一个用于低风险产前健康记录的网络平台：整合数字健康管理及与医疗专业人员的可用性验证

摘要

本研究详细阐述了一种用于数字化低风险产前咨询记录的网络应用程序的开发过程及其可用性验证。该工具的开发旨在优化临床信息的记录，实现产科计算的自动化，并提升孕产妇保健的连续性，从而解决手工记录固有的局限性。

摘要

产前记录的质量和完整性对于确保有效的母婴保健至关重要。然而，使用纸质手册记录产前咨询的传统方式存在诸多显著局限性，包括记录不完整、字迹难以辨认，以及物理损坏或丢失的风险。这些限制可能影响医疗照护的连续性以及临床信息的可靠性。为缓解上述问题，本研究介绍了一款用于数字化和优化产前咨询记录的网络应用程序的开发过程及其初步可用性评估。该方案的目标是提供一个结构化且高效的数字系统，用于记录、查阅和管理产前数据，并整合自动化的产科计算和可视化工具，以支持临床决策。系统需求通过基于文献分析的方法确定，涵盖产前保健记录和健康信息系统中的最佳实践。所提出的解决方案以响应式网页应用的形式实现，遵循可用性和可访问性标准，以便于融入常规临床工作流程。可用性评估邀请了具有使用纸质手册经验的医疗专业人员参与。定量数据通过系统可用性量表（SUS）收集，定性反馈则通过半结构化访谈获得。该应用程序的平均SUS得分为77.50，表明其具有良好的可用性和接受度。参与者强调了该系统在临床实践中的相关性、减少错误的潜力，以及提升产前保健连续性和质量的能力。研究结果表明，该方案有望有效满足产前医疗专业人员在实际操作中的需求。系统获得的平均系统可用性量表得分为77.5，超过行业公认的68分阈值，表明受评专业人员对该系统的可用性具有良好的接受度。这些发现提示，所提出的平台是一种可行且用户可接受的产前健康记录数字化方法。

引言

在巴西，产前保健是一项促进孕产妇和儿童健康的关键公共卫生政策¹。充分的产前随访涵盖多个层面的照护，包括检查和免疫接种等临床措施，以及对患者社会和情感需求的支持²。在此背景下，《孕妇健康记录》是用于记录和监测整个孕期临床数据的官方文件³。

尽管纸质版健康记录具有重要意义，但其存在诸多显著局限性，包括手写条目易出错、信息不完整、字迹难以辨认，以及文件丢失或损坏等问题⁴。这些缺陷增加了医疗专业人员的行政负担，并妨碍了医疗服务的连续性。产前数据质量低下会负面影响患者安全和临床决策的科学性，最终降低基层医疗卫生服务的有效性。既往研究已证实产前保健质量与新生儿结局之间存在直接关联，表明随访不足与早产及低出生体重相关⁵。

全球范围内，世界卫生组织（WHO）强调，孕产妇健康的数字化转型是实现可持续发展目标（SDGs）的战略重点，特别是可持续发展目标3（SDG 3），旨在确保全民健康生活并促进福祉^6,7。世界卫生组织2020–2025年数字健康战略倡导采用可互操作的数字系统，以改善医疗服务中的护理协调、数据质量和连续性。在多个国家，电子孕产妇健康档案已成功实施，以加强数据驱动的决策、并发症的早期发现，以及初级保健与专科医疗之间的整合^8,9。

此类技术的实施有助于降低孕产妇和新生儿死亡率，尽管全球已做出诸多努力，但在中低收入国家，该死亡率仍然处于较高水平。数字工具可实现数据的实时共享、对高风险妊娠发出自动预警以及标准化报告，这些对于提高产前保健的质量和安全性至关重要。此外，以用户为中心的设计和可用性验证被认为是确保卫生信息系统的采纳及其长期可持续性的关键组成部分^10,11。

鉴于这些全球性和国家层面的挑战，开发用于优化临床信息管理的技术系统已变得日益重要。此类工具旨在减轻医疗专业人员在手工记录方面的负担，使其能够专注于直接的患者护理¹²。本研究介绍了为低风险妊娠孕妇设计的、用于数字化其健康档案的基于网页的软件原型的开发过程及其初步可用性评估。该系统在开发过程中注重临床数据的组织与可访问性，采用简洁架构¹³和以用户为中心的设计方法¹⁴。本研究的目的是展示与医疗专业人员共同开展的可用性测试结果，以验证患者接诊、门诊工作流程及个体化随访流程的有效性。

