网络社区提高了网络步行计划的依从性。第一部分:随机对照试验的结果

介绍

以饮食和运动为目标的密集和昂贵的干预措施可以降低患糖尿病和心血管疾病等慢性疾病的风险[1]。仍然存在的主要挑战是找到一种方法，以更低的成本向更多的人提供生活方式干预。个人、卫生系统和保险提供商正将自动化的生活方式干预作为控制成本和改善健康结果的一种方式。自动化的生活方式干预帮助用户记录饮食和运动、设定目标、反馈和激励信息。除了比训练有素的提供者提供的干预成本更低之外，自动化干预对用户来说更方便，因为它们不需要频繁地前往设施或安排同步会话。不幸的是，许多经过测试的自动化生活方式干预措施的辍学率很高[2]，而且效果有限。

在线社区是通过在Internet上的群组留言板上发布和阅读消息进行交互的用户组。在线社区有潜力提高参与者的留存率和自动化生活方式干预的有效性[3.]。一个活跃的在线社区可能包含用户发布的关于克服障碍的故事，支持那些正在挣扎的人的同情信息，以及对成功的庆祝。这样的用户交互，如果成功的话，可以利用社会支持、积极的社会模型和动态内容来保持用户对程序的参与，并支持行为改变。

不幸的是，之前的研究调查了网络社区对互联网介导的生活方式干预的影响，结果令人失望。在Eysenbach等人对网络社区在互联网介导的健康干预中的38项研究的回顾中，几乎没有证据表明在线社区对行为结果或计划保留的积极影响[4]。限制在线社区有效性的主要问题之一是很难创建和维持一个充满活力和活跃的在线社区。在最近对在线健康干预的回顾中，Bennet和Glasgow指出“尽管我们尽了最大的努力，论坛、留言板和聊天室很少被用于互联网干预”[5]。

本试验的主要目标是衡量将在线社区添加到自动生活方式改变干预中对计划保留和行为改变的影响。我们在之前的研究中显示的自动网络步行计划中增加了一个在线社区，参与者每天的步行量增加了大约1英里[6]。假设是，与那些没有在线社区功能的参与者相比，能够访问在线社区功能的参与者会增加更多的步数，并且在项目中投入的时间更长。

本研究中的在线社区使用策略和功能来设计，以鼓励参与者参与，并增加在线社区对话足够活跃的机会，从而对用户产生可衡量的影响。本文的重点是报告随机对照试验的主要结果。本期的第二份手稿详细介绍了用于创建在线社区的策略[7]。

方法

研究设计

在这项两组随机对照试验中，干预组和对照组的参与者都参加了“迈向健康”(SUH)，这是一项由互联网介导的步行计划。两组参与者都得到了一个用户名和密码，允许他们访问个性化干预网页。干预组“在线社区”组的参与者可以访问嵌入在干预网页中的在线社区功能。相比之下，被分配到“无在线社区”组的对照组参与者不能阅读或向其他对照组参与者发送消息。

招聘

获得了在过去6个月内接受密歇根大学卫生系统提供者治疗的所有患者的列表，这些患者至少具有以下1项:体重指数(BMI)≥25,2型糖尿病或冠状动脉疾病。被诊断为四肢瘫痪或截瘫或在过去一年内怀孕的个人被排除在外。使用电脑程序[8]，在名单中随机抽取一份子样本，收到邀请函(多媒体附录1)，以便参与研究。信中包括对研究的简要描述、主要资格标准和更多信息的网站地址。通过口口相传听说这项研究的个人被推荐到研究网站，以获取详细的研究信息和资格筛选。

资格筛选及同意

有兴趣的人被指示访问研究网站，在那里他们完成了一项自动资格测试(多媒体附录2)及同意(多媒体附录3)在线处理。如果参与者年龄超过18岁，并且至少有以下一项:BMI≥25,2型糖尿病或冠状动脉疾病。为了符合资格，参与者必须有一台安装Windows XP或Vista操作系统的联网电脑，一个有效的电子邮件地址，并且每周至少使用一次电子邮件。此外，参与者必须久坐不动，这被定义为每周少于150分钟的适度体育活动[9]。参与者必须有机会接触可提供体检合格证明的主治医生。如果个人怀孕，不能独自走过一个街区，或者不能做出自己的医疗法律决定，则不符合资格。

