智慧醫療背景下社區老年聽力損失篩查軟件開發及驗證

葛劍力，耿莎莎，陳昕，朱英倩，孫曉明，2*，江華*

老年聽力損失又稱年齡相關性聽力損失，是繼關節炎、高血壓之后，發病率居世界第3位的老年性疾病［1-2］。其定義為因年齡增長而引起聽覺器官衰老和退變所導致的聽力下降。疾病早期，患者的主觀感覺言語識別能力能滿足其日常交流，癥狀易被忽視。聽力損失將導致生活能力下降，心理及認知障礙疾病患病率增高，甚至全因死亡風險增加［3-5］。因此老年聽力損失是一個重要的公共健康問題，但尚無治愈方法，有效的篩查管理模式也少有研究涉及［6］。

近年來，“醫療大數據”和“智能化醫療管理”是慢性病防治領域的熱點名詞。在基層醫療中，“大數據+慢性病管理”模式被大力推崇和逐步完善，該模式使得基層慢性病的管控變得更高效，更貼切居民需求，促進了醫患溝通互動［7］。老年聽力損失的發生、發展與個人行為因素、疾病因素等相關，嚴重影響健康狀態，病情為相對不可逆且不能自愈［8］。該疾病可控、可治、可改善，因此可參照慢性病的管理準則和目標，強化疾病管理關口前移。

目前國內外基于危險因素進行老年聽力損失風險評估的研究較少，沒有相應的測量工具及量表等。在此背景下，本研究通過分析老年聽力損失高危因素，開發老年聽力損失篩查軟件，探討基于社區的老年聽力損失篩查及管理模式。

1 資料與方法

1.1 臨床資料 2019年4—12月，選取具有上海地域代表性的浦東新區，運用便利抽樣法，納入5家社區衛生服務中心（市區片3家、城鄉結合區片1家、郊區片1家），以參加年度健康體檢的老年人為研究對象。

納入標準：（1）年齡≥60歲；（2）在所選社區居住6個月以上且短期沒有搬遷計劃的老年人；（3）有一定的理解能力、意識清晰且語言交流無障礙；（4）既往無明確聽力損失；（5）自愿參加此次調研，簽署知情同意書。排除急性疾病或慢性病急性發作者、重癥無法完成調查者。

本研究經上海市東方醫院（同濟大學附屬東方醫院）醫學倫理委員會審核〔 【2019】研預審第（028）號〕。

1.2 研究內容

1.2.1 老年聽力損失問卷調查 問卷包括2個部分：（1）基本信息包括性別、年齡、體質指數（BMI）、是否超重/肥胖、是否獨居、是否單身（離異、喪偶）、受教育程度、噪音史、失聰家族史、飲食習慣、鍛煉習慣、吸煙情況、飲酒情況、佩戴耳機史、既往病史（慢性中耳炎史、高血壓、糖尿病、高脂血癥、心腦血管疾病、高尿酸血癥、甲狀腺功能減退癥）及耳毒性藥物使用史。（2）老年聽力障礙量表篩查版（HHIE-s）量表共有10個條目，涉及5項情緒問題和5項情景問題。每個條目各有3個選項，為“是”“有時”“從不”，對應的分值分別為4、2、0分，量表總分0～40分。要求5 min內完成，得分越高表示聽力損失越重，依據美國言語聽力協會聽力篩查指南，0～8分為無明顯聽力損失，10～40分為有聽力損失［9］。

超重/肥胖定義為BMI≥24.0 kg/m2；噪音史定義為在＞85 dB環境下持續工作＞1年；吸煙定義為吸煙＞1支/d，連續或累計6個月；飲酒定義為飲酒＞1次/周，連續或累計12個月；鍛煉習慣定義為鍛煉0.5 h/次，＞3 次/周；佩戴耳機史定義為每周佩戴＞3 d，連續或累計12個月。

