用戶畫像在國內外慢性病領域應用的范圍綜述

湯詩恒，林璟珊，李晶晶，李玉霞

(上海中醫藥大學 護理學院，上海 201203)

慢性病 (chronic diseases) 又稱非傳染性疾病 (noncommunicable diseases) ,指病情發展較緩慢、持續時間長的疾病[1]。《2015年中國衛生和計劃生育統計年鑒》顯示，大于55歲人群慢性病發病率達到46%，成為公共衛生工作中的重要問題之一[2]。《“健康中國”2030規劃綱要》明確提出推進大數據在醫療領域的應用，可評估患者健康狀態和疾病需求等數據[3]，進一步構建用戶畫像。“用戶畫像(user profile)”也稱“用戶角色(user persona)”，最先由Cooper[4]提出，認為用戶畫像是真實數據的虛擬代表；也有學者[5-6]從用戶偏好、興趣及需求，用戶行為角度定義用戶畫像。本研究認為用戶畫像是存在于真實世界以反映個體自然屬性、社會特征和行為軌跡的虛擬標簽，根據患者身心健康、服藥安全等大數據，將不同特征的慢性病患者進行用戶標簽形成用戶畫像，從而提供高效率、高質量的個性化健康管理方案。本研究以范圍綜述的研究方法[7]為基礎，探討用戶畫像在慢性病領域的研究內容、研究方法及效果，為護理人員開展針對性措施提供理論基礎。

1 資料與方法

1.1 檢索數據庫 計算機檢索Cochrane Library、Medline、PubMed、Web of Science、中國知網、維普中文期刊文獻庫、萬方醫學網數據庫、中國生物醫學文獻數據庫等8個數據庫，檢索詞以自由詞和主題詞相結合的方法，根據具體要求檢索數據庫。

1.2 檢索策略 中文檢索式以(用戶畫像 OR 用戶畫像分析 OR 用戶角色)AND(慢性病 OR 慢性非傳染病 OR 慢性疾病 OR 慢性非傳染性疾病 OR 高血壓 OR 心血管疾病OR 中風OR 糖尿病 OR 腦卒中OR冠心病 OR 惡性腫瘤 OR 癌癥 OR 痛風 OR 高脂血癥 OR 腎臟OR 內分泌 OR 呼吸 OR 心理 OR 神經)。英文以檢索式(user profile* OR user persona) AND (chronic OR high blood pressure OR coronary heart disease OR cardiovascular disease OR stroke OR diabetes OR cancer OR malignancy OR gout OR hyperlipidemia OR kidney OR endocrine OR respiratory OR psychological OR nerve)。檢索時間從建庫時間至2020年12月。

1.3 文獻納入和排除標準 (1)納入標準：研究對象是慢性非傳染性病患者、慢性病患者的相關醫務人員等；研究類主題為用戶畫像應用于慢性病領域；研究設計包括現況研究、病例研究、質性研究等原始研究。(2)排除標準：文獻類型為綜述、會議摘要等；不能獲取全文的文獻；重復報導的文獻；非中文或英文文獻。

1.4 文獻篩選與分析 由2名有循證學習經歷的研究者閱讀文獻的題目和摘要，將符合標準的文獻查閱并下載全文，如遇到意見不一致，則討論后再做決定。資料提取內容包括納入文獻的國家、研究對象、樣本量、數據來源、提取法、用戶標簽及內容、構建方法、識別方法、呈現形式、功能作用及使用方法等內容。

2 結果

2.1 文獻篩選過程 檢索數據庫共獲得文獻5150篇，其中：Cochrane Library 306篇、Medline 409篇、PubMed 856篇、Web of Science 3558篇，CBM 2 篇、知網13篇、維普2篇、萬方4篇；排除重復文獻2536篇；再經過瀏覽標題和摘要、閱讀全文，排除研究主題、對象、類型不符以及無法獲取全文和內容重復的文獻，最終納入15篇文獻。