在表示同意后，参与者会收到一个邮包，其中包含计步器、计步器的上传电缆、计步器说明、研究小组联系信息和医疗检查表(多媒体附录4)，由参与者的医生填写并返回。

基线数据收集

基线数据收集有2个组成部分:调查数据和计步器数据。参加者完成详细的网上调查(多媒体附录5)，包括人口统计、健康史、动机、行走障碍、关于糖尿病、心脏病和肥胖的知识和态度，以及对电脑的舒适度等问题。

使用欧姆龙HJ-720-ITC计步器评估步数，该计步器包含一个双轴加速度计、一个嵌入式USB端口和足够存储42天步数数据的内存。这些计步器是有效和可靠的[10]并精确到观察步长的±4% [11]。在基线期间，计步器显示器被贴纸覆盖。参与者戴着计步器7天，不取下贴纸，然后上传他们的步数数据。

随机化

一旦参与者完成基线数据收集并提交签名的体检检查表，自动随机化算法[12]以不等概率(1:5的比例)将他们分配到对照组或干预组。将更多的人随机分配到干预组是为了确保有一个大的参与者池来维持在线社区对话。这种类型的不平等随机化已经在以前的研究中使用过，通常是出于道德原因[13]。这种不平等设计保留了平衡随机对照试验在控制潜在混淆方面的所有好处，并且不会引入统计偏差。增加总样本量以抵消不均匀随机化导致的统计能力下降(详见“样本量计算”一节)。

一旦被随机分配，参与者就会收到自动发送的电子邮件，通知他们最初的步数目标，并指示他们从计步器上取下贴纸。然后，参与者根据他们的手臂分配获得了完全访问个性化干预页面的权限。

干预

干预网站在Drupal中实现[14]，一个具有在线社区功能的开源内容管理系统。图1是一个个性化的SUH主页的示例屏幕截图。SUH干预包括先前发表的手稿中详细描述的4个干预组件:上传计步器，步数反馈，单独分配并逐渐增加的步数目标，以及单独定制的激励信息[6]。参与者被要求每天在醒着的时候佩戴计步器，每周至少登录一次，查看量身定制的信息和更新的目标。

‎ 查看此图

理论框架

支持我们当前假设的关键行为改变理论是Bandura的社会认知理论和包括社会学习理论在内的社会影响理论[15]。有三种可能的机制，参与在线社区可能会影响计划的损耗和步数。

机制1:增加社会支持

社会支持的定义是社会关系的结构和质量，它可以通过提高对健康行为的坚持来改善健康结果[16]并通过影响情绪和心情[17-19]。

机制2:社交建模

其他人的经历，包括他们克服的障碍和取得的成功，可以作为鼓舞人心的榜样。阅读别人的帖子可以实现替代学习[20.]。

机制3:增加干预网站曝光

在线社区可以提供吸引人的动态内容，增加回访，并鼓励使用非在线社区组件，包括自我调节组件，如目标设定、反馈和量身定制的激励信息。

‎ 查看此图

在线社区的设计遵循了在线社区专家开发的原则和实践。与我们的理论模型一致，在线社区的内容侧重于提供社会支持，鼓励成功的社会模型，并促进干预的非社区成分的使用。为了促进社交性，研究人员鼓励参与者发布自我介绍，研究人员也发布了自己的自我介绍。此外，研究人员发布了开放式问题，鼓励参与者发布信息，模拟自我调节策略，如克服障碍和描述成功。有关计步器、目标和图表的帖子鼓励参与者关注干预的非在线社区组成部分。为了激发更多的活动，他们在比赛中提供了一些小奖励，比如水瓶或保险杠贴纸。因为研究人员发现，收到回复的人，尤其是收到最初帖子的人，更有可能继续发帖，所以研究人员努力在24小时内对所有参与者的帖子做出回应[21-23]。工作人员的所有员额都是这样的。本手稿的第2部分提供了用于刺激在线社区的策略的更多细节[7]。

Postintervention评估

在16周的干预期结束时，参与者完成了干预后的在线调查，完成了最后的计步器上传，并获得了25美元的酬金和1年免费订阅商业互联网步行计划[24]。

客观的措施

平均每日步数的变化

平均每日步数的变化是通过使用上传的计步器数据从平均基线步数中减去平均研究结束时的步数来计算的。未佩戴计步器的天数(白天记录的步数少于100步或根据计步器活动标志评估的佩戴时间少于8小时)被认为无效，不包括在平均值中。随机化需要连续7天中至少5天的有效基线数据。在干预期结束时，需要至少20天的有效计步器数据来计算平均步数。