1.2.2 老年聽力損失判定 采用聽力測聽的金指標——純音測聽判定聽力損失情況，以純音氣導聽閾的平均值作為聽力的分級標準：≤25 dB/HL為聽力正常，＞25 dB/HL 為聽力損失［10］。

1.2.3 老年聽力損失危險因素評估 基于橫斷面數據，采用相關性分析、單因素及多因素Logistic回歸分析，獲得老年聽力損失危險因素，采納條件邏輯方式賦值0或1。采用受試者工作特征（ROC）曲線評估危險因素累計得分預警老年聽力損失的最佳截斷值，進行老年聽力損失高危和低危人群分層評估。

1.2.4 基于微信平臺老年聽力損失篩查軟件 （1）老年聽力損失篩查軟件開發：2020年1—6月依托微信平臺，采用JavaScript語言編寫，分為危險因素分層評估、HHIE-s評估、總體結論、健康宣教4個板塊。

（2）老年聽力損失篩查軟件驗證：2020年7—12月，選取醫聯體內1家社區衛生服務中心，請2位全科醫生通過微信朋友圈隨機招募轄區內78位≥60歲的志愿者進行測試。納入要求：能較熟練使用智能手機或有家人協助測評。

（3）老年聽力損失篩查軟件適宜性評價：2021年1—3月通過線上問卷，邀請社區衛生服務中心全科醫生進行軟件適宜性評價。問卷內容基本信息：性別、年齡、學歷、職稱、工作年限。8個單項選題：①作為全科醫生，您愿意使用老年聽力損失篩查軟件嗎？②您覺得老年聽力損失篩查軟件結構組成合理嗎？③您覺得老年聽力損失篩查軟件對于老年人使用，便利度合適嗎？④您覺得通過聽力損失篩查軟件使用，有助于提升老年人對聽力損失的關注度嗎？⑤您覺得在基層使用聽力損失篩查軟件，有利于老年聽力損失的管理嗎？⑥您會給每一位就診的老年患者使用聽力損失篩查軟件嗎？⑦您覺得老年聽力損失篩查軟件使用中有明顯缺陷嗎？⑧您覺得在工作中使用聽力損失篩查軟件，會增加工作的額外負擔嗎？問卷選項均為封閉式測評，采用5級李克特量表編制，評價等級為l、2、3、4、5分別代表患者完全不同意、不太同意、一般同意、基本同意、完全同意。其中第7、8題為反向題［11-12］。

1.3 質量控制

1.3.1 研究者培訓 在開展橫斷面調查前，對參與本項目的調查員進行統一培訓，介紹研究的基本情況、調查問卷、量表的構成及使用說明、調查對象的詢問技巧等問題，著重講解每個量表中各條目的意義，確保調查員熟練掌握問卷，以便在被調查者對問卷和量表有疑問時能夠詳細解答，總培訓時長約2 h。挑選具備良好溝通能力并已完成五官專科輪轉的住培醫生，由聽力專科醫生對采集工作人員進行培訓，訓練純音測聽儀器的使用方法、注意事項、故障排除等，模擬患者及真實患者進行實踐性演練，總培訓時長約2 h。在橫斷面數據采集時，純音測聽單獨進行，操作者不受患者基本信息及量表數據干擾。

1.3.2 社區講座 開展研究前，在相應社區全科醫生協助下，對調查對象開展科普講座，對本調查的目的、意義進行廣泛宣傳，爭取提高調查對象的主觀配合度和依從性，減少無應答偏倚的產生。

1.4 數據整理

1.4.1 數據填寫及整理 老年聽力損失問卷由被調查者自行填寫，如被調查者不能獨立完成則采用一問一答的方式由調查員如實記錄。問卷及量表當場發放、當場收回。調查員查看問卷、量表填寫情況，若有缺失項目，征得同意后由調査對象補填。