据作者所知，本研究是首批将基于领域驱动设计和六边形架构的领域驱动、临床实践导向的软件架构，与专门应用于巴西低风险产前保健环境中孕妇健康记录数字化的结构化可用性评估协议相结合的研究之一。本工作的主要贡献包括开发了一套基于网络的产前保健系统，旨在实现低风险妊娠孕妇健康记录的数字化，从而改善初级卫生保健环境中临床数据的管理、可访问性和可靠性。此外，本研究还报告了与医疗专业人员共同开展的初步可用性评估，结果表明该系统能够提高工作流程效率，减少文书记录错误，并支持更具患者中心性和数据驱动的孕产妇保健服务。

方案

本研究涉及一项可用性评估，期间由医疗专业人员对一个软件原型提供专业意见。研究未从参与者处收集任何个人、临床或可识别的数据，且所有在会话中使用的患者记录均为虚构。由于本研究对参与者无任何风险，且未收集敏感数据，因此被认为无需经过正式的伦理委员会审查。所有参与者均被告知研究目的，并在参与前提供了口头知情同意。

本研究提出的面向方法学的网络界面，旨在确保基于工具的产前保健应用程序在设计、开发和评估过程中的可重复性。该过程被划分为一系列有序阶段，包括需求分析¹⁵、原型设计、系统架构定义、实现以及可用性评估。该结构支持开发出一种稳健、以用户为中心且具备情境感知能力的数字工具，用以优化产前保健记录和临床决策过程，参见图1。

图1：本研究采用的五个连续阶段的开发流程模型。（1）需求分析，包括文献综述及与领域专家共同参与的协同设计会议；（2）原型设计，涉及低保真线框图的验证；（3）架构定义，基于领域驱动设计（Domain-Driven Design）和六边形架构（Hexagonal Architecture）原则；（4）实现，涵盖前端、后端及数据库开发；（5）可用性测试，由五名医疗专业人员使用系统可用性量表（System Usability Scale）和出声思维法（think-aloud protocol）进行。请点击此处查看该图的放大版本。

系统需求
系统需求阶段旨在明确开发所提出的产前保健应用程序所必需的功能性和操作性需求。需求获取过程结合了系统的文献综述与和一位初级产前保健领域的产科护理专家共同开展的协同设计会议。文献检索在 SciELO、PubMed/MEDLINE 和 Scopus 数据库中进行，检索词组合包括：("prenatal care" OR "antenatal care") AND ("digital health" OR "electronic health record" OR "health information system") AND ("usability" OR "user-centered design")。纳入分析的研究语言为英文和葡萄牙文，研究内容涉及用于产前记录的数字工具或健康信息系统可用性评估。文献综述有助于识别纸质健康档案的局限性，并确定需要数字化的临床参数。协同设计会议包括结构化访谈和协作式低保真原型设计，领域专家在系统实施前对数据录入的逻辑顺序以及每一项系统功能的临床相关性进行了验证。该过程的一个核心成果是建立了一种通用语言，即开发团队与临床专家之间的共享术语体系，确保“患者入院”、“孕周”、“宫高”和“胎心率”等专业术语在用户界面和系统领域模型中保持一致表达。该方法缩小了临床需求与实际实现方案之间的差距，并验证了两个核心模块的可行性。

根据巴西卫生部指南（葡萄牙语：Cadernos de Atenção Básica. 第32号，2012年），本系统所指的低风险妊娠定义为：无母体基础疾病（如高血压、糖尿病、自身免疫性疾病），孕期随访过程中未出现产科并发症，且产前检查中未发现胎儿异常的妊娠。被归类为高风险妊娠的患者不在本系统适用范围内，应转诊至专业的母胎医学中心接受诊疗。

根据研究结果，建立了两个主要模块：（i）咨询模块和（ii）随访模块。每个模块的设计均反映真实世界的临床常规，旨在促进患者诊疗过程中的直观导航和高效数据录入。咨询模块包含多个关键用例，与典型的产前咨询流程相对应。患者入院功能允许通过输入患者的全名、国家健康卡（CNS）号码以及末次月经（LMP）日期来登记新患者。客户端和服务器端应用的字段规范、格式要求及验证规则详见表1。为确保数据完整性，系统会基于CNS标识符自动防止重复录入。开始咨询功能允许医疗专业人员为已注册的患者启动新的咨询，并将用户重定向至咨询界面。

