探索数字健康用户参与度:来自mLab App临床试验的应用通用使用模式(paradata分析)

《PLOS Digital Health》:Exploring digital health user engagement: General app usage patterns from a clinical trial with the mLab App

【字体: 大 中 小 】 时间:2026年06月26日 来源:PLOS Digital Health 7.7

编辑推荐:

  摘要:近年来数字健康应用(digital health applications)数量快速增长,但其可持续性与可扩展性常受限制。副数据(paradata)——即用户与软件交互的详细记录(如页面加载、按钮点击、滚动事件),可在不干扰用户体验的情况下被动收集,为应

  
摘要:近年来数字健康应用(digital health applications)数量快速增长,但其可持续性与可扩展性常受限制。副数据(paradata)——即用户与软件交互的详细记录(如页面加载、按钮点击、滚动事件),可在不干扰用户体验的情况下被动收集,为应用内用户行为提供细致理解。研究人员分析了三项臂、多中心随机临床试验(纽约市与芝加哥)中mLab App臂的paradata,该试验注册于ClinicalTrials.gov(NCT03803683),受试者为一风险人群,应用旨在促进居家HIV检测;本研究为子研究,评估纵向、会话(session)级交互日志(每名单例多会话)。研究人员调查了应用级使用统计量以识别功能使用情况及应用中常见导航路径,并观察了登录事件与检测执行的时间模式。尽管paradata常被少收集、少报告,其可揭示功能缺口、指导后续研究与实施中有针对性的修订,并深化对用户行为的理解——从而使数字健康应用产生持久影响。
论文解读:Exploring digital health user engagement: General app usage patterns from a clinical trial with the mLab App
研究背景与意义
过去二十年数字医疗工具快速融入卫生保健,为诊断、监测与治疗提供了新途径,但也催生了对复杂分析工具的需求以确保应用友好且有效。数字健康应用(digital health application/mHealth app)大量涌现,却常因用户持续参与度低而难以实现可持续性与可扩展性——所谓"app疲劳(pilotitis)"现象普遍。传统评价依赖问卷与访谈,仅能获知用户自述体验,无法捕捉真实交互细节(如停留页面、点击序列、任务放弃点)。副数据(paradata,亦称过程性交互日志数据)记录用户在应用内的详细事件与过程(页面浏览、按钮点击、滚动、认证、图像上传、登出等),含时间戳、会话ID与匿名用户ID,在电商与教育领域已成熟应用,但在数字健康尤其受HIV感染风险影响的未充分服务人群中应用尚处起步阶段。HIV自我检测(HIV self-testing, HIVST)借助数字平台引导用户完成自检、自动判读结果并提供后续资源,对扩大难触及人群的诊断覆盖具有重要意义,但缺乏如何操作化事件级paradata用于受监管的健康诊断工具、检测临床任务序列摩擦、判别不一致结果意识及会话级检测窗口依从性的公开范例。该研究由哥伦比亚大学、芝加哥安&罗伯特·卢里儿童医院及范德堡大学IRB批准,mLab App获FDA研究器械豁免(Investigational Device Exemption, IDE #18348),旨在以paradata分析展示其在优化数字健康HIV自检伴侣工具中的价值,论文发表于《PLOS Digital Health》。
主要技术方法与研究对象
研究人员依托一项近四年、纽约市与芝加哥双中心、三臂随机临床试验(NCT03803683)中分配到mLab App臂的210名受试者,入组标准:18–29岁出生指派男性(含跨性别女性)、英语读写、拥有智能手机、CDC定义HIV风险、HIV阴性或未知状态(入组核验)、前6个月未做过HIV检测、未使用暴露前预防(pre-exposure prophylaxis, PrEP)、理解OraQuick局限。排除已知HIV确诊或安全顾虑者。mLab App为移动端适配网页应用(mobile-friendly web application),用JavaScript实现异步paradata采集并通过自定义PHP API发送至安全云端存储,以匿名编码用户ID记录不含个人标识符。数据结构分三级:参与者(participant)——匿名用户ID与试验分组;会话(session)——会话ID、起止时间戳、总时长、页面浏览/操作计数、是否发起/完成检测,解析User?Agent与视口信息判定平台(移动/桌面/平板)、操作系统与浏览器;事件(event)——时间戳、事件类型(page view/button click/authentication/test start/image upload/result view/logout)、页面/屏幕标识、会话ID与匿名用户ID。原始日志过滤研究团队成员及认证前事件后得19,458条paradata事件。用Python(pandas, matplotlib, seaborn, scikit?learn, SciPy)建衍生数据集:会话级汇总、参与者级汇总、会话内页面转移矩阵;计算描述统计(计数、中位数、四分位距IQR、均值、标准差、极值),可视化含直方图、累积分布、条形图、行归一化(next?step probability)热力图与桑基图(Sankey diagram),分析指标含每参与者总应用内时间、会话数与时长、paradata事件数,以及页面访问频率、导航路径、操作响应与测试完成情况。