计步器数据的有效天数百分比

上传的计步器数据的有效天数除以112天(16周)即为上传的计步器数据的有效天数百分比。

在线社区使用

用户在网站超链接上的每次点击都会产生一个带有时间戳的记录。每次点击链接，进入在线社区的一个部分或子部分，以及它的功能，都算作一次“浏览”。参与者在网络社区上撰写新帖子或回复现有信息的每个实例都被视为“帖子”。

干预死亡者

在为期4个月的干预的最后一个月，上传至少20天有效计步器数据的参与者被认为是“完成者”，用于完成者和损耗分析。

主观的措施

参与者对一系列冗长的调查(多媒体附录5通过8）.大部分调查回复只用于通知定制的消息传递算法(多媒体附录9通过16）.对在线调查项目关于年龄、性别、种族、身高、体重、互联网熟练程度、以前使用计步器和以前使用社交媒体的自我报告回答也被用来描述研究样本，并在多元回归中控制潜在的混淆。此外，在二次分析中使用了2个单项、未经验证的测量作为预测因子或结果，1个是关于社会支持的，1个是关于行走动机的。社会支持是在基线调查中通过以下问题来衡量的:“你目前是否得到了家人和朋友的支持，让你进行足够的体育锻炼?”此外，在干预期结束时的一项简短调查中，有在线社区支持的参与者回答了这样一个问题:“与其他参与者交谈或阅读其他参与者的帖子的能力是否激励了你走得更多?”

统计分析

样本量计算

在计算样本量时，考虑了两个目标。首先，与传统的样本量计算一样，样本量的计算是基于结果的方差和临床显著性差异来提供足够的功率。平均每日步数的最小临床显著增加估计为1000步。如果一个人以每小时3英里的中等强度步行，增加1000步相当于每天步行约10分钟。先前一项使用SUH干预的研究显示，步数标准偏差为2000步[6]。如果统计能力是确定样本量的唯一目标，则每组所需的样本量为63，总样本量为126。然而，我们也希望在线社区部门有足够数量的参与者来维持一个活跃的在线社区。为此，我们增加了总样本量，并改变了随机化比例，以在不平等设计下获得适当的样本量，以获得足够的功率。然后，我们将估计样本量增加25%，以考虑人员流失，最终目标样本量为300名参与者。

分析

单变量统计总结了基线特征、过程和结果变量。报告了正态分布的连续变量的均值和标准差，报告了分类变量的百分比。基线和终点体力活动水平的臂内比较采用配对t测试。对于所有其他结果，多元回归模型控制了连续变量，年龄和BMI，以及二分变量，性别，2型糖尿病和冠状动脉疾病。除因变量为平均基线步数外，所有回归也对平均基线步数(连续变量)进行调整。对回归假设进行了检验，并在有无影响异常值的情况下进行了回归，以确保有效性。对于意向治疗分析，所有被随机分配的个体都被纳入分析，未完成项目的个体延续基线值。完成者分析只包括完成该计划的个人，在计划的最后一个月上传至少20天的有效计步器数据。

线性回归分析采用正态分布的连续因变量，包括总步数、总步数变化量和上传有效天数。采用Logistic回归分析估计网络社区访问对流失率和步行动机的影响。李克特量表进行二分类分析。泊松回归比较了网站变量，表明发布的信息和浏览的帖子数量，并比较了总不良事件、严重不良事件和轻微不良事件的频率。

混合模型回归比较了两臂之间的步数增加率。时间到事件的分析比较了手臂之间最后一次计步器上传的时间，使用未调整的log-rank检验幸存者函数的平等性，并使用Cox回归模型控制混杂因素，使用Breslow方法进行联系。那些最后一次上传是在102天后的人被审查了。使用STATA 10.1 (StataCorp, College Station, TX, USA)进行样本量计算和统计分析。

人类被试

密歇根大学机构审查委员会批准了这项研究，并放弃了书面同意文件(IRBMED HUM00012230)。所有参与者都进行了在线同意。

结果

招聘

共有5954名可能符合条件的患者收到了邀请函。其中，706人完成了在线资格筛选，525人有资格参加。共有324人完成了基线登记程序(在线社区组= 254人，无在线社区组= 70人)。看到图3了解更多详情。

‎ 查看此图

基线特征

参与者年龄24 ~ 82岁(平均年龄52.0±11.4岁)。三分之二的参与者是女性，大多数参与者是白人(表1）.在线社区组的基线步数明显高于没有在线社区组。这种差异仅仅是偶然的，因为计算机算法将参与者随机分配到没有研究人员输入的武器(表2）.

