康饮食选择和行为的教育材料。
为参与者提供了一个唯一的ID,以便将所有获得的数据与该个人联系起来。他们还输入了一个自定义的、秘密的4位个人识别号码(PIN),以防止其他人访问。当应用程序在使用时,它的屏幕将在一段时间(例如,2分钟)没有交互后停用,并显示一个屏幕盖来隐藏当前数据或活动。一旦取消激活,必须输入4位密码才能解锁屏幕并允许参与者继续。
所有获取和计算的数据都本地存储在移动应用程序内的加密结构化查询语言(SQL)数据库中。反映应用程序功能的数据,如日期输入时间戳和输入日记信息所花费的时间长度,也被保存到安全的应用程序内数据库中。每次用户退出日记时,他们都有机会将获取的数据上传到安全的中央研究数据服务器,或者推迟上传。然后,该应用程序将用户返回到主屏幕菜单。
由于数据存储在本地设备上,Rams Have Heart应用程序可以离线运行,不需要连续的蜂窝或互联网连接。数据使用无PII的128位高级加密标准算法存储。只要有Wi-Fi网络接入,它们就可以上传到一个中央、安全的服务器上,以减少参与者蜂窝数据计划的使用。它们使用安全的https协议传输,并存储在安全的SQL server数据库中,只有通过用户ID和密码认证的授权人员才能访问该数据库。
在研究开始时,参与者完成了一份纸质问卷,以收集人口统计数据。109人中有104人(95%)完成了问卷调查;其中女性83人(76%),男性26人(24%)。
参与者的人口学特征(N=109)。
人口统计资料一个 | 值,n (%) | |
|
||
|
17 | 8 (7.3) |
|
18 | 76 (69.7) |
|
19 | 13 (11.9) |
|
20. | 8 (7.3) |
|
≥21岁 | 4 (3.6) |
|
||
|
男性 | 26日(23.8) |
|
女 | 83 (76.1) |
|
||
|
体重不足(< 18.5) | 3 (2.7) |
|
正常(18.5 - -24.9) | 56 (51.3) |
|
超重(25.0 - -29.9) | 28日(25.6) |
|
肥胖(≥30.0) | 22日(20.1) |
一个数据为队列2和队列3的总和。数据是从手机应用程序外部的独立问卷中收集的。
整个参与人群的人口组成与干预组的人口组成没有显著差异(
干预组人口学特征(N=55)。
人口统计资料一个 | 值,n (%) |
|
|
|
|||
|
17 | 4 (7) | .51 |
|
18 | 37 (67) | .62 |
|
19 | 4 (7) | 点 |
|
20. | 7 (13) | 酒精含量 |
|
≥21岁 | 3 (5) | 。31 |
|
|
||
|
男性 | 19 (35) | 。08 |
|
女 | 36 (65) | .92 |
|
|
||
|
体重不足(< 18.5) | 2 (4) | 38 |
|
正常(18.5 - -24.9) | 29 (53) | 点 |
|
超重(25.0 - -29.9) | 16 (29) | 收 |
|
肥胖(≥30.0) | 8 (15) | 总共花掉 |
一个数据为队列2干预和队列3联合干预。数据是从移动应用程序外部的独立问卷中收集的,代表了提供日记数据的原始参与者。
b
对于每个需要手动输入的模块,参与者可以选择观看一个简短的介绍,例如,解释一份水果是什么样子的,或者不同的体育活动水平(即适度与剧烈)。在使用该应用程序不止一次的52名参与者中,约有26人(50%)在第一次访问水果和蔬菜摄入模块时观看了该应用程序,22人(42%)观看了体育锻炼模块(
信息幻灯片的浏览量(N=52)。
模块一个 | 值,n (%) | ||
|
|||
|
在第一次进入之前观看 | 26 (50) | |
|
至少看一次 | 37 (71) | |
|
|||
|
在第一次进入之前观看 | 22 (42) | |
|
至少看一次 | 34 (65) |
一个数据是根据参与者ID和查看数据集中模块的真实或虚假记录来计算的。
