前面。数字。健康 雷竞技rebat数字医疗前沿 前面。数字。健康 2673 - 253 x 雷竞技rebat前沿媒体S.A. 10.3389 / fdgth.2022.1082098 数字医疗 原始研究 建模的影响数字准备招募和维持弱势团体:数据 我们所有人研究项目 Kini Soumya 1 __ * Duluk 戴夫 2 __ 温斯坦 约书亚 3 主要卫生系统工程师 主教法冠公司, 弗吉尼亚州麦克莱恩, 美国 导致数据科学家 主教法冠公司, 弗吉尼亚州麦克莱恩, 美国 卫生政策与管理、针梳全球公共卫生学院, 北卡罗莱纳大学教堂山分校, 教堂山、数控, 美国

编辑:艾德里安·阿奎莱拉,美国加州大学

审核:美国清楚moomba拉赫曼Roosan,查普曼大学Aldenise艾文,美国俄亥俄州立大学

 通信:Soumya Kini skini@mitre.org

这些作者贡献了同样的工作

专业:本文提交人为因素和数字健康,一段数字医疗前沿》杂志上雷竞技rebat

 13 04 2023年 2022年 4 1082098 27 10 2022年 13 12 2022年 ©2023 Kini Duluk和温斯坦。 2023年 Kini Duluk,温斯坦

这是一个开放分布式根据文章 知识共享归属许可(CC)。使用、分发或复制在其他论坛是允许的,提供了原始作者(年代)和著作权人(s)认为,最初发表在这个期刊引用,按照公认的学术实践。没有使用、分发或复制是不符合这些条件的允许。

我们的研究计划( 我们所有人或程序)是一个正在进行的纵向数据收集由美国国立卫生研究院(NIH)。所有通过的计划旨在提高医疗保健的发展生物医学研究资源反映美国的多样性,包括生物医学研究(UBR)代表团体。联邦合格卫生中心(FQHCs)是一个关键招聘UBR的参与者,这是基于社区的医疗水平和提供初级保健和预防服务领域。超过90%的FQHC患者参与 我们所有人到目前为止UBR。COVID-19大流行导致暂停 我们所有人活动。重新启动的活动是一个挑战,特别是由于FQHC参与者面临的数字鸿沟,和大多数项目活动主要是完成 通过网络门户从电脑或移动设备。探讨数字准备在多大程度上影响招聘和维持2791 FQHC参与者大流行前样本程序。数字准备定义了访问家庭或其他internet-accessing设备,并使用这些设备参与者的舒适度。多变量逻辑回归模型的结果表明,较低的时代,更多的教育,女性性别认同,和更高的收入高出与数字准备( p≤0.01)。种族、田园风光和性取向状态并非重要因素与数字相关准备。年长的参与者完成项目活动的几率更高,虽然不如年轻同行数字准备,因为他们经常完成现场临床访问期间的活动。随后的加权模型表明,FQHC参与者数字准备完成项目活动的机率要高出27%比数字没有准备好。数据凸显了需要改进的连接和维护之间的纵向数据收集、研究项目,和UBR参与者,尤其是那些面临数字鸿沟。量化数字挑战提供运营见解纵向数据收集( 我们所有人,或其他),广泛地说,数字医学的其他方面,如远程医疗或病人门户通过识别数字准备的参与者和病人,和成功所需的支持级别。

 纵向数据收集 生物医学研究(UBR)代表 国立卫生研究院(NIH) 多样性 我们所有人研究项目 医疗保健 健康差异 卫生公平 数字准备 美国卫生和人类服务部 10.13039 / 100000016 介绍

的 我们所有人研究计划( 我们所有人或程序)是一个正在进行的纵向数据收集由美国国立卫生研究院(NIH)收集的生活方式,健康、社会经济、环境和生物数据从100万年源于美国的参与者( 1)。多样性是程序的核心原则,旨在确保那些通常未被充分代表的生物医学研究(UBR)绝大多数的登记和留存( 2)。

程序定义了特定UBR类别,包括种族身份、年龄当同意程序参与,出生时生理性别,性取向,性别身份,收入,教育程度,获得医疗、残疾和田园风光。三种类型的网站都是负责招收和留住这些参与者:区域医疗中心,退伍军人管理局医疗中心和联邦合格卫生中心(FQHCs)。FQHCs UBR参与者的一个关键招聘流程,集中协调和支持的斜方公司(斜方)( 3)。FQHCs是基于社区的医疗水平和提供初级保健和预防服务领域无论支付能力( 4)。超过90%的FQHC患者较低的收入,超过80%是公开被保险人或保险,绝大多数是种族和少数民族的成员( 5)。个人和家庭服务FQHCs经济最脆弱的国家,经常有复杂的卫生和社会挑战。项目主要是完成招生活动 通过一个基于web门户从电脑或移动设备。因此,数字FQHC准备起着关键作用 我们所有人团队的招募和留住参与该计划的能力。利用数字设备的障碍患者FQHCs包括成本和缺乏信息,获取技术和宽带连接。数字医疗设备采用FQHCs需要教育、投资和个性化的方法( 6)。