在线社区使用

与我们的理论模型一致，在线社区的内容提供了社会支持，鼓励成功的社会模型，并促进了干预中非社区成分的使用。在介绍和其他地方，许多用户描述了使他们难以锻炼的个人挑战。这让在线社区的参与者有机会以同情、鼓励和信息社会支持来回应。工作人员和参与者都经常提到帖子中的非在线社区干预成分。在在线社区部门，在线社区很活跃，65%(165/254)的参与者使用在线社区，要么是发帖者，要么是“潜伏者”(即不发帖的读者)。

平均每日步数

表2显示手臂和总样本基线步数，最终步数，以及使用意向治疗和完成分析的平均每日步数的绝对变化。从基线到干预期结束，两组患者的平均每日步数均显著增加，但使用意向治疗或完成者分析，两组患者之间没有显著差异。对于整个样本(n = 324)，在意向治疗分析中，参与者每天平均增加1888步(P< .001)，大约每天1英里。在完成干预的人中，平均每天增加2477步(P< 0.001)或每天约1.25英里。看到图4每周的平均步数变化。步数增加的速度在不同的手臂上没有差异(P= .82)。

‎ 查看此图

项目参与和人员流失

在线社区组上传有效计步器数据的天数比无在线社区组多(在线社区占87%，无在线社区占75%;P=措施)。此外，在线社区部门更有可能上传有效的最后一个月数据;在线社区组的完成率比没有在线社区组高13%(在线社区，79%，没有在线社区，66%，P= .02点)。无网络社区组最后一次上传计步器的时间早于无网络社区组，这表明无网络社区组的人比网络社区组的人更早退出(风险比= 0.47), 95%的置信区间[CI] = 0.25 - 0.90P= .02点)。图5图表显示每周仍在上传数据的参与者的百分比。

‎ 查看此图

社会支持

两组在基线和干预后感知社会支持方面没有差异。报告基线社会支持较低的在线社区手臂参与者向在线社区发布了更多信息(发生率比= 0.65,95% CI = 0.54 - 0.78)P< .001，)并且浏览了更多的帖子(发病率比= .50,95% CI = 0.49 - 0.52)P< .001)。在研究结束时声称得到社会支持的两组参与者更有可能增加他们的步数(P= . 01)。

干预措施网站曝光

有意向治疗分析的在线社区小组的主页点击率高于没有在线社区小组(P= .02)，但与完全分析无关。在线社区和非在线社区的参与者对定制信息的看法没有差异。

网络社区使用对步行的影响

发布更多信息的在线社区参与者显示出更大的步数增长(每发布一条信息每天增加62步)，P= 03)。此外，浏览更多网页的在线社区参与者的步数增加更大(每次浏览网页每天增加2.3步)，P<措施)。撰写的帖子和浏览的页面越多，报告的增加步行的动机就越强(优势比[OR] = 1.15, 95% CI = 1.06 - 1.24)P= .001, OR = 1.005, 95% CI = 1.002 - 1.007P< 0.001)。

不良事件

两组间相关总不良事件、严重不良事件和轻微不良事件的数量没有差异。没有与在线社区使用相关的不良事件。与干预相关的严重不良事件有7起，包括走路时滑倒并摔倒在冰上导致腿部骨折，1起跌倒时的低血糖事件，以及5起与心脏症状相关的不良事件。轻微的肌肉骨骼损伤很常见，2.5%(8/324)的参与者患有足底筋膜炎。

讨论

主要结果摘要

在互联网介导的步行干预中，访问在线社区以增强社会支持、社会建模和自我调节策略为重点，增加了参与者的保留率。这项研究是首次使用随机对照试验设计来证明在线社区的好处之一。这里提出的结果加强了支持使用在线社区作为减少人员流失的工具的证据。相比之下，在线社区访问并没有改变那些仍然参加该计划的人的平均每日步数。完井者手臂之间的步数增加几乎相同。