1.4.2 數據錄入 老年聽力損失問卷采用實時、雙錄入的方法保證錄入過程的準確性，分析過程中對缺失數據采用剔除、插補等方法進行處理。對于回收的調查問卷、量表復核，剔除不合格問卷（核心數據缺失5%以上）。

1.5 統計學方法 采用EpiData 3.0錄入數據，SPSS 25.0軟件進行統計分析。正態分布的計量資料以（±s）表示，兩組間比較采用成組t檢驗，非正態計量資料以M（P25，P75）表示，兩組間比較采用Mann-Whitney U檢驗。計數資料采用頻數或率表示，無序分類變量比較采用χ2檢驗，有序分類變量比較采用秩和檢驗。相關分析采用Spearman秩相關分析和Logistic回歸分析。以P＜0.05為差異有統計學意義。問卷信度采用Cronbach's α系數評價，系數≥0.7說明內部一致性可以接受。

2 結果

2.1 一般資料 橫斷面研究納入401位老年人，其中男182位（38.4%）、女219位（54.6%），平均年齡（71.0±6.1）歲，超重/肥胖181位（45.1%），獨居30位（7.5%），喪偶/離異42位（10.5%），受教育程度為小學及以下66位（17.5%），噪音史45位（11.2%），失聰家族史10位（2.5%），非清淡飲食112位（27.9%），無鍛煉習慣192位（48.1%），吸煙71位（17.7%），飲酒41位（10.2%），佩戴耳機史29位（7.2%），慢性中耳炎史1位（0.2%），高血壓258位（64.3%），糖尿病123位（30.7%），高脂血癥155位（38.7%），心腦血管疾病98位（24.4%），甲狀腺功能減退癥37位（9.2%），高尿酸血癥68位（17.0%），耳毒性藥物使用史5位（1.2%）。

HHIE-s得分＞8分232位（57.9%）、純音測聽判定聽力損失者320位（79.8%）〔其中男174位（54.3%）、女186位（58.1%）〕。

2.2 老年聽力損失危險因素分析

2.2.1 Logistic回歸分析 以老年人聽力損失為因變量，以表1中的22項變量為自變量進行二元Logistic回歸分析（性別變量賦值為女=1，男=2；年齡、BMI為連續性變量，其他自變量及因變量賦值為否/無=0，是/有=1）。單因素Logistic回歸分析結果顯示，年齡、BMI、超重/肥胖、噪音史、非清淡飲食、無鍛煉習慣、高血壓、糖尿病、高脂血癥、心腦血管疾病、高尿酸血癥、甲狀腺功能減退癥是老年人聽力損失的影響因素（P＜0.05），詳見表1。將單因素Logistic回歸分析中P＜0.2的變量納入多因素Logistic回歸分析，結果顯示年齡大〔OR=1.100，95%CI（1.037，1.166）〕、噪音史〔OR=3.886，95%CI（1.077，14.022）〕、非清淡飲食〔OR=2.445，95%CI（1.127，5.305）〕、高血壓〔OR=1.839，95%CI（1.015，3.330）〕、糖尿病〔OR=4.310，95%CI（1.817，10.225）〕、高尿酸血癥〔OR=3.174，95%CI（1.030，9.779）〕是老年聽力損失的獨立危險因素（P＜0.05），詳見表2。

表1 老年聽力損失影響因素的單因素Logistic回歸分析Table 1 Univariate Logistic regression model of influencing factors on hearing loss in the elderly

表2 老年聽力損失影響因素的多因素Logistic回歸分析Table 2 Multivariate Logistic regression model of influencing factors on hearing loss in the elderly

2.2.2 交互效應分析 選取單因素Logistic回歸分析中有統計學意義的變量進行交互效應分析，結果顯示年齡與高血壓、糖尿病、高脂血癥、心腦血管疾病、甲狀腺功能減退癥、高尿酸血癥有交互效應，性別與飲酒有交互效應，詳見表3。

