“Eating Smart”移动应用的开发与可用性测试——该应用旨在促进中国结直肠癌患者及高风险人群的健康饮食

《International Journal of Medical Informatics》：Development and usability testing of ‘Eating Smart’ — A mobile application for promoting healthy eating in Chinese colorectal cancer survivors and high-risk populations

　　克里斯塔·程慧忠（Krista Ching Wai Chung）|直村奈绪美（Naomi Takemura）|曼迪·曼霍（Mandy Man Ho）|温迪·翁德兰（Wendy Wing Tak Lam）|安托瓦内特·玛丽·李（Antoinette Marie Lee）|温妮·袁毅婵（Wynnie Yuen Yee Chan）|莎伦·林（Sharon Lam）|傅志忠（Chi Chung Foo）|范淑江（Nga Fan Shum）|叶德丰（Daniel Yee Tak Fong）
香港大学护理学院，薄扶林，中国香港

**摘要**
**目的**
饮食调整对于减少结直肠癌（CRC）的发病率和死亡率至关重要。虽然我们之前的饮食干预措施在改善中国CRC患者的饮食模式方面显示出有效性，但由于可扩展性的限制，有必要将其转化为移动应用程序（app）。本研究旨在开发“Eating Smart”应用程序，以减少红肉/加工肉和精制谷物的摄入，并评估其在中国CRC患者和高风险人群中的可用性。

**材料与方法**
本研究采用了混合方法，分为三个阶段进行：（1）原型开发（借鉴了我们之前的饮食干预措施，并由专家咨询组进行了审查）；（2）应用程序开发；（3）可用性测试。参与者包括100名接受结肠息肉检查的患者和11名CRC患者，他们使用了该应用程序约两周时间。可用性评估使用了经过验证的改进版中文版《移动健康应用程序可用性问卷》（I-C-MAUQ）和半结构化访谈。I-C-MAUQ的评分范围为1到7分，分数越低表示可用性越好。

**结果**
在第一阶段，根据之前随机对照试验中使用的材料，开发了一个符合文化背景的理论基础原型。在第二阶段，基于第一阶段的理论和文化考虑，迭代开发了一个包含四个主要模块的功能性应用程序：健康烹饪（Healthy Cooking）、进度跟踪（Progress Tracking）、教育页面（Educational Pages）和讨论论坛（Discussion Forum）。参与者普遍认为该应用程序易于使用，平均I-C-MAUQ得分为2.49±0.24（范围1-7），表明他们对应用程序的可用性持积极态度。定性访谈强调了其优势，包括直观的导航界面、针对中国文化的饮食建议以及通过讨论论坛提供的同伴支持。关键的优化领域包括简化食物记录流程（例如，基于餐具估计份量和对组合菜肴预设餐食选项）以及整合适合造口患者的食谱。

**结论**
“Eating Smart”应用程序是首个为中国的CRC患者和高风险人群提供个性化饮食支持的应用程序。尽管还需要进一步评估其干预效果，但本研究的初步反馈表明其具有良好的可用性。后续优化工作应包括简化食物记录功能、预定义餐食选项、适合造口患者的食谱以及标注营养成分的食谱。

**1. 引言**
结直肠癌（CRC）仍然是全球重大的公共卫生问题，在全球范围内发病率排名第三，死亡率排名第二[1]。自2022年以来，CRC已成为香港新发癌症病例的第三大原因，也是导致死亡的第二大原因[2]。虽然遗传因素在CRC发病中起作用[3]，但可改变的生活方式因素（包括饮食）也与CRC的风险和生存率相关[4][5]。值得注意的是，国际癌症研究机构将加工肉归类为致癌物，将红肉归类为可能致癌物[6]，一项荟萃分析显示精制谷物的摄入量与结肠癌风险增加27%有关[7]。尽管存在这些风险，香港的饮食模式仍然不理想，人们日常摄入大米、红肉和加工肉的比例较高[8]。这种持续的饮食模式凸显了针对高风险人群和CRC幸存者的针对性干预措施的迫切需求。高风险人群和CRC患者分别需要预防和复发控制策略，但两组都可以从基于证据的饮食建议中受益（例如限制红肉和加工肉以及精制谷物的摄入量）[5][6][7][9]。

越来越多的研究认识到饮食干预对CRC患者生存期的益处，多项随机对照试验（RCT）证明了这些干预措施的有效性，包括改善饮食结构（例如增加蔬菜和膳食纤维的摄入量[10]、减少脂肪摄入[10]以及改善身体成分[12]。特别是名为“Moving Bright, Eating Smart”的基于理论和行为的饮食及运动计划，在6个月和24个月的随访中显示出持续减少红肉和加工肉（每周少于五份）及精制谷物（每天少于两份）摄入量的效果[13]，同时还有助于改善抑郁情绪和生活质量[14]。然而，这些针对CRC患者的饮食干预措施依赖于传统方法（如面对面的营养师咨询、电话通话和小组会议）[13][14]，这导致了人力和资源方面的障碍，限制了其普及性。传统的交付方式在提供实时个性化支持方面也存在挑战。因此，需要一种可扩展的替代方案，以扩大覆盖范围，并实现按需、个性化的关怀。