虽然本研究旨在记录在线社区对计划保留和步数的总体影响，但一些次要定量分析支持概念模型中假设的机制。首先，那些社会支持基线较低的人更频繁地使用网络社区来发帖和阅读他人的帖子。观看帖子也与步数增加有关。这些发现支持了社会支持和社会建模机制的假设。生存曲线图5这表明，在参与的第一周，在线社区部门的留存率有所提高，但不是全部。这种早期效应更可能是由于社交模式而不是社会支持，因为建立支持性关系需要时间。参与者的帖子模仿克服障碍，描述个人成功，并给予一般的鼓励，从他们第一次登录该网站开始，在线社区部门的人就可以看到。此外，那些在网络社区的人比那些没有网络社区的人更经常地使用干预的自我调节成分。例如，与没有在线社区的参与者相比，在线社区的参与者佩戴计步器的天数更长，上传有效计步器数据的天数更长。

研究的优点

这项研究有许多独特的方面加强了结果。首先，这项研究的创新之处在于，它在一项随机对照试验中测试了单一成分(在线社区支持)的效果，这是确定干预与结果之间因果关系的黄金标准。随机化最大限度地减少了测量和未测量混杂因素的潜在影响。少数评估在线社区影响的研究通常采用观察性而非实验性研究设计[4]。在这些观察性研究中发现的在线社区的影响可能完全是由于混淆的结构，如基线参与者动机或自我调节技能。具有有利于成功行为改变的基本特征的个体可能更有可能使用在线社区资源。此外，我们发现在线社区访问会增加非在线社区干预成分(如自我调节工具)的暴露，这一假设得到了支持。例如，与没有在线社区的参与者相比，在线社区参与者佩戴计步器的天数更长，上传有效计步器数据的天数更长。

除了随机化，结果的客观测量也加强了研究结果。通过上传计步器数据和参与者与网站互动的电子记录，客观地测量了步行和计划保留结果，而不是不可靠的保留或行为变化的主观报告。此外，整个干预以及所有参与者招募和登记程序都是自动化的，并且是远程交付的，研究参与者和研究人员之间没有面对面的互动。这种对自动化的强调意味着干预可以在很少修改的情况下扩展到大量用户。此外，纳入标准有意扩大，包括很大比例可以从增加体育活动中受益的成年人。这增加了干预的潜在范围，并加强了研究结果的普遍性。

与现有文献比较

在这项研究中发现，参与者留存率的显著提高与之前发表的文献形成了鲜明对比，这些文献显示，在线社区没有好处，也可能有害。例如，格拉斯哥等人发现，与仅提供信息的对照组相比，在10个月后，在以信息为中心、基于互联网的糖尿病自我管理干预中加入在线社区，并没有显著改善任何行为、生物学或社会心理结果[25]。一些研究对网络社区可能产生的负面影响表示担忧。网络社区参与者的消极社会模式可能会鼓励参与者开始或继续不健康的行为或消极的应对策略。例如，Takahashi等人研究了抑郁症的同伴支持小组，发现与抑郁或对网络社区有负面看法的个人互动可能会引发抑郁状态[26]。

与目前的发现一致，一些精心设计的随机对照试验显示了基于互联网的健康行为干预的积极结果。在一项研究中，580名患有慢性腰痛的参与者被随机分为电子邮件讨论组和不讨论电子邮件的对照组。与对照组相比，随机分配到电子邮件讨论干预组的患者在疼痛、残疾、角色功能和健康困扰方面有显著改善[27]。值得注意的是，在长达一年的干预期间，电子邮件讨论列表非常活跃，发布了超过2000条消息。事实上，这种高水平的活动可能不利于继续参与;大约20%的干预组参与者因为第一个月的大量电子邮件而退出。除了在线社区之外，干预组的参与者还收到了一本关于慢性腰痛的书籍和录像带，这些混杂因素可能影响了改善的结果。然而，大量的电子邮件表明，电子邮件交流在改善结果方面发挥了重要作用。

以前的在线社区研究也受到社区使用率低的限制。在为数不多的专门研究在线社区影响的试验中，Stoddard等人将参与者随机分配到有或没有在线社区的在线戒烟干预中。在被随机分配到在线社区干预组的684人中，只有81人浏览或发布了一条消息[28]。在另一项随机研究中，McKay等人研究了在线社区功能对糖尿病患者身体活动的影响。随机分配到干预组的参与者(n = 38)在8周的干预期间总共只发布了42条信息。与对照组相比，使用网络社区的参与者在体力活动方面有小幅且不显著的增加[29]。

