《Journal of the American Medical Directors Association》：Predictors and Perceptions of mHealth App Engagement in Older Adults: A Mixed-Methods Study on Nurse-Supported Interventions
编辑推荐：
基于混合方法的研究表明，护士支持的干预措施通过优化时间、信任和整合显著提升老年人移动健康应用持续参与度，XGBoost模型预测保留效果最优，数字陪伴和临床整合是关键驱动因素。
Jia Zheng | Wubin He
中国锦州医科大学第一附属医院护理系，锦州
摘要
目的
研究护士支持的干预措施对老年人持续使用移动健康（mHealth）服务的影响，并识别影响其长期使用的预测因素。
研究设计
解释性顺序混合方法。
研究地点和参与者
中国辽宁省的12个临床站点（2023年3月至2024年2月）。共有1532名参与者参与了定量研究；32名参与者接受了定性访谈。
研究方法
定量研究：使用XGBoost机器学习算法分析纵向行为数据。定性研究：对深入访谈内容进行主题分析，并通过联合展示方式整合分析结果。
研究结果
早晨（8-10点）收到通知后的响应率是预测用户持续使用mHealth服务的最强指标（平均Shapley Additive Explanations值为0.34）。在定性分析中，“数字陪伴”这一概念被明确提出（58%的受访者将数字工具拟人化；χ2 = 9.32，P = 0.002）。与商业平台相比，护士的介入显著提高了用户的数据共享意愿（提高了16%；P < 0.001）；89%的高依从性用户认为护士的介入有助于提升服务的临床实用性（P < 0.001）。
结论与意义
护士的支持通过优化干预时机、建立信任以及促进服务整合来提升老年人的使用意愿。建议实施由护士主导的指导服务、电子健康记录的整合以及具有激励性的报销政策。未来的研究应评估这些干预措施的长期效果及其跨文化适用性。
研究假设
基于我们的综合框架，我们提出了以下假设并进行了验证：
H1：特定的、可客观测量的数字行为模式（例如早晨收到通知后的响应率）是预测老年人持续使用mHealth服务（90天内）的有效指标。
H2：用户的参与行为模式受到关键心理社会机制的影响，尤其是“数字陪伴”概念的形成以及护士所起的信任中介作用。
研究设计
我们在2023年3月至2024年2月期间，在中国辽宁省的12个临床站点进行了这项解释性顺序混合方法研究。研究首先通过定量分析识别和预测关键行为模式，随后通过定性分析对这些结果进行解释和背景补充。
样本与研究环境
研究共纳入1532名65岁及以上的社区居住老年人。
定量研究结果
XGBoost模型在预测用户90天内的持续使用情况方面表现优异，准确率为83.2%（95%置信区间：81.4–85.0），接收者操作特征曲线（ROC）下面积（AUC）为0.89（95%置信区间：0.87–0.91）。该模型的表现显著优于随机森林模型（准确率为79.1%，AUC为0.85）和逻辑回归模型（准确率为72.3%，AUC为0.78），且在Bonferroni校正后所有比较结果均具有统计学意义。
讨论
这项混合方法研究提供了新的证据，表明护士支持的干预措施可以有效缓解老年人使用mHealth服务时普遍存在的流失问题。通过结合纵向行为数据与用户的深度体验，我们的研究结果不仅加深了对老年人技术采纳行为的理论理解，还为临床实践提供了可操作的策略。
结论与意义
我们的研究结果表明，护士支持的mHealth干预措施能够有效应对老年人持续使用服务的多重挑战。通过结合昼夜节律、建立信任的临床关系以及设计出更具情感智能的交互界面，这些干预措施显著提高了老年人的早晨使用频率（增加了37%）和数据共享意愿（增加了16%）。这种混合方法结合了定量与定性分析的优势。
利益冲突声明
作者声明不存在任何利益冲突。