领域	格式	验证规则	示例
患者姓名	自由文本	至少3个字符；仅限字母和空格	Maria da Silva
中枢神经系统（National 健康卡	15 数字 指（手指或脚趾）	使用基于 Luhn 算法验证；每位患者必须具有唯一性。	“70000000 0000001”
LMP 日期	DD/MM/YYYY	不得为未来日期，且必须在42周之内 截至当前日期之前。	“01/01/2026”

表1：患者入院信息字段规范、格式要求及验证规则。字段根据人口统计学、身份识别和临床注册要求进行组织，以确保产前入院过程中患者入院流程的标准化和数据一致性。

会诊工作流程遵循一种顺序化和结构化的过程，旨在支持高效的产前护理管理。首先，医疗专业人员访问主患者列表，并通过姓名或CNS编号使用搜索功能找到目标患者。选择患者后，专业人员点击“开始会诊”以启动会诊。在此阶段，系统将创建一条与所选患者相关联的新会诊记录，并将用户重定向至会诊界面，该界面分为四个部分：体格检查、实验室检验、超声检查和总结。

在体格检查阶段，专业人员记录一般临床参数，如体重、身高、血压和主诉，以及产科参数，包括宫高和胎心率。系统会自动计算并显示体重指数和孕周，以辅助临床决策。在实验室检查部分，可通过相应的输入控件登记按孕 trimester 划分的检查结果，已完成和待完成的检查项目以视觉方式区分，便于监测产前检查方案的执行情况。

若有超声信息，也可将其纳入会诊内容。专业人员可进入超声登记区域，并填写相应的报告数据表单。在所有相关信息输入完毕后，通过提交功能完成会诊。系统将验证必填字段，若流程成功完成，则将用户重定向至患者的随访界面。

随访界面提供了患者临床病史的综合概览，包括体重指数和子宫高度的趋势图，以及既往就诊记录的时序列表。该结构可实现对孕产妇健康状况在整个产前护理过程中的持续监测。

在会诊工作流程中，实施了特定功能以支持临床和诊断数据的记录。体格检查部分可按照标准化的临床测量方案，记录一般性及产科参数。体重以千克为单位记录（可接受范围：30–200 kg），身高以米为单位记录（可接受范围：1.00–2.50 m），体重指数（BMI）将自动计算为体重（kg）/ 身高²（m²）。血压以毫米汞柱（mmHg）为单位记录，格式为收缩压/舒张压数值（例如：120/80 mmHg），测量时患者应取坐位，并采用标准汞柱式血压计方法。宫高（宫底高度）使用无弹性卷尺测量，患者取仰卧位，从耻骨联合上缘至子宫宫底的距离以厘米为单位记录（可接受范围：16–40 cm，随妊娠周数变化）。胎儿心率以每分钟心跳次数（bpm）记录（正常范围：110–160 bpm）。其他字段包括胎儿先露部位（头先露/臀先露/横位）以及水肿或皮疹的有无记录。

实验室检测界面支持按妊娠阶段登记检测结果，并通过可视化指示显示已完成和待完成的检查项目，以避免重复操作。系统支持记录巴西卫生部推荐的标准产前实验室检查项目，这些检查按妊娠阶段组织，详见表2。超声模块为可选模块，仅在有超声检查数据需要记录时激活。包含的字段有检查日期（日/月/年）、基于末次月经计算的孕周（周）、根据超声生物测量确定的孕周（周）、估计胎儿体重（克）、胎盘位置（前壁/后壁/宫底/侧壁）以及羊水量评估。系统将保留基于末次月经与基于超声的孕周估算值之间的差异，以支持临床对预产期调整的决策。除检查日期外，其余字段均为可选项。

检查项目	第1 孕期	第2 孕期	第3 孕期
ABO/Rh 血型	必需	–	–
空腹血糖	必需	–	–
口服葡萄糖耐量试验	必需	–	–
梅毒 — 快速检测	必需	–	–
VDRL	必需	–	–
间接Coombs试验	必需	–	–
HIV / 抗HIV	必需	复查	–
乙型肝炎（HBsAg）	必需	复查	–
弓形虫病	必需	复查	复查
血红蛋白 / 红细胞压积	必需	复查	复查
尿液分析（EAS）	必需	复查	复查
尿培养	必需	复查	复查

表2：系统支持的标准产前实验室检查，按妊娠期分组。检查项目根据推荐的产前随访周期进行分组，以支持遵循检查规程，并便于对孕妇健康状况进行纵向监测。

最后，结束会诊功能将整合并保存所有记录的数据，并自动将专业人员重定向至患者随访界面，在该界面可查看患者健康信息的集成摘要。随访报告提供了临床病史、实验室检查结果以及关键参数（如体重指数（BMI）和子宫高度）的图形化趋势的综合概览，有助于实现持续且基于数据的孕产妇照护。