移动健康（mHealth）技术的出现为饮食干预提供了可扩展的解决方案，支持同步（实时）和异步（按需）的交付方式，从而扩大覆盖范围并提供更个性化、实用的实际支持。在最近一项关于基于移动应用程序的癌症幸存者饮食干预的系统性回顾中[15]，只有2个应用程序专注于CRC患者。其中一个是通过视频通话提供教育材料的微信小程序[16]；另一个是“ColorectAlong”应用程序，专为CRC患者设计，包含营养和饮食教育功能，允许用户设定和监测预设的营养目标[17]。然而，“ColorectAlong”应用程序没有设定减少复发或死亡风险的饮食目标，也没有提供实用的烹饪支持（如食谱或烹饪演示）以促进健康的饮食摄入[17]。此外，在评估的20个癌症幸存者应用程序中，有些可能缺乏针对癌症的特定饮食建议，在实际应用中难以实施饮食建议，或者没有具体的餐食计划[15]。依赖医疗专业人员（如通过同步交付方式，如营养师主导的视频通话）可能无法提供按需支持。鉴于这些关键缺口以及中国传统文化观念对饮食调整的潜在挑战，亟需开发一个独立的、迭代设计的应用程序，以消除对营养师的依赖，并结合中国CRC患者的需求（如针对中国文化的食谱、实用的烹饪演示和外出就餐建议）。

在推进全面规模的RCT以评估该应用程序在改变饮食行为或降低CRC风险/复发方面的效果之前，进行可用性测试对于完善数字干预措施并确保其功能和体验适宜性至关重要，从而提高后续有效性试验的成功几率[18]。此外，可用性访谈可以提供有关用户偏好功能的宝贵信息，并为迭代改进提供机会[18]。为解决这些方法和证据上的差距，我们将基于证据的饮食干预措施转化为一个独立的移动应用程序（“Eating Smart”）。本研究旨在评估其在中国CRC患者和高风险人群（如接受结肠息肉检查的患者）中的可用性。

**2. 方法**
**2.1 研究设计与参与者招募**
这项横断面研究分为三个阶段：（1）原型开发；（2）应用程序开发；（3）可用性测试。数据收集和分析仅在第三阶段（可用性测试）进行。采用了混合方法设计，对所有参与者（结肠息肉检查患者和CRC患者）进行了可用性调查，并对CRC患者进行了单独的定性访谈。这种方法能够捕捉到预期具有不同临床需求的CRC患者的深入体验[19]，同时收集了包括高风险个体和CRC患者在内的更广泛群体的可用性数据。本研究的报告遵循了STROBE声明[20]（见附件1）和定性研究报告核心标准（COREQ）[21]（附件2）。参与者于2024年12月至2025年3月期间从香港玛丽医院的门诊外科部门招募。纳入标准包括：（a）年龄18岁及以上；（b）确诊为CRC或曾接受结肠息肉检查；（c）具备中文读写能力；（d）拥有并经常使用智能手机。具体而言，结肠息肉检查患者包括那些在粪便免疫化学检测呈阳性后等待首次结肠镜检查的患者，或因之前切除息肉而需要频繁随访的患者。任何不一致的回答（例如，各项指标之间存在矛盾）会被标记为排除，以确保数据完整性。在招募访谈参与者时，研究团队根据年龄和性别进行有意抽样，以确保多样性。样本量计算基于改进版中文版《移动健康应用程序可用性问卷》（I-C-MAUQ）的估计。标准差保守估计为1.5，基于I-C-MAUQ分数的合理范围。为了确保95%的置信区间内最大误差为0.3，我们需要96名参与者；考虑到大约10%的不一致回答，我们招募了110名参与者。研究获得了香港大学/西九龙医院管理局机构审查委员会的伦理批准（参考编号：UW 23–237）。所有参与者均签署了书面知情同意书。

**2.2 程序**
**2.1 原型开发**
在开始应用程序原型设计和开发之前，首先通过以下方式确定了应用程序的功能性和非功能性要求：（a）我们最近系统回顾中总结的应用程序使用障碍和促进因素[15]；（b）我们之前的定性研究中报告的中国CRC患者的独特需求和偏好[22]。为此，组建了一个跨学科咨询团队，包括两名营养师（MHM、WYYC）、三名具有行为改变干预经验的高级护士（NT、WWTL、MHM）、一名结直肠外科医生（CCF）和一名心理学家（AML），以综合这些信息，并确定应用程序的功能性要求（如营养教育、饮食目标设置、针对CRC的饮食建议及食谱和烹饪演示）和非功能性要求（如适合中国文化的饮食建议和食谱、直观的导航界面、基于行为理论的设计）。然后，我们使用Figma平台将之前RCT中营养师准备的电子信息手册和通讯转化为基于网页的应用程序原型，初步测试了用户流程和功能。

原型设计基于两种行为理论，并结合了中国文化进行了调整。例如，借鉴了健康行动过程方法（HAPA）[23]，我们引入了一个饮食改变进度跟踪问卷，将用户分为五个行为改变阶段：前思考阶段、思考阶段、计划阶段、行动阶段和维持阶段[24]。此外，在计划行为理论（TPB）[25]的指导下，应用程序提供了与用户态度、主观规范和感知行为控制相匹配的阶段特定饮食建议。饮食建议根据中国文化进行了定制，以解决潜在的饮食改变障碍，例如对大米和肉作为主食的依赖，以及因家庭或朋友的影响而不愿意拒绝不健康食品的情况[22]。表1总结了HAPA和TPB如何在应用程序功能中实现。

**表1. “Eating Smart”应用程序功能与健康行动过程方法和计划行为理论构建的对应关系**

**2.2.2 应用程序开发**
在应用程序原型设计和开发之前，首先通过以下方式确定了应用程序的功能性和非功能性要求：（a）我们最近系统回顾中总结的应用程序使用障碍和促进因素[15]；（b）我们之前的定性研究中报告的中国CRC患者的独特需求和偏好[22]。然后，一个跨学科咨询团队（包括两名营养师、三名护士和一名心理学家）综合这些信息，确定了应用程序的功能性要求（如营养教育、饮食目标设置、针对CRC的饮食建议及食谱和烹饪演示）和非功能性要求（如适合中国文化的饮食建议和食谱、直观的导航界面）。随后，我们使用Figma平台将营养师准备的电子信息手册和通讯转化为基于网页的应用程序原型，以便初步测试用户流程和功能。这为已经在HAPA模型中具有改变饮食动机的个体提供了环境支持，帮助他们将意图转化为具体行动，应对意外的障碍，并保持对饮食改变的承诺。提供了关于减少红肉和加工肉类以及用全谷物替代精制谷物的基于证据的信息。还有一个辟谣部分，解决了11个普遍的误解，每个误解都附有简洁的、有参考来源的解释。这些都有助于在TPB模型中形成对健康饮食行为的态度。根据HAPA模型，它们还在用户处于动机阶段时影响风险感知，为思考奠定基础。此外，当用户在动机阶段权衡某些饮食行为的利弊时，这些信息也会改变他们的结果预期。

