数字技术在艾滋病防控应用中的评价内容及方法研究进展

数字技术在艾滋病防控应用中的评价内容及方法研究进展【摘要】数字技术已广泛应用于艾滋病防控各环节，但与实践应用的快速推进相比，相关效果评价研究仍相对滞后，主要表现为评价内容缺乏统一框架，指标的定义和测量不一致，研究设计与分析方法差异较大，研究结果的可比性和整合性不足等。本文系统梳理国内外相关研究进展，结合WHO数字健康干预指南及移动健康干预证据报告与评估清单、公共卫生和实施科学领域常用的覆盖度-有效性-采纳度-实施-维持框架以及欧洲远程医疗和卫生技术评估领域常用的远程医疗评估模型，从评价内容与评价方法两个层面对数字化艾滋病防控效果评价研究进行归纳总结。结果显示，数字技术干预的效果评价应重点关注覆盖度与可及性、采纳度与使用行为、实施质量与忠实度、行为与健康结局、经济价值与系统可持续性5个核心维度；评价方法则由传统以随机对照试验、队列研究和前后对照为主，逐步扩展至准实验研究、真实世界研究、多源数据分析、数据驱动建模及卫生经济学评价等。总体来看，数字技术干预效果评价正由以单一健康结局为主，转向兼顾过程、行为、结果和系统价值的多维综合评价。未来仍需统一核心指标和测量规范，加强多源数据整合，并补充伦理合规、隐私保护、用户信任、成本效果和长期可持续性等方面证据，以提升数字化艾滋病防控效果评价的科学性、规范性和应用价值。【关键词】艾滋病病毒/艾滋病；数字技术；数字化干预；效果评价数字技术正在改变艾滋病防控的服务形态，其应用已从健康信息发布，延伸到检测动员、抗病毒治疗（ART）支持、随访管理等环节。线上咨询、检测预约、HIV自检包申领、治疗提醒和随访管理等，逐步嵌入重点人群动员、检测服务连接、治疗依从性支持和个案管理过程，并形成可记录、可追踪的服务数据。WHO数字健康干预分类框架将数字健康干预界定为利用数字技术支持卫生健康目标实现的相关措施［1］。《中国遏制与防治艾滋病规划（2024-2030年）》和《HIV服务提供指南》均提出，应利用数字化手段提高HIV预防、检测、治疗和随访管理服务的可及性与连续性［2-3］；当前，数字技术已从辅助工具逐步演进为艾滋病防控体系的重要组成部分。但是，与应用扩展相比，现有评价研究仍相对不足。不少研究停留在技术可行性、用户接受度、满意度或平台使用量层面，对数字化干预能否持续改善HIV检测、ART依从性和随访管理质量，以及能否带来健康结局和经济学收益，证据仍有限［4-6］。同时，不同研究的评价指标、观察时间和设计差异较大，较少把服务过程与最终结果综合分析。本文在梳理国内外相关研究的基础上，重点从评价内容和评价方法两个层面，总结数字化艾滋病防控效果评价的研究进展。一、数字技术在艾滋病防控中的主要应用数字技术在艾滋病防控中的作用已从健康传播逐步延伸到服务动员、治疗管理和风险研判。社交媒体、短视频和在线课程主要用于扩大信息触达，提高艾滋病相关知识、风险认知和检测意愿［6-7］；互联网预约和HIV自检服务则把线上动员与检测服务连接起来，增加重点人群检测机会［8］；数字平台也被用于暴露前预防（PrEP）依从性管理和行为干预［9］；短信提醒、移动应用和电子药盒等工具，可支持ART依从性、随访管理和患者自我管理［10-13］。在数据利用方面，机器学习等方法开始整合检测、病例报告、治疗随访和行为监测信息，用于高风险人群识别和感染风险预测［12］。这些变化表明，数字技术已不只是宣传工具，而是已逐步嵌入艾滋病防控的服务链条。1.传统艾滋病防控效果评价内容与局限：在以往艾滋病防控研究中，效果评价通常更关注干预后发生了什么变化，例如HIV检测是否增加、风险行为是否减少、新发感染是否下降，以及接受ART后是否病毒抑制等［4-6］。这种以结局指标为主的评价思路，在针对单一干预措施开展研究时具有一定适用性，但其局限也较为明显。首先，传统评价更关注最终结果，对干预能否覆盖目标人群、目标人群是否真正使用相关服务，及实施过程是否符合预设方案等方面涉及较少，因此往往难以解释干预效果是如何形成的。其次，既往研究主要从个体层面考察行为或健康变化，对服务提供过程、实施环境以及卫生系统层面的影响关注不够，因而难以充分呈现综合防控措施在真实情境中的作用。再次，不同研究在评价内容的选择上缺乏相对统一的框架，对实施过程、使用行为和长期影响的关注也不够充分，导致研究结果之间的可比性受到一定影响。2.数字干预效果评价框架的形成：数字技术引入艾滋病防控领域后，效果评价的对象从单一结局扩展到完整服务过程。以互联网发放HIV自检试剂为例，评价重点不应只停留在检测次数是否增加，还要看信息是否触达目标人群，HIV自检试剂是否完成申领、使用和结果反馈，阳性个案是否进入咨询、确证检测和转介等后续环节［8］。短信提醒、移动应用和电子药盒等依从性干预也是如此，其作用并不只体现在病毒抑制结果上，还取决于信息能否送达、用户是否响应、随访是否完成、服药记录是否稳定［10-14］。因此，数字化干预评价需要沿着“触达-使用-执行-结局-持续运行”的链条展开，而不能只用某一个或几个终末指标判断效果［15-17］。