虽然UBR的计划打算确保浓缩人口,历史上的招聘UBR人口(特别是种族和少数民族,和低收入社区)临床研究很大程度上被视为一个挑战( 7)。例如,种族和民族而言,尽管非裔美国人和西班牙裔代表了美国人口的13%和16%,分别只有5%的临床试验参与者的非裔美国人,1%的参与者是拉美裔( 8)。社会和经济弱势群体是最不可能使用智能手机,电脑,家庭宽带、互联网。例如,皮尤研究中心发布的2021年的一项研究发现,13%的低收入成年人没有智能手机,电脑,或家庭宽带,相比1%的收入超过100000美元( 9)。人口停止使用互联网由于成本和残疾更可能是西班牙人,黑人,或低的收入。远程医疗也不采用UBR团体,包括那些比较老,种族和少数民族,农村住宅,公开保险( 10)。布鲁金斯研究所2020年发布的一份报告发现,当检查收入群体的问题,38%的家庭年收入少于20000美元缺乏宽带订阅( 11)。这是一个典型的数字鸿沟的表现形式,定义为那些之间的差距和那些没有获取信息的技术。数字排斥可以限制参与临床研究、创新的临床试验设计和patient-reported结果的集合。此外,虽然数字排斥是集中在最贫穷,受教育最少,残疾,和社会孤立,这些团体也获得更少的受益于数字技术的使用在他们的健康状况比他们更多的特权。通过这种方式,数字排除化合物不良健康状况,现在称为一个新的健康的社会决定因素( 12- - - - - - 16)。

探讨数字准备在多大程度上影响招聘的程序和维护的参与者在FQHCs病人,尤其是UBR组。分析包含在本文为国家卫生研究院提供运营见解,卫生保健提供者,和研究人员在开发和采用数字inclusion-informed战略认识到数字准备的参与者和病人,以及所需的水平的人员支持范围广泛的活动,如招聘纵向数据收集和研究、远程医疗、远程医疗,或者病人门户。

 方法

定量数据分析利用成人FQHC患者 我们所有人参与者;数据被安置在数据和研究中心(DRC)程序数据存储库。刚果民主共和国位于范德比尔特大学医学中心,是由美国国立卫生研究院资助项目( 17)。这篇论文使用的定量数据包括参与者人口, 我们所有人运营数据和调查问卷参与者称为最小共同的标准(MCM)由以下六个收集来自全国各地的FQHCs反映美国的多样性:社区卫生中心,公司位于康涅狄格;切罗基卫生系统位于田纳西;位于南卡罗来纳合作医疗;Jackson-Hinds全面健康中心位于密西西比州;太阳位于纽约,河流健康和卫生位于加州圣伊西德罗。两个额外的FQHCs位于夏威夷和波多黎各已经被添加在2021年和2022年,分别。这两个FQHCs没有开始收集MCM数据写本文的时候,因此排除在分析之外。

2020年3月16日,国家卫生研究院停顿了一下现场项目活动,以帮助防止COVID-19的传播( 23)。UBR参与者比例失调的影响在COVID-19面对面活动的暂停。FQHCs采用虚拟策略使用计算机辅助电话访谈(软件)发起的 我们所有人2021年1月。软件提供了一个新的参与者FQHCs联系的机会 通过电话和实时记录参与者的反应调查。后续研究正在进行描述 我们所有人参与者利用软件在FQHCs以及探索保留活动之间的关系 通过软件和UBR状态。定量数据收集方法进行按照指导方针和有关法规和我们研究项目的机构审查委员会批准(IRB00010472)。参与者包括在本文提供同意自己的数据用于研究。所有数据都来源于参与者提供书面同意在4月28日或之前,2022,冻结日期在本研究中使用的数据集。变量在下面章节中描述数据集。

参与者人口学和招聘数据

参与者人口包括数据的程序考虑确定UBR和从FQHC收集病人的登记。它们包括种族身份、年龄当同意程序参与,出生时生理性别,性取向,性别身份,收入,教育程度,田园风光的时候写作本文。参与者被认为是UBR如果提供的一个或多个定义 表1是真的。