**健康烹饪模块**
文化相关的食谱和烹饪示范视频在HAPA模型中作为具体行动规划的一部分，并提高了TPB中的行为控制感。

**讨论论坛**
平台上的同伴分享将饮食改变视为一种主观规范，在TPB中加以常态化。它还提供了社会支持和替代经验，这些对于在HAPA框架内将意图转化为行动非常重要。

**跨学科顾问小组**
跨学科顾问小组审查了拟定原型，以确保其在理论和文化上的一致性。

**第二阶段：应用程序开发**
按照数字干预的IDEAS框架[18]，第一阶段的修订原型被迭代开发成适用于Android和iOS平台的功能性应用程序。一个由营养师、护士、结直肠外科医生、心理学家和软件开发者组成的跨学科团队合作，调整了应用程序的功能。通过定期的共识会议，团队选择了并调整了应用程序内容，以解决我们在系统评价中发现的障碍（例如，在实际应用建议时遇到的困难以及缺乏具体的饮食计划）和促进因素（例如，教育信息、设定和跟踪营养目标）。非功能性要求（例如，跨平台兼容性、直观的导航和主要模块的离线访问）也被优先考虑。该应用程序最终包含了四个主要模块：健康烹饪、进度跟踪、教育页面和讨论论坛。在可用性测试之前，应用程序经过了功能测试、语言验证和顾问小组的文化一致性检查。结果部分（第3.2节）总结了最终应用程序中的功能描述。

**第三阶段：可用性测试**
在获得定期使用智能手机的合格参与者的书面知情同意后，我们协助所有参与者在招募地点下载并在他们的智能手机上安装了Eating Smart应用程序。在我们的研究团队直接监督下，没有观察到任何与应用程序安装或设备不兼容相关的技术问题。参与者也被指示如果在2周的应用程序试用期间遇到任何技术问题，可以通过电话或短信联系研究团队。在整个2周的试用期间，参与者没有报告任何技术问题。参与研究没有提供金钱激励。在邀请每位参与者使用Eating Smart应用程序的测试版两周之前，每位参与者都接受了一个标准的10分钟入门培训，内容包括应用程序的导航和功能。在现有的mHealth可用性研究中，通常会使用持续5-15分钟的简短入门培训，以使用户熟悉mHealth应用程序，而不会造成过度训练[26][27][28][29]。参与者还被鼓励至少执行以下每个核心功能一次：(a) 浏览所有教育页面，(b) 阅读食谱并观看烹饪示范视频，(c) 完成进度问卷，(d) 使用目标设定功能，(e) 为某项食物记录信息，以及 (e) 在讨论论坛中创建帖子、回复或点赞。允许参与者灵活安排使用应用程序的时间，以避免给参与者带来负担并提高生态效度。

在两周的应用程序试用结束后，所有参与者都收到了短信提醒，要求他们完成一个在线问卷，该问卷通过Qualtrics XM平台提供了一个匿名问卷的直接链接。为了避免重复回答，我们为Qualtrics调查启用了“防止多次提交”的功能。当Qualtrics XM平台确定受访者已经完成问卷时，问卷会自动结束，并向受访者显示结束调查的消息，确保数据集中没有重复的回答。问卷首先收集了社会人口统计信息（性别、年龄、教育水平、就业状态和居住地区），然后是经过验证的21项I-C-MAUQ问卷。I-C-MAUQ由21个项目组成，每个项目都在7点李克特量表上进行评分（1=“非常同意”到7=“非常不同意”[30]）。它评估了三个领域：(a)可用性和满意度（8个项目，项目1-8），(b) 系统信息安排（6个项目，项目9-14），以及 (c) 效率（7个项目，项目15-21）。将评估21个项目的平均总分以及每个领域的平均得分，得分较低表示可用性更好。I-C-MAUQ在中国人群中显示出良好的内部可靠性为0.988[30]。为了识别任何不一致或注意力不集中的回答，我们在问卷中随机插入了一个有效性问题：“请选择‘有时’来表明您正在认真对待这些问题”。未能正确回答有效性检查问题的受访者被排除在我们的分析之外。

**半结构化电话访谈**
CRC幸存者被要求在参加半结构化电话访谈之前使用Eating Smart应用程序两周，以分享他们使用该应用程序的经历。为了确保一致性，所有访谈都由同一位受过经验丰富的定性研究者培训的女性博士生（KCWC）进行。访谈者与受访者之前没有治疗关系。在访谈之前，访谈者会自我介绍、介绍研究的目的以及进行研究的理由，并回答任何疑问以建立初步的融洽关系。所有访谈都遵循了一个包含7个开放式问题的简洁半结构化指南，重点关注用户对应用程序的使用体验（附加文件3）。访谈者根据需要使用迭代探究和“告诉我更多”的提示来获取更深入的信息。在每次电话访谈期间及之后立即进行了现场记录，以记录相关的背景细节，如受访者的态度。所有访谈的时间长度没有限制，平均时长为12分钟。所有访谈都被音频录制并逐字转录。为了确保产生足够的见解，每次访谈都会进行到不再有新的有意义的信息为止。如果一次访谈没有产生新的有意义的信息，还会进行3次额外的访谈以确认信息的完整性。