数字化艾滋病防控评价很难由单一框架完成，WHO数字健康干预指南和移动健康干预证据报告与评估清单（mERA），主要解决“干预如何说清楚”的问题，包括对象、技术、场景、数据来源、隐私处理和结局指标等内容［18-19］。公共卫生和实施科学领域常用的覆盖度-有效性-采纳度-实施-维持框架（RE-AIM）更适合追踪一项数字工具从触达目标人群、被机构采用，到执行和维持的过程［15，20］。欧洲远程医疗和卫生技术评估领域常用的远程医疗评估模型（MAST）则提醒评价者不能只看个体行为或健康结局，还要把组织影响、成本、伦理和可持续性纳入考虑［21］。结合艾滋病防控实践，数字技术评价需回答5个主要问题：能否触达目标人群，是否被实际使用，执行过程是否符合设计，是否带来行为或健康结局变化，以及能否以可承受成本长期运行。3.数字干预的核心评价维度：基于WHO数字健康干预指南、mERA、RE-AIM和MAST的共同启示，结合艾滋病防控实践，本文将数字化干预效果评价归纳为5个方面：覆盖度与可及性、采纳度与使用行为、实施质量与忠实度、行为与健康结局、经济价值与系统可持续性。这5个方面并不是彼此割裂的指标清单，而是大致对应数字化干预从触达、使用、执行到产生效果和长期运行的过程。（1）覆盖度与可及性：用于判断数字化干预对目标人群的实际触达和服务获得情况。在艾滋病防控中，平台访问量、注册人数或信息推送量只能反映潜在接触，不能直接代表重点人群已经获得有效服务。评价时应进一步关注MSM、流动人群、青年学生、老年人等重点人群，是否能够通过数字入口进入检测、咨询、转介和随访等服务流程。不同工具的覆盖评价应有所区分：短信和小程序干预可重点观察信息送达率、点击率、服务入口访问及后续服务跳转情况；互联网HIV自检服务除申领量外，还应关注HIV自检包配送、实际使用、结果反馈和转介完成情况；可穿戴设备或电子监测工具则需考察设备获取、使用门槛和持续使用负担。设备拥有情况、数字素养、隐私顾虑和社会污名，仍可能限制部分人群使用数字化服务［16-17］。因此，覆盖评价不应仅报告总体水平，也应按年龄、地区、文化程度和重点人群类型进行分层分析，以识别数字鸿沟可能造成的服务差异。（2）采纳度与使用行为：反映数字工具在真实服务场景中的接受和持续使用情况。下载量、注册数或一次性点击量只能说明用户发生了初步接触，不能说明其已经完成风险评估、检测预约、结果查看、在线咨询或随访管理等关键步骤。因此，评价时需要区分“接触平台”和“完成服务”两个层面。较有解释价值的指标包括登录频率、功能使用率、留存率、互动反馈、风险评估完成率、检测预约完成率、结果查看率和后续咨询完成情况等［22］。例如，检测预约平台即使注册人数较多，如果实际预约和完成检测人数有限，其干预效果仍需谨慎判断。现有研究提示，隐私保护、界面体验、个性化推送、使用负担和平台信任，都会影响用户持续参与［23-25］。因此，采纳度与使用行为不仅用于评价工具的可接受性，也有助于解释数字化干预效果差异的来源。（3）实施质量与忠实度：用于判断数字化干预是否按设计要求有效实施。数字工具即使完成了平台建设或信息推送，也可能在运行中出现推送不及时、数据记录不完整、反馈不连续、转介衔接不足等问题；如果这些环节未被纳入评价，容易高估干预效果。实施质量可从系统稳定性、信息推送及时性、数据完整性、隐私保护、用户反馈处理和服务衔接等方面考察；忠实度则重点关注干预内容、推送频次、服务流程和随访要求是否与原方案一致［26］。例如，依从性提醒工具若不能按时推送，或用户反馈后无人响应，其实际作用会明显受限；互联网HIV自检服务若缺少结果反馈和阳性转介，也不能仅凭HIV自检包发放数量判断效果。因此，数字化干预评价应同时关注技术运行、人员响应和服务流程，而不能只看平台是否建成或信息是否发出。（4）行为与健康结局：仍是判断数字化干预效果的核心内容。行为结局可包括HIV检测频率、HIV自检使用、风险行为变化、PrEP/暴露后预防、ART依从性、随访留存和转介完成等；健康结局则包括新发感染变化、病毒抑制率、ART脱失、共病筛查结果和心理健康改善等［11，27-28］。但数字化干预通常通过多个中间环节影响最终结局，评价时不能只看终末指标。例如，检测次数增加并不一定说明阳性发现、确证检测和ART衔接同步改善；依从性提醒产生作用，也可能受患者基础情况、医疗服务可及性和随访管理质量影响。因此，行为指标、健康结局和过程数据应结合分析，既判断干预是否有效，也说明效果可能来自触达、使用、反馈、转介或随访管理中的哪个环节。（5）经济价值与系统可持续性：主要用于判断数字化干预是否值得长期投入和推广。经济评价可采用成本-效果、成本-效益或成本-效用分析方法，比较数字化干预与常规服务在资源投入和健康收益方面的差异［27，29-30］。在实际防控工作中，成本并不只包括单次信息推送、线上咨询或检测预约，还包括平台建设与维护、人员培训、数据管理、隐私安全、系统对接和技术更新等持续投入。可持续性则取决于数字工具能否嵌入现有检测、ART和随访体系。