我们所有人定义参与者中未被充分代表的生物医学研究(UBR)。

UBR类别 程序定义UBR
种族身份 像其他比白人参与者已经确定。还包括那些自认为是西班牙裔、拉美裔和西班牙语
年龄的同意 参与者是同意时,65岁或更老的程序参与
性在出生时 参与者自我报告双性生理性别出生时
性取向 参与者选择以外的任何性取向选择直
性别认同 参与者选择任何男人或女人以外的性别身份的选择
收入 参与者的家庭年收入少于25000美元
受教育程度 参与者没有高中文凭或普通教育发展(GED)
田园风光 参与者是一个建立农村居民和non-metropolitan邮政编码,基于卫生资源和服务管理局农村卫生政策的联邦办公室数据文件

招聘数据包括参与者被认为是保留每个程序定义写作本文的时候,通过完成活动中概述 表2。在 我们所有人,保留参与者完成后续调查至少每隔18个月后入学。在这种情况下,保留为的能力提供了一个衡量FQHCs维持与参与者接触后招聘程序。所有活动,除了提交生物生物样本,由参加者完成一个基于web的门户当他们面对面FQHCs或几乎来自电脑或移动设备。

需要行动的参与者完成 我们所有人研究项目。

行动 活动类型
创建一个帐户(例如, 有一个参与者ID) 招生
同意项目的参与
同意EHR数据共享
完成基础调查
完成整体的健康调查
完整的生活方式的调查
有生物收到样本(血液、尿液或唾液)
完整的物理测量
完整的健康问题社会决定因素的调查 保留
完整的医疗保健访问调查
完整的家庭健康调查
完整的病史的调查
完整的COVID-19参与者体验调查( 2021年退休)
同意恢复基因的结果
更新同意项目的参与
完成分调查COVID-19疫苗( 2022年退休)
最低公共指标数据

MCM是一个机构审查委员会(IRB)通过问卷调查收集的FQHCs横切。它包含参与者的反应在他们的招生经验,数字准备访问健身追踪,和FQHC人员协助完成所需的水平 我们所有人活动。回答这些问题之前收集整个参与者之旅( 表2),目标是理解FQHC参与者体验和可用资源来参与这个项目。 表3提供所有问题的参与者在MCM数据的时候写作本文。MCM调查FQHC员工所有参与者被问及的问题在他们的入学时间 我们所有人。每IRB需求,然而,参与者有机会拒绝回应MCM调查完全或跳过任何的问题。反应的一个子集的MCM问题属于参与者的数字准备被用于分析包含在本文中。

FQHC MCM问卷。

类别 是什么问
招生的经验

你第一次听到这个项目如何?

你的主要原因是什么你会说想加入这个项目吗?

研究助理创建电子邮件帐户登记( 由FQHC工作人员填写)
数字准备

你有使用电脑、平板电脑、或手机在家吗?

你有通过wi - fi访问互联网或移动数据在家吗?

你有多舒适的使用技术,如浏览邮件,回答调查问题,或浏览一个病人帐户门户?
健康跟踪访问

你有健身追踪(如FitBit,苹果的手表,一个应用程序在你的手机上,等)?

(如果是)你/连接你的健康跟踪有关 我们所有人研究项目门户?
FQHC人员支持 (填写FQHC职员;回答选择:辅助、促进独立的现场,独立的非现场,协助虚拟,促进虚拟)

FQHC水平所需的人员支持完成同意书程序参与

水平FQHC人员支持必须完成同意书EHR数据共享

FQHC水平人员支持需要返回成套同意书遗传的结果

水平FQHC人员支持必须完成各种需要参与者的调查
从FQHCs定性数据

除了前面部分所描述的定量数据,斜接团队从事FQHC员工收集定性数据对他们的经验和策略为保留活动参与人群。斜接团队与FQHC人员举行了焦点小组在2022年6月收集输入。 我们所有人工作人员从所有六个FQHCs参加焦点小组。焦点小组讨论下列主题包括开放式的对话:策略FQHCs数字准备用来保持较低的参与者 我们所有人,数据源FQHCs利用更好的了解和开发策略与较低的人群数字准备。电视台的讨论都集中在场景中,鉴于本文的范围。斜接团队记录谈话同意从FQHC员工参与会议和转录笔记总结谈话。收集的信息从这些问题进行了分析和定量结果发展见解是否特定人群的模型发现重要指示低数字准备FQHC参与策略的影响。