**数据分析**
定量数据分析使用R（版本4.2.1）完成。进行线性回归分析，以评估与I-C-MAUQ分数相关的因素。三个平均I-C-MAUQ子域分数分别对年龄、性别、教育水平和就业状态进行了回归分析。由于可用性评估是探索性的，因此没有包括这些人口统计因素之外的其他协变量。所有统计分析都由生物统计学家（DYTF）进行了审查。对于定性数据，两位研究者（KCWC和NT）使用Braun和Clarke的六阶段主题分析方法[31]分析了访谈数据。编码和定性分析使用NVivo 12进行。两位研究者首先多次阅读转录内容，以熟悉数据并了解整个数据集。然后，他们独立地从11份转录文本中生成了77个初始代码，系统地识别出反映参与者应用程序使用体验的有意义短语。生成的代码首先基于共同意义被迭代聚类为15个类别（附加文件4）。随后，这些类别被合并为7个子主题，并将子主题与编码提取和访谈数据进行了核对（附加文件4）。在持续的分析过程中，这些子主题得到了进一步完善，并给出了定义和名称，最终综合出了3个总体主题（即积极的用户体验、可用性问题和建议优化措施），这些主题反映了参与者应用程序使用体验的核心本质。所有识别的主题、子主题和逐字引用都使用编码树进行了映射（附加文件4）。整个分析过程是迭代的，必要时会与更广泛的研究团队定期讨论和解决任何不一致之处。最后，定性发现被总结并附上了从访谈原始数据中选出的引文。

**严谨性和可信度**
严谨性是通过基于扎根理论的策略[32]和Lincoln和Guba提出的可信度标准（例如，可转移性、可靠性和可验证性[33]）来实现的。数据收集和分析是同时进行的，从而能够不断将原始数据与新兴代码进行比较，系统地识别差距并验证理论饱和度[32]（即，在第8次访谈后没有出现新的有意义发现）。此外，两位研究者（KCWC和NT）独立地对11份访谈转录文本进行了编码，以最小化编码偏见。为了确保语言准确性，由4位母语为双语的人进行了严格的前向-后向翻译，以准确反映参与者在不同语言中的回答。为了在整个访谈和数据分析过程中实践反思性，访谈者（KCWC）在过程中记录了所有的先入之见（例如，遵循中国传统文化的饮食模式）在反思日志中。每周与更广泛的研究团队举行简报会议，讨论这些反思，并确保数据严格根据参与者的表述进行解释[34]。为了实现可转移性，我们有意选取了不同年龄（即43-75岁）和性别组（55%为男性）的参与者，并提供了研究背景、设置、参与者和方法的详细描述。为了确保可靠性和可验证性，所有11份转录文本都由独立的研究者（DYTF）根据音频记录进行了验证，以确保转录的准确性。所有程序都遵循了COREQ检查表[21]（附加文件2）。

**结果**
**3.1. 参与者的人口统计特征**
在2024年12月至2025年3月期间联系的130名参与者中，有112人符合资格标准并同意参与（101名结肠息肉诊所患者和11名CRC幸存者）。有18人不符合条件，原因包括没有智能手机（n=16）或不懂中文（n=2）。共有101名结肠息肉诊所患者和11名CRC幸存者参与了这项研究。在112名参与者中，由于年龄和就业状态之间的差异以及未能正确回答有效性检查问题，有1份回答被从数据集中移除。剩余的111个案例被纳入数据分析。所有参与者都成功地在Android或iOS设备上安装了Eating Smart应用程序。在2周的试用期间，只有两名参与者向研究团队发送短信，询问关于使用应用程序的灵活时间安排的问题。没有参与者因技术问题而联系团队。

**两组的人口统计特征总结见表2**。结肠息肉诊所患者的平均年龄为66岁（标准差=8岁），范围从38岁到81岁；CRC幸存者的平均年龄为62岁（标准差=9岁），范围从43岁到75岁。两组中超过一半的参与者接受了中等教育。大约70%的参与者已经退休。在CRC幸存者中，完成癌症治疗后的时间从1年到4年不等，平均时间为1.91年（标准差=1.14年）。

**3.2. 最终实现的应用程序功能**
根据第二阶段的发展程序，Eating Smart应用程序最终包括了以下主要模块：(a) 健康烹饪，(b) 进度跟踪，(c) 教育页面，以及 (d) 讨论论坛。应用程序的截图见附加文件5。

**健康烹饪模块**
健康烹饪模块包含14个由营养师开发的食谱，涵盖了多种选择：(a) 粥、米饭和面食，(b) 传统中式菜肴，(c) 西式菜肴，(d) 汤品，以及 (e) 甜点。每个食谱都附有由创建该食谱的注册营养师拍摄和演示的烹饪示范视频（附加文件5图S1和S2）。

**进度跟踪模块**
进度跟踪模块包括一个进度问卷、一个目标设定界面和一个食物日记。首先，进度问卷将用户分为五个饮食改变阶段之一（即，前考虑阶段、考虑阶段、准备阶段、行动阶段和维持阶段）[24]。其次，为了激励用户实现应用程序的最终饮食目标，目标设定功能提供了预先指定的、分阶段实施的选项（立即执行、3个月、6个月或12个月），这些选项是根据具体、可衡量、可实现、相关和有时限（SMART）框架开发的。第三，基于香港食品安全中心的营养信息查询系统（NIIS）数据库，并设计了包含所有主要本地食物类别的下拉菜单，食物日记功能可以准确地记录食物摄入量（附加文件5 图S3和S4）。