队列2的研究时间为2017年9月下旬至2018年春季,队列3的研究时间为2018年9月至2019年春季,课程在秋季学期进行,春季进行后续数据收集。两组受试者都经常收到课堂提醒,提醒他们坚持数据收集;他们被鼓励在课堂上上传数据,并在2017年秋季学期结束后提供奖励。第二组参与者逐渐减少了对这款应用的使用,直到第68天左右,78%的人停止了使用,这与期末考试周相对应。第三组在期末考试周的前几天也出现了急剧下降;记录水果和蔬菜日记的参与者从16人降至5人,记录体育活动的参与者从10人降至2人。
在研究过程中记录日记的积极参与者的数量(a)提供活动日记的积极参与者和(b)提供水果和蔬菜日记的积极参与者。每个模块最晚的数据录入日期决定了送学日。
参与者记录水果和蔬菜摄入量的平均时间为16.3秒,记录活动的平均时间为10.1秒(
参与者输入日记条目的平均时间。误差条表示均值的上置信水平(UCLM)和均值的下置信水平(LCLM)。平均时间是通过汇集所有参与者的所有条目来计算的。
参与者在实际日记日期之后输入日记条目的平均时间。误差条表示UCLM和LCLM。平均时间是通过汇集所有参与者的所有条目来计算的。
记录一天中的时间数据。
时间点 | 水果和蔬菜摄入量n (%)一个N = 1968 | 活动n (%)一个N = 1449 |
午夜至凌晨1点 | 114 (5.79) | 120 (8.28) |
凌晨1点到2点 | 83 (4.22) | 62 (4.28) |
凌晨2点到3点 | 120 (6.10) | 95 (6.56) |
凌晨3点到4点 | 81 (4.12) | 52 (3.59) |
早上4点到5点 | 66 (3.35) | 56 (3.86) |
早上5点到6点 | 55 (2.79) | 41 (2.83) |
早上6点到7点 | 19日(0.97) | 17 (1.17) |
早上7点到8点 | 20 (1.02) | 12 (0.83) |
早上8点到9点 | 5 (0.25) | 3 (0.21) |
上午9点到10点 | 0 (0.00) | 1 (0.07) |
上午10点到11点 | 1 (0.05) | 1 (0.07) |
上午11时至中午 | 11 (0.56) | 10 (0.69) |
中午至下午一时 | 42 (2.13) | 30 (2.07) |
下午1点到2点 | 293 (14.89) | 165 (11.39) |
下午两点到三点 | 269 (13.67) | 208 (14.35) |
下午三点到四点 | 150 (7.62) | 88 (6.07) |
下午4点到5点 | 67 (3.40) | 58 (4.00) |
下午5点到6点 | 55 (2.79) | 35 (2.42) |
晚上6点到7点 | 86 (4.37) | 60 (4.14) |
晚上7点到8点 | 96 (4.88) | 79 (5.45) |
晚上8点到9点 | 69 (3.51) | 56 (3.86) |
晚上9点到10点 | 87 (4.42) | 61 (4.21) |
晚上10点到11点 | 108 (5.49) | 81 (5.59) |
晚上11时至午夜 | 71 (3.61) | 58 (4.00) |
一个百分比表示在指定时间段内记录的分录的比例。数据表示所有条目。
记录夜间时间数据。
时间点 | 水果和蔬菜摄入量(%)一个(N = 1024) | 活动(%)一个(N = 801) |
午夜至凌晨1点 | 43 (4.20) | 53 (6.62) |
凌晨1点到2点 | 39 (3.81) | 30 (3.75) |
凌晨2点到3点 | 42 (4.10) | 37 (4.62) |
凌晨3点到4点 | 41 (4.00) | 24 (3.00) |
早上4点到5点 | 38 (3.71) | 36 (4.49) |
早上5点到6点 | 35 (3.42) | 29 (3.62) |
早上6点到7点 | 14 (1.37) | 12 (1.50) |
早上7点到8点 | 13 (1.27) | 9 (1.12) |
早上8点到9点 | 3 (0.29) | 2 (0.25) |
上午9点到10点 | 0 (0.00) | 1 (0.12) |