 研究人群

这项研究包括2897人口 我们所有人参与者回应问题数字准备(三个问题, 表3)周期(2019年6月至2020年3月,当他们完成需要的操作,成为一个登记的参与者( 表2)。选择这个时段是基于数字时准备FQHCs首先问的问题(2019年6月)开始的新入校的参与者,直到COVID-19大流行(2020年3月)。COVID-19大流行显著改变了操作工作流在FQHCs NIH停顿了一下现场 我们所有人活动。因此,在COVID-19大流行期间收集的数据并不包括在这一分析。人口统计变量,保留数据,参与者的反应到MCM技术访问问题是附加字段与参与者在研究样本。

 分析方法

本研究目的,数字准备定义了访问家庭或其他internet-accessing设备(电脑、平板电脑、手机和其他设备)和参与者的舒适度使用这种设备。反应中所示的三个MCM技术访问的问题 表4是用来定义数字准备。参与者跳过或选择“不愿意回答”选项的任何三个问题被排除在分析样本研究周期范围内,因为它是不可能推断出数字准备这些参与者的性格。从2897年到2791年这降低了最后分析样本的参与者。FQHC参与者的人口分布包含在分析样本比较与那些被排除在研究样本来验证分析样本不是偏见集相对于大FQHC 我们所有人人口。所有分析在本文中进行了使用R和RStudio ( 18, 19)。任何少于20国集团参与者被包括在“其他”集团与程序数据抑制水平保持一致,支持数据隐私。

回答选择MCM技术的访问问题。

问题# 提问的措辞 答案的选择
1 你有使用电脑、平板电脑、或手机在家吗?

是的

断断续续的

没有

不愿意回答
2 你有通过wi - fi访问互联网或移动数据在家吗?

是的

断断续续的

没有

不愿意回答
3 你有多舒适的使用技术,如浏览邮件,回答调查问题,或浏览一个病人帐户门户?

很舒服

比较舒服

中性

有点不舒服

一点也不舒服

不愿意回答

参与者回答“是的”或“间歇”问题1和2,和“很舒服”,“有点舒服,”或“中性”视为数字准备好了问题3在分析数据集。参与者采取了“不”问题1或2或“有些不舒服”或“不舒适”视为没有数字准备好了问题3在分析数据集。

保留数据转换成一个布尔变量(1或0),这是等于1,如果参与者曾经保留通过完成所需的活动中 表2在参与这个项目,一个0,如果参与者没有保留,因为他们没有完成任何所需的活动自从成为了参与者在研究期间。

数字FQHCs准备组织项目的特点

的特点 我们所有人组数字准备(而不是数字准备)在FQHCs探索使用多变量逻辑回归模型(模型1)与UBR变量的种族身份,年龄同意,出生时性别、性取向、性别身份,收入,教育程度,田园风味。

 数字准备影响FQHCs参加项目的保留

数字准备保留的影响测量使用第二个多变量逻辑回归模型(模型2)。治疗逆概率权重(IPTW)倾向评分方法被用来创建一个人口加权合成。IPTW利用倾向分数来平衡基线特征暴露和未曝光的团体。应用到目前的研究中,IPTW平衡UBR特征的数字而不是数字准备组做好准备,因此减少混杂的影响由于这些测量UBR特征( 20.)。使用这种方法,一个人不能保留的属性差异结果由于UBR特征差异个人数字准备好了和那些不是数字准备好了。

UBR变量在0.05水平显著模型1中使用的倾向评分模型。多变量逻辑回归模型用于参与者的概率加权的保留先前IPTW描述。使用WeightIt倾向得分进行了建模和调查R包( 21, 22)。结果加权和未加权的模型都包含在结果中。

 结果与讨论 数字在FQHCs准备景观项目的参与者

分析样本包括2791名 我们所有人参与者对MCM的三个数字准备问题2019年6月至2020年3月,当他们完成所需的操作成为一个参与者。应用本文前面描述的定义数字准备这个样品导致1527名参与者被认为是数字准备和1264名参与者被认为不是数字准备好,如图所示 图1。

数字准备性格中 我们所有人在FQHCs参与者。(参与者总数= 2791。数字准备定义了访问家庭或其他internet-accessing设备(电脑、平板电脑、手机和其他设备)和参与者的舒适度使用这种设备。

图11264项目中表明,参与者没有数字准备,约31%(391)使用科技产品,但没有接入互联网或计算机在家里;和22%(283)的参与者被舒适的使用技术和接入互联网,但没有电脑,平板电脑,或者移动电话在家里。这些观察表明,大多数参与者(53%)没有数字由于缺乏设备做好准备,他们可能不能够负担考虑到超过90%的FQHC患者较低的收入( 5)。