2.2 納入文獻基本特征 15篇研究發表于2013年至2020年；在研究對象方面，以慢性病患者(n=8)較多見；以用戶行為標簽描述個體特征較多；用戶畫像識別主要基于情感、病情信息、行為標簽，電子病歷、健康檔案等；呈現形式以情感、醫護人員、社區用戶、老年慢病畫像模型常見；有監測與記錄患者健康信息、制定飲食方案及提高患者服藥依從性等功能；護理人員可根據患者用戶畫像提供個性化的護理服務，加強疾病知識宣教、心理護理及隨訪護理。文獻詳細信息匯總。詳見表1。

表1 納入文獻基本特征

續表1

備注：①論述法；②Python語言；④聚類法；⑤主題分析法；⑥決策樹；⑦ TF-IDF方法(詞頻-逆向文檔頻率方法)；⑧圖像區域描述法；③八爪魚。Persona構建法：高度精煉目標人群主要特征，并加以標簽化。四步構建法：獲取用戶信息、描述使用頻率的變量、聚類分析形成相似用戶、構建數據庫。UCD工具：分析用戶需求，將用戶行為轉化為用戶模型。

3 討論

3.1 用戶畫像在慢性病領域的識別方法及應用實踐 用戶畫像通過提取并分析大數據，主動或被動地提取用戶在互聯網留下的信息，根據人物角色用文本分析形成用戶情感、病情信息、行為和服藥等標簽，以識別患者的不同類型和疾病狀態，給予個性化推薦。用戶畫像在慢性病領域的應用主要有查詢用戶標簽、形成用戶畫像模型、服務遠程醫療。依據患者獨特標識，可查詢特征性標簽，如情感標簽、服藥標簽、行為標簽、角色標簽等，根據標簽發現用戶的性格特征、個人愛好、生活習慣，以進一步構建人物角色模型，挖掘不同用戶群體與用戶屬性之間的關系；在此基礎上構建遠程醫療系統，針對疾病類型和健康信息給出推薦性的疾病護理方案，更好地滿足患者偏好及醫療軟件的功能需求，識別出不同情景下患者的角色特征，服務遠程醫療，實施精準化護理。

3.2 用戶畫像在慢性病領域的應用對護理的啟示 (1)慢性病管理：護理人員利用網站真實地記錄患者的用藥史、跌倒史等數據形成用戶畫像，對跌倒發生率較高的患者，利用線上結合線下的模式提供預防性護理措施，降低跌倒發生率[16]。(2)健康宣教：基于患者在網上瀏覽信息的頻率和強度構建用戶行為畫像，了解患者疾病需求，針對性地提供用藥、疾病診療知識[8]及詳細的飲食方案[14]。(3)心理護理：護理人員將患者的顯、性情感關鍵詞量化，為分析患者情感提供的語義詞典[9]，監測其心理變化情況并提供實時心理護理。(4)遠程醫療：護理人員在深入分析患者就醫行為與策略后，提供線上預約平臺并指導使用互聯網問診[18]。由此可見，護理人員能利用移動智能平臺推薦疾病信息并提升患者的疾病管理能力，增進疾病診療參與度，實施個性化護理。

3.3 用戶畫像在慢性病領域應用的局限及改進之處 首先，目前國內外在用戶畫像的研究傾向于慢性病患者的用戶行為和整體描述，但關鍵詞的分析往往不夠精確且缺乏動態化的數據，較少對患者各時間段的在線評論進行深入剖析，建議護理人員建立用戶反饋模式對數據進行動態分析和深入描述。其次，在我國農村互聯網醫療技術有限，且患者文化程度不一，用戶畫像推廣受到局限，建議護理人員可指導患者利用簡單易操作的應用軟件程序[23]，使更多用戶受益于“互聯網+”的醫療模式。最后，如何在使用大數據的過程中對隱私進行管理是值得重視的問題，在使用大數據分析用戶畫像時，確保患者的信息安全是未來應進一步完善的技術。