在一个基于网络的商业减肥计划中，退出、不使用损耗和预处理预测不使用损耗

介绍

通过互联网提供的公共卫生干预措施越来越受欢迎，越来越多的证据表明，它们有能力实现与健康有关的行为改变和积极的健康结果[1]。然而，有必要通过互联网提供健康和生活方式干预措施，以尽量减少人员流失，提高利用率，从而提高效率[2-4]。最近对基于网络的减肥干预措施的系统回顾发现，这些干预措施有可能实现显著的减肥;然而，它们也可能遭受高辍学率和利用率低下的困扰[5]。

迄今为止公布的基于网络的减肥计划的保留率从20%到100%不等，大多数不到80% [5]。在基于网络的干预中，规定的任务数量增加或要求的参与程度与较低的保留率之间可能存在关联。例如，将网络减肥干预的参与者与对照组进行比较的研究几乎普遍表明，对照组的保持率更高[6-12]。此外，在一些研究中，将基于网络的减肥干预措施与具有更多特征的基于网络的干预措施进行比较，通常发现特征较少的基于网络的干预措施的保留率更高[13-16]。

大多数基于网络的减肥干预措施报告网站使用率较低，并且随着时间的推移，使用率稳步下降[2]。许多参与者也没有达到计划规定的使用水平[2，17-19]。然而，与仅提供基础教育或信息的网络干预相比，在基于网络的干预措施(如行为治疗、人际咨询或动机访谈)中加入循证成分可能会导致更多的网站使用[14-16，20.]。例如，研究表明，登录人数明显增加[14-16，20.]以及更多的自我监控场合和更高的在线会议出勤率[14加上这些以证据为基础的成分。最近对基于网络的减肥干预措施的系统综述也承认，使用网站与减肥之间存在反比关系[4，18]。因此，基于网络的干预措施最大限度地利用和留住参与者的能力是提高有效性努力的关键组成部分。

由于参与者可能无法退出基于网络的干预，但却停止使用该网站，Eysenbach [4]建议对流失率的研究应包括退出流失率(即没有完成研究/项目的参与者)和不使用流失率(即停止使用网站的参与者)。这些知识是提高我们对参与者如何使用网络项目的理解所必需的。Eysenbach [4也强调了在网络项目中探索人员流失预测因素的重要性。先前的研究已经调查了减肥干预中辍学损耗的预处理预测因素，并展示了关键的社会人口学特征(教育水平[21]、就业状况[21，22]，年龄[23，24]，性别[25])和行为因素(以前尝试减肥的次数[21，26，27]、膳食摄入量[26]，情绪状态[27，28]，暴饮暴食[28]和减肥预期[26])，这预示着辍学的流失。然而，迄今为止，尚未发现基于网络的减肥干预中未使用损耗的预处理预测因子的一致模式。潜在的预测因素包括性别[13，29]，年龄[13，29，30.]，动机[13]、身体质量指数[30.]，体育活动[30.]，以及水果和蔬菜的摄入量[30.]。

迄今为止，调查网络减肥计划的研究主要是随机对照试验(rct)。然而，由于志愿者的固有特征和研究的严谨性(例如，积极的参与者，额外的评估课程，受试者保留策略，更大的责任，以及与研究人员的联系)，随机对照试验可能会高估或低估参与者的流失和网站的使用。因此，随机对照试验可能不能代表“现实世界”中的人员流失或网站使用情况。因此，需要对网络减肥计划的真实参与者进行跟踪研究，以确定真正的辍学率和不使用损失率，以提高计划的有效性。

因此，本研究的第一个目的是描述一个基于web的商业减肥计划的真实世界用户的大队列，退学和不使用损耗的普遍程度。第二个目的是确定哪些预处理社会人口学和行为特征可以预测非使用损耗。

方法

参与者与设计

参与者是18到75岁的成年人，他们从2007年8月15日到2008年5月31日参加了一个商业网络减肥计划，并支付了订阅费用。自我报告的身体质量指数(BMI)大于或等于22kg /m²被要求参加这个项目。只有订阅了12周或52周的参与者才被纳入这项研究，因为他们是最主要的订阅时长。未支付初始订阅费用的参与者(例如，免费促销计划试用)被排除在外。与免费或非连续会员(间隔≥7天)相关的数据也未纳入分析。在订阅期间，会员状态和网站使用情况被跟踪。

