通过Apple SensorKit收集被动电话使用和传感器数据的可行性和可接受性

科学领域:

• 数字健康数字健康
• 移动健康研究 移动健康研究
• 数据 隐私 数据 隐私 数据

背景情况:

• 在移动健康 (mHealth) 研究中,隐私问题越来越多,特别是在被动数据收集方面.
• 果SensorKit提供了一种收集手机和可穿戴设备传感器数据的新方法,但其可接受性和可行性尚未得到充分理解.

研究的目的:

• 为了在医疗住院人员的纵向研究中试点Apple SensorKit平台.
• 在被动传感器数据收集的可接受性方面探索种族和民族差异.
• 通过使用SensorKit.To在一个大型,多元化的队列研究中评估可行性和参与者保留.

主要方法:

• 使用果SensorKit平台进行被动数据收集.
• 招募了一大批人口统计学上多样化的美国医疗居民队伍进行纵向研究.
• 分析了入学率,留学率和选择率,检查了种族和种族群体之间的差异.

主要成果:

• 在纵向电子队列研究中取得了成功的入学和留学率.
• 在一项大规模的mHealth研究中证明了收集SensorKit数据的可行性.
• 在种族少数群体参与者中观察到被动传感器数据收集的选择率较低.

结论:

• 使用Apple SensorKit进行的纵向mHealth研究是可以实现的,但保留时间很长.
• 少数群体中较低的选择率凸显了需要调查特定数据类型的股权影响.
• 需要进行进一步的研究,以确保数字健康中的公平数据收集实践.