该系统会根据患者入院时输入的末次月经（LMP）日期，自动计算三个关键产科参数。孕周（GA）以周为单位，计算方法为当前日期与末次月经日期之间的天数差除以7：GA = （当前日期 − LMP）/ 7。预产期（EDD）通过在末次月经日期上加280天（40周）获得：EDD = LMP + 280天。体重指数（BMI）则根据体格检查期间记录的体重（kg）和身高（m）计算得出：

      (1)

数据录入后，这些计算将自动完成，从而避免了手动计算并减少了转录错误。

技术与系统架构
该系统采用客户端-服务器架构开发，前端基于网页界面，通过 RESTful API 与后端服务进行交互¹⁷。该架构实现了模块化、可扩展性和互操作性，确保系统未来可进一步扩展或与其他医疗信息系统集成。图2展示了应用程序的实体-关系（ER）图，突出了主要实体：患者、就诊、检查和超声，以及它们之间的关联关系。患者实体是模型的核心，保存与多次就诊相关联的个人及身份识别信息。每条就诊记录又关联一组检查项目和可选的超声记录，从而实现对孕产妇健康参数的详细纵向追踪。这种关系型结构有助于临床数据的有序组织，并支持生成整合的随访报告，便于实现全面且连续的产前保健管理。每个实体均使用 UUID 作为主键，并通过专用的 deletedAt 字段实现软删除，确保数据可追溯而不会永久删除。关键约束包括：患者实体中的 CNS 字段在数据库层面被强制设为唯一，以防止患者重复注册；就诊时的生命体征（体重、身高、宫高）以十进制类型存储，以保持临床精度；超声实体完全可选，通过标识符与患者关联，无需强制的外键约束。完整的模式定义（包括所有字段类型和约束）可在公开代码仓库 https://github.com/caderneta-digital-da-gestante/api 中获取。

图 2：系统数据库的实体-关系（ER）图。图中包含四个主要实体：患者（存储身份识别信息和产科基线数据，包括 CNS 编号和末次月经日期）、咨询（与每次患者就诊相关联）、检查（与每次咨询相关联的按孕 trimester 分类的实验室检测结果）以及超声（与每次咨询相关联的可选超声数据）。一位患者可有多次咨询；每次咨询可关联多项检查以及零次或一次超声记录。请点击此处查看此图的放大版本。

后端采用 Node.js 作为运行环境，并结合 Express.js 框架以高效管理路由和 HTTP 请求。数据持久化通过 PostgreSQL 关系型数据库管理系统实现，该系统因其强大的稳定性和对 ACID 原则的符合性而被选用。为便于数据库访问并确保类型安全，采用了 Prisma ORM 库，从而实现应用程序逻辑与数据层之间高效且易于维护的交互¹⁸。

前端采用 React 结合 Next.js 框架构建，以提供快速、响应式且有利于搜索引擎优化的网页界面。用户交互和表单处理通过 React Hook Form 实现状态管理，并使用 Zod 进行基于模式的验证，确保数据一致性并减少输入错误。客户端的数据获取与缓存由 TanStack Query 进行管理，从而实现性能优化及与后端的实时数据同步。

在版本控制与部署方面，该项目使用了 git 和 GitHub，并遵循常规提交（conventional commits）标准，以维护清晰且可追溯的开发历史。部署采用容器化方式。先决条件包括 Docker 27.x、一个 Vercel 账户（用于前端）以及一个 Render 账户（用于后端和数据库）。后端需要一个包含两个环境变量的 .env 文件：DATABASE_URL（由 Render 提供的 PostgreSQL 连接字符串）和 DIRECT_URL（用于 Prisma 迁移的直接连接 URL）。要部署后端，需使用 docker build -t cdg-api . 构建 Docker 镜像，并将其作为 Web 服务推送至 Render，启动命令为 node dist/index.js，并设置 API_PORT 环境变量。前端通过 Vercel 仪表板连接 GitHub 仓库的方式部署至 Vercel；必须将 NEXT_PUBLIC_API_URL 环境变量设置为 Render 后端的 URL。数据库迁移在首次部署时通过 prisma migrate deploy 执行。