FQHC参与者建立模型之前,人口分布的分析样品中比那些被排除在外,验证分析样本不是偏见集相对于大FQHC 我们所有人人口。两组分布非常相似( χ2测试 p所有比较组)≥0.13,表明特定的人群没有过度或不足的分析样本。考试的人口学特征,在一定程度上他们可能导致共线性,表明,出生时性别认同和性(克莱姆密切相关 V= 0.65)。因此,性别认同是在最后的模型,因为它代表着参与者的自我认同;性在出生时被排除在外。

从多变量逻辑回归模型结果的有关特征组没有数字准备FQHCs所示 图2(模式1)。一个完整的表包含优势比(或)和95%可信区间(CI)值是包含在本文的补充表S1。

结果从模型理解组织的特点,不是数字在FQHCs做好了准备。(结果变量:数字准备。编码为1,如果参与者准备数字,0,如果参与者不是数字准备好了。数字准备定义了访问家庭或其他internet-accessing设备(电脑、平板电脑、手机和其他设备)和参与者的舒适度使用这类设备)。

同意,年龄性别身份、收入和受教育程度与数字相关的重要变量准备( p≤0.01)。种族、田园风光和性取向状态并非重要因素与数字相关准备。参与者26 - 35周不等岁当完成主同意被数字化的几率低46%准备好了(或0.54)的风险相比,18 - 25岁的同行。每十年这一趋势继续同意年龄的增加。例如,参与者36-45岁在同意(或0.29)的几率要低71%,而46-55岁在同意(或0.19)的风险几率下降81%,达到76岁或以上的同意,有几率低95%(或0.05)的数字做好了应对措施】。

参与者标识为雌性的机率要高出60%被数字化准备(或1.58)的风险比那些标识为男性。进一步的分析表明,FQHC 我们所有人参与者认为女性比男性更数字化准备在所有年龄组,种族、田园风光、收入和教育水平(数据没有显示)。

更高的收入水平与较高的数字相关准备;参与者与收入水平大于50000美元的机率要高出6.5倍数字准备(或6.47)的风险比那些收入在10000美元以下。这是最高的或在其他人口纳入研究。随着收入水平的教育成就遵循了类似的趋势。参与者与高中学历的机率要高出53%被数字化准备(或1.53)的风险比那些没有高中学历,和那些有大学学历以上的机率要高出5倍数字准备(或5.89)的风险比其less-than-high-school参与者。

 数字准备FQHCs影响参与者的保留项目

如前所述,大多数所需的活动 我们所有人资格参与者认为是保留(除了提交生物样品生物)上完成了一个基于web的门户。门户网站可以访问的参与者,当他们面对面FQHCs或几乎来自电脑或移动设备。说明参与者通常发送完整的保留活动 通过电子邮件文件副本,或通过电子邮件或文本消息,根据参与者的偏好表示当加入该计划。因此,数字准备起着关键作用的能力保持参与这个项目。

结果显示保留数字准备对FQHC参与的影响 我们所有人所示 图3从模型(模型2)。重要变量1,其中包括时代同意这个项目,收入,教育程度,和性别身份,被用于倾向得分加权模型2。结果未加权和加权(使用IPTW倾向评分方法)模型所示。包含或一个完整的表和95%可信区间值未加权和加权模型包含在本文的补充表S2。

结果加权和未加权的模型来理解数字的影响保留FQHCs与会者准备。(结果变量:保留状态。编码为1,如果参与者被保留,如果参与者没有保留。保留参与者完成后续调查基于web门户至少每隔18个月后登记,表明持续参与招聘后程序)。

数字准备显著增加参与者的几率被保留在程序;的几率是 高21%与未加权的模型(或1.21)的风险 高27%对于IPTW模型(或1.27)的风险。此外,从未被保留的几率明显降低同意年龄,收入较低,参与者识别为男性。

被保留在程序的可能性较高的重叠与参与者团体数字准备(即。,更高的收入和参与者确定女性),除了同意年龄和受教育程度。年长的参与者有更高的几率被保留,尽管他们不太数字比做好了准备。参与者在同意了56 - 65岁 高两倍的几率被保留(或2.2)的风险比那些年龄在18岁至25岁之间的岁的同意;在66 - 75岁的同意,他们 高出三倍(或2.96)的风险。这项观察表明年长的参与者经常完成保留活动通过与FQHC亲自任命人员在临床访问。年长的参与者可能会进行更频繁的面对面的临床访问FQHCs和/或可能有更多的时间,从而提供更多的机会 我们所有人员工进行面对面完成保留活动。提高教育水平没有增加的可能性被保留。