教育页面模块提供了与用户饮食改变阶段相匹配的饮食建议。实用的外出就餐技巧以并列列表的形式提供，展示了常见食物类别中相对健康与不健康的选择（例如，点心、意大利面和披萨、火锅、快餐选择以及烘焙食品）。该模块还涵盖了基于证据的信息，关于减少红肉和加工肉类的摄入以及用全谷物替代精制谷物的建议，同时还设有破除误区部分，解释了11个常见的误解，每个误解都附有简洁的参考说明（附加文件5 图S5、S6、S7和S8）。

讨论论坛模块允许用户发布问题、分享饮食改变的经历，并通过点赞和评论功能进行互动（附加文件5 图S9）。

3.3. 通过改进的中国版移动健康应用可用性问卷（I-C-MAUQ）对Eating Smart应用程序的可用性进行评估

所有参与者在使用Eating Smart大约两周后完成了在线可用性问卷。I-C-MAUQ的平均总分为2.49±0.24（范围2.00–3.13）。其中，“可用性和满意度”领域的平均分最高（2.42±0.81，95%置信区间[2.26, 2.58]），其次是“效率”（2.46±0.91，95%置信区间[2.28, 2.64]）和“系统信息布局”（2.63±0.81，95%置信区间[2.47, 2.79]）（表3）。得分最高的条目是“该应用程序对我的健康和福祉有益”（2.00±0.84），而得分最低的条目是“每当我在使用应用程序时出现错误，我可以轻松快速地恢复”（3.13±1.18）（表3）。结肠息肉诊所就诊者和CRC幸存者的平均I-C-MAUQ总分分别为2.53（标准差=0.78）和2.14（标准差=0.58），两者之间没有显著差异（平均差异=0.395，标准误=0.195，p值=0.061）。

表3. 改进的中国版移动健康应用可用性问卷Eating Smart的得分。

**陈述** **平均值（标准差）** **范围**
-------------------------|---------------------------|-----------------------------|
1. 应用程序易于使用 | 2.42 | 1.00至5.00 |
2. 我很容易学会使用该应用程序 | 2.58 | 1.00至7.00 |
3. 我喜欢该应用程序的界面 | 2.28 | 1.00至7.00 |
4. 应用程序中的信息组织良好，便于查找所需信息 | 2.54 | 1.00至7.00 |
5. 在社交场合使用该应用程序让我感到舒适 | 2.27 | 1.00至7.00 |
6. 使用该应用程序所花费的时间对我来说合适 | 2.39 | 1.00至7.00 |
7. 我会再次使用该应用程序 | 2.30 | 1.00至6.00 |
8. 总体而言，我对这个应用程序很满意 | 2.32 | 1.00至6.00 |
9. 每当我使用应用程序出错时，我可以轻松快速地恢复 | 2.63 | 1.00至7.00 |
10. 该mHealth应用程序提供了一种可接受的健康服务方式 | 2.51 | 1.00至6.00 |
11. 应用程序充分认可并提供信息，让我了解我的进步情况 | 2.61 | 1.00至6.00 |
12. 在屏幕间切换时导航一致 | 2.48 | 1.00至5.00 |
13. 应用程序的界面允许我使用所有的功能 | 2.36 | 1.00至5.00 |
14. 该应用程序具有我预期的一切功能和能力 | 2.69 | 1.00至7.00 |
15. 该应用程序有助于我有效地管理我的健康 | 2.46 | 1.00至6.00 |
16. 该应用程序便于我与医疗保健提供者沟通 | 2.75 | 1.00至7.00 |
17. 使用该应用程序，我有了更多与医疗保健提供者互动的机会 | 2.70 | 1.00至7.00 |
18. 我有信心使用应用程序发送的信息会被接收 | 2.61 | 1.00至6.00 |
19. 使用应用程序与医疗保健提供者沟通让我感到舒适 | 2.55 | 1.00至6.00 |

3.4. 与社会人口统计因素相关的I-C-MAUQ

表4展示了回归分析的结果，探讨了社会人口统计因素与三个I-C-MAUQ领域可用性分数之间的关联。虽然年龄较大与较好的“效率”分数相关（β=-0.038；95%置信区间：-0.069，-0.008），但其他社会人口统计因素——包括性别、教育水平和就业状况——在三个I-C-MAUQ领域内均未显示出与可用性分数的显著关联。

表4. 改进的中国版移动健康应用可用性问卷子领域得分的线性回归分析

| 变量 | 估计值 | 95%置信区间 | p值 |
------------------|-------------------|-------------------|-------------------|
年龄 | -0.007 | (-0.035, 0.020) | 0.596 |
性别（参考：男性） | 0.115 | (-0.236, 0.466) | 0.517 |
女性 | 0.115 | (-0.236, 0.466) | 0.517 |
教育水平（参考：初等教育或以下） | -0.249 | (-0.671, 0.172) | 0.242 |
中等教育 | -0.249 | (-0.496, 0.342) | 0.716 |
高等教育 | -0.235 | (-0.716, 0.246) | 0.334 |
就业状况（参考组：就业或自雇） | -0.170 | (-1.069, 0.730) | 0.709 |
家庭主妇 | -0.170 | (-1.069, 0.730) | 0.709 |
退休 | -0.116 | (-0.589, 0.357) | 0.628 |
失业 | 0.795 | (-0.878, 2.467) | 0.348 |
就业状况（参考组：就业或自雇） | -0.235 | (-0.785, 0.262) | 0.324 |

3.5. 定性反馈

主题分析揭示了三个总体主题和六个子主题（表5）。

**表5. 主题和子主题的总结**

**主题** **子主题**
--------------------------------)--|-------------------------------------------|
**积极用户体验** | Interface | Easy to use | Content | Easily accessible |
**信息丰富** | Informative | Useful |
**功能用途** | App features | Peer support via discussion forum |
**可用性问题** | Usability concerns | Interface | Too detailed categorization for food diary |
**记录食物份量困难** | Difficulty with recording food portions in grams | Content | Too few recipes |
**优化建议** | Optimization suggestions | App features | Manual food logging |
**替代克计量** | Utensil-based portion estimation | Pre-defined common composite dish options |

