《Patient Preference and Adherence》：Developing Dietary Self-Management Personas for mHealth Tools Among Patients with Kidney Failure Undergoing Hemodialysis: A Multi-Method Study
编辑推荐：
背景：饮食管理在血液透析肾衰竭患者中仍是普遍挑战。尽管移动健康(mHealth)被视为提供自我管理支持的有前景途径，现有工具大多缺乏针对性，难以有效应对患者多样化的行为模式。目的：开发中国血液透析患者的饮食自我管理用户画像，并探索这些画像对mHealth工具的
背景：饮食管理在血液透析肾衰竭患者中仍是普遍挑战。尽管移动健康(mHealth)被视为提供自我管理支持的有前景途径，现有工具大多缺乏针对性，难以有效应对患者多样化的行为模式。目的：开发中国血液透析患者的饮食自我管理用户画像，并探索这些画像对mHealth工具的需求。方法：采用序贯多方法设计。2025年3月至7月于某大学附属医院对28例血液透析患者进行深入定性访谈，探讨其饮食自我管理体验；转录文本采用Colaizzi七步法分析，通过人工主题合成与研究人员迭代共识推导用户画像并以描述性标签呈现。随后在2025年10月至2026年2月对独立队列167例患者进行横断面调查，参与者自行匹配至多两个最贴合当前饮食行为的画像，以评估画像覆盖度与分布。结果：定性分析识别出六类画像：(A)主动型；(B)职业驱动适应不良型；(C)家庭照护优先适应不良型；(D)知识匮乏型；(E)即时满足驱动型；(F)执行力薄弱型。定量结果显示所有参与者均归属至少一类画像，无行为落于分类之外。画像A占比最高(35.93%)，19.76%参与者同时认同两类画像。结论：六类画像反映了血液透析患者饮食自我管理的显著异质性，提供了初步且较全面的行为类型学，可指导分层、以用户为中心的mHealth干预设计。未来研究需验证该画像体系的可行性与有效性。
研究背景方面，肾衰竭(KF)即终末期肾病，全球约0.1%人口受累，血液透析(HD)作为主流替代治疗依赖度高，中国HD患者至2025年底达1,137,962人。HD间歇治疗（通常每周三次、每次4小时）无法恢复稳态调节，严格饮食限控（限水及钾钠磷、保蛋白与微量营养素）至关重要。然而47.3%–72.5%的HD患者饮食行为欠佳，直接导致血压失控、营养恶化、再住院率上升。移动健康(mHealth)虽具时效性与交互性优势，但患者因健康素养、经济、文化、动机差异致需求多元，通用化工具常遭遇低黏附与弃用。用户画像(persona)可将真实用户属性合成为虚拟轮廓以指导产品设计，既往已用于冠心病、慢阻肺等慢性病，但在HD饮食领域尚属空白。为此研究人员开展本研究，旨在首次构建HD饮食自我管理画像并映射mHealth功能需求。
关键技术方法上，研究人员采用序贯多方法设计：定性阶段于2025年3–7月在上海某三甲大学附属医院HD中心经目的抽样与最大变异策略纳入28例≥18岁、HD≥3月、会用智能手机患者，进行20–40分钟半结构访谈，NVivo 12.0辅以Colaizzi七步法提炼主题，两名研究者独立分组后经共识形成六画像；定量阶段于2025年10月–2026年2月对该院另一队列167例HD患者发放自认画像问卷（允许选≤2个），SPSS 24.0做描述统计与组合频次分析。
研究结果部分保留原文小标题叙述如下。
Persona A: Proactive（主动型）。定性访谈显示该组34–64岁、男女均衡、HD经验丰富，具专业知识与自律，日常量化监测并整合检验反馈。其mHealth需求为健康指标综合决策支持、个性化营养方案与前沿医学信息推送。
Persona B: Occupation-Driven Maladaptive（职业驱动适应不良型）。37–55岁在职男性为主，HD 1–3年，工作耗竭致依赖外卖与社交就餐妥协，职场隐匿病情。需求聚焦低认知负荷、排班同步速食配方、隐私保护。
Persona C: Family Care-Prioritizing Maladaptive（家庭照护优先适应不良型）。50–66岁女性、HD 3–7年、多代同堂，照护责任压倒自身限食。需自动餐志、家共享食谱与轻量提醒以降低个人负担。
Persona D: Knowledge-Deficient（知识匮乏型）。均龄62.4岁，健康素养低，凭直觉或不可靠源进食。需极简界面、短视频步骤引导与红绿灯式食物判定。
Persona E: Instant Gratification-Driven（即时满足驱动型）。青年男性为主，凭口感缓解透析痛苦，规划缺位。需游戏化积分、徽章、短时目标与同伴榜。
Persona F: Poor Execution Ability（执行力薄弱型）。44–66岁女性为主，知而不行，自我批判强。需自动配餐、实时高风险警示与微奖励反馈。
定量调查中167例全部落入六类之一，单画像者134例(80.24%)，A最高占35.93%，D 16.17%、E 13.77%、F 7.19%，B与C各<5%；33例(19.76%)选两画像，A+F与D+E各占5.39%，显示行为多维共存而非边界模糊。
讨论部分指出，近三分之二患者存不同程度困难，难题源自动机、知识、执行等个人内因与职业、照护等情境外因交织；双画像聚类（知易行难、无知兼求悦）印证模块化管理必要性。各画像对应设计指向：A需预测性数据融合；B需地理定位合规快餐推荐与职场污名防护；C需智能秤杯自动采集与“一菜两做”共餐算法；D需交通灯配色与大字语音导航；E需游戏循环与周挑战；F需外部执行助理式推送。局限性含单中心抽样、横断无追踪、未原型验证。
结论部分翻译：本研究首次以定性定量结合法开发出HD患者饮食自我管理的六类用户画像，揭示行为差异及对应mHealth功能需求，为分层支持提供行为证据。以核心功能全覆盖、亚组定制叠加的分层设计可作未来mHealth开发框架。须在多中心多区域验证并转原型行随机对照试验评估临床结局。
该文发表于《Patient Preference and Adherence》，其意义在于将persona方法引入HD饮食数字干预，突破“一刀切”健康教育范式，为精准营养(precision nutrition)与差异化交互设计提供首份中国实证类型学。
