目的:为实现更好的颈椎健康监测与颈椎病预防效果,设计一种嵌入式颈椎健康智能系统.方法:该系统主要由移动便携监测终端、云端服务器、微信小程序三大部分组成.移动便携监测终端主要由数据采集模块、数据处理模块、物联网通信模块三大模块组成,其中数据采集模块选用JY901-S作为主要数据传感器;数据处理模块通过动作分类模型对头部动作进行分类识别,选用STM32F4作为主控芯片、国产RT-Thread作为嵌入式操作系统;物联网通信模块选用乐鑫ESP32-C3系列Wi-Fi蓝牙双模模块.云端服务器选用Linux+Nginx+uWSGI作为Web服务器架构,通过MySQL数据库存储用户数据,并利用颈椎健康评估模型评估用户颈椎健康状态.微信小程序采用WXML+WXSS+WXS开发.结果:该系统基本能够实现颈椎健康状态监测和运动指导功能,且对人体头部动作分类识别的平均准确率为90％以上,对颈部关节活动度的测量精度为±1°,整体性能较好.结论:该系统能有效帮助用户建立并维持规律的颈椎健康运动行为,可为医院等机构提供关键可靠的康复运动治疗方案与康复护理数据支撑.

移动应用程序作为移动医疗的一种服务形式，有望为抑郁症的心理治疗提供新平台。本文简要介绍并综述了移动应用程序在抑郁症心理治疗中的设计依据、服务模式、干预效果、安全性、存在问题及未来发展方向。

目的:探究移动医疗APP中1型糖尿病(T1DM)儿童血糖水平与父母受教育水平的相关性。方法:收集中国T1DM登记管理项目入组且注册使用糖糖圈 ?的T1DM患儿资料及注册后每季度上传的血糖监测信息。根据父母受教育水平将患儿分为低教育组(中学及以下)和高教育组(大专及以上)，比较两组间不同时点的血糖水平，采用Spearman相关分析和多因素logistic回归分析评估T1DM患儿血糖水平与父母受教育水平的相关性。 结果:共纳入满足条件的T1DM患儿2 263例，女1 246例(55.1%)，年龄7.9(4.4，11.4)岁，病程0.07(0.02，0.46)年，高教育组和低教育组分别为1 513例和750例。注册后3年内，低教育组患儿各时段血糖均逐渐升高(除早餐后2 h血糖外，均 P<0.05)。与低教育组相比，高教育组第3年各时段血糖更低(除凌晨血糖外，均 P<0.05)。多因素logistic回归分析结果显示，校正病程、治疗方案等因素后，父母受教育水平仍是患儿餐前血糖、睡前血糖、凌晨血糖的独立相关因素(餐前血糖： OR＝0.385，95% CI：0.164~0.874， P＝0.025；睡前血糖： OR＝0.444，95% CI：0.204~0.949， P＝0.038；凌晨血糖： OR＝0.226，95% CI：0.582~0.747， P＝0.020)。 结论:我国T1DM患儿血糖水平与父母受教育水平呈负相关，开展T1DM儿童糖尿病管理应考虑其父母的受教育水平。

近年来随着移动设备及软件的发展，越来越多的移动健康应用程序（application，APP）被用于糖尿病及糖尿病前期患者的日常管理。新型冠状病毒肺炎疫情的暴发使大量慢性病患者无法及时就诊，而移动健康APP遂成为这些患者居家管理的有力工具。本文简要分析了移动健康在新型冠状病毒肺炎疫情中对糖尿病患者可能的作用，总结了国内糖尿病及糖尿病前期相关APP的临床研究及功能设置，并探讨了如何利用移动健康APP组建多学科团队对患者进行管理及未来的发展方向。

