COVID-19疫情期间数字健康干预的应用全景：对未来大流行的洞见与启示

本研究系统回顾了COVID-19疫情期间数字健康干预(DHIs)的应用趋势，基于WHO数字健康干预分类框架(CDISAH)对64篇系统评价进行分析。研究发现远程医疗(telemedicine)和数据管理成为最常用干预手段，而个体健康数据报告和医护人员支持存在明显缺口，为未来公共卫生危机中的数字健康策略优化提供了重要路线图。

　　

当COVID-19疫情席卷全球时，数字健康技术从"奢侈品"变成了必需品。与1918年大流感相比，这场危机最显著的区别在于数字解决方案的广泛应用——全球60亿智能手机用户、无处不在的互联网连接和临床信息系统共同推动了这场变革。然而在这场数字化抗疫中，哪些技术真正发挥了作用？不同干预措施的应用频率如何？这些问题的答案对于未来公共卫生危机的应对至关重要。

伊朗医科大学的研究团队在《Archives of Public Health》发表了一项开创性研究，通过对2020-2023年间64篇系统评价的系统分析，首次基于世界卫生组织(WHO)最新版《健康数字干预、服务和应用分类》(CDISAH v2)框架，绘制了COVID-19期间数字健康干预的全景图谱。研究采用PRISMA系统评价方法，从Cochrane、PubMed等6大数据库获取文献，使用MAXQDA软件对680个干预代码进行定性分析，并通过AMSTAR 2和ROBIS工具评估文献质量。

数字健康干预的四大用户群体分布
研究发现数字健康干预在四大目标群体中呈现不均衡分布：医疗保健提供者(292个代码)占比最高，其次是数据服务(257)、个人用户(88)和健康管理支持人员(43)。这种分布揭示了疫情期间资源分配的优先顺序，也暴露了健康系统支持环节的薄弱点。

个人用户的被动参与模式
针对个人用户的干预中，77%集中于"靶向/非靶向健康信息传递"(如通过短信、社交媒体推送COVID-19建议)，而"个人健康数据报告"功能完全缺失。这种单向传播模式反映了传统自上而下的公共卫生沟通模式，未能充分发挥数字时代公众参与的潜力。值得注意的是，通过可穿戴设备进行的"个人健康追踪"(1.4)显示出向共享决策模式的转变。

远程医疗的主导地位
医疗保健提供者群体中，远程医疗(2.4)占据67%的干预代码，主要包括远程会诊(2.4.1)和患者远程监测(2.4.2)。机器人辅助手术等新兴技术因CDISAH分类限制未能准确归类，提示现行框架需要更新。决策支持系统(2.3)和医疗服务调度(2.7)分别以31和24个代码显示出临床工作流程优化的重要性。

被忽视的健康管理支持系统
健康管理支持人员作为最薄弱的环节，其供应链管理(3.2)占该组45%的代码，而"民事登记与生命统计"(3.4)等基础功能完全缺失。无人机配送医疗物资等创新应用虽然存在，但整体上暴露出卫生系统后勤支持的数字化短板。

数据服务的核心作用
数据服务组以数据管理(4.1)为主导(89%代码)，人工智能(AI)和机器学习在疫情预测(如活跃病例峰值时间)、诊断辅助(基于CT扫描的COVID-19检测)和药物研发中表现突出。地理空间信息管理(4.3)通过接触者追踪功能展示了数字流行病学的价值。

这项研究不仅证实了数字健康在危机应对中的变革潜力，更揭示了三个关键转折点：从信息时代向AI驱动时代的演进、从组织中心化数据向众包数据的转变、以及远程医疗从边缘到主流的跨越。研究提出的CDISAH框架应用模型，为各国系统评估数字健康能力提供了标准化工具，特别对中低收入国家具有重要参考价值。

局限性与未来方向包括英语文献的选择偏倚、文化语境对分类的影响，以及快速发表导致的文献质量异质性(54篇被评为"极低质量")。作者建议未来研究应聚焦个人健康数据报告系统的开发、健康管理支持的数字化强化，以及AI伦理框架的建立，以构建更具韧性的全球公共卫生数字基础设施。