随着移动领域医疗保健行业的第一批代表是生活方式耐心应用程序。绝大多数这些应用程序都是现成的产品，引入广阔的市场并通过在线应用程序商店分发。功能非常简单，这些应用程序具有基本日记，计算器或提示集合的形式。事实上，它们存在至今，并且是一个成功的应用程序类别的一部分，具有多元化和广泛的目标受众，对健康敏感的用户。

但是，当我们尝试将类似的开箱即用方法应用于针对医疗专业人员的移动软件时，很难想象获得同样的成功水平。医院护理人员的任务需要的解决方案比采水控制工具复杂得多，并且他们的需求在整个行业中差异很大。

不同的用户目标和需求

与生活方式应用程序的一般目标受众不同，医院应用程序的用户具有各种不同的需求，从专业化到专业化。更重要的是，即使是紧密合作并为同一患者提供护理的卫生专业人员，在使用应用程序时也可能有不同的目标。

例如，护士可能需要输入最新的实验室测试结果，而医生可能需要将它们与先前的结果进行比较，或者以整洁的图形的形式将其显示给患者。这是两个完全不同的用户目标，在开发的第一阶段应该考虑到这些。现成的产品开发人员不能深入研究可能最终缩小目标受众范围或超载功能并使应用程序难以使用的细节。最后，他们故意选择创建仅满足最基本用户需求的产品。

业务分析是任何定制开发项目不可或缺的部分。通过收集关于工作流程，目标以及未来用户组的特定需求的数据，定制应用程序开发人员可以定义所有可能的功能方案并在应用程序中实施它们。这样，解决方案变得灵活而有效，同时易于理解和浏览。许多现成的医院应用程序被证明使用起来非常不方便。在审查这些应用程序时，医疗专业人员指出下拉菜单中的导航不稳定，用户界面中缺乏颜色对比，这使得应用程序内容在特殊的医院照明条件下看不清楚。由于不是帮助这些医院应用程序大多烦扰他们的用户，而是很快被丢弃。

在过去的几年中，开箱即用的移动解天万亲开始推厂使用专题时多种算法来分祈数据，开根据结果米取指地或者为用户提供这样的服务。你如，这些算法可以建议星于确定的诊断来开具某些药物。反之亦然- 由于与某些其他处方药物或患者的过敏不相容而禁止处方。无论如何，这个概念是有希望的，但在实践中并不能很好地发挥作用。这些算法必须知道和理解的不同组合的可能性太多，以便提出可信的建议。随着机器学习的进展，他们可能有朝一日能做到，但现在他们的大部分建议/行为都变得无关紧要或不正确。

最终，许多照顾者倾向于选择不使用算法。由于算法无效性的核心问题在于它们应该能够识别的无限数据里，针对特定的医疗保健专业化，医疗保健提供者的实践和技能可以为他们创造有利的条件。开发人员可以使用部门或整个设施的知识库来训练算法。有限但重点突出的知识将使得算法在预测和预防措施方面更加准确和成功。因为它针对的是更广泛的受众群体，所以开箱即用的移动解决方案无法解:决许多医疗保健挑战。与此不同的是，定制医院应用程序专注于特定客户，他们的个人目标，工作条件和工作流程模式。通过引入灵活性，出色的用户体验，重身定制的功能和顺畅的整合，定制医院应用显然更加有效地满足医疗保健专业人员的需求。