Метрики экономики здравоохранения

Тема 81 из 91· Потребительские приложения и устройства для здоровья

Метрики вовлечённости

Метрики вовлечённости измеряют, насколько активно пользователи действительно используют медицинское приложение: липкость DAU/MAU, частота и продолжительность сессий, использование функций. В цифровом здравоохранении вовлечённость — это не тщеславие, это доза: воздействие, через которое должен пройти любой клинический эффект.

Почему это важно

Лекарство, которое остаётся в бутылке, никого не вылечивает; приложение, которое остаётся неустановленным или неоткрытым, — тот же режим отказа. Каждое заявление экономики здравоохранения для потребительского медицинского продукта умножается через вовлечённость — эффективность, показанная в испытаниях, измерялась на определённом уровне использования, и реальная ценность масштабируется в зависимости от того, насколько близко использование при развёртывании подходит к этому уровню. Стандартные продуктовые ориентиры: липкость DAU/MAU около 20% считается здоровой для мобильных приложений в целом, >25% — исключительной; медицинские приложения часто работают ниже.

Расчёт

Липкость (DAU/MAU) = ежедневно активные пользователи / ежемесячно активные пользователи × 100
Метрики сессии      = сессии/пользователь/период; средняя продолжительность = общее время / сессии
Вовлечённость функции   = пользователи, выполняющие ключевое действие / активные пользователи

Дозозависимая рамка (улучшение от экономики здравоохранения):
  реализованный эффект ≈ эффект испытания × f(реальное использование / использование в испытании)
  где f получено из анализа доза-ответ — см. концепцию
  «эффективной вовлечённости» в adherence-and-persistence.md: достаточное использование
  для достижения намеченного результата, которое может быть скромным и конечным

Разобранный пример

Опорное исследование приложения для артериального давления показало снижение систолического давления на 6 мм рт. ст. среди пользователей, записывающих ≥4 показания/неделю. При развёртывании среди 50 000 зарегистрированных пользователей:

MAU 20 000 (40%); из них записывающих ≥4×/неделю: 7000
Пользователи с эффективной дозой = 7000 / 50 000 = 14% зарегистрированной базы

Эффект на популяционном уровне ≈ эффект испытания, доставленный 14%, а не 100%:
любая экономическая модель, цитирующая «50 000 пользователей × 6 мм рт. ст.», завышает примерно в 7 раз.
Честная модель: 7000 × полный эффект + частичный зачёт (из данных доза-ответ,
если есть) для 13 000 пользователей ниже порога.

Это умножение — через воронку вовлечённости к эффективной дозе — самое распространённое единичное место, где завышается экономика цифрового здравоохранения.

Связь с программной инженерией

Инженеры владеют воронкой вовлечённости, что делает их владельцами клинической переменной: трение онбординга, стратегия уведомлений, время загрузки и офлайн-устойчивость — всё это двигает доставленную дозу. Два проектных следствия: инструментируйте клинически значимое действие (записанные показания, завершённые уроки), а не открытия — DAU, построенный на отскочивших от уведомлений сессиях, — это мошенничество с дозой; и относитесь к целям вовлечённости как к целям достаточности, а не максимизации — приложение, достигающее своего результата за 5 минут/неделю и не мешающее, клинически идеально и метрически «плохо» (см. эффективную вовлечённость в приверженности и устойчивости). Оценивайте саму работу над вовлечённостью через приведённую выше модель популяционного эффекта: прирост доли эффективной дозы на 2 пункта — это количественно определяемая строка QALY.

Подводные камни

  • Вовлечённость как результат: использование — это средство; результат — это PROM или клиническая конечная точка.
  • Средние значения по бимодальному использованию: популяции медицинских приложений делятся на преданных пользователей и призраков; средние не описывают никого — сегментируйте.
  • Инфляция дозы тёмными паттернами: серии и уведомления о чувстве вины повышают метрики и могут вредить тревожным популяциям, которым служат медицинские приложения; клинические продукты несут клиническую этику.
  • Происхождение ориентиров от поставщика: большинство опубликованных ориентиров вовлечённости приходят от поставщиков аналитики, а не рецензирования — калибруйте по собственным испытаниям.

Источники