**主题1：积极用户体验**

与应用程序使用相关的积极用户体验包括三个子主题：界面、内容和功能。关于“界面”，参与者报告说他们可以轻松访问不同的应用程序功能，并且应用程序被认为“易于使用”。

“应用程序中有几个图标，我可以轻松点击每个选项并在它们之间切换。”（参与者3，男性，66岁）
“使用应用程序并不复杂。我基本上可以找到所有功能……我可以轻松访问我感兴趣的功能。”（参与者4，男性，75岁）

对于“内容”，参与者首先认为它“易于访问”且“易于理解”。他们认为应用程序可以充当营养师的角色，允许用户独立且主动地获取饮食信息。他们还表示，饮食信息和烹饪演示包含清晰的说明，有助于理解。

“它（内容）就像营养师一样。我不需要特意寻求营养师的帮助来获取饮食信息。这是一种方便的方式，可以了解更多关于健康饮食的知识。”（参与者8，女性，69岁）
“应用程序的内容易于理解……烹饪演示非常详细且易于理解。”（参与者11，男性，66岁）
此外，他们发现应用程序内容包含了多个方面的饮食信息。他们发现这些信息有助于他们在外出就餐时（如吃云吞和茶）做出明智的食物选择。

“饮食信息非常全面。”（参与者11，男性，66岁）
“我喜欢应用程序中的信息部分。它增加了我对哪些食物不健康的认识。例如，以前我去吃云吞时，通常会点肉馅饺，这确实不是一个合适的选择。”（参与者4，男性，75岁）

对于“应用程序功能”，参与者称赞讨论论坛功能是一个有用的平台，可以通过情感支持和分享经验来促进同伴间的支持。

“我非常欣赏讨论论坛，它使不同用户能够分享他们的观点并互相支持……[它]允许用户分享建议和经验。”（参与者5，男性，68岁）

**主题2：可用性问题**

这个主题总结了应用程序在界面和内容两个子领域中可能需要改进的方面。

在“界面”方面，参与者对于食物日记的显示复杂性和记录食物份量的不便表示担忧。他们发现从食物选择列表中识别食物项目很困难，因为分类过于详细。他们还报告说很难准确记录食物摄入的克数。

“我发现很难准确记录食物摄入的克数。我只能估算数量。”（参与者2，女性，61岁）
“我们只能记录食物的克数，但由于我们不总是自己准备食物，所以我们不知道确切的克数，只能大约估计份量。”（参与者9，女性，56岁）

关于“内容”，参与者报告说食谱选项和外出就餐建议不足。

“我认为食谱不够多……我认为关于外出就餐的建议太少。”（参与者6，女性，56岁）
“我认为食谱太少了。希望可以增加更多。”（参与者10，男性，57岁）

**主题3：优化建议**

第三个主题描述了参与者对食物日记和食谱两个子领域的建议。对于食物日记的关键建议包括添加手动食物录入功能，用基于器具的份量估算替代克计量，以及引入预先定义的常见餐食选项，以消除在记录复合菜肴时按成分输入的需要。

首先，当标准选项不可用时，手动食物记录可以提供灵活性，从而使日记能够更好地记录非常规食物选项。其次，基于器具的份量估算可以简化跟踪，特别是当用户没有厨房秤时。第三，预先定义的常见餐食选项可以简化复合菜肴的记录，尤其是外卖餐食，避免按成分输入的需要。

“我更喜欢手动输入食物信息。有些食物选择没有。例如，我喜欢马卡龙杏仁饼干和巧克力，但在应用程序中看不到这些选项。”（参与者5，男性，68岁）

“关于食物份量估算，我建议将计量单位从克改为其他单位，比如碗的数量，这样可能更方便我们估算食物份量……我们能否有一些常见菜肴的食物选项？有时，当我们点外卖，比如新加坡炒粉丝面或汤中的鱼丸时，记录整个菜肴比记录单独的食物成分更方便。”（参与者9，女性，56岁）

参与者还建议增加营养标签的透明度，并为结肠造口术患者添加专门的饮食选项。食谱中的详细营养信息可以帮助用户做出明智的饮食选择，并使他们的饮食符合饮食目标。此外，建议增加低纤维的饮食选项，以满足结肠造口术患者的需求。

“我希望食谱中包含营养信息。”（参与者3，男性，66岁）
“我建议添加一些低纤维的食谱，因为有些人可能需要进行结肠造口术。”（参与者7，女性，43岁）

4. 讨论

本研究开发了一个基于理论的、文化定制的独立饮食移动应用程序，用于预防CRC，并评估了其在中国CRC幸存者和高风险人群中的可用性。我们的混合方法研究结果显示出良好的可用性，参与者对用户友好的界面、文化相关的饮食指导以及讨论论坛功能给予了积极反馈。然而，也发现了一些改进的机会，例如为结肠造口术患者个性化内容和简化食物日记功能。