关于数据安全与隐私，当前原型系统尚未实现终端用户身份认证，这反映了其处于早期开发阶段的性质。患者数据存储在托管于 Render 云基础设施上的 PostgreSQL 数据库中，数据库访问权限受到环境级别凭据的限制，且这些凭据不会在源代码中暴露。在本项可用性研究中，测试期间使用的所有患者记录均为虚构数据；未收集或处理任何真实患者的资料。身份认证与访问控制已被明确列为未来可用于生产的版本所需的功能，同时还将进行符合巴西《通用数据保护法》（LGPD — 法律第 13.709/2018 号）的合规性评估。

该系统同时实现了客户端和服务器端验证。在前端，使用 React Hook Form 结合 Zod 模式，在必填字段为空或格式不正确时阻止表单提交，并显示内联错误消息。在后端，所有传入请求在进入领域层之前，均通过 Zod 模式进行解析和验证；无效输入将返回 HTTP 400 状态码，并附带结构化错误响应，指明受影响的字段及错误信息。领域层验证通过值对象强制执行：CNS 字段需验证其长度、纯数字格式以及校验和算法（支持以数字 1–2 开头的永久 CNS 和以 7–9 开头的临时 CNS）。数据库层面通过唯一性约束拒绝重复的 CNS 条目。若发生领域错误，API 将返回 HTTP 400 状态码及描述性错误消息；成功操作则返回 HTTP 201（创建）或 HTTP 200（获取）。

可用性测试
采用系统可用性量表（System Usability Scale, SUS）对系统的可用性进行评估，以获得用户满意度和整体可用性的定量指标^19,20。根据孕妇健康纸质档案的典型使用场景设计了具有代表性的测试任务，确保测试能够反映真实的临床工作流程²¹。

评估包括八项任务，涵盖产前咨询的完整工作流程，如表3所述。

任务	给予参与者的指示	成功标准
1	您将如何为患者X启动一次咨询？	在列表或搜索栏中找到该患者 → 点击“开始咨询”。
2	您将采取哪些步骤为患者X录入体格检查和产科检查数据？	进入体格检查标签页 → 填写必填字段 → 点击“下一步”或切换至其他标签页。
3	您将采取哪些步骤在咨询过程中添加一项实验室检查并核对已录入的数据？	进入检查标签页 → 点击对应检查项目和孕 trimester 的“+”号 → 填写表单 → 点击保存 → 点击查看。
4	您将采取哪些步骤记录一次超声检查结果？	进入超声检查标签页 → 点击“接收超声检查” → 填写表单。
5	您将采取哪些步骤完成本次咨询？	确保表单信息有效 → 点击提交。
6	您将如何监测患者Y的营养状况进展和子宫增长曲线？	返回主页面 → 找到患者Y → 点击“Caderneta” → 进入信息标签页 → 查看图表。
7	您能否向我展示患者Y已完成的实验室检查项目？	进入患者Y的Caderneta → 切换至检查标签页。
8	患者Y已进行过多少次咨询？您能否查看其中一次的详细信息？	切换至咨询标签页 → 点击“查看详情”。

表3：可用性评估任务及成功标准。任务设计用于评估系统的核心功能，包括患者搜索、问诊流程、数据录入和随访审查，并设定了预定义的成功完成标准。

通过滚雪球抽样方法共招募了五名医疗保健专业人员，招募依据为以下三项标准：可及性、在产前护理环境中曾有使用纸质孕妇健康记录的实际操作经验，以及由参与需求收集阶段的专业人员或先前招募的参与者进行推荐。本研究未实施正式的人口学问卷调查；结构化人口学数据的收集被认定为本研究的局限性，也是未来评估的重点方向。该样本量符合形成性可用性研究的既定指南，相关指南指出，五名参与者足以识别界面中的大多数关键可用性问题²²。尽管此样本量限制了统计结果的普适性，但对于本次初步评估的探索性质而言是适当的。在测试过程中，参与者被邀请探索该网络应用程序，在执行预设任务的同时出声思考。在会话开始前，参与者通过一项与系统无关的热身练习被简要介绍出声思考技术。研究人员要求他们在执行任务期间持续口头表达其思维过程、操作行为及遇到的困难，且不得向评估者寻求帮助。在任务执行过程中不提供任何纠正性反馈。一名经过培训的观察员记录了结构化的现场笔记，详细记载了每项任务中观察到的困难、犹豫以及口头反馈²³。