表3 交互效應分析Table 3 Interaction effects analysis

2.3 老年聽力損失危險因素分層評估 根據本研究統計結果、部分文獻中的危險因素提及率［8，13-16］，本研究將男性、超重/肥胖、獨居、喪偶/離異、噪音史、失聰家族史、非清淡飲食、無鍛煉習慣、吸煙、飲酒、佩戴耳機史、高血壓、糖尿病、高脂血癥、心腦血管疾病、高尿酸血癥、甲狀腺功能減退癥、耳毒性藥物使用史18項變量作為老年聽力損失的危險因素。多項人群調查提示，男性老年聽力損失發生率高于女性，本研究男性和女性老年聽力損失的發病率間無統計學差異，但結合文獻及專家意見［15-16］，也將男性定義為老年聽力損失的危險因素。本研究對象定義是老年人群，故不將年齡納入危險因素分層評估體系。本研究有慢性中耳炎史者僅1例，故未將慢性中耳炎史納入危險因素分層評估體系。

采用條件邏輯方程，按有無危險因素賦值為0或1，賦值累加獲得危險因素累計得分，通過ROC曲線分析危險因素累計得分對老年聽力損失的預警價值。結果顯示，ROC曲線下面積（AUC）為0.777〔95%CI（0.721，0.833）〕，最大約登指數0.534，危險因素累計得分最佳截斷值為3.5，危險因素累計得分評估老年聽力損失的靈敏度為70.9%，特異度為75.3%。本研究將危險因素累計得分界值定義為4，將老年人群分層為聽力損失低危組（＜4）和聽力損失高危組（≥4）。

2.4 基于微信平臺老年聽力損失篩查軟件開發

2.4.1 技術支持 采用JavaScript語言編寫微信軟件，方案構建包含展示層、處理層、基礎層。分為居民微信平臺端口和醫生電腦（PC）軟件端口。老年居民可不受地域、時間、空間限制進行動態自我評估篩查，篩查數據實時同步更新統計，全科醫師實時電腦端口跟蹤隨訪。

2.4.2 適宜性設置 （1）每位受試者微信登錄具有唯一ID號，可反復進行測試，適宜作為數據隨訪工具。（2）軟件界面使用超大字體、通俗化表達，適宜老年人群閱讀。（3）軟件操作簡便，不需要下載，不占據手機內存。（4）問題均是單選樣式，用語簡潔，避免歧義，便于老年人上手操作，準確反饋完成數據采集。

2.4.3 板塊構成 （1）危險因素分層評估。根據危險因素問卷居民端，得出危險因素累計得分，根據界值4進行危險因素分層，劃分為高危人群組和低危人群組。（2）HHIE-s評估。0～8分表示無明顯聽力損失，10～22分表示輕度～中度聽力損失，24～40分表示重度及以上聽力損失。（3）總體結論。危險因素分層評估為低危、HHIE-s得分為0～8分，結論為目前聽力未衰老，請繼續保持，每6個月進行自我測評。危險因素分層評估為高危或HHIE-s得分≥10分，結論為每3個月進行自我測評，建議至社區衛生服務中心進一步評估，必要時轉診上級醫院專科進行病因診斷，制訂診療方案。（4）健康宣教：①聽力損失的常態健康宣教；②聽力損失的專項宣教，實施定期更新。

2.4.4 老年聽力損失篩查軟件測試 選取醫聯體內1家社區衛生服務中心，請2位全科醫生通過微信朋友圈隨機招募轄區內78位老年人參與測試。受試者中男29位（67.4%）、女14位（32.6%），平均年齡（67.9±7.7）歲，危險因素累計得分4（2，6）分，HHIE-s得分8（0，20）分，完成所有測試板塊者為43位，配合率55.1%。危險因素累計數值與HHIE-s得分呈正相關（rs=0.360，P=0.018）。對未完成的35位老年人進行反饋訪談，大綱涉及8個問題，未完成篩查軟件的原因訪談結果見表4。