商业网络减肥计划

SP健康有限公司(澳大利亚悉尼)开发了一个基于网络的减肥平台，名为the Biggest Loser Club。总之，在线课程结合了关键的循证体重管理策略，并与社会认知理论的关键要素保持一致[31包括自我管理、社会支持、自我效能、结果期望和期望，以及感知到的障碍/促进因素。该计划的主要特点包括目标设定(目标体重，每日卡路里目标和每周锻炼目标)，通过每周称重自我监测体重，以及使用在线日记的食物和锻炼，每周电子邮件提供的教育材料，以及在线讨论论坛。参加该计划的参与者购买特定的订阅计划。订阅计划有4周、12周、16周或52周，可以在注册时预先付费，也可以按月分期付款。2007年至2008年，该计划的费用从每月16.50澳元到79.95澳元不等。如果参与者订阅的时间更长，或者提前付费，那么他们每月的费用就会更低。参与者主要是通过电视真人秀节目的营销来招募的，《减肥达人》，澳大利亚。

数据收集

该计划的所有者，SP健康公司，存储了访问该计划网站的参与者输入的所有数据。存储的数据包括对注册调查的响应、持有的订阅计划以及对许多网站功能的使用(登录、在线饮食和活动日记条目、称重和论坛帖子)。SP健康公司从符合纳入标准的所有参与者登记后最多52周内以“可识别”形式提取存储的数据。这项研究获得了纽卡斯尔大学人类研究伦理委员会的伦理批准。

预处理的特点

参与者的预处理特征从入组调查中获取。参与者自我报告的身高和体重被用来计算BMI(体重以公斤为单位除以身高以米为单位的平方)，并根据世界卫生组织的BMI分类将其分为健康、超重或肥胖。32]。报告的邮政编码被分配一个社会经济优势和劣势相对指数(IRSAD)十分位数(从1 =弱势到10 =优势)作为社会经济地位的指标[33]。参与者所居住地区的偏远程度是根据其邮政编码的澳大利亚无障碍/偏远指数(ARIA)进行分类的[34]。参与者想要减肥的原因分为与健康相关的原因(例如，医生建议或健康恐慌)和与健康无关的原因(例如，看起来更好或增强自己的爱情生活)，参与者被分类为有一个或多个与健康相关的原因想要减肥或没有与健康相关的原因。参与者还选择了他们吃东西的原因(为了缓解情绪不安，为了快乐，为了减轻压力，为了摆脱无聊)，他们是否有与体重增加有关的饮食习惯(油炸食品，在烹饪中使用黄油，喝全糖软饮料，不吃饭，喝加糖的茶或咖啡，不吃早餐，不使用低脂肪产品，在家里放零食，每天不喝6杯或更多的水)和每周锻炼的天数。年龄和性别也从登记调查中获得。

网站使用

通过汇总可用的使用数据来评估网站的使用情况。如果参与者在某一天登录了网站，在日记中写了一篇文章，在论坛上发帖，或者参与了讨论，那么他们就被归类为使用过该网站。每个参与者每4周期间“使用”网站的总天数被计算并分类为0天、1至3天、4至7天、8至15天和16天及以上。所有的网站使用变量分别计算从注册到12周和52周的12周和52周的订阅者。

辍学磨损

参与者加入计划的日期和会员资格终止的日期被用来计算每个参与者成为该计划成员的天数(即会员资格的持续时间)。终止会籍的日期是参与者订阅计划的结束日期，除非有特殊情况使参与者无法完成订阅(例如，怀孕或经济拮据)。如果参与者在当时持有积极的订阅计划，则在12周或52周时被归类为计划成员(12周订阅≥78天，52周订阅≥359天)。否则，他们将被归类为辍学生。

Nonusage磨损

非使用损耗只考虑完成订阅的参与者(即，他们没有退出)。如果参与者在12周或52周停止使用网站功能(即，没有登录、食物/活动日记、称重或在论坛上发帖)，他们就被归类为非用户。参与者被归类为非用户的一周是他或她停止使用网站并且不再返回的一周。