上午10点到11点 | 1 (0.10) | 1 (0.12) |
上午11时至中午 | 7 (0.68) | 6 (0.75) |
中午至下午一时 | 28日(2.73) | 21日(2.62) |
下午1点到2点 | 178 (17.38) | 111 (13.86) |
下午两点到三点 | 131 (12.79) | 103 (12.86) |
下午三点到四点 | 81 (7.91) | 58 (7.24) |
下午4点到5点 | 37 (2.61) | 30 (3.75) |
下午5点到6点 | 33 (3.22) | 22日(2.75) |
晚上6点到7点 | 43 (4.20) | 33 (4.12) |
晚上7点到8点 | 48 (4.69) | 44 (5.49) |
晚上8点到9点 | 35 (3.42) | 32 (4.00) |
晚上9点到10点 | 47 (4.59) | 35 (4.37) |
晚上10点到11点 | 49 (4.79) | 43 (5.37) |
晚上11时至午夜 | 38 (3.71) | 29 (3.62) |
一个百分比表示在指定时间段内记录的分录的比例。数据仅表示作为召回数据输入的条目。
利用输入的水果和蔬菜摄入量和活动水平的数据,我们跟踪了研究期间的个人和总体趋势。请注意
在研究期间记录的日记条目值:(a)随时间变化的活动数据(以分钟为单位);(b)随时间变化的活动数据(以METS为单位);(c)随时间变化的水果和蔬菜份量。METS:代谢估计。
我们使用Tukey双尾进行方差分析(ANOVA)
每个学习周分组的日记条目方差分析:(a)随时间变化的活动数据(以分钟为单位);(b)随时间变化的活动数据(以METS为单位);(c)随时间变化的水果和蔬菜份量。METS:代谢估计。
水果和蔬菜的趋势和运动结果随着时间的推移。
学习一周一个 | 水果和蔬菜 |
|
活动(分钟) |
|
活动(代谢当量) |
|
2和1 | 1.8089 | 03 | 13.074 | 总收入 | 12.06 | >。 |
3和2 | −1.0330 | .97点 | −9.476 | >。 | −33.44 | >。 |
4和3 | 0.1032 | >。 | 6.675 | >。 | 24.01 | >。 |
5和4 | −0.8430 | >。 | 0.188 | >。 | 1.38 | >。 |
6和5 | 1.2351 | .95 | −6.796 | >。 | −24.25 | >。 |
7和6 | 0.4428 | >。 | 17.207 | 点 | 62.44 | 点 |
8和7 | 0.5558 | >。 | −12.434 | .98点 | −55.25 | .95 |
9和8 | −0.7438 | >。 | 2.348 | >。 | 10.20 | >。 |
10和9 | 1.0697 | >。 | 0.315 | >。 | 4.21 | >。 |
11和10 | 0.6354 | >。 | −14.137 | >。 | −48.68 | >。 |
12和11 | −4.9688 | .98点 | −39.324 | >。 | −174.16 | >。 |
13和12 | −0.5000 | >。 | 15.000 | >。 | 66.50 | >。 |
14和13 | −1.0000 | >。 | 17.500 | >。 | 63.50 | >。 |
15和14 | 5.0000 | >。 | −14.375 | >。 | −46.13 | >。 |
16和15 | −1.3333 | >。 | 11.875 | >。 | 51.73 | >。 |
17和16 | −0.0952 | >。 | 6.818 | >。 | 25.85 | >。 |
18和17 | 4.4286 | 获得 | 16.753 | >。 | 75.12 | >。 |
19和18 | −2.5000 | >。 | −37.071 | >。 | −148.47 | >。 |