若某项干预高度依赖短期项目经费，或需要基层额外投入大量人力，即使研究阶段效果较好，也未必适合大规模推广；相反，能够与现有信息系统、检测服务和ART管理流程衔接的工具，更可能在常规防控体系中持续运行［5，31］。因此，评价数字化防控措施的推广价值，应同时考察效果、成本、基层承接能力和长期运行条件。总体来看，数字化干预并未改变效果评价的基本目标，但明显拓展了可用数据和方法路径，使评价逐步由单一方法转向多种证据并用［32］。传统艾滋病干预与数字化干预的艾滋病防控效果评价框架与内容见表1。4.我国数字化服务情境下的指标适配：数字技术干预效果评价并不存在完全通用的方法路径，其适用性不仅受地区资源水平影响，也与制度环境、信息化基础和服务体系运行方式密切相关。我国不同地区在基层医疗服务能力、信息化基础和数字化防控经验方面存在较明显差异，总体表现为东部地区较强、中部次之、西部相对薄弱［33］。同时，我国数字化艾滋病防控服务的一个突出特点是较多依托微信生态开展，相比不少国外研究中单独开发手机软件（App）或研究平台的做法，我国实践中更常见的是通过微信公众号、小程序或微信群等入口，将HIV相关的健康宣传、检测预约、HIV自检包申领、在线咨询、结果反馈和随访提醒嵌入既有防控服务流程。微信小程序无需单独下载，入口相对便捷，也更容易与疾控机构、社区组织和检测服务点的线下工作衔接，因此在重点人群动员和转介服务中具有较强的现实基础［34］。微信生态下的数字化服务具有较强的流程嵌入特征，评价时不宜直接套用独立App常用的下载量、注册数和活跃率等指标。对于微信公众号、小程序等服务入口，更需要关注用户是否通过平台完成各关键环节。因此，我国数字化艾滋病防控服务的评价，除覆盖度、使用率和实施质量等通用指标外，还应考虑纳入微信生态的访问来源、重复访问、服务流程完成率、线上线下衔接情况，以及用户对隐私保护和平台可信度的接受程度等，以更准确地反映数字化干预在实际防控体系中的运行效果，而不是仅以平台访问或注册情况判断其作用。二、数字技术干预效果评价方法体系及研究进展明确评价内容后，还需要解决“怎么评价”的问题。数字化干预的效果，既可能体现在检测率、ART依从性或病毒抑制率等结局变化上，也可能体现在服务过程是否顺畅上，例如人群是否触达、平台是否被使用、结果是否反馈、阳性个案是否转介、随访是否连续。结局变化可通过随机对照试验（RCT）、准实验研究或队列研究评价；服务过程则需要依靠平台日志、服务记录和过程评价；推广价值需结合真实世界运行情况、成本投入和基层承接能力进行判断。也就是说，数字化干预评价不宜采用单一评价路径，而要根据评价问题选择数据和设计。1.传统艾滋病防控效果评价方法及其特点：传统艾滋病防控效果评价多围绕行为改变和流行病学结局展开，常用研究设计包括RCT、队列研究、自身前后对照研究和数学模型分析等［4-6］。RCT常用于评价行为干预、生物医学干预或综合防控措施对检测行为、风险行为、感染风险和健康结局的影响；队列研究适合观察PrEP、ART管理和随访留存等措施在较长时间内的变化；传播动力学模型则常用于模拟不同干预组合对新发感染和流行趋势的可能影响，为策略选择提供参考。在我国艾滋病防控工作中，效果评价常依托常规监测数据和项目管理指标，如检测覆盖率、ART覆盖率、病毒抑制率、随访留存率等。这类数据来源稳定，便于开展地区间比较和前后比较，也容易纳入日常管理。但更适合回答“结果有没有变化”，不太容易回答“变化是不是由某项干预造成的”。政策调整、服务能力差异、重点人群构成变化，都可能影响评价结果。这一问题在数字化干预评价中更加突出。如线上预约、HIV自检包申领、移动随访和服药提醒，并不是简单地把服务搬到线上，而是把原有服务拆成了一串可以被记录的环节。因此，信息是否送达，用户是否回应，预约后是否到检，HIV自检后是否反馈结果，阳性个案是否完成转介，都会影响最终效果。如果只比较检测率、ART覆盖率或病毒抑制率，可能看到了结果变化，却看不到变化发生在哪一步，也看不到哪些人群没有被真正纳入服务流程。因此，数字化艾滋病防控评价不能只沿用常规结果指标。除监测数据外，还需要利用预约后台记录、HIV自检申领和结果反馈记录、线上咨询记录、转介和随访台账等过程数据，把“触达-使用-反馈-转介-管理”这些环节综合起来分析。这样才能判断数字工具究竟是扩大了服务入口，还是改善了服务衔接，或者只是增加了平台使用量而没有带来实质性服务改变。2.数字技术干预评价的主要方法及拓展：对于尚未常规化、能够设计分组随访的数字化干预评价，RCT可发挥其价值。已有多中心RCT显示，互联网分发HIV自检工具能够提高MSM检测频率，并推动检测信息在社交网络中扩散［8］；短信提醒和移动应用也常用于观察ART依从性和随访留存的变化［10-11］。但RCT看到的多是研究条件下的效果。然而，数字化措施一旦进入常规工作，真正影响结果的还包括平台是否稳定、用户反馈有没有人处理、阳性个案能否完成转介、基层能否持续承接。对这类已经推广的措施，与其重新搭建完全受控的研究环境，不如结合前后对照、中断时间序列或双重差分等准实验设计，在真实服务数据中观察效果变化，并尽量排除同期政策、服务能力和疫情形势变化的干扰。