发现模型1和2显示,参与者数字准备的机率要高出27%比那些没有被保留在程序数字准备好了。参与者与高收入、高教育程度,从较低年龄组都与数字相关准备。而数字准备增加的几率提高教育水平,它没有被保留的可能性增加。参与者没有数字,比如那些年龄更大的年龄组,但现场临床访问FQHCs受益 我们所有人员工支持他们完成保留活动,从而弥补他们缺乏数字准备。模型还表明,年轻的参与者,尽管他们的协会与数字准备,被保留的几率较低,这表明激励参与者从年轻人群完成程序保留活动FQHCs是一个重大的挑战,尤其是当他们可能使得医疗那么频繁互访。

 定性研究的策略FQHCs使用保留参与我们所有人<斜体> < /斜体>

2022年6月,11 FQHC 我们所有人工作人员参加了一个焦点小组分享他们的保留策略参与这个项目。电视台的策略都集中在场景鉴于分析包含在本文的范围,但是一些研究结果可以适用在大流行期间。总结了关键的外卖 表5。

使用的策略总结FQHCs保留的参与者 我们所有人。

策略 描述
连续性 连续性策略,如发送生日/项目纪念日卡片参与者,或者FQHC 我们所有人工作人员最初注册参与者调用相同的参与者,帮助建立和加强联系。这鼓励参与者不是数字准备完整的保留活动现场。
结合临床约会 将保留活动的完成与临床任命启用完成保留活动现场。这一战略还节省时间,当参与者可以完成活动在大厅等待被调用之前的临床的约会。如果参与者有更多的活动来完成,护士把参与者FQHC 我们所有人工作人员后,总结临床约会。
熟悉 熟悉FQHC 我们所有人工作人员在安排面对面的显著差异任命完整保留活动。参与者更开放参观FQHC和导致更少的约会错过我们工作人员。

许多描述的策略 表5进一步加强定量分析的结果。调整FQHC焦点小组成员共享 我们所有人活动与临床老年参与者的任命是一个特别有效的策略,因为他们通常FQHCs更频繁的互访。他们补充说,老参与者享受公司的有人说话,喜欢呆更长时间,欣赏服务和个性化的关注。这一点进一步加强研究的定量分析,数字可访问性老年参与者的性格低到不影响FQHCs被保留到项目。

熟悉一个参与者的数字准备另一个策略,提供额外的洞察力的定量结果。FQHCs共享, 我们所有人员工记录详细的笔记从之前任命参与者是否独立完成所有的保留活动(与需要员工援助)和他们的舒适使用技术来确定所需的援助水平。这使得员工的充分的准备来支持参与者需要完成项目活动。

 结论

本文中给出的数据证明重要的参与者并不重叠数字准备和那些低收入的人来说,受教育程度较低,年龄的增加。这些UBR团体的代表在临床试验中,随着纵向数据收集,是设计的关键医疗对策有利于整个美国人口和可能为全球人口提供推理。纵向数据收集工作可以嵌入措施,减轻对UBR人口不成比例的影响。机会存在于提供文化保持外展和参与支持保留,减轻缺乏数字准备辅助服务之间的桥梁 我们所有人和参与者不是数字,或向弱势群体提供互联网或internet-accessing设备。

 限制

这项研究有一些局限性,主要是由于在研究设计约束。MCM的调查问卷并没有专为本研究开发的研究。这是了解开发的一般特征的人群FQHCs研习班。因此,我们的研究是有限的数据已经收集了。

MCM调查FQHC员工所有参与者被问及的问题在他们的入学时间 我们所有人。每IRB需求,然而,参与者有机会拒绝回应MCM调查完全或跳过任何的问题。这可能引入偏见在我们的研究样本。共有3552名参与者的FQHCs在研究时段,2897名参与者选择应对MCM调查(反应率82%)。回应的2897年,106名参与者跳过三MCM技术的一个或多个问题,被排除在外(3.6%),可能引入选择性偏差。例如,这些参与者可能忽略的问题,因为他们可能没有访问技术设备(电脑、平板电脑、手机和其他设备),不舒服说调查。这些限制不存在,我们假设的大小量化影响只会更大。