每次会话结束后，参与者以巴西葡萄牙语完成SUS问卷。标准SUS条目根据产前保健领域进行了语境化调整，例如将对“系统”的泛化表述替换为具体的临床工作流程，如：“登记并查阅孕妇信息”、“低风险产前随访”等。这些调整在保留原始评分结构的同时，提高了问卷对目标用户群体的相关性。SUS包含10个陈述句，采用5点李克特量表评分（1 = 非常不同意，5 = 非常同意），正向与负向条目交替排列。评分按标准方法计算：奇数题目的得分为量表位置减1（R − 1）；偶数题目的得分为5减去量表位置（5 − R）。所有题目得分之和乘以2.5，得到0至100的最终得分，其中得分高于68表示可用性高于平均水平²⁴。此外，还设置了两个开放式问题，以收集关于系统优势及改进空间的定性反馈。采用主题分析法对回答进行分析：由两名研究人员独立编码参与者回答及出声思考观察中的重复主题，并归类整理。分歧通过讨论解决。最终归纳出的主题类别包括：整合照护概览、医患关系、照护连续性、对网络连接的依赖、缺乏导出功能以及用户支持需求，这些类别均从参与者反馈中归纳得出，并在定性结果表中呈现。

可用性测试通过远程方式进行。每位参与者使用自己的设备和默认的网络浏览器，通过一个公开可用的URL访问系统；未对硬件配置、操作系统和浏览器版本进行控制或记录。这反映了真实世界中的使用条件，但也构成了一项局限性，因为不同设备间的性能差异可能影响了交互体验。未来的评估应标准化测试环境，以将可用性问题与硬件及网络连接变量分离开来。

结果

结果部分展示了可用性评估的结果，包括来自标准化量表的定量数据以及来自医疗专业人员的定性反馈。分析重点在于评估该基于网络的产前保健应用程序的有效性、效率和用户接受度。原型系统的可用性评估获得了总体系统可用性量表（System Usability Scale, SUS）得分为77.5，超过了通常引用的68分阈值，表明其可用性达到满意水平。SUS得分呈正态分布（Shapiro-Wilk检验：W = 0.9076，p = 0.4532），均值为77.50，标准差为9.35，如表4所述。在可接受性量表上，大多数参与者评价该应用程序为可接受。此外，净推荐值（Net Promoter Score, NPS）评估显示，五分之三的用户将该应用程序归类为推荐者，反映出用户有积极推荐该系统的倾向。这些结果表明，该数字工具能够支持用户在产前保健中的交互操作和工作流程整合，同时提供一致且可靠的可用性指标，为后续部署和优化奠定了基础。

讨论

数字孕产记录原型系统的平均SUS评分为77.5（标准差=9.35），根据既定基准表明其可用性达到可接受水平。该结果表明，通过将系统与真实临床工作流程紧密结合，领域驱动设计原则^25,26与六边形架构¹³的结合对感知可用性具有积极影响。系统在效率和错误预防方面的高分表明，其能有效支持临床任务的完成，并最大限度减少输入错误，而这正是产前保健环境中的关键需求。与巴西基层医疗中现有的数字工具相比，该系统展现出更优的可用性。e-SUS辖区系统的SUS评分为55.3，公民电子健康档案（PEC）评分为60.1，均低于普遍接受的68分阈值。CDG原型系统77.5的得分位于Bangor等人²⁴提出的形容词评级量表中的“良好”范围，提示相较于目前医疗专业人员可用的其他选项，该系统实现了显著改进，如表5所述。

本研究存在若干局限性，在解读这些发现时应予以考虑。尽...

材料

本文使用的材料清单

姓名	公司	目录编号	评论
Axios	Axios 贡献者	1.8.4	N/A
后端仓库	作者	N/A	N/A
Docker	Docker, Inc.	27.x	N/A
Express.js	OpenJS 基金会	5.1.0	N/A
前端仓库	作者	N/A	N/A
Next.js	Vercel	15.2.4	N/A
Node.js	OpenJS 基金会	22.x	N/A
PostgreSQL	PostgreSQL 全球开发组	15.x	N/A
Prisma ORM	Prisma Data, Inc.	6.5.0	N/A
React	Meta Platforms, Inc.	19.0.0	N/A
React Hook Form	react-hook-form 贡献者	7.55.0	N/A
Recharts	recharts 贡献者	2.15.3	N/A
Render	Render Services, Inc.	N/A	N/A
TanStack Query	TanStack	5.74.4	N/A
TypeScript	Microsoft	5.8.2	N/A
Vercel	Vercel, Inc.	N/A	N/A
Zod	Colin McDonnell	3.24.2	N/A