自身前后对照研究仅比较干预前后指标，看不出问题卡在哪个环节。数字工具不是一次性干预，用户从看到信息到完成检测、反馈结果、接受转介，中间可能出现多个断点。后台记录、服务台账和随访资料，可以帮助判断问题到底出在哪里。检测率没有提高，可能是目标人群没有被触达，也可能是预约流程麻烦、HIV自检后无人反馈，或阳性个案没有接上后续服务；平台访问量高，也可能只是“看过”，并没有转化为检测和ART衔接。因而，评价数字化干预不能只看前后指标变化，还要把平台使用、HIV自检反馈、转介随访等过程资料连起来分析，必要时再通过访谈了解用户和基层人员的实际体验。数据驱动分析和机器学习方法，适合用于识别哪些人群更需要主动干预。数字化防控过程中积累的检测、随访和服务利用数据，可用于预测感染风险，也可比较不同干预投放方式的效率［12］。肯尼亚和乌干达农村地区的研究显示，在固定敏感度条件下，机器学习策略较传统风险群体策略可用更低覆盖比例识别高风险人群［12］。但在艾滋病防控中，模型准确率并不是唯一标准。预测结果能否转化为基层可执行的服务名单、提醒规则或资源安排，直接决定其应用价值。若基础数据不稳定，模型结果难以解释，或算法使部分人群被持续低估，即使统计指标较好，也难以支撑实际防控决策。一项数字工具能否推广，最后还要回到成本和运行条件。数字技术常被认为覆盖面广、边际成本低，但真实运行中，成本并不只是一条短信、一次线上咨询或一次预约服务。平台后续谁维护，基层有没有人处理反馈，数据和隐私保护能否持续保障，都会影响实际投入。成本-效果、成本-效益或成本-效用分析，可用于比较数字化干预与常规服务在投入和产出上的差异［27，29-30］。同时，也可参考MAST模型，从效果、用户体验、组织影响、成本和可持续性等方面进行综合判断［21］。对已经准备推广的数字工具，评价重点不应只是研究阶段是否有效，还要看其能否接入现有检测、ART和随访流程，能否被基层长期承接。3.我国情境下数字技术干预效果评价的适配性：在我国，数字化艾滋病防控很少只是一个App或一个平台的问题。线上预约要接检测点，HIV自检包发放要接结果反馈，随访提醒要接个案管理，风险识别也要转化为实际干预。也就是说，数字工具通常嵌在既有防控工作链条里运行，而不是单独发挥作用。病例报告、检测服务、ART随访、社区动员和医防协同等环节能否接得上，往往直接影响干预效果［35］。如果只评价用户是否下载、点击或满意，就可能把“平台有人用”误认为“防控服务起作用”。更关键的问题是，数据有没有回到业务系统，转介和随访有没有形成闭环，基层有没有人持续处理反馈，项目结束后相关操作还能不能保留下来。同样地，评价设计也不应采取同一套指标。功能较轻的工具，如信息推送、服药提醒或检测预约，可重点看触达、使用和服务完成情况，并结合前后比较观察变化。涉及HIV自检发放、结果反馈和阳性转介的工具，则要把平台记录、服务台账和随访资料合并起来，必要时采用准实验设计，判断变化是否与干预有关。对于依托多源数据或人工智能的应用，单看模型准确率不够，还要看数据质量是否稳定、预测结果是否公平、基层是否看得懂并用得上，以及运行成本能否被长期承担。传统干预和数字技术干预在评价体系、方法选择和主要特征上的差异。见表2。三、挑战与建议1.评价指标口径不一，研究结果可比性不足：目前，不同研究对检测覆盖率、ART依从性、风险行为改变、病毒抑制等指标的定义和测量方式并不完全一致［36］。例如，同样是“检测行为”，有的研究统计检测意愿，有的统计检测次数，有的关注HIV自检完成率或检测结果反馈率；同样是“依从性”，也可能分别来源于自我报告、药物领取记录、电子药盒记录或病毒载量结果。如果不说明指标定义、观察时间和计算方法，研究之间很难直接比较，系统评价和证据整合的可靠性也会受到影响［37］。后续研究应在报告中明确每个核心指标的定义、观察窗口和计算方法，至少保证检测、ART、随访和行为结局等基础指标具备可比口径；对于数字化干预特有的内容，如平台使用、结果反馈、转介完成、用户参与和运行成本等，则可根据干预类型单独设置。这样处理比简单追求“一套指标适用于所有研究”更可行，也更能反映数字化干预的实际过程。2.多源数据分散，难以完整反映防控链条：数字化艾滋病防控的数据并不少，难点在于数据分散、口径不一，难以把完整服务过程串起来。线上预约、HIV自检发放、结果反馈、确证检测、转介和随访管理，往往记录在不同系统或不同机构中。若这些信息不能衔接，评价就只能看到单个环节的数量，如预约量、HIV自检包发放量或提醒次数，却难以判断服务对象是否真正完成检测、反馈、转介和随访［38］。数据断点会直接影响效果判断。检测率没有提高，未必是线上动员无效，也可能是预约后未完成检测、HIV自检后未反馈，或阳性个案未能及时衔接确证和ART服务。部分平台还存在记录缺失、重复录入和随访信息不连续等问题［39］，这会削弱真实世界研究和长期随访分析的可靠性。