在数字健康浪潮席卷全球医疗领域的今天，智能手机应用（Apps）正成为连接慢性病患者与医疗系统的重要桥梁。特别是对于类风湿关节炎（Rheumatoid Arthritis, RA）这类症状波动、病程漫长的疾病，通过移动应用收集患者报告结局（Patient-Reported Outcomes, PROs），有望实现远程症状监控、优化复诊频率并辅助临床决策。然而，一个看似简单的“理想”在现实中却面临挑战：这些数字工具看似唾手可得，但真正能融入日常诊疗并长期坚持使用的案例却凤毛麟角。患者到底能用多久？是每天报告，还是每周、每月一次才算“达标”？医生如何看待和利用这些数据？这些关于“依从性”的核心问题，不仅定义模糊，更缺乏深入、长期的研究。正是为了解开这些谜团，一项探索RA患者如何与一款专门收集PROs的移动健康应用“长相厮守”的研究，在《Rheumatology and Therapy》期刊上发表了其历时12个月的观察结果。
为系统评估依从性，研究者对一项在学术医疗中心开展的非随机试验进行了事后分析，共纳入149名RA患者。研究核心在于采用多维度方法量化“依从性”：一是计算不同时间间隔内的PRO完成百分比（如每2天、8天、16天、32天）；二是运用生存分析，估算患者停止使用应用（定义为连续32天、64天或96天未完成任何PRO）的时间。此外，研究还通过多变量回归模型，探究了患者年龄、性别、基线疾病活动度（使用RADAI-5评估）、用药情况以及关键因素——医生查看APP数据的频率，与上述不同依从性指标之间的关联。
研究结果
- •
不同定义下的依从率差异显著
研究发现，依从率高度依赖于如何定义“完成”。以最严格的每2天完成所有可能问卷计算，平均完成率仅为43.5%（标准差 SD = 27.8）。当放宽标准，定义为在任何8天周期内（约一周）至少完成一次PRO，依从率升至68.0%（SD = 34.0）。若将周期延长至32天（约一月），依从率进一步提高到77.3%（SD = 30.9）。这直观表明，过于频繁的报告要求（如隔日一次）可能导致“调查疲劳”，而每周或每月一次的节奏对患者而言更为可行。
- •
应用“持续使用时间”的中位值
通过生存分析来刻画应用的持续使用时间，研究者定义了不同的“中止”阈值。当将“中止”定义为连续≥32天未完成PRO时，平均持续使用天数为153.8天（SD = 94.1），有54.4%的参与者在研究期间某点达到此中止标准。将阈值放宽至≥64天，平均持续时间为152.3天（SD = 95.8），中止比例为44.3%。
- •
依从性的预测因素
多变量回归分析揭示了两个与更好依从性显著相关的因素。在PRO完成率方面，医生每多查看一次患者的APP数据，其8天周期完成率平均增加6.2%。在持续使用时间方面，患者年龄每增加一岁，应用中止的风险降低3%（风险比 HR = 0.97）。更重要的是，医生查看数据的次数越多，患者中止使用应用的风险也显著降低（HR = 0.66）。这意味着，不仅是患者在努力，医生的积极关注和反馈构成了维持数字工具长期使用的强大“双向动力”。而性别、就业状况、基线疾病活动度、疾病持续时间以及所使用的改善病情抗风湿药（Disease-Modifying Antirheumatic Drugs, DMARDs）类别等因素，在本研究中未显示与依从性有显著关联。
研究结论与意义
本研究深入描绘了RA患者使用PRO移动健康应用的长期依从性图景，并得出了几个关键结论。首先，依从性并非一个固定值，而是随测量定义（报告频率、中止阈值）剧烈波动的变量。这警示研究者和临床工作者，在比较或宣称某项数字健康工具的“依从性”时，必须明确其具体定义。其次，研究为“合理使用频率”提供了实证参考：对于RA这类慢性病，期待患者隔日报告可能不切实际，而每1至2周（8天周期）进行一次PRO报告，可能是兼顾数据连续性与患者可行性的“甜蜜点”。最后，也是最富启示的一点是，研究的回归分析将聚光灯打向了“医患协同”的价值。患者自身因素中，唯有更高年龄显示出与更好依从性的关联，这可能与年长患者对健康管理的重视、更稳定的生活模式或从数字工具中获益感更强有关。而“医生互动”则作为一个独立且强大的积极因素凸显出来。当医生在电子病历（EHR）中定期查看、参考患者通过APP汇报的症状数据时，患者不仅感到被关注，其坚持使用的意愿和实际行为也显著增强。这打破了“数字工具仅是患者单方面任务”的误区，强调其成功嵌入临床实践必须是医患双向奔赴的过程。
这项为期12个月的研究是风湿病学领域较为深入的数字监测实践之一。它指出，当前移动健康应用在临床实践中整合不足的瓶颈，部分源于对“依从性”这一核心概念的理解和测量尚未标准化。未来，更清晰的依从性定义、基于证据的合理报告频率设置，以及旨在促进医护人员有效利用数据的系统设计，将是推动数字健康技术从“有望”走向“有效”的关键。本研究的发现，不仅为优化RA的远程管理策略提供了具体参数，也为更广泛的慢性病数字健康干预研究，提供了关于评估方法和促进因素的重要见解。