当前的工作填补了中国人群在CRC连续体中饮食支持方面的几个长期空白。可用性测试被认为是有效数字健康干预的先决条件之一[18]。虽然现有的CRC管理移动应用程序侧重于预防和促进CRC的早期检测[35]、[36]、[37]、指导结肠镜检查准备[38]、支持CRC术后恢复[39]以及预测手术并发症的风险[41]，但我们的研究是第一个同时捕捉到广泛接受度和深入实证见解的完全独立的移动应用程序基饮食干预，涵盖了从CRC预防到幸存者护理的整个过程。我们工作的创新还体现在我们的创新应用程序设计上。首先，Eating Smart是第一个为中国的CRC幸存者和高危人群定制的独立饮食应用程序。本研究将我们之前的多中心RCT中基于证据的饮食计划——该计划显著减少了红肉和加工肉类的摄入量以及精制谷物的摄入量[13][14]——转化为一个完全独立的格式。通过取消面对面咨询、小组会议或电话交流的要求，“Eating Smart”有助于提高饮食支持的规模效率，并增强社区中自我管理饮食的能力。更重要的是，这项研究的有利可用性发现为开发基于移动应用程序的独立饮食干预措施的试点RCT奠定了坚实的基础，并最终实现一个能够确定其对结直肠癌复发和死亡率影响的明确RCT。其次，为了解决现有移动应用程序在实际应用中难以实施饮食建议的问题[15]，“Eating Smart”融入了特定的适应性策略来克服饮食改变中的挑战（例如，在节日期间的人际关系问题），这些策略借鉴了我们之前的定性研究结果[22]，这可能解释了参与者对我们应用程序中与文化相关的饮食建议的积极评价。第三，鉴于行动计划在促进行为改变方面的无效性被认为是使用应用程序的一个障碍[15]，“Eating Smart”提供了针对五个饮食改变准备阶段的个性化饮食建议[24]。为了解决现有饮食应用程序中缺乏具体餐计划和烹饪实用支持的普遍问题，我们在“Eating Smart”中创新性地融入了与文化相关的食谱、烹饪演示视频和外出就餐技巧。所有这些基于我们之前系统评价的改进都使得“Eating Smart”被认为对促进人们的健康和福祉具有很高的价值。

我们将定量可用性评分与定性主题相结合，显示出对“Eating Smart”应用程序的整体积极评价，同时指出了需要优化的关键领域。“Eating Smart”在I-C-MAUQ测试中获得了较高的可用性分数（分数越低表示可用性越好），平均得分为2.49分（满分为7分），表明参与者普遍同意这些可用性评价。值得注意的是，“该应用程序对我的健康和福祉有益”这一项目的平均得分最低，为2.00分，这反映了高程度的健康效用，这是接受健康信息服务的一个重要驱动因素[42]。相反，“每当我在使用应用程序时出错，我可以轻松快速地恢复”这一项目的平均得分最高，为3.13分，尽管仍显示出良好的可用性，但也为优化提供了机会，例如食物记录功能。半结构化访谈进一步确定了三个关键优势：(a) 直观的导航，(b) 适用于文化的饮食建议，以及(c) 讨论论坛功能。这些定性分析中的关键优势与已建立的可用性支柱（即“可学习性”、“满意度”和“认知负荷”[43]）相一致，并为整体良好的可用性评分提供了解释，特别是高健康效用方面。具体来说，直观的导航可以减轻认知负荷并提高可学习性，而针对文化定制的内容（例如，解决传统饮食障碍[22]）可能提升满意度。讨论论坛通过分享的同伴内容使饮食挑战常态化，有助于通过同伴学习减少认知负荷并提高满意度。此外，讨论论坛中的同伴支持也可以提高满意度，因为来自家人和朋友的社交支持已被确定为 Chinese CRC 患者进行饮食改变的关键动机[22]。

社会人口统计分析显示，不同性别、教育水平和就业状态的人对应用程序的可用性评价一致。然而，在考虑年龄因素后，“效率”领域出现了差异。年龄较大的受访者对“效率”领域的评价更为正面，该领域包括感知到的健康效用、医疗服务获取和自我管理能力。首先，这一发现可以归因于应用程序内置的行为改变技术，如健康行为的自我监测和目标设定，这些技术已被发现可以鼓励老年人参与 mHealth 干预[44]。其次，应用程序的极简界面和直观导航可能克服了与年龄相关的障碍，如感觉运动缺陷和认知限制，这些因素可能会影响老年人使用移动应用程序的体验[45]。

尽管我们的应用程序整体可用性良好，但定性访谈指出了几个需要进一步优化的领域，这些领域基于可用性模型的三个关键因素：用户、任务和使用情境[43]（附件6）。考虑到“用户”因素，值得注意的是，对于某些进行结肠造口术的患者来说，某些食物可能会影响造口处的排泄物，从而导致便秘、腹泻、异味或气体等症状[46]。为了解决与造口相关的饮食需求，当前的食谱数据库应该扩展，纳入避免影响造口排泄物的食谱。关于“任务”因素，允许手动输入食物信息和在食谱中加入营养成分可以提高灵活性和目标的一致性。对于“使用情境”因素，优先考虑基于工具的份量估算而不是精确测量，更符合现实情况，因为在实际生活中厨房秤并不总是可用的。基于手部的估算方法（例如使用手掌或拳头）提供了一种补充且实用的选择。先前的系统评价表明，食物的一致性和形状会影响食物份量测量的准确性[47]。虽然基于工具的测量方法对于测量无定形食物更为有效，但手部测量在估计几何形状的食物份量时提供更高的准确性[48]。为了优化适合情境的跟踪功能，我们的应用程序可以结合这两种方法。此外，预定义的餐食选项可以减少用户为复合菜肴逐个记录食材的负担，特别是对于非用户自己准备的外卖餐食。

基于我们的可用性发现，“Eating Smart”应用程序将会得到优化，并作为我们之前基于证据的饮食计划的可扩展替代方案。需要进行一项试点RCT来测试优化后的“Eating Smart”应用程序在减少红肉/加工肉类和精制谷物消费方面的初步效果。随后，将开展一项全面、长期的随访试验，以评估该应用程序的持续效果，并探索将其整合到常规临床实践中的可能性。