解决这一问题，不必一开始追求所有系统全面打通，更现实的做法是先统一关键节点的记录口径，保证预约、检测、结果反馈、转介和随访等信息能够前后衔接。只有把这些节点连起来，评价才不至于停留在单个平台数据上。3.伦理与隐私保护评价仍然偏弱：数字技术干预涉及个人健康信息、行为记录和平台使用数据，隐私风险会直接影响目标人群的使用意愿。对MSM、感染者等重点人群而言，身份暴露、污名化和数据二次使用的担忧，可能降低其对线上预约、HIV自检反馈和随访提醒等服务的信任。现有研究将隐私保护作为伦理审查或研究局限加以说明，较少把用户信任和隐私感受纳入效果评价［40］。隐私保护不能只作为伦理审查内容处理。平台使用率高，可能只是短期接触，并不说明用户愿意长期留下检测、行为或随访数据。对MSM、感染者等重点人群而言，数据用途不清、授权边界模糊、身份暴露和信息泄露担忧，都会影响其继续使用线上预约、HIV自检反馈和随访提醒服务的意愿。后续评价应将用户对数据使用的理解、信任程度、泄露担忧和继续使用意愿纳入测量；涉及敏感行为数据时，还需说明收集范围、保存期限和风险告知方式。否则，平台短期使用较好，也未必说明数字技术干预能够持续在平台运行。4.经济学证据不足，推广价值判断不够充分：数字化干预不一定比常规服务成本更低。在艾滋病防控中，短信推送、线上咨询或HIV自检预约只是前端支出，真正影响长期成本的，是平台后续维护、基层人员投入以及数据与现有系统的衔接［30，41-42］。现有研究多报告短期使用量或行为变化，较少估算这些持续投入，也较少分析其是否带来检测发现、ART衔接和随访管理的实际改善。因此，数字化工具是否具有成本优势，目前证据仍不足。后续研究可采用成本-效果、成本-效益或成本-效用分析，但成本测算不宜停留在单次服务层面，还应纳入平台运行和基层承接成本。对拟推广项目，还需说明项目经费结束后能否继续维护，相关数据和流程能否接入现有防控体系。否则，即使短期效果较好，也可能因成本高、基层接不住或流程接不上而难以长期运行。5.评价方法仍需加强，复杂干预机制解释不足：目前数字化艾滋病防控评价较多依赖横断面分析、短期随访或简单前后比较。这些方法容易实施，也能反映检测率、依从性或随访率是否发生变化，但很难说明变化来自哪里。数字化干预不是单一措施，而是由信息触达、平台使用、结果反馈、转介衔接和随访管理等环节共同组成。若只比较干预前后指标，可能知道“结果变了”，却难以识别是平台触达扩大、用户使用增加，还是服务衔接和后续管理改善。机器学习和数据驱动方法可用于风险预测和重点人群识别，但模型结果好，并不等于防控效果好。其应用价值取决于数据是否可靠、结果能否解释、基层能否据此安排服务［39，42］。如果基础数据不稳定，或模型持续低估某些难以触达的目标人群，预测准确率再高也难以支撑实际防控。后续研究应根据问题选择方法，干预效果可用RCT、准实验设计或中断时间序列分析，实施过程可结合平台日志、项目记录和访谈资料，风险分层和对象识别可使用机器学习方法。数字化干预评价的重点，不只是证明“有没有效”，还要看效果来自哪个环节，结果能否被实际工作采用。四、总结与展望数字技术已进入艾滋病防控的健康传播、检测动员、ART管理、随访支持和风险识别等环节，评价重点也随之发生变化。对数字化干预的判断，不能只看检测率、依从性或病毒抑制率是否改善，还应进一步了解目标人群是否被触达，工具是否被持续使用，服务流程是否完成，实施过程是否稳定，以及相关措施能否在常规防控体系中运行。基于WHO数字健康干预指南、mERA报告规范、RE-AIM和MAST，本文将数字化艾滋病干预效果评价归纳为覆盖度与可及性、采纳度与使用行为、实施质量与忠实度、行为与健康结局、经济价值与系统可持续性5个维度，并梳理了实验性研究、准实验和真实世界研究、数据驱动分析及卫生经济学评价等常用方法。总体看，数字化干预评价的重点，已从单纯判断“是否有效”，逐步扩展到分析“对谁有效、通过什么环节产生效果、是否具备推广条件”。未来评价应回到真实的艾滋病防控流程，减少对平台访问量、短期行为变化和单一结局指标的依赖，数字工具是否有效，关键不在于线上入口有没有使用，而在于服务对象是否真正完成检测、反馈、转介和后续管理。结合我国数字化平台常用入口和现有防控体系，还需进一步考察数据衔接、基层承接和常规运行条件，以判断其在艾滋病防控中的实际作用。参考文献[1]WorldHealthOrganization.Classificationofdigitalinterventions,servicesandapplicationsinhealth:asharedlanguagetodescribetheusesofdigitaltechnologyforhealth[R].Geneva:WHO,2023.[2]国务院办公厅.关于印发«中国遏制与防治艾滋病规划(2024-2030年)»的通知[R].北京:国务院办公厅,2024.GeneralOfficeoftheStateCouncilofthePeople'sRepublicofChina.ActionPlanforHIV/AIDSPreventionandControlinChina(2024-2030)[R].Beijing:GeneralOfficeoftheStateCouncilofthePeople'sRepublicofChina,2024.