数据分析

使用Stata 11ic (StataCorp LP, College Station, USA)进行数据分析。参与者预处理特征用连续变量的平均值(SD)和分类变量的百分比来描述。订阅时长(12周和52周)组间差异采用独立的t连续变量的检验和分类变量的卡方检验。使用Cox比例风险回归分析，研究参与者的预处理特征作为12周和52周订阅者非使用损耗的预测因子。时间变量是使用的持续时间(以周为单位)，不使用被认为是失败。对所有感兴趣的预处理预测变量进行单因素分析P< .2纳入逐步回归分析，以寻找最简约的模型。使用舍恩菲尔德残差对每个模型的比例风险假设进行了检验。显著性水平设为alpha = 0.05。

结果

预处理特点及网站使用

在2007年8月15日至2008年5月31日期间，11341名参与者参加了商业网络减肥计划，其中9599人符合纳入研究的条件，1742人被排除在外。图1）.总共有72%(6943/9599)的合格参与者订阅了12周的课程，2656人订阅了52周的课程。

‎ 查看此图

合格参与者的特征概述在表1。综上所述，31%(2975/9599)的参与者超重，61%(5866/9599)的参与者肥胖，86%(8279/9599)的参与者为女性。参与者的平均(SD)年龄为35.7(9.5)岁，85%(8022/9455)的参与者具有中高社会经济地位(即IRSAD得分在5到10之间)，75%(7125/9456)来自澳大利亚的主要城市。大多数人报告了一些健康的饮食习惯，如吃早餐(7052/9599或74%)和使用低脂产品(6269/9599或65%)，但许多人(5098/9599或53%)也报告了不良的饮食习惯，如不吃饭。大多数参与者在入学时报告身体活动水平不足，51%(4875/9569)每周锻炼少于2天。

12周和52周服用者的预处理特征有明显的统计学意义差异，52周服用者的平均(SD)年龄明显更大(35.8[7.1]岁vs 31.8[6.1]岁)，平均(SD) BMI更高(36.7 [9.6]vs 35.3[9.4])，社会经济地位较低(82% vs 86%， ISRAD为5至10)。与12周用户相比，居住在澳大利亚主要城市的比例更低(73%对76%)。52周订阅者中有更高比例的人报告了不良的饮食习惯(例如，油炸食品或饮用全糖软饮料)，每周锻炼不到两天，出于情绪原因或出于快乐而进食，以及出于健康原因想要减肥。

图2描述网站的整体使用情况。对于12周和52周的订阅者来说，在项目的第1周到第4周，使用网站16天或更长时间的参与者比例最高。在第5至8周和第9至12周，12周的订阅者中没有使用网站的比例最高。然而，在使用该网站的参与者中，大多数人在每四周的时间内使用1到3天。对于52周的订阅者，比例最高的参与者在第5周至第8周的1至3天使用该计划。在这段时间之后(即第9周至第52周)，最高比例的参与者从未使用过该网站，第二高比例的参与者在每4周期间使用该网站1至3天。

‎ 查看此图

‎ 查看此图

辍学磨损

图4和5分别呈现12周和52周用户的退出损耗曲线。在6943名订阅了12周计划的参与者中，12周的保留率为97%，有238名参与者(3%)在12周内退出了计划。图4）.在2656名订阅了52周的参与者中，保留率为77%，其中605人在52周内退出了。图5）.

‎ 查看此图

‎ 查看此图

Nonusage磨损

图4和5同时显示那些订阅了12周或52周的用户的非使用损耗曲线。在6705名订阅并完成12周课程的参与者中，35%(2317)的参与者在12周时被归类为该课程的“用户”。最低比例的参与者在第1周和第2周停止使用该计划。从第3周到第10周，停止使用该计划的参与者的比例保持稳定(每周6%到7%停止使用)，但在第11周增加到8%。在6705名12周的订阅者中，50% (n = 3398)在第9周之前不再使用该程序。图4）.

在完成52周订阅的2051名参与者中，622名参与者(30%)在52周时是该计划的“用户”。从第1周到第44周，停止使用该计划的参与者比例保持稳定(每周1%至2%停止使用)，但此后迅速增加。到第46周，52周的订阅者中超过50%的人没有使用该程序(图5）.