三个MCM技术访问和参与者的舒适度问题利用技术被用来为数字准备开发一个定义。虽然没有普遍建立数字准备定义,定义用于研究偏离了之前的研究,这可能限制了与他人研究的可比性。一些研究已经使用术语“数字鸿沟”,专注于那些之间的差距和没有信息获取技术,不管他们的舒适与技术( 24)。数字准备的另一个定义是基于技术访问、舒适度和信任( 25)。

最后,这项研究的结果必须考虑上下文的纵向数据收集工作,并不能推广到其他研究成果,每一种都有它自己的定义的保留、激励结构,可能会有截然不同的研究人群。这项研究的局限是什么,然而,尽管提供了及时和洞察力的贡献量化数字准备招募和维持UBR的影响人群在纵向数据收集。

 数据可用性声明

数据分析在这项研究中受到以下许可证/限制:期间生成的数据集和/或分析研究可从相应的作者以合理请求,并从国家卫生研究院批准。请求访问这些数据集应该指向skini@mitre.org。

 道德声明

涉及人类受试者的研究回顾和批准所有的人(AoU)机构审查委员会(IRB)。AoU IRB协议编号:2017 - 06。患者/参与者提供了他们的书面知情同意参与这项研究。

 作者的贡献

SK和弟弟:怀孕导致这项研究,撰写的手稿和是相等的贡献者。SK:数据分析团队领导FQHCs定性输入保留策略,和写的手稿。弟弟:领导数据清理,验证研究人群,导致模型的发展。JW:导致倾向得分加权模型方法的发展。所有作者的文章和批准提交的版本。

 资金

作者透露收到以下金融支持研究,作者,和/或出版这篇文章的:在这篇文章中提到的工作是由美国健康和人类服务合同75 fcmc18d0047 n98019f01202任务订单75。批准公开发布;无限的分布。公开发布案例数量:22 - 2696。

这(软件/技术数据)是美国政府在合同号75 fcmc18d0047,收购和受到联邦监管条款52.227 -14年,权利Data-32将军。

以外没有其他用途,授予美国政府,或者那些代表美国政府授权条款下斜方公司的书面许可。

为进一步的信息,请联系公司冠冕,合同管理办公室,7515 Colshire驱动器,麦克莱恩,弗吉尼亚州22102 - 7539,(703)983 - 6000。

 确认

作者希望承认的成员 我们所有人主教法冠公司的研究项目,由杰西卡·伯克和德里克井口。作者承认Shmona辛普森最初的概念化和起草的手稿。斜方项目团队的其他成员的发展导致本文包括莫林莱希和马修·麦奎因。作者感谢国家卫生研究院项目官员,Sarra海顿为她的领导和支持。作者还要感谢 我们所有人研究项目团队在每个FQHC奉献我们的参与者和程序。感恩是欠的巨额债务的参与者 我们所有人过去和现在的研究项目,主动给他们时间来支持这个纵向数据收集。

