✨ 要点🔬 技术摘要
想象一下，医疗保健的世界就像一个繁忙、熙熙攘攘的大型火车站。长期以来，获取车票或查询行程的唯一方式是在特定时间内前往售票窗口。但现在，技术正把智能手机应用程序交到每个人手中，让他们足不出户就能在口袋里实时追踪自己的旅程。这就是“数字医学”的世界，像智能手表和健身追踪器（被称为可穿戴设备）这样的设备正在收集关于我们心脏、步数和睡眠的数据。核心问题不仅在于这些小玩意儿是否有效，而在于“准备就绪程度”。人们真的准备好使用这些应用程序与医生交流了吗？他们愿意分享自己的私人数据吗？究竟是谁在真正使用它们？是只有富人、受过教育的人，还是年轻人吗？理解这一点至关重要，因为如果我们想要利用这些工具让每个人都保持健康，我们就需要知道谁已经加入了行列，而谁又被遗弃在了车站。
这篇论文深入探讨了那个问题，但带有一个转折。研究人员并没有将目光投向典型的西方城市，而是将目标对准了卡塔尔——一个像全球熔炉一样，来自世界各地的人们并肩而居的地方。他们想看看关于谁在使用技术的常规规则在这里是否仍然适用。他们调查了 3,004 名成年人，询问了他们的健康习惯、背景以及是否拥有可穿戴设备。
这里有一个情节转折：研究人员原本预期会发现，受教育程度更高或收入更高的人才是那些佩戴智能手表的人。这是一个常见的假设，即如果你拥有大学学位，你更有可能理解并使用高科技产品。但这项研究表明，这个想法可能是一个红鲱鱼（误导信息）。当他们进行数据分析时，发现行为准备度 才是真正的超级明星。预测一个人是否佩戴设备的强力指标并不是他们的文凭或银行存款，而是他们是否真的进行锻炼。
事实上，研究发现，每天锻炼的人佩戴设备的可能性是那些极少运动的人的四倍多。这就像是设备成了那些已经在奔跑的人身上的荣誉勋章，而不是一个能神奇地让人们开始奔跑的工具。研究还发现，那些愿意与医生分享数据的人，更有可能拥有设备。这表明，“数字鸿沟”——即使用技术的人与未使用技术的人之间的差距——不仅仅在于谁能负担得起一个小配件或谁懂得如何阅读说明书。它关乎的是谁已经有了照顾好自己健康的动力。
然而，故事并非对每个人都是完美的圆满结局。研究表明，老年人（56 岁及以上）和非洲裔人士使用这些设备的可能性较低，即使在考虑了其他因素之后也是如此。这暗示着仍然存在一些无形的障碍，或许与技术的设计方式或文化信任有关，这些障碍需要被修复，以确保没有人被遗留在车站。
那么，这一切意味着什么？论文建议，如果医疗系统想要推广数字健康计划，他们不应该仅仅根据年龄或教育程度来针对特定人群。相反，他们应该寻找那些已经活跃起来并渴望分享健康故事的人。这项研究在卡塔尔的一个特定人群中测量了这些模式，虽然它不能证明这在任何地方都有效，但它强烈表明，动力和习惯才是开启数字健康未来的关键。结论很简单：那些已经在奔跑的人才是佩戴智能手表的人；如果我们想让更多人加入这场奔跑，我们可能需要先专注于让他们动起来，而不是仅仅教他们如何阅读说明书。
技术摘要：行为准备度而非人口统计特征，是预测可穿戴设备采用率的关键
问题陈述
方法论
参与者： 研究包括 3,004 名居住在卡塔尔的成年人（年龄 ≥18 岁）。招募采用了便利抽样策略，时间为 2025 年 1 月至 7 月，地点涵盖公共场所（购物中心、公园、海滩、大学、文化中心）。数据收集： 调查通过使用 Qualtrics 软件的 iPad 进行，提供五种语言版本（英语、阿拉伯语、泰米尔语、泰卢固语、僧伽罗语），以反映该地区的语言多样性。变量： 调查评估了：