目的:探讨影响原发性高血压病患者互联网移动医疗APP应用意愿的因素。方法:采用便利抽样法，选择2018年1—12月的550例河南省濮阳市安阳地区医院门诊接诊并确诊的原发性高血压患者作为研究对象，使用一般资料调查表、互联网移动医疗APP应用意愿量表、互联网移动医疗APP行为意向量表进行调查。采用多因素Logistics回归分析探讨移动医疗APP应用意愿的影响因素。结果:发放问卷550份，回收问卷538份。不同年龄、职业、文化程度及是否有合并症患者的互联网移动医疗APP应用意愿得分比较，差异有统计学意义（ P<0.05）。随着应用意愿得分的增加，患者行为意向中努力期望、社会影响、期望效应、便利条件条目均分随之升高，其趋势及差异分析均有统计学意义（ P<0.01）。年龄较轻、有合并症、较高的努力期望及期望效应、较好的社会影响和条件便利是患者互联网移动医疗APP应用意愿的促进因素（ P<0.05）。 结论:年龄、有合并症、努力期望、社会影响、期望效应、便利条件均不同程度影响原发性高血压患者应用互联网移动医疗APP的意愿，因此在开发互联网移动医疗APP的过程中可参考，以提高应用意愿及使用率。

目的:探讨基于"学习通"手机应用软件的翻转课堂在检体诊断学教学中的应用效果。方法:2018年9月至2019年1月，选择安徽医科大学第二临床医学院2016级临床医学专业120名本科生为研究对象，以随机数字表法将其分为试验组和对照组，每组60名学生。试验组采用基于"学习通"的翻转课堂教学，将教学资源上传至"学习通"供学生课前学习，课中分别采用知识点回顾、小组协作及总结的方法进行知识内化，课后通过"学习通"进行知识巩固。对照组采用传统教学方法。比较课前和课后2组学生的提问率、考试成绩、学业自我效能感和对各自教学的满意度。结果:试验组学生课前和课后提问率均高于对照组学生[73.3%(44/60)比26.7%(16/60)，53.3%(32/60)比31.7%(19/60)]，差异均具有统计学意义( P<0.01、 P＝0.036)。试验组学生理论考核和体格检查评分均高于对照组学生[(76.0±9.9)分比(68.9±12.1)分，(76.3±9.1)分比(64.5±11.7)分]，差异均具有统计学意义(均 P<0.01)。课程结束后，试验组学生学业自我效能感总分高于对照组学生[(79.3±8.5)分比(73.6±6.4)分]，差异具有统计学意义( P<0.01)。试验组学生对教学满意度总体评价也高于对照组学生[(11.8±1.5)分比(9.1±1.9)分]，差异具有统计学意义( P<0.01)。 结论:基于"学习通"的翻转课堂有助于提高学生的学业自我效能感和检体诊断学的教学效果。

目的:构建移动医疗APP居家随访系统，探讨其对腹膜透析患者自我管理能力及营养状况的影响。方法:选取珠海市人民医院2019年10月至2021年10月进行腹膜透析治疗的患者56例为研究对象，依据随机数字表法分为试验组和对照组，每组28例。对照组患者采用常规出院随访干预模式，观察组采用基于移动医疗APP的居家随访干预，比较两组患者自我管理能力、自我效能、营养状况及护理满意度的差异。结果:干预前，两组自我管理能力和自我效能评分差异无统计学意义( P>0.05)；干预后，两组评分均上升，但对照组组内比较差异无统计学意义( P>0.05)，试验组显著高于对照组( P<0.05)。试验组SGA营养状况良好人数多于对照组( P<0.05)，Hb、TP、Alb、Ch、BUN、DPI水平显著高于对照组( P<0.05)，TG、Scr水平显著低于对照组( P<0.05)；试验组按时用药、合理饮食、运动锻炼、及时复诊比例高于对照组( P<0.05)。两组干预后SAS评分与SDS评分较干预前均有明显降低(均 P<0.05)；干预前，两组SAS评分与SDS评分比较差异无统计学意义(均 P>0.05)；干预后，试验组SAS评分与SDS评分较对照组明显更低(均 P<0.05)。试验组总满意度(96.43%)显著高于对照组(60.71%)，差异具有统计学意义( P<0.05)。 结论:基于移动医疗APP的居家随访服务模式可明显提高患者的自我管理能力、自我效能，改善患者营养状况，提高护理满意度及治疗依从性。