一项针对戒烟网站的大型观察性研究表明，607名参与者中只有24%的人向在线社区发布消息，而发布消息的人的戒烟率高于不发布消息的人。然而，在控制了其他在线功能的使用后，包括交互式戒烟工具和一对一消息传递，发帖和增加的戒烟率之间的联系不再显著。这表明在线社区发帖与戒烟之间的联系并非因果关系，可能是由于接触其他网站组件或戒烟的基线承诺而混淆的[30.]。总的来说，这些研究加强了人们的关注，即在线社区使用率低是自动化健康行为改变干预措施中的一个常见问题，低使用率可能会削弱在线社区对保留和行为改变结果的影响。

研究的局限性

在解释这项研究时，有许多研究局限性需要考虑。首先，偶然的，尽管是随机的，在线社区组的参与者在基线时比没有在线社区组的参与者更活跃。这种差异需要在所有分析中控制基线步数。这是通过使用步数变化作为结果而不是绝对步数来实现的。此外，基线步数作为潜在的混杂因素包括在所有组间多元回归分析中。对于未来的研究，一个更好的方法是使用分层随机化，以确保公平地将较高和较低基线步数的参与者分配到两个组中。

第二个限制是，用于刺激在线社区参与的技术需要大量研究人员对在线社区内容做出贡献。这样的操作是必要的，以测试一个活跃的在线社区的有效性。然而，工作人员提供的内容可能与自发的参与者内容不同，因此这些结果可能无法推广。在网络社区中，规模确实很重要。更大的在线社区往往有更活跃的互动，更容易吸引和留住更多的用户。通过将更多的人随机分配到在线社区组而不是对照组来扩大在线社区的规模，这是另一种用于确保参与者之间积极参与互动的策略。对大型的、有机的和预先存在的在线社区的研究可能需要较少的研究人员操纵来维持活跃的对话，但是这样的研究很难随机化。

第三个限制是干预只持续了4个月，可能无法预测长期的磨损和干预依从性。此外，在不佩戴计步器期间，没有关于身体活动水平的信息。参与者在不佩戴计步器的日子里可能活动较少，这将人为地夸大计算出的平均步数。因为那些没有在线社区的人比那些没有在线社区的人上传了更少的有效计步器数据，这将使结果偏向于没有在线社区的人。

最后，社会支持和网络社区使用之间的关系必须谨慎解读。基线社会支持的测量是一个单项调查问题，旨在为信息定制算法提供数据，而不是精确测量社会支持。然而，先前的研究人员使用经过充分验证的测量方法，已经建立了感知社会支持与在线社区使用之间的联系。Barrera等人将糖尿病患者随机分为4组:(1)糖尿病信息控制组，(2)个人自我管理教练组，(3)仅在线社区组，或(4)个人自我管理教练和在线社区的组合。结果显示，与对照组相比，单独使用网络社区或与个人自我管理教练联合使用网络社区显著增加了感知到的社会支持[31]。社会支持可能是在线干预成功的关键组成部分，但这种支持是否实际上调解了在线社区使用和项目参与之间的关系仍有待确定。Barrerra等人的研究以及我们的研究中创建的在线社区都是专门为研究干预而创建的。另一种方法可能是创建基于互联网的健康干预措施，利用已有的友谊和在线社区关系。建立在现有社会关系的基础上可能会提高干预效果，是一个值得未来研究的方法。

目前的研究是一系列研究互联网介导的步行计划的特定组成部分的影响的研究之一。先前的研究考察了与参与者安全、目标设定选项和干预结果的小组竞争相关的组成部分[6，32，33]。通过检查复杂项目的具体组成部分，我们希望建立一个证据基础，以指导未来干预措施的发展。

结论

在以互联网为媒介的步行计划中加入在线社区功能并没有增加参与者的步数，但确实减少了损耗。体力活动社会支持基线低的参与者比社会支持基线高的参与者更多地使用网络社区功能。因此，在线社区可能是解决在线健康行为改变干预措施流失的一种解决方案，特别是在对健康行为改变的社会支持度较低的人群中。然而，活跃在线社区的设计和实现是一个相当大的挑战。本文的第2部分描述了实现在线社区所涉及的一些设计选择和成本[7]。