研究结果
Paradata队列(Paradata cohort)
210名受试者(年轻男男性行为者young men who have sex with men, YMSM,18–29岁,平均24.3岁,种族/族裔多样,约34.6%西班牙裔/拉丁裔)经筛选产生19,458条认证后paradata事件。说明数据集来源可靠且具有城市多中心YMSM代表性。
整体应用与设备使用分布(Overall app? and device?usage distributions)
参与者总应用内时间中位数69.66分钟(IQR 2.35–122.77),30%使用者低于10分钟;每用户检测次数中位数1次(IQR 0–3);会话时长中位数1.17分钟(IQR 0.14–25.62,均值12.07分钟),偏态分布;每用户生成paradata事件中值87条(IQR 12–143.75)。会话启动时间日段分布较均匀但周末减少;HIV检测多发生于周三与周一,周日最少;会话与检测均从约9:00明显增多,午间达峰,晚间会话递减而检测数至午夜相对平稳。桌面会话数多于移动,平板极少;移动中以iPhone居多,桌面以Apple Mac居多;手机常用Safari,其余设备常用Chrome;多数用户全程单设备访问,74人跨设备。表明虽为mHealth研究,YMSM偏好隐私环境下用大屏设备完成敏感自检流程。
功能使用(Feature usage)
测试(Test)屏幕加载频次高于主页(Home);测试流程页(预览测试Preview Test、测试照片上传Test Upload Picture、mLab结果mLab Results)亦高频。因图像质量检查(image quality assurance)不达标触发重拍,Upload Picture→Preview Test呈循环流转(Preview Test后66.2%回跳Upload Picture重试,仅29.7%进入Results),桑基图与转移矩阵量化此循环摩擦点。完成视觉结果页后63.9%跳转收件箱(Inbox)。教育(Learn、Services)、个性化(Profile、Edit Profile)及帮助(Help)页访问极少;主动点"登出(Logout)"仅25次(1223个会话),多数会话因闲置超时(inactivity timeout)终止,最常终止页为Home、Testing、mLab Results、Inbox。75%用户主动展开"mLab App Result"折叠区查看算法判读结果,91%查看自判视觉结果;48%查看阴性意义说明,45%点击"与某人讨论结果"按钮;收件箱中"新检测(New test)"与"欢迎(Welcome to mLab)"消息打开率分别为48%与47%;Help求助消息打开率71%。说明核心诊断流程被充分使用,但辅助教育资源未被接受,需重新设计定位。
讨论与结论翻译总结
讨论指出五点核心发现:(1)应用参与度呈双峰——短暂浏览/签到会话与完整自检长会话并存;(2)违背预期,多数YMSM选用桌面而非手机访问移动端网页应用,可能与HIV自检敏感性及家庭环境有关;(3)教育内容与外部服务等功能未被充分利用;(4)诊断流程中存在明显Upload?Preview循环(照片重拍率整体66.2%,手机67.6%,桌面64.6%),反映末段任务摩擦(last?mile friction),需在保证诊断准确性下平衡用户体验;(5)极少主动登出证实应依赖自动会话超时保障安全,部分用户中途弃测后可跨会话恢复(resume)未完成测试。Paradata能识别导航障碍、确认关键信息(不一致结果discordant results)是否被看到、量化窗口依从性,为数字健康评价提供可移植的测量框架。局限性含单应用、单人群(英语YMSM城市招募)、会话非独立、不反映意图与非应用内行为、未关联临床结局。结论:paradata可在后台无干扰收集,虽在数字健康中利用不足,但通过分析mLab App RCT中会话级交互日志揭示了使用模式、功能缺口与摩擦点,可用于指导用户中心设计与迭代开发;研究人员公开清洗后paradata、数据字典与分析代码,为mHealth应用详细使用分析提供可复用模板(measurement framework for structured paradata capture in health applications)。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号