Метрики экономики здравоохранения

Тема 81 из 91· Потребительские приложения и устройства для здоровья

Метрики вовлечённости (Engagement Metrics)

Метрики вовлечённости измеряют, насколько фактически пользователи используют медицинское приложение: «липкость» DAU/MAU, частоту и продолжительность сессий, использование функций. В цифровом здравоохранении вовлечённость — это не тщеславие, это доза: экспозиция, через которую должен пройти любой клинический эффект.

Почему это важно

Лекарство, остающееся в бутылке, никого не лечит; приложение, оставшееся неустановленным или неоткрытым, — тот же режим отказа. Каждое заявление о ценности потребительского медицинского продукта в терминах экономики здравоохранения умножается через вовлечённость — эффикас, показанный в испытаниях, измерялся на определённом уровне использования, и реальная ценность масштабируется тем, насколько близко использование при развёртывании подходит к этому уровню. Стандартные продуктовые бенчмарки: DAU/MAU около 20% считается здоровым для мобильных приложений в целом, >25% исключительно; медицинские приложения часто работают ниже.

Математика

Липкость (DAU/MAU)        = дневные активные пользователи / месячные активные пользователи × 100
Метрики сессий            = сессии/пользователь/период; средняя продолжительность = общее время / сессии
Вовлечённость по функциям = пользователи, выполнившие ключевое действие / активные пользователи

Формулировка «доза-эффект» (усовершенствование через экономику здравоохранения):
  реализованный эффект ≈ эффект в испытании × f(фактическое использование / использование в испытании)
  где f получается из анализа «доза-эффект» — см. понятие «эффективная
  вовлечённость» в adherence-and-persistence.md: достаточное использование
  для достижения намеченного исхода, которое может быть скромным и конечным

Практический пример

Ключевое исследование приложения для контроля артериального давления показало снижение систолического давления на 6 мм рт. ст. среди пользователей, фиксирующих ≥4 показания в неделю. При развёртывании среди 50 000 зарегистрированных пользователей:

MAU 20,000 (40%); из них фиксируют ≥4×/неделю: 7,000
Пользователи с эффективной дозой = 7,000 / 50,000 = 14% зарегистрированной базы

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

Это умножение — через воронку вовлечённости до эффективной дозы — самое частое место, где раздувается экономика цифрового здравоохранения.

Связь с разработкой программного обеспечения

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

Подводные камни

  • Вовлечённость как исход: использование — это средство; исход — это PROM или клиническая конечная точка.
  • Средние по бимодальному использованию: популяции медицинских приложений разделяются на преданных пользователей и «призраков»; средние не описывают никого — сегментируйте по когортам.
  • Раздувание дозы тёмными паттернами: серии (streaks) и уведомления с чувством вины поднимают метрики и могут навредить тревожным группам населения, которым служат медицинские приложения; клинические продукты несут клиническую этику.
  • Происхождение вендорских бенчмарков: большинство опубликованных бенчмарков вовлечённости приходят от вендоров аналитики, а не из рецензируемых источников; калибруйте по собственным испытаниям.

Источники