20和19 | 0.5000 | >。 | 12.000 | >。 | 61.00 | >。 |
21和20 | −1.3000 | >。 | −5.500 | >。 | −25.90 | >。 |
22和21 | 0.1333 | >。 | −12.773 | >。 | −59.25 | >。 |
23和22 | 5.9667 | 50 | 3.523 | >。 | 26.80 | >。 |
24和23 | −7.3714 | 07 | 0.000 | >。 | −13.00 | >。 |
25和24 | 4.7381 | .80 | −0.893 | >。 | 7.11 | >。 |
26和25 | −2.6667 | >。 | −2.545 | >。 | −16.79 | >。 |
27和26 | - - - - - -b | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
28和27 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
29和28 | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
30和29 | −1.6500 | >。 | −115.217 | >。 | −26.40 | >。 |
31和30 | 0.4000 | >。 | −5.000 | >。 | −33.00 | >。 |
31和1 | 4.7624 | >。 | −42.361 | >。 | −221.49 | >。 |
一个数字表示使用ANOVA和Tukey学生化极差(诚实显著差异)检验计算出的平均值之间的差异,合并队列2和队列3的数据。
b没有数据。
随着手机技术的兴起,一些应用程序被开发出来解决健康问题。许多方法使自我监测能够达到与健康有关的目标,并由医生推广,以改善病人的健康[
“公羊有心”的目的是监督学生对cvd导向的大学课程概念的适应,而不是积极支持行为改变。这款应用可能在支持参与者坚持学习方面做得更多,但更大的目标是设计一个独立的课程,无论是否使用这款应用或任何其他应用,都能改善学生的心血管健康。因此,这款应用的功能主要集中在收集数据的能力上,以便进一步分析其可用性和改进方法,但更重要的是,实现课程目标。
关于参与者保留的研究建议使用移动设备收集数据,而不是打电话或亲自预约给参与者带来负担[
作为日记模块的一部分,学生可以首先观看信息幻灯片。虽然大多数人在第一次记录日记时跳过了它们,但71%的人至少看了一次水果和蔬菜的介绍,65%的人至少看了一次活动介绍。体力活动模块不需要太多解释,只要求以分钟为单位的活动时间。大学生不太可能理解份量大小和份量数量[
平均而言,水果和蔬菜的记录比活动日记的记录多花了5秒(
所有的日记数据都是使用该应用程序在接近实时或应用程序支持的1或2天内获得的。没有通过非数字手段获取数据,如纸质日记。虽然学生参与者经常不能每天写日记,但没有尝试去估计和
与研究的最后一周相比,我们发现在水果和蔬菜的平均食用量、活动量和代谢当量方面没有明显的改善(
开发“公羊有心”是为了增加易患肥胖、心脏病和2型糖尿病的学生的水果和蔬菜摄入量和体育活动。作为研究的一部分,我们对与健康相关的移动应用程序的功能和使用情况进行了分析。尽管Rams Have Heart为用户参与研究提供了隐私和灵活性,但它并没有提高参与者的留存率或用户的结果。这一发现需要进一步评估,以确定更有效的保留方法。
非裔美国人
Adobe集成运行时
方差分析
血压
心血管病
历史上的黑人学院和大学
标识符
国际身体活动问卷
院校审查委员会
代谢当量
移动健康
个人健康信息学和干预工具包
个人身份信息
个人识别号码
结构化查询语言
本项目由美国国立卫生研究院国家少数民族健康与差异研究中心资助(资助号:R15MD010194;VDW和AAP,主要研究人员)。作者要感谢VDW。VDW于2019年8月去世,他是公羊心脏项目的首席研究员,也是温斯顿-塞勒姆州立大学和A&T州立大学院系的杰出成员。我们感谢她对这个项目、对北卡罗来纳大学以及她所服务的许多组织的贡献。
没有宣布。