非使用损耗预测因子:12周订阅者

表2描述单变量分析中12周订阅者未使用损耗的未调整预测因子。在多元回归分析(表2)，不吃饭(风险比= 1.12,95%可信区间(CI) 1.04 - 1.19，P= .001)和吃东西来缓解情绪不安(风险比= 1.11,95% CI 1.04 -1.18，P= .001)，这两个预处理特征显著增加了参与者成为非使用者的风险。每周锻炼超过1天的参与者成为不使用者的风险显著降低(风险比= 0.76,95% CI 0.72 - 0.81，P<措施)。吃早餐的参与者(风险比= 0.88,95% CI 0.82 - 0.95，P= .001)，以及45 - 65岁的参与者(45 - 55岁的风险比= 0.83,95% CI 0.73 - 0.93，P=措施;55 ~ 65岁的风险比= 0.80,95% CI 0.66 ~ 0.99;P= .04点)。

非使用损耗预测因子:52周订阅者

表3使用单变量分析描述52周订户未使用损耗的未调整潜在预测因子。在多元回归分析(表3)，吃早餐(风险比= 0.88,95% CI 0.79 - 0.99;P= .04)被证明与减少非使用损耗的风险相关。在52周的订阅者中，饮用加糖的茶或咖啡与不使用损耗的风险增加有关(风险比= 1.23,95% CI 1.11- 1.37，P<措施)。

讨论

这项研究是为数不多的研究之一[29，35-42跟踪一组现实世界的网络减肥计划的参与者，并且是第一个全面评估大型队列中非使用损耗的流行程度和预测因素的研究。该研究表明，非使用流失率很高，并强调需要循证策略来降低流失率。值得注意的是，我们发现参与者的年龄，以及他或她在入学时的饮食和体育活动习惯可以预测非使用损耗。

这项研究的结果与其他研究一致，这些研究表明，中老年群体(45至65岁)的个体不使用的风险降低[13，29，30.]。这个年龄段的人使用互联网的程度较低[43，他们使用互联网的时间更少，也不太可能使用用户创建的网站。43，44]。然而，他们对互联网的接触和使用正在迅速增加[43，44]。因此，这表明基于网络的干预可能非常适合中老年群体。

研究结果表明，在参加商业网络减肥计划之前，饮食或体育活动习惯不良的人最有可能停止使用该计划。这包括每周锻炼少于2天、不吃饭、不吃早餐、喝加糖的茶或咖啡，或通过饮食来缓解情绪不安的参与者。这表明，这些有风险的个体可能需要替代或额外的支持来保持网络项目的积极参与，特别是在短期内。另一种可能是，基于网络的项目目前的形式并没有吸引到这群参与者。因此，研究的重点是确定不同的或额外的网站功能是否可以提高这群高危人群的网站使用率。

这项研究强调了调查非使用损耗以准确描述流失率的重要性。基于网络的商业减肥计划在12周后的保留率为97%，在52周后的保留率为77%，这与观察性减肥计划相比是很高的。29，37，40，41]和实验性的[5基于网络的减肥干预研究，以及所有类型的行为减肥干预[45]。然而，由于参与者购买了特定的订阅计划，并且只有在他们有特殊情况阻止他们完成订阅时才能取消订阅，因此保留率无法捕获那些不希望继续使用该计划的参与者。12周的不使用损失率为65%，52周的损失率为70%，高于退出损失率，这表明许多参与者在订阅期间不会继续使用基于网络的商业减肥计划。商业网站的使用与通过互联网提供的其他公共卫生干预措施一致，但在干预的最初几周后使用率下降[17]。对于12周和52周的订阅者来说，在干预的大部分时间里，非使用损耗都是稳定的，但在干预的最后几周，非使用损耗略有增加。这与先前的假设相反，该假设认为，在干预的最后阶段，应该存在一个稳定的用户群体，从而减少不使用[4]。本研究中的非使用性损耗模式很可能是几个因素的相互作用，这些因素可能会对非使用性损耗产生积极影响(例如，程序成本、程序功能和可用性)，也可能产生消极影响(例如，没有提示或个人联系，自我导向性质)[4]。