表4 未完成篩查軟件的原因訪談結果（n=35）Table 4 Results of the interview on the reasons for incompletescreening software

2.5 老年聽力損失篩查軟件適宜性評價

2.5.1 基本信息 106位全科醫生參與軟件適宜性評價，回收有效問卷106份，有效應答率為100%。參與者中男30位（28.7%）、 女 76位（71.7%）；20～30歲16位（15.1%），31～40歲 42位（39.6%），41～50歲 43位（40.6%），51歲以上5位（4.7%）；大專學歷4位（3.8%），本科學歷92位（86.8%），研究生學歷10位（9.4%）；工作年限1～5年26位（24.5%），工作年限6～10年19位（17.9%），工作年限11～15年16位（15.1%），工作年限15年以上45位（42.5%）；初級職稱24位（24.5%），中級職稱74位（69.8%），高級職稱6位（5.7%）。

2.5.2 信度分析 問卷信度檢驗顯示Cronbach's α為0.802，單項篩查項后的Cronbach's α為0.763～0.818，提示問卷的信度可接受。

2.5.3 適宜性測評問卷分析 采用8個單項選題，各題得分情況詳見表5。

表5 老年聽力損失篩查軟件適宜性測評問卷得分情況（n=106）Table 5 Scores of the questionnaire on the suitability of the hearing loss screening software for the elderly

3 討論

3.1 老年聽力損失危險因素分布 老年聽力損失的發病機制尚不明確［17-18］，是多種生理機制共同作用的結果，與線粒體DNA突變、谷氨酸過度分泌、免疫反應物變化、自由基損傷及顳骨組織變化等有關［19］。

2016年我國4省聽力障礙流行現況調查發現，男性、低教育水平者、喪偶者以及工人、農民中聽力損失現患率相對較高［20］。英國一項橫斷面研究調查了164 770位40～69歲的成年人，發現吸煙和被動吸煙與聽力損失發生率增加有關［21］。一項包含4 083位53～67歲受試者的歐洲多中心研究，發現高BMI與聽力損失相關［22］。一項約16 000位韓國成年人參加的聽力障礙研究提示，具有心腦血管危險因素（高血壓、糖尿病、吸煙、血清膽固醇升高）的個體有發生聽力障礙的風險［23］。本研究采用純音測聽平均聽閾為判定標準，單因素Logistic回歸分析結果顯示，年齡、BMI、超重/肥胖、已婚、噪音史、非清淡飲食、鍛煉習慣、高血壓病、糖尿病、高脂血癥、心腦血管疾病、高尿酸血癥、甲狀腺功能減退癥是老年聽力損失的影響因素。多因素Logistic回歸分析顯示，年齡大、噪音史、非清淡飲食、高血壓、糖尿病、高尿酸血癥是老年聽力損失的獨立危險因素。對于其他文獻中提及的性別、教育程度、失聰家族史、吸煙、飲酒、耳機佩戴史、慢性中耳炎史、耳毒性藥物使用史，影響因素分析時未見統計學意義，分析其原因如下：（1）由于研究采用便利抽樣，納入的體檢人群存在意愿偏差，缺乏一定的代表性。（2）本研究中，性別、吸煙、飲酒對老年聽力損失的影響無統計學意義，可能受入選男/女的比例（182/219）的干擾。（3）本研究耳機佩戴史、慢性中耳炎史、耳毒性藥物使用史的實際發生例數過少，導致統計結果偏差。

3.2 老年聽力損失危險因素分層評估 目前國內外應用較多的是HHIE-s及完整版［24-25］。但是這類篩查量表無法通過聽力損失危險因素水平的評價來實現早期預防。本研究旨在通過危險因素評價，實現老年人群聽力損失的風險分層初篩，以利于達到早診斷、早預防、早治療的目的。

