"互联网+"背景下智能医疗对中国老年慢性病患者身心健康的影响：基于中国家庭追踪调查的实证分析

这篇研究通过中国家庭追踪调查(CFPS)数据，系统分析了"互联网+"智能医疗技术对老年慢性病患者身心健康的影响。研究发现，使用智能医疗(包括远程医疗、移动健康应用等)的患者在日常生活能力(ADL)、自评健康(SRH)和抑郁量表(CES-D)评分上均显著优于非使用组(p<0.05)。研究同时识别出病程>10年、慢性疼痛、低收入(<1万元/年)和低学历(小学及以下)是影响干预效果的关键风险因素，为优化老年慢性病智能管理模式提供了重要循证依据。

　　

1 引言

全球人口老龄化趋势加剧，中国60岁以上人口已超2.6亿，慢性病高发成为重大公共卫生挑战。"互联网+"战略与医疗健康深度融合，催生了远程医疗、可穿戴设备、AI辅助诊断等智能医疗技术，为慢性病管理提供了新范式。然而，现有研究多聚焦技术应用层面，对老年慢性病患者身心健康改善效果的实证研究仍显不足。本研究基于具有全国代表性的CFPS数据，填补了这一研究空白。

2 路径分析

研究构建了智能医疗影响的多路径模型：通过远程医疗、健康APP等工具提升患者的健康管理能力(包括实时监测和个性化指导)、自我效能感及医疗资源可及性，进而改善ADL和SRH评分，降低CES-D评分。该过程受人口学特征(如收入、教育水平)和疾病特征(如病程、疼痛程度)的调节，形成复杂的干预效应网络。

3 研究方法

采用CFPS 2022年数据，纳入6,092名60岁以上慢性病患者，根据智能医疗使用情况分为使用组(n=2,093)和非使用组(n=3,999)。使用标准定义为：每月≥1次远程诊疗/每周≥3次APP登录/每周≥1次平台数据同步/每周≥5天佩戴设备。通过SPSS 20.0和Stata 17.0进行统计分析，并采用工具变量法(IV)解决内生性问题，选取"省级互联网普及率"和"社区智能医疗示范点"作为工具变量。

4 研究结果

核心发现：

• •

  干预2年后，使用组ADL评分(95.9±10.9)显著高于非使用组(84.9±11.0)，效应量Cohen's d=1.02，超过最小临床重要差异(MCID=10分)

• •

  CES-D评分降低11.6分(95%CI: -13.1~-10.1)，抑郁症状改善显著

• •

  SRH评分提升幅度达0.8分(p<0.05)，显示主观健康感知明显增强

分层分析：

• •

  病程>10年患者ADL降低15.3分，CES-D升高7.8分，成为最大风险因素(OR=2.31, p<0.01)

• •

  慢性疼痛患者SRH仅2.9分，显著低于其他病种(p<0.05)

• •

  年收入<1万元群体ADL比>10万元组低13.4分，显示经济差异的调节作用

• •

  小学及以下学历者CES-D达26.7分，显著高于本科及以上群体(15.2分)

机制验证：

工具变量分析证实智能医疗使用对ADL的因果效应(β=4.12, p=0.01)，面板固定效应模型显示效果具有持续性。通过PSM匹配和变量替换等7种敏感性分析，结果保持稳健。

5 讨论

研究发现智能医疗通过三种协同机制改善健康结局：

1. 1.

   监测-反馈循环：可穿戴设备实现血糖、血压等指标的实时追踪，使异常值检出时间平均缩短2.3天

2. 2.

   赋能效应：移动APP提供的个性化健康指导使患者自我管理信心提升37%

3. 3.

   资源优化：远程会诊使农村患者专科就医距离缩短82公里

但需注意"数字鸿沟"的制约作用：低收入群体因服务费用门槛(每次咨询50-100元)、低学历群体因操作障碍，获益程度显著降低。建议通过补贴政策、适老化改造(如语音交互功能)等措施提升服务可及性。

6 结论

本研究证实"互联网+"智能医疗能有效改善老年慢性病患者身心健康，但需特别关注长期病程、慢性疼痛、低收入和低教育水平人群的干预瓶颈。未来研究可结合RCT设计进一步验证因果效应，并探索成本控制策略(如分级收费制度)以促进健康公平。