目的:对基于移动应用程序的乳腺癌患者体重管理研究进行范围综述。方法:以“乳腺癌”“体重管理”“体重”“breast cancer”“mobile health”“weight management”等为检索词，检索PubMed、Embase、Cochrane、EBSCOhost、Scopus、Sinomed、维普数据库、万方数据库和中国知网共9个中英文数据库，聚焦基于移动应用程序的乳腺癌患者体重管理相关研究，检索时限为建库至2022年7月29日。对文献进行筛选，并基于奥马哈系统进行数据提取及汇总。结果:共纳入7篇文献，均为英文文献。纳入研究应用的移动应用程序各不相同，样本量从10例到356例不等，其中6项研究的干预对象为已经完成手术或放化疗治疗的乳腺癌患者，并未有研究针对化疗期乳腺癌患者。干预形式包括单独的运动或饮食干预、运动和饮食相结合的干预，多数研究干预效果较好。根据奥马哈干预系统提取到最多的干预组件是自我管理建议，有6项研究为患者提供了自我管理建议，所有干预研究均未包含案件管理相关的干预组件。结论:基于移动应用程序的乳腺癌患者体重管理干预效果较好，具有可行性，但相关研究数量较少，缺乏针对化疗期患者的干预研究，仍需积极开展。

数字化和智能化技术是推动医疗服务模式转型创新、提升服务质量的重要动力。为提高临床应用业务系统智能化水平、改善门诊患者就医体验，北京协和医院于2020年2月研发智能化门诊诊前病史采集系统。该系统主要包括人工智能能力层、应用服务层、能力资源层和接口层等软件技术架构及硬件部署与安全体系架构设计，通过与医院信息系统对接，利用移动终端，实现患者自助提交诊前病史信息，并生成结构化病史资料供接诊医生调用。截至2021年11月，诊前病史采集系统已覆盖医院80%的科室，总计服务168万人次，患者填写率达60%，患者病史采集时长和医生门诊电子病历书写时长不断缩短，极大提高了门诊医疗服务效率。

目的:分析成人1型糖尿病（T1DM）患者使用智能手机移动应用程序（APP）的决策支持系统（DSS）后血糖变化情况。方法:本研究为干预研究，收集中国T1DM登记管理项目入组的，同时注册糖糖圈 ?APP的成人T1DM患者的资料信息（包括注册时的一般资料），并于注册后1年内，每3个月收集成人T1DM患者空腹血糖（G 空腹）、早餐后2 h血糖（G 2h-早餐）、午餐前/后2 h血糖（G 0h-午餐/G 2h-午餐）、晚餐前/后2 h血糖（G 0h-晚餐/G 2h-晚餐）、睡前血糖（G 睡前）和凌晨血糖（G 凌晨）水平，以及不同血糖范围的次数，包括正常血糖（血糖值3.9~7.8 mmol/L）、低血糖（血糖值<3.9 mmol/L）、高血糖（血糖值≥13.9 mmol/L），计算不同血糖次数在患者总血糖次数的占比（%）。按DSS每日使用频率将患者分为3组（低频率组、中等频率组和高频率组），比较不同DSS频率组间点血糖、高血糖占比、低血糖占比变化情况，以及不同频率组患者基线特征和血糖特征。 结果:共纳入满足条件的成人T1DM患者629例，男216例（34.3%），女413例（65.7%），基线年龄为（31.5±10.8）岁，病程［ M（ Q1， Q3）］为1.2（0.1，7.4）年。低、中、高频率组患者分别为239、189和201例。注册后10~12个月，3组患者间G 空腹、G 2h-早餐、G 0h-午餐、G 2h-午餐、G 0h-晚餐、G 2h-晚餐、G 凌晨水平差异均有统计学意义（均 P<0.05），高频率组各点血糖水平均低于其他两组（均 P<0.05）。注册后1~3个月3组间低血糖占比差异无统计学意义（ P>0.05）；注册后10~12个月低、中、高频率组患者间低血糖占比［ M（ Q1， Q3）］［3.34%（0.85%，7.40%）、3.00%（0.78%，6.17%）、1.81%（0.37%，4.69%）， P=0.022］和高血糖占比［4.04%（0，12.16%）、1.88%（0，7.80%）、0.81%（0，3.87%）， P=0.001］差异均有统计学意义。 结论:移动APP决策支持功能有助于成年T1DM患者血糖管理，注册后1年内，患者在血糖水平降低的同时，高血糖和低血糖发生比例也减少。