健康危險因素理論模型，從4個層面（生物學因素、環境因素、行為與生活方式因素、疾病因素、生物學因素）劃分危險因素，本研究依托401位老年人群數據，分析驗證結合文獻檢索，納入危險因素18項：（1）生物學因素：性別、失聰家族史；（2）環境因素：獨居、已婚、噪音史；（3）疾病因素：高血壓、糖尿病、高脂血癥、心腦血管疾病、甲狀腺功能減退癥、高尿酸血癥、耳毒性藥物使用史；（4）行為與生活方式因素：超重、非清淡飲食、鍛煉習慣、吸煙、飲酒、耳機佩戴史。通過條件邏輯方程、ROC曲線、構建老年聽力損失危險因素分層評估體系。

相對于糖尿病、高血壓等慢性病，老年聽力損失發病人群集中、患病率高、不良事件多、疾病負擔重，雖不能精確一級預防，18項危險因素中13項（72.2%）（非清淡飲食、高血壓、糖尿病、高脂血癥、心腦血管疾病、高尿酸血癥、甲狀腺功能減退癥、超重、無鍛煉習慣、吸煙、飲酒、佩戴耳機史、耳毒性藥物使用史），屬于可防、可控、可延緩、可改善的危險因素，為構建老年聽力損失篩查模式提供了循證醫學的依據支撐。

3.3 基于信息平臺老年聽力損失篩查軟件開發 國內外研究多聚焦于聽力損失的基礎研究、基于“互聯網+”和iOS系統的聽力簡易自我檢測應用軟件、便攜式簡易聽力篩查工具的研制開發等［26］，現有篩查手段特異度、靈敏度僅有頭對頭研究的比較，未將患者的基本情況、危險因素等納入評估維度，在篩查人力、物力成本，實施的專業要求，對象的依從性，篩查的特異度及靈敏度等方面，有進一步優化的需求和空間。

2017年12月發布的《進一步改善醫療服務行動計劃（2018—2020年）》明確以“互聯網+”為手段，建設智慧醫院，“互聯網+”信息技術飛速發展和普及，為醫療領域的服務應用拓展提供了廣闊空間［26］，隨著智能手機的普及，依托手機APP也成為各種慢性病管理一種新型模式探索。

目前網頁端已開發出聽力測試APP，如mini聽力測試、見聲聽力測試、耳醫生聽力等，歸納其優點：（1）模擬化多頻純音測聽。（2）提供專業的測試結果，包含聽力年齡、聽力簡述、聽力圖、語言區域，專業化意見比較完整。缺點在于：（1）APP開發團隊多為聽力專家，所以檢測更專注于聽力專科知識，操作過于復雜，結論過于專業，作為普通老百姓無法自主消化理解。（2）缺乏對受試者高危因素、自我管理能力、診療依從性等的評估。（3）僅實現專科網絡醫生的服務功能，不能實現全-專閉環式管理。

本研究將危險因素分層評估體系、HHIE-s和微信平臺進行優化融合，構建老年聽力損失篩查自我評估軟件，可以獲得如下優勢效應。操作層面：操作界面友好，符合老年人使用習慣；微信軟件不占用手機的終端內存，對手機配置要求低，目前智能化老年手機均能滿足測試需求。功能層面：篩查軟件分為老年居民微信平臺端口和全科醫生電腦端口。老年居民可以隨時測試，不受時間、空間、地理位置的限制。全科醫生可以隨時督查檢測數據，同一ID號可以動態對比。篩查功能：實現數據實時傳輸，預警、管理全程督導閉環管理過程，使得自我健康管理落到實處。從篩查內容層面，設置為3層構架如下：（1）依據前期危險因素數據，采納條件邏輯方程，運用賦值變量對納入個體進行危險因素計數，通過危險分層界點值，獲得危險因素分層評估。（2）依據HHIE-s，根據其日常生活中的場合，對聽力及言語交流情況進行判斷，反映老年人聽力及交流障礙的程度，形成多維度、多層面的評價。（3）根據2層檢測結果，軟件設置給出綜合性結論及完整建議，涉及危險因素管理及隨訪計劃，同時全科醫生可以在PC終端實時查看，發現高危可疑受試者，也可及時通知患者就診，形成篩查-督導閉環管理。軟件設置了聽力損失常態健康宣教及定期更新專項宣教內容，從健康信念管理原則，促進老年人群對疾病感知敏感性、感知嚴重性、感知行為效益、行動提示等方面的理念提升。