 的利益冲突

SK, DD和JW受雇于斜方公司进行这项工作。作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

 出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

 引用 我们研究项目调查人员 丹尼 JC 拉特 莱托 戈尔茨坦 DB Philippakis 一个 Smoller表示 JW 詹金斯 G “所有人”研究项目。N拉米夫地中海。( 2019年) 381年: 668年- - - - - - 76年。 10.1056 / NEJMsr1809937 31412182 地图 BM 福斯特 CS Kusnoor SV Epelbaum 心肌梗死 AuYoung 米 詹金斯 G 我们研究项目的多样性和包容性:范围审查。《公共科学图书馆•综合》。( 2020年) 15: e0234962。 10.1371 / journal.pone.0234962 32609747 我们研究项目的斜方公司。 集中协调联邦政府合格健康中心在生物医学研究的代表性招募和保留我们所有的研究项目。进行中(2022)。 协会社区卫生中心。 可以在: https://www.nachc.org/wp-content/uploads/2021/10/NACHC-Brochure-10.8.21.pdf (2022年6月29日通过)。 协会社区卫生中心。 可以在: https://www.nachc.org/research -和- data/research事实表和infographics/americas -健康中心- 2021 snapshot/ (2022年6月29日通过)。 Holko 米 Litwin TR 穆尼奥斯 F Theisz KI Salgin l 詹金斯 NP 可穿戴健身追踪使用联邦合格的健康中心的患者:策略来改善我们的健康使用数字医疗设备。地中海npj数字。( 2020年) 5: 53。 10.1038 / s41746 - 022 - 00593 - x 费雪 呃 普拉特 R 每 R Kocher 米 威尔逊 K 李 W 种族和民族的角色在视图向和参与基因研究和精密医学研究在美国:系统回顾的定性和定量研究。摩尔麝猫基因组医学。( 2020年) 8( 2): e1099。 10.1002 / mgg3.1099 31867882 美国食品和药物管理局。 女性健康办公室;社会对女性健康研究。数据由Tierney, j . Sanders & P。,在 对话在多样化的临床试验。华盛顿特区 。可以在: https://www.fda.gov/downloads/ScienceResearch/SpecialTopics/WomensHealthResearch/UCM334959.pdf (2011年9月22日)。 Vogen EA 。 收入较低的数字鸿沟依然存在,即使美国在科技采用收益。 皮尤研究中心(2021)。可以在: https://www.pewresearch.org/fact-tank/2021/06/22/digital-divide-persists-even-as-americans-with-lower-incomes-make-gains-in-tech-adoption/ 她 RM 地中海 我 Luckmann R Panday 年代 。 数字老年人健康信息的差异:一个混合方法研究。J种族Ethn健康差异。( 2021年) 9( 1): 82年- - - - - - 92年。 10.1007 / s40615 - 020 - 00931 - 3 33415705 托马 一个 Fishbane l Siefer 一个 卡拉汉 B 。数字的繁荣:宽带如何对所有社区提供卫生和股票。 华盛顿特区: 城市基础设施项目:布鲁金斯学会( 2020年)。 丢掉 CJ Sheon 一个 Ancker JS Castek J 卡拉汉 B Siefer 一个 。 数字包含作为一个健康的社会决定因素。地中海npj数字。( 2021年) 4( 52)。 10.1038 / s41746 - 021 - 00413 - 8 33731887 Nebeker C 穆雷 K Holub C 霍顿 J 阿雷东多 新兴市场 。 验收在生物医学研究的代表性的移动健康社区:壁垒和科学家的伦理性考量。JMIR Mhealth Uhealth。( 2017年) 5( 6): e87。 10.2196 / mhealth.6494 28659258 本德 女士 崔 J 时候 年代 保罗 SM 冈萨雷斯 P 福冈 Y 。 数字技术所有权、用法和因素预测下载健康应用在白种人中,菲律宾,韩国,和拉丁裔美国人:数字链接到健康调查。JMIR Mhealth Uhealth。( 2014年) 2( 4): e43。 10.2196 / mhealth.3710 25339246 崔 NG Dinitto DM 。 数字鸿沟低收入返航的老年人:互联网的使用模式,电子健康素养,计算机/互联网使用的态度。J地中海互联网Res。( 2013年) 15( 5): e93。 10.2196 / jmir.2645。 23639979 蒙塔古 E Perchonok J 。 卫生和健康技术使用历史缺医少药健康消费者:系统性回顾。J地中海互联网Res。( 2012年) 14( 3): e78。 10.2196 / jmir.2095 22652979 美国国立卫生研究院的我们研究项目。 数据和研究中心。可以在: https://allofus.nih.gov/funding-and-program-partners/data-and-research-center (2021年9月9日访问)。 R核心团队。接待员:统计计算的语言和环境。 奥地利的维也纳: R统计计算的基础( 2021年)。 可以在: https://www.r-project.org。 RStudio团队。RStudio:集成开发R。 波士顿: RStudio公司。( 2018年)。 可以在: https://www.rstudio.com。 埃利斯 基于“增大化现实”技术 Brookhart 马 。 inverse-probability-of-treatment-weighted估计方法与并发处理。中国论文。( 2013年) 66年( 8增刊): S51- - - - - - 6。 10.1016 / j.jclinepi.2013.03.020 23849154 格雷夫 N 。 在观察研究WeightIt:加权协变量平衡。R包版本0.12.0 (2022)。可以在: https://cran.r-project.org/web/packages/WeightIt/index.html。 广告 T 。 调查:分析复杂的调查样本。R包版本4.0 (2020)。 海顿 SL 麦克莱恩 J Mandich 一个 Baskir 一个 令人扫兴的 女士 丹尼 JC COVID-19的影响在我们的研究项目。我增加。( 2022年)。 在新闻。 10.1093 / aje / kwac169 霍夫曼 戴斯。莱纳姆: 诺瓦克 TP Schlosser AE 。 数字鸿沟的进化:互联网接入差距可能如何影响电子商务。J第一版Mediat Commun。( 2001年) 5( 3)。 10.1111 / j.1083-6101.2000.tb00341.x。 可以在: https://academic.oup.com/jcmc/article/5/3/JCMC534/4584185。 霍里根 J 。 数字差距。 皮尤研究中心(2016)。可以在: https://www.pewresearch.org/internet/2016/09/20/digital-readiness-gaps/。