据我们所知，只有另外两项研究调查了旨在实现减肥的基于网络的干预措施的非使用损失率[29，42]。第一项是一项观察性研究，描述了一个以体育活动为重点的网络项目(MiLife)的不使用流失率，发现79%的参与者在12周后仍在使用该网站。42]。第二项研究比较了RCT和现实世界参与者在18个月的时间里，通过网络干预(Active-Online)促进身体活动的不使用损失率。超过50%的试验参与者在大约11个月和1个月后不再使用[29]。这个基于网络的商业减肥计划的非使用流失率优于Active-Online的真实参与者，但高于MiLife [29，42]。然而，Active-Online和MiLife都纳入了先前提出的影响非使用损耗因素的策略[4]。一种干预是以工作地点为基础的[42]，这可能增强了网络和/或同伴压力和同伴支持，因此，扭转了不使用的通常下降趋势[4]。若干“推动因素”[4]，包括电邮提醒及短讯服务[29，42];因此，参与者可能觉得有义务继续使用基于网络的课程[4]。在其中一项研究中，参与者使用加速度计监测身体活动水平[42]可能提高了程序的可用性，从而提高了使用率[4]。相比之下，基于网络的商业减肥计划主要是一种自我指导的干预。这可能会对使用率产生负面影响，因为它使参与者更容易停止使用该程序[4]。然而，参与者支付了商业费用来访问该计划，这之前曾被建议对使用率产生积极影响[4]。由于项目的成本不同，并且取决于订阅的时间长短，以及参与者是预先付费还是分期付款，因此对不使用的影响可能会有所不同。因此，考虑到可能影响非使用流失率的因素的存在，本研究报告的非使用流失率与之前的研究相比似乎是可以接受的。

限制

本研究的潜在局限性包括，只有预处理特征被认为是非使用损耗的潜在预测因素。其他因素，如对计划的满意度，最初和持续的体重减轻，以及外部因素也可能影响计划的使用。然而，本研究的目的是确定是否有可能预测谁将在入学时使用该程序。此外，尽管大量的预处理特征被作为非使用损耗的潜在预测因素进行了探索，但通过纳入更大范围的预处理特征(例如，动机和变化阶段)，以及通过使用有效的措施来更全面地评估饮食和身体活动行为，本研究可以得到改进。此外，这项研究并没有追踪基于网络的商业减肥计划的所有功能(例如，每周教程和菜单计划)的使用情况，因为这些数据在研究时还没有得到。这可能高估了非使用流失率。此外，该方法假定不使用是一种消极行为。然而，有人建议，参与者可能会考虑基于网络的干预与其他治疗方案不同[3.]。停止使用网站的参与者可能已经取得了积极的结果，因此，减少了他们参与网络项目的频率[3.]。因此，需要进一步的研究来调查参与者辍学和不使用损耗的原因，以及辍学和不使用损耗对长期减肥的影响。

影响

坚持治疗已被认为是疗效的主要决定因素之一[46];因此，需要制定策略来提高网络减肥计划参与者的非使用流失率。以往的研究[5]，包括对这个群体的研究[47研究表明，使用不同的网站功能(如登录、使用论坛、在线日记和自我监测体重)与体重变化之间存在显著的相关性。因此，通过建立有效的方法来改善非使用损耗，从而使大多数参与者长期继续使用网站功能，有可能改善网络减肥计划参与者的减肥效果。由于这项基于网络的减肥计划的参与者在12周和52周后的平均体重变化已被发现具有临床重要性和统计学意义[48，49]，如果战略成功地改善了参与，公共卫生影响可能是巨大的。

本研究的结果还强调了非使用损耗的关键预处理社会人口统计学和行为预测因素。这一发现与其他减肥方法相似[21，26-28]及网上干预研究[30.]，因此最需要治疗的个体不太可能完成和/或参与干预。以前的一些基于网络的干预研究调查了网络和非网络策略，以提高网站的参与度，包括定期提示、奖励、自我监控、管理参与者的期望、改善干预的可用性、提供反馈，以及与服务提供商联系[2]。考虑到这种干预的自我导向性质，研究结果表明，明确的循证指南概述了实现显著结果所需的网站使用，也可能提高非使用流失率。这些策略的一个或组合可以提供给参加该计划的参与者与预处理特征预测损耗。然而，我们不知道改善网络项目使用所需的最合适的策略或策略组合，也不知道所需的策略是否在人群中是一致的。将来，这些知识可能会被用作注册过程的一部分，以确保个人注册最适合这种方法，并为他们提供访问基于web的程序中满足他们需求的程序功能。因此，研究的重点是开发和评估策略，以提高网络项目的非使用流失率，包括它们对不同人群的影响。

结论

先前的研究已将参与者留存率和网站使用的优化确定为所有基于网络的干预措施的关键挑战[2-4]。本研究证明了基于web的干预措施的高患病率非使用损耗特征，因此，强调了基于证据的策略来改善网站使用的必要性。研究人员应该调查使用新的或额外的干预策略的参与者与预处理人口统计学和行为特征，发现独立预测非使用损耗在本研究中。