[3]WorldHealthOrganization.WHOguidelineonHIVservicedelivery[R].Geneva:WHO,2025.[4]BrinM,MichaelsC,VeihmanP,etal.AcceptabilityandperceivedusefulnessoftheCHAMPSinterventionforimprovingmedicationadherenceamongpeoplewithHIVinAlabamaandNewYork[J].IntJMedInform,2025,201:105959.DOI:10.1016/j.ijmedinf.2025.105959.[5]PuigJ,EcheverríaP,LluchT,etal.AspecificmobilehealthapplicationforolderHIV-infectedpatients:usabilityandpatient'ssatisfaction[J].Telemede-Health,2021,27(4):432-440.DOI:10.1089/tmj.2020.0098.[6]HorvathKJ,WalkerT,MirelesL,etal.Asystematicreviewoftechnology-assistedHIVtestinginterventions[J].CurrHIV/AIDSRep,2020,17(4):269-280.DOI:10.1007/s11904-020-00506-1.[7]ShaoW,GuanWT,ClarkMA,etal.DoesavideoimproveknowledgeofHIV/AIDSandHIVtestingamongaglobalinternetaudience?[J].JIntAssocProvidAIDSCare,2016,15(5):392-399.DOI:10.1177/2325957415614646.[8]MacGowanRJ,ChavezPR,BorkowfCB,etal.Effectofinternet-distributedHIVself-testsonHIVdiagnosisandbehavioraloutcomesinmenwhohavesexwithmen:arandomizedclinicaltrial[J].JAMAInternMed,2020,180(1):117-125.DOI:10.1001/jamainternmed.2019.5222.[9]LuoQQ,WuZY,ChenZH,etal.AppusefrequencyandcondomlessanalintercourseamongmenwhohavesexwithmeninBeijing,China:across-sectionalstudy[J].IntJSTDAIDS,2019,30(12):1146-1155.DOI:10.1177/0956462419860293.[10]LiuAY,VittinghoffE,vonFeltenP,etal.Randomizedcontrolledtrialofamobilehealthinterventiontopromoteretentionandadherencetopreexposureprophylaxisamongyoungpeopleatriskforhumanimmunodeficiencyvirus:theEPICstudy[J].ClinInfectDis,2019,68(12):2010-2017.DOI:10.1093/cid/ciy810.[11]LesterRT,RitvoP,MillsEJ,etal.EffectsofamobilephoneshortmessageserviceonantiretroviraltreatmentadherenceinKenya(WelTelKenya1):arandomisedtrial[J].Lancet,2010,376(9755):1838-1845.DOI:10.1016/S0140-6736(10)61997-6.[12]BalzerLB,HavlirDV,KamyaMR,etal.Machinelearningtoidentifypersonsathigh-riskofhumanimmunodeficiencyvirusacquisitioninruralKenyaandUganda[J].ClinInfectDis,2020,71(9):2326-2333.DOI:10.1093/cid/ciz1096.[13]WorldHealthOrganization.Recommendationsondigitalinterventionsforhealthsystemstrengthening[R].Geneva:WHO,2019.