结果变量： 当前可穿戴医疗设备的使用情况（具有健康功能的健身追踪器/智能手表）。预测变量： 社会人口统计学特征（年龄、性别、族裔、教育程度、婚姻状况）、健康状况（慢性病、自评健康状况、体重感知）以及行为因素（运动频率、运动愉悦度、与医疗提供者共享数据的意愿、使用提供者关联应用的意向）。
统计分析： 使用 95% 置信区间估计患病率。使用卡方检验和单变量逻辑回归评估关联性。在单变量分析中 p 值 ≤0.20 的变量被纳入多变量逻辑回归模型，以识别独立预测因子。通过方差膨胀因子（VIF <5）评估多重共线性。显著性水平设定为 p <0.05。
核心结果
患病率（普及率）： 可穿戴设备使用的普及率为 34.1% (n=1,024)。行为预测因子： 行为因素是采用率最强的独立预测因子。
运动频率： 与极少运动者相比，每日运动者使用可穿戴设备的几率高出 4.21 倍（aOR: 4.21; 95% CI: 3.05–5.82）。在每周运动几次（aOR: 2.88）和每周运动一次（aOR: 2.18）方面也发现了显著的正相关。数据共享： 与医疗提供者共享智能手表健康数据的意愿与采用率独立相关（aOR: 1.78; 95% CI: 1.46–2.17）。应用意向： 使用提供者关联智能手表应用的意向与采用呈正相关（“可能”使用者的 aOR 为 1.68）。
人口统计与社会经济学发现：
教育程度： 在经过充分调整后，教育水平（大专及以上 vs. 高中或以下）与可穿戴设备使用无 独立相关性（aOR: 0.93; p=0.497）。年龄： 与 18-25 岁年龄组相比，高龄（≥56 岁）与采用率显著降低相关（aOR: 0.44; 95% CI: 0.25–0.78）。族裔： 在调整其他因素后，非洲族裔与阿拉伯族裔相比，其采用率较低（aOR: 0.71; 95% CI: 0.54–0.92）。白人/高加索参与者的几率较高（aOR: 1.77）。健康状况： 超重与较高的采用几率独立相关（与体重过轻相比，aOR: 1.52）。在慢性病、自评健康状况或就诊频率方面未发现显著关联。
核心贡献
重构数字公平性： 本研究挑战了数字健康公平性主要源于获取能力或素养（社会经济地位）的传统假设。研究证据表明，在多元化的高收入环境下，行为准备度（运动习惯、数据共享意愿）比教育水平更能决定可穿戴设备的采用。区域性证据： 这是第一项大规模人口层面研究探讨中东和北非地区数字医学准备情况的研究，为其他快速数字化发展的海湾及更广泛的中东医疗系统提供了参考。临床整合指标： 可穿戴设备的使用与共享数据/使用提供者应用的意愿之间的强相关性表明，可穿戴设备的采用可以作为衡量人群将患者生成健康数据整合进临床工作流准备度的可测量指标。
意义与主张
研究认为，在这种背景下，“数字鸿沟”与其说是认知能力或获取能力的差异，不如说是动机和行为参与度的差异。因此，侧重于健康动机、感知临床效用和数据共享信任度的策略，可能比单纯侧重于数字素养的策略更为有效。
然而，作者对研究范围保持了审慎态度：
局限性： 横断面设计无法进行因果推断（例如，是准备度驱动了采用，还是采用驱动了准备度）。便利抽样和自我报告数据可能引入选择偏倚和回忆偏倚。56 岁以上成年人的代表性较低，限制了对该重要临床群体估算的精确度。未来工作： 本研究并未评估可穿戴设备数据的实际临床整合情况及其对健康结果的影响。作者呼吁开展纵向研究，以确定行为准备度是否能预测持续的参与度和改善的健康结果，并开展研究以通过文化适应性的干预措施，解决老年人和非洲族裔群体中持续存在的采用差距问题。
每周获取最佳 health informatics 论文。
受到斯坦福、剑桥和法国科学院研究人员的信赖。
请查收邮箱确认订阅。
出了点问题，再试一次？
无垃圾邮件，随时退订。