4.1. 强点和局限性
本研究包括了 CRC 患者和来自结肠息肉诊所的 CRC 风险患者，这可能提高我们的发现在整个癌症患者群体中的普遍性。然而，也必须承认几个局限性。首先，我们的参与者是从香港的一个门诊部门招募的。尽管如此，由于该招募地点是香港的主要医院之一，也是一个为多样化人群服务的地区范围内的转诊中心[49]，这可能会减轻对我们发现普遍性的担忧。此外，我们的研究参与者具有多样的人口统计特征，涵盖了香港各个地区的居民。其次，虽然本研究针对的是有 CRC 风险或已被诊断出 CRC 的人群，他们更需要饮食改变，但这种特异性本身限制了结果的普遍性。进一步研究针对 CRC 风险较低的受试者进行基于移动应用程序的饮食干预，将有助于确定我们发现的更广泛适用性。第三，100 名结肠息肉诊所患者和 11 名 CRC 患者的样本量不平衡，可能会导致响应偏差。虽然我们的招募没有群体限制，并向所有符合条件的参与者开放，但最终只有 100 名结肠息肉诊所患者和 11 名 CRC 患者同意参与研究。鉴于结肠息肉诊所患者的响应率约为 84%，而 CRC 患者的响应率为 85%，我们本应在研究地点招募到两个群体的代表性样本。此外，结肠息肉诊所患者和 CRC 患者的平均 I-C-MAUQ 总分没有显著差异。尽管 CRC 患者样本量较少，但我们的应用程序的总体可用性应该适用于这两个群体。第四，在单一中心招募的 11 名 CRC 患者样本量较小，可能会限制定性发现的普遍性。然而，样本选择是有目的的，基于年龄和性别。样本数量也与其他 several 研究相似，这些研究涉及 9 到 12 名参与者[50][51][52]。为了提高代表性，未来的有效性试验需要更大规模和多中心的 CRC 患者样本。第五，我们没有评估参与者对智能手机应用程序的熟练程度。尽管如此，所有参与者都是常规的手机用户，符合研究参与资格，并且没有观察到在应用程序安装或设置方面的技术困难。根据香港人口普查和统计局 2024 年发布的最新主题调查报告[53]，2024 年智能手机的互联网普及率为 97%，这表明香港大多数人至少具备中等程度的移动设备使用熟练度，因此在当前研究中，手机使用熟练度不太可能成为应用程序可用性的主要干扰因素。第六，可用性测试持续了大约两周，可能无法完全捕捉到长期 usability 挑战，并可能受到新颖性效应的影响，因为最初的兴奋和好奇心可能会提高参与度和更积极的评价。未来的研究应采用纵向设计来评估长期 usability 是否能够保持，并消除由新颖性效应引起的偏差。第七，值得注意的是，参与者在两周试验期间的应用程序使用情况没有客观记录，这可能无法排除确认性偏差。例如，无法验证所有功能的完整使用情况。未来的工作应该从应用程序首次发布开始就纳入匿名后端日志记录，以确保准确记录参与数据。第八，这项研究关注的是应用程序的可用性，而没有评估其效用和有效性。然而，研究结果对于优化应用程序设计至关重要，以确保在开展RCT之前具备最佳的功能和体验适用性。将进行一项试点研究，随后是全面规模的RCT，以评估应用程序的效用和有效性。第九，自我报告的 usability 数据的收集可能存在不一致性和社会期望偏差。为了减轻这些风险，包括了一个有效性检查问题来标记任何注意力不集中的回答。所有参与者都提供了一个直接链接到匿名在线问卷的链接，这最小化了扭曲回答的动机。最后，虽然不能完全排除访谈者的偏见，但遵循 COREQ 指南、进行反思性记录、定期团队讨论会和独立编码等措施已被实施，以减少访谈者对参与者回答的潜在影响。

5. 结论
本研究评估了第一个基于理论、针对中国文化定制的独立应用程序，旨在促进 Chinese CRC 患者和高风险人群的健康饮食。定量评估显示了良好的可用性评价，而定性反馈突出了用户友好的界面、文化特定的饮食指导和讨论论坛作为积极参与的关键动力。为了最大化应用程序的潜力，未来的迭代应该通过纳入基于工具或手部的份量估算、手动输入食物信息和预先指定的常见复合菜肴选项来简化食物记录，并在食谱中加入适合结肠造口术患者的食谱和营养标签。虽然本研究为开发 CRC 患者的饮食应用程序奠定了基础，但未来的研究可以通过RCT 来探索这些应用程序的有效性。

作者贡献
DYTF、NT 和 KCWC 参与了研究的概念化工作。KCWC 负责文献回顾、访谈的进行和转录。KCWC 和 NT 分析了定性数据。KCWC 对在线调查中获得的数据进行了统计分析，并准备了手稿的初稿。所有作者都审阅、修改并批准了最终版本的手稿。

资金声明
本研究得到了知识交流资金 - 影响项目计划（项目编号：KE-IP-2020/21–68）的支持。

数据和材料的可用性
当前研究中使用和/或分析的数据集可向相应作者索取。共享的数据集将不包含任何可能链接到或泄露个人身份的标识符或变量。

作者贡献声明
Krista Ching Wai Chung：撰写 - 原创草稿、正式分析、数据整理、概念化。
Naomi Takemura：撰写 - 审阅与编辑、正式分析、概念化。
Mandy Man Ho：撰写 - 审阅与编辑。
Wendy Wing Tak Lam：撰写 - 审阅与编辑。
Antoinette Marie Lee：撰写 - 审阅与编辑。
Wynnie Yuen Yee Chan：撰写 - 审阅与编辑。
Sharon Lam：撰写 - 审阅与编辑。
Chi Chung Foo：撰写 - 审阅与编辑。
Nga Fan Shum：撰写 - 审阅与编辑。
Daniel Yee Tak Fong：撰写 - 审阅与编辑、概念化。