[14]GlasgowRE,VogtTM,BolesSM.Evaluatingthepublichealthimpactofhealthpromotioninterventions:theRE-AIMframework[J].AmJPublicHealth,1999,89(9):1322-1327.DOI:10.2105/AJPH.89.9.1322.[15]IyamuI,XuAXT,Gómez-RamírezO,etal.Definingdigitalpublichealthandtheroleofdigitization,digitalization,anddigitaltransformation:scopingreview[J].JMIRPublicHealthSurveill,2021,7(11):e30399.DOI:10.2196/30399.[16]BarbosaW,ZhouK,WaddellE,etal.Improvingaccesstocare:telemedicineacrossmedicaldomains[J].AnnuRevPublicHealth,2021,42:463-481.DOI:10.1146/annurev-publhealth-090519-093711.[17]JaanaM,TamimH,ParéG.eHealthandthedigitaldivideamongolderCanadians:insightsfromanationalcross-sectionalstudy[J].JMedInternetRes,2025,27:e72274.DOI:10.2196/72274.[18]WorldHealthOrganization.Advancingtheresponsibleuseofdigitaltechnologiesinglobalhealth:areportoftheWHOScienceCouncil[R].Geneva:WHO,2025.[19]HabliI,LawtonT,PorterZ.Artificialintelligenceinhealthcare:accountabilityandsafety[J].BullWorldHealthOrgan,2020,98(4):251-256.DOI:10.2471/BLT.19.237487.[20]IwelunmorJ,NwaozuruU,Obiezu-UmehC,etal.IsittimetoRE-AIM?AsystematicreviewofeconomicempowermentasHIVpreventioninterventionforadolescentgirlsandyoungwomeninsub-SaharanAfricausingtheRE-AIMframework[J].ImplementSciCommun,2020,1(1):53.DOI:10.1186/s43058-020-00042-4.[21]KidholmK,ClemensenJ,CafferyLJ,etal.TheModelforAssessmentofTelemedicine(MAST):ascopingreviewofempiricalstudies[J].JTelemedTelecare,2017,23(9):803-813.DOI:10.1177/1357633X17721815.[22]KimGS,BaekS,KimL,etal.UserengagementwithamobilehealthappforpeoplelivingwithHIV:observationalstudybasedonanengagementevaluationframework[J].JMedInternetRes,2025,27:e78810.DOI:10.2196/78810.[23]RousseauE,JuliesRF,MadubelaN,etal.NovelplatformsforbiomedicalHIVpreventiondeliverytokeypopulations-communitymobileclinics,peer-supported,pharmacy-ledPrEPdelivery,andtheuseoftelemedicine[J].CurrHIV/AIDSRep,2021,18(6):500-507.DOI:10.1007/s11904-021-00578-7.[24]CuiTY,LiTY,GongLY,etal.Preliminaryevaluationofagamifiedsmartphoneintervention(O2O-PEP)forenhancingHIVpost-exposureprophylaxisuptakeinmenwhohavesexwithmen:pilotfeasibilitystudy[J].BMCPublicHealth,2025,25(1):1539.DOI:10.1186/s12889-025-22818-w.