一项新颖的数字研究中流感样疾病就医行为的预测因素

Predictors of Seeking Care for Influenza-Like Illness in a Novel Digital Study

作者信息Devika Chawla, Alejandra Benitez, Hao Xu, Victoria Whitehill, Sara Tadesse-Bell, Allison Shapiro, Ernesto Ramirez, Kelly Scherer, Luca Foschini, Faye Drawnel, Barry Clinch, Marco Prunotto, Vincent Ukachukwu
PMID36686628
发布时间2022-12
DOI10.1093/ofid/ofac675

实验完整度

中

两项前瞻性观察性研究,通过在线平台收集自我报告数据,包含横断面分析和统计建模,但缺乏干预性实验和分子机制验证。

主要模型

FluStudy2020队列 ISP(参与式流感监测项目)队列

重点核对

参与者纳入标准(ILI定义) 自我报告症状严重程度和数量 健康保险状态 CDC风险因素(合并症)

摘要

背景 既往研究估计,超过50%的流感样疾病(ILI)患者不会就医。了解影响病毒性呼吸道感染就医行为的因素,可能有助于制定改善就医可及性和保护公众健康的政策。我们使用个人生成健康数据(PGHD)来识别与ILI就医相关的因素。 方法 在美国2019-2020年流感季节期间进行了两项观察性研究(FluStudy2020和ISP)。参与者使用在线Evidation平台自我报告ILI症状。使用对数二项回归模型识别与就医相关的因素。 结果 在FluStudy2020的1667名参与者和ISP的47480名符合分析条件的参与者中,分别有518名(31.1%)和11426名(24.1%)就医。参与者大多为女性(FluStudy2020为92.2%,ISP为80.6%),年龄在18-49岁之间(FluStudy2020为89.6%,ISP为89.8%)。在FluStudy2020中,与就医相关的因素包括拥有健康保险(风险比[RR],2.14;95% CI,1.30–3.54)、更严重的呼吸道症状(RR,1.53;95% CI,1.37–1.71)和合并症(RR,1.37;95% CI,1.20–1.58)。在ISP中,就医的最强预测因子是症状数量多(6/7种症状的RR为2.14;95% CI,1.93–2.38)。 结论 使用PGHD,我们确认了ILI就医行为率较低,并表明拥有健康保险、合并症和高症状负担与就医相关。减少病毒性呼吸道感染就医障碍可能有助于更好的疾病管理,并有助于保护公众健康。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
哪些因素与流感样疾病个体寻求医疗护理相关?
核心机制
文中未明确说明
主要证据
在FluStudy2020(n=1667)和ISP(n=47480)中,31.1%和24.1%的参与者寻求医疗护理;健康保险、症状严重程度和合并症与就医相关。
研究意义
减少就医障碍可能改善疾病管理并保护公众健康,尤其针对高危人群。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

研究设计和参与者招募

招募符合流感样疾病症状标准的参与者

通过Evidation平台招募参与者,进行两项观察性研究:FluStudy2020和ISP。参与者自我报告症状,并满足特定的ILI标准。

2

数据收集

收集参与者症状、就医行为及基线特征

参与者完成每日或每周调查,报告症状、严重程度、就医情况、就医地点、并发症和疫苗接种状态。

3

统计分析

确定与就医相关的因素

使用对数二项回归模型分析寻求医疗护理的相关因素。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

数据收集方法
统计分析方法

产品清单

实验环节名称品牌货号
Evidation平台Evidation Health, Inc.--

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
参与者纳入标准
ILI定义(症状组合)
阅读提示:Methods: FluStudy2020 Study Design 和 ISP Study Design
数据收集
调查频率(每日或每周)
阅读提示:Methods: FluStudy2020 Study Design 和 ISP Study Design
统计模型
协变量(年龄、性别、保险、合并症)
阅读提示:Methods: Statistical Analyses