3.4 基于信息平臺老年聽力損失篩查軟件驗證 選取78位老年志愿者（≥60歲）進行老年聽力損失篩查軟件預測試。最終完成者共43位，配合率55.1%。數據提示篩查軟件測試的穩定性、可靠性良好，但測試的依從性有待進一步提高。對于未完成的35位受試者，進一步進行了訪談，共獲得8個提綱問題，排序分別為“測試軟件意義不大”40.0%（14/35），“沒有進一步測試意愿”14.3%（5/35），“測試軟件太麻煩”11.4%（4/35），“測試時環境不適合”5.7%（2/35），“測試軟件板塊過多”8.8%（3/35），“部分問題理解有疑義”8.8%（3/35），“測試時信號意外中斷”5.7%（2/35），“擔心個人隱私泄露”2.9%（1/35），可見未完成者的原因主要在于測試意愿方面，可以通過全科醫生的管理，如加強聽力損失健康宣教、溝通篩查軟件使用流程、尋求家屬共同協助等，提高老年人群對聽力損失的認知度及篩查接受度。

3.5 基于信息平臺老年聽力損失篩查軟件適宜性評價通過線上問卷形式，邀請醫聯體內社區衛生服務中心106位全科醫生，進行聽力損失篩查軟件的適宜性評價。問卷采用李克特5分量表，設置8個單項選題，圍繞使用意愿、便利度評估、框架結構評價、測評意義等方面展開，問卷信度、效度測評，Cronbach's α為0.802，單項篩查項后的Cronbach's α波動于0.763～0.818，提示問卷的信度可接受。從問卷得分提示，所有問題沒有不太同意或完全不同意的選項。對于“作為全科醫生，您愿意使用老年聽力損失篩查軟件嗎？”，85.8%選擇完全同意，14.2%選擇基本同意。“您覺得老年聽力損失篩查軟件結構組成合理嗎？”，99.0%的全科醫生基本或完全同意。“您覺得通過聽力損失篩查軟件使用，有助于老年人對聽力損失的關注度嗎？”僅有7.5%的全科醫生認為一般同意該觀點，其他全科醫生給予了更積極的肯定。所以從基層全科醫生的視角，老年聽力損失篩查軟件推廣使用基本可行。因此，基于智慧醫療終端，線上數據實時傳輸，為預警、初診、管理、復健的全閉環老年聽力損失篩查管控新模式提供了平臺支持和技術測評。

3.6 展望 2019年7月，上海市浦東新區健康小屋率先上線，配備“一體機”提供身高、體質量、脂肪、血壓、體溫、血氧、腰臀比、血糖、膽固醇、尿酸、心電圖10項體征指標的測量，測量的數據會自動同步至健康管理工作站，提供給醫生作為臨床參考，并納入健康云平臺［27-29］。本研究運用微信平臺，連接居民自我評估端和全科醫生管理督導端，如果可以納入健康小屋終端管理，將實現聽力損失和其他慢性病（高血壓、糖尿病）及健康干預更有效聯動，產生增量效應。

作者貢獻：葛劍力負責結果分析、論文撰寫；耿莎莎負責研究的實施；陳昕負責數據收集及整理；朱英倩負責統計學處理；孫曉明負責論文構思、設計與修訂；江華負責論文的督導與審核；孫曉明和江華共同對文章負責。

本文無利益沖突。