应用数字受众细分(digital audience segmentation)对抗突发公共卫生事件：人口统计学、心理图形(psychographic)及健康状态标准对智能手机数字健康干预(S-DHI)下载量的影响——一项混合方法研究

《BMC Digital Health》：Digital segmentation to combat public health emergencies: the role of demographic, psychographic, and health status criteria on downloads of smartphone-based digital health interventions — a mixed methods study

　　

目的：智能手机数字健康干预（smartphone-based digital health interventions, S-DHI）有望在新型冠状病毒肺炎（COVID-19）大流行等突发公共卫生事件中减轻负面健康后果，前提是其能有效招募参与者。本研究应用数字受众细分（即利用人口统计学、心理图形及健康状态标准）来理解与疫情相关的S-DHI下载情况。方法：呈现来自S-DHI（研究1A和1B）及流行病学调查（研究2）的Facebook推广活动结果。研究1A考察人口统计学（年龄、性别）如何影响下载量，并从评论的情感分析中提取心理图形主题；研究1B报告聚焦于不同健康状态脆弱性的广告准实验结果；研究2采用结构方程模型考察人口统计学（年龄、性别）、心理图形（制度信任/institutional trust）及健康状态标准如何影响S-DHI使用意向（Intention to Use, ITU）及链接行为（即查看下载链接）。结果：研究1A触达1,381,897人，获得4,994次下载，中年女性（63.1%为女性，35–54岁年龄组）是下载S-DHI的主要人群。情感分析（N=364）显示恐惧（n=66）、信任（n=62）和悲伤（n=61）为主要心理图形主题。研究1B触达312,037人，获得726次下载：孤独感（n=124）和身体活动（n=120）导向的广告产生最多下载量。研究2（N=384）显示人口统计学（年龄、性别）及健康状态（COVID-19风险感知）导致更高ITU，ITU中介了COVID-19风险感知与链接行为的关系（p=0.019, β=0.348）；心理图形变量（制度信任）调节此关系（p=0.017, β=0.005）。结论：综上，结果凸显了人口统计学、心理图形及健康状态标准在理解突发公共卫生事件（如COVID-19大流行）期间S-DHI需求中的重要性，可助力未来卫生应急准备或S-DHI在社会中的公平分配。

论文解读：数字受众细分在突发公共卫生事件中对智能手机数字健康干预(S-DHI)下载影响因素的混合方法研究

本研究发表于《BMC Digital Health》。突发公共卫生事件如COVID-19大流行期间，智能手机数字健康干预（smartphone-based Digital Health Interventions, S-DHI）可通过提供健康追踪、心理教育和健康指导缓解居家令带来的身心负面影响，但其效果依赖于有效招募目标人群。既往缺乏对公众下载大流行相关S-DHI的亚群进行基于社会健康决定因素（Social Determinants of Health, SDoH）——即人口统计学（demographics）、心理图形（psychographic，指动机、态度、信任等心理特征）及健康状态（health status，如慢病、风险感知）——的整体性数字受众细分（digital audience segmentation，利用数字技术针对性区分和触达受众）研究。明确上述因素有助于在未来公共卫生紧急事件中精准覆盖高危脆弱人群、减少健康不平等并实现S-DHI公平分配。为此，研究人员通过开展Facebook真实广告活动（研究1A、1B）与流行病学问卷调查（研究2）相结合的混合方法研究回答此问题。

主要关键技术方法：研究人员采用混合方法设计。（1）研究1A：于2020年8月至2021年12月在英国、爱尔兰、美国、西班牙、墨西哥、哥伦比亚开展Elena+: Care for COVID-19（聊天机器人主导的S-DHI）Facebook广告推广，收集下载量、人口学及评论，对评论做情感分析——先用Google Translate译西班牙语评论，经tidytext包分词去停用词后，分别用NRC情感词典（分类为恐惧、信任、悲伤等主题）和AFINN效价词典（?5至+5评分）标注，手动校正相似词。（2）研究1B：2020年11月在英、爱进行准实验，运行8组广告文案分别对应7种健康脆弱性诉求（焦虑、孤独、心理资源、睡眠、饮食、身体活动、COVID-19信息）及1组多诉求对照，比较各组下载量。（3）研究2：2022年2月通过在线面板在英国招募成人（N=384），测量健康状态（含COVID-19风险感知等7领域成熟量表）、制度信任（institutional trust）、S-DHI使用意向（Intention to Use, ITU）及链接行为（Link Behavior, LB，即点击查看下载链接的欺骗微实验），控制年龄、性别、手机操作系统，采用带稳健最大似然估计的结构方程模型（Structural Equation Modeling, SEM）检验ITU的中介作用及制度信任的调节（潜变量交互项采用双均值中心化乘积指标法，bootstrapping 1000次求间接效应置信区间），先做验证性因子分析（Confirmatory Factor Analysis, CFA）评估测量模型拟合（RMSEA、CFI、TLI、SRMR）。

Study 1A

研究人员通过Facebook广告推广Elena+ S-DHI，结果显示活动共触达1,381,897人，获得4,994次下载（91.5%为Android系统）。按人口学分解发现女性占63.1%（n=3,150），其中35–64岁中年女性占总下载量44.9%；跨国比较显示英语国家65岁以上女性下载占比高于西班牙语国家。对广告评论（N_总词=740）的情感分析经NRC词典分类得到364个情感主题标注，最常见为恐惧（n=66）、信任（n=62）、悲伤（n=61）；AFINN效价显示50.8%词为负向，其中恐惧、悲伤、愤怒多属负效价，信任多属正效价，说明用户在疫情背景下受负面情绪驱动同时也关注信任。

Study 1B

研究人员在英、爱开展健康诉求导向广告准实验（总触达312,037，下载726次），结果显示强调孤独感（n=124下载）和身体活动（n=120下载）的广告文案产生最多下载，心理健康相关诉求（焦虑+孤独+心理资源）合计占39.9%，再次确认中年女性为主要下载人群，说明特定健康脆弱性诉求可影响S-DHI曝光后行为。

Study 2

研究人员通过英国成人横断面调查（有效N=384，44%女性，M_年龄=45.5岁）建立SEM。CFA修订模型拟合良好（RMSEA=0.048, CFI=0.941, TLI=0.930, SRMR=0.056）。主效应模型显示：COVID-19风险感知（p=0.004, β=0.494）和制度信任（p=0.005, β=0.101）正向预测ITU，年龄增大（p=0.005, β=-0.130）及女性性别（p=0.003, β=-0.059）与较低ITU得分相关；ITU显著正向预测链接行为（p<0.001, β=0.703）。间接效应表明COVID-19风险感知（p=0.019, β=0.348）和制度信任（p=0.014, β=0.071）通过ITU提升链接行为概率，年龄及女性性别则降低之。加入交互项后调节中介模型证实制度信任与COVID-19风险感知的交互对ITU显著（p=0.007, β=0.124），简单斜率分析显示高制度信任时风险感知→ITU关系更强；条件间接效应示：高（+1 SD）制度信任下风险感知升1 SD使链接行为概率增25.8%，均值时16.8%，低（-1 SD）信任时仅7.8%。

讨论与结论（翻译研究结论部分）

总体而言，本研究证实了人口统计学、心理图形及健康状态标准在理解大流行期间人群层面S-DHI招募中的有用性，可为未来突发公共卫生事件准备提供参考。研究结果表明，利用社交媒体独立招募S-DHI参与者具可行性，这有利于广泛推广S-DHI，并有潜力应对未来公共卫生挑战或全球数字健康干预获取不平等问题。