[25]SiednerMJ,SantorinoD,HabererJE,etal.Knowyouraudience:predictorsofsuccessforapatient-centeredtextingapptoaugmentlinkagetoHIVcareinruralUganda[J].JMedInternetRes,2015,17(3):e78.DOI:10.2196/jmir.3859.[26]KlabbersRE,FeldackerC,HuwaJ,etal.Lookingunderthehoodofahybridtwo-waytextinginterventiontoimproveearlyretentiononantiretroviraltherapyinMalawi:animplementationfidelityevaluation[J].ImplementSci,2025,20(1):6.DOI:10.1186/s13012-025-01418-7.empfMC,HuangCH,SavageR,etal.Technology-deliveredmentalhealthinterventionsforpeoplelivingwithHIV/AIDS(PLWHA):areviewofrecentadvances[J].CurrHIV/AIDSRep,2015,12(4):472-480.DOI:10.1007/s11904-015-0292-6.[28]LinB,LiuJX,HeW,etal.Effectofaremindersystemonpre-exposureprophylaxisadherenceinmenwhohavesexwithmen:prospectivecohortstudybasedonWeChatintervention[J].JMedInternetRes,2022,24(8):e37936.DOI:10.2196/37936.[29]YunK,YuJM,LiuCY,etal.Acost-effectivenessanalysisofamobilephone-basedintegratedHIV-preventioninterventionamongmenwhohavesexwithmeninChina:economicevaluation[J].JMedInternetRes,2022,24(11):e38855.DOI:10.2196/38855.[30]AhmedA,DujailiJA,ChuahLH,etal.Cost-effectivenessofanti-retroviraladherenceinterventionsforpeoplelivingwithHIV:Asystematicreviewofdecisionanalyticalmodels[J].ApplHealthEconHealthPolicy,2023,21(5):731-750.DOI:10.1007/s40258-023-00818-4.[31]Fragão-MarquesM,OzbenT.Digitaltransformationandsustainabilityinhealthcareandclinicallaboratories[J].ClinChemLabMed,2022,61(4):627-633.DOI:10.1515/cclm-2022-1092.[32]韩雨廷,吕筠,余灿清,等.数字公共卫生的进展与应用[J].中华流行病学杂志,2022,43(6):791-797.DOI:10.3760/112338-20220314-00184.HanYT,LyuJ,YuCQ,etal.Developmentandapplicationsofdigitalpublichealth[J].ChinJEpidemiol,2022,43(6):791-797.DOI:10.3760/112338-20220314-00184.[33]黄妮,郁建兴.中国基层医疗资源供给水平的区域差异、动态演化及影响因素[J].社会科学研究,2026(1):128-137.DOI:10.3969/j.issn.1000-4769.2026.01.013.HuangN,YuJX.Regionaldisparities,dynamicevolution,andinfluencingfactorsinthesupplylevelofprimaryhealthcareresourcesinChina[J].SocialScienceResearch,2026(1):128-137.DOI:10.3969/j.issn.1000-4769.2026.01.013.[34]RaoA,MhlopheH,PretoriusA,etal.Effectof