基于web的计算机定制的多种生活方式干预对降低心血管风险感兴趣的人的有效性:一项随机对照试验

简介

心血管疾病(CVD)是大多数发达欧洲国家(包括德国和荷兰)45岁以上男性和65岁以上女性发病和死亡的主要原因[1-5]。有规律的体育活动和健康的饮食在预防心血管疾病方面发挥着重要作用，因为它们对身体健康有广泛的有益影响。不同荟萃分析的结果显示，已经患有心血管疾病的人再梗死的风险较低[6]，心脏死亡率[6-8]和总死亡率[6，7，9如果他们提高了身体活动水平。此外，我们也建议食用足够的水果和蔬菜，因为这可减低患上进一步心血管疾病的风险，例如冠心病[10，11]和缺血性心脏病[12]，心脏死亡率[13]，以及总死亡率[11]。

为了降低心血管疾病的风险，主要目标之一是采取更健康的生活方式(即，有规律的体育活动和足够的水果和蔬菜消费)。使这些行为更加习惯性的改变是一级和二级预防的理想目标，因为一旦行为成为习惯，它就不需要有意识的努力，复发的可能性也会降低[14，15]。健康行为的习惯化可能是健康行为改变链的最后阶段，此时行为已经稳定，其强度已趋于稳定[14]。

意识到自己患心血管疾病风险的人通常会非常积极地去实践推荐的健康行为，改掉旧的、不健康的习惯。16]。然而，健康行为改变的过程涉及的动机因素不仅仅是了解行为改变的好处[17]和良好的意愿[18]。即使人们成功地开始了建议的改变，收获也往往是短期的，如果没有干预，行为改变的依从性会随着时间的推移而下降[19，20.]。因此，需要对健康行为维持的潜在机制进行长期研究。

有充分的经验支持，行为改变的意图可能通过增加自我调节策略的使用(即自我效能[21，22]和计划[23-25])。根据Bandura [26，自我效能感描述的是一种乐观的自我信念，它涉及到应对可能失败和从复发中恢复的能力。自我效能感似乎在健康行为改变过程的各个阶段都很重要[21它不仅对行为启动很重要，对行为维持、恢复和习惯化也很重要。在干预研究中可以找到提高自我效能的技术相关性的证据，这些研究发现，实验诱导的自我效能的变化与晚些时候的行为开始呈正相关[27-29]。然而，对习惯强度的直接影响的研究还很有限。

除了自我效能之外，计划还可能促进习惯的强化，因为习惯被认为是稳定环境中频繁的行为设定的结果[30.-32]。例如，如果一个人计划在周五晚饭后去游泳，他或她的行为就会与上下文线索密切相关，比如他或她选择执行最初行动计划的时间和地点，这种行为就会在很少的预见性的情况下变得自动化。15]。先前使用自我调节技术的干预研究揭示了在体育锻炼的情况下，短期随访对习惯强度的影响[33]和非吸烟区[34，尽管目前还没有针对多种行为的研究。

由于习惯强度在行为干预研究中是一个相对较新的概念，目前还不完全了解计划和自我效能如何与习惯强度相互作用。利用自我效能和计划技术的干预可以增强社会认知，从而导致习惯强度的增加。因此，中介分析可以揭示这种干预的潜在工作机制。

越来越多的研究领域集中在将互联网作为一种交付模式，以允许个性化的行为改变干预[35-38]。由于干预措施不能以同样的方式适用于所有人群和环境，因此与一般干预措施或所谓的“一刀切”方法相比，定制干预内容并提供个人行为和行动反馈可能会提高此类方案的有效性[39，40]。根据个人对特定行为的感知为其量身定制的反馈可能类似于面对面互动中的反馈，因此对参与者具有更高的个人相关性[41-43]。此外，与面对面的干预措施相比，通过互联网提供量身定制的干预措施很容易获得，并为广泛人群提供了一种具有成本效益的手段[35，36]。先前关于计算机定制的基于网络的健康行为改变干预措施的研究为各种健康行为提供了积极的结果，包括身体活动[44-48]、水果及蔬菜消费量[49，50]，以及多个运行状况行为[51-53]在一般成年人以及有心血管疾病风险的人群中[54，55]。虽然之前这些基于网络的计算机定制研究主要关注行为成就，但这项研究通过直接评估其增强习惯强度的能力扩展了这一主题。

在这项研究中，第一个目标是调查一项为期8周的基于网络的计算机定制干预对改善那些有兴趣降低心血管风险的人自我报告的体育活动习惯强度和水果和蔬菜消费习惯强度的影响。此外，我们还测试了这样的预测，即针对性干预所针对的社会认知变量(即自我效能和计划)在干预组中比对照组中比基线增加更多。最后，在两次随访测量后，我们调查了自我效能感和行动计划的变化是否调节了干预对习惯强度改善的影响。测试干预如何对习惯强度的近端指标产生影响的机制是我们研究的附加价值。只有当我们知道干预措施是否通过成功地针对自我效能和通过模型学习和具体的计划任务来支持习惯形成，我们才能得出在线干预措施在未来应该解决什么问题。

方法

研究方案的详细描述已在以前发表过[56];因此，本文仅对研究方法和程序进行了总结。

研究设计、程序和参与者

本研究是一项随机对照试验，包括一个干预组和一个等待对照组。有三次评估:基线(T0, N=790)，基线后8周的后测(T1, N= 206)，以及基线后3个月的随访(T2, N= 121)。等待对照组在干预组完成干预后，在T2处进行为期8周的基于网络的计算机定制干预。该研究获得了德国德国Gesellschaft für Psychologie (EK-A-SL022013)和荷兰Heerlen Atrium医疗中心医学伦理委员会(12-N-124)的伦理批准。

2014年7月至2015年2月在德国和荷兰进行了登记和随访。我们采用了不同的招募策略:参与者由本研究的作者在10个德国和8个荷兰心脏康复机构和心脏训练组中面对面招募。这项研究的作者联系了获得中心，他们愿意参与。此外，我们通过糖尿病和心血管疾病的互联网平台，以及德国和荷兰的两个研究机构在线小组的电子邮件邀请，呼吁参与。没有关于通过每种策略招募了多少参与者的数据。纳入标准如下:年龄在20至85岁之间，没有身体活动和水果和蔬菜消费禁忌症，有兴趣改善身体活动和水果和蔬菜消费，有足够的相关语言(德语或荷兰语)阅读和写作能力，有计算机读写能力和互联网接入。这项研究是自愿参与的，数据是匿名的。

图1显示了参与者从参与研究到分配到两种条件(干预组和等待对照组)以及8周和12周后的随访的流程。为了获得基于网络的调查问卷，参与者使用自己选择的昵称和密码在康复-善后(RENATA)网站上注册，以获得最佳的过渡到自主日常生活(RENATA)网站。该网站也向公众开放，提供了关于纳入标准和8周干预程序以及问卷持续时间的广泛信息。参与者被告知为两组设计，所有研究参与者所提供的信息都是相同的，与招募策略无关。

在网上提供知情同意后，1010名参与者被随机分配到干预组或等待对照组。两组都参加了相同的基线测量(T0)。干预组和等待对照组由内容管理系统TailorBuilder进行随机分组，该系统是为基于web的定制干预而开发的。没有块或集群随机应用;相反，随机化是在个体水平上进行的。参与者和本研究的作者在研究期间不知道他们的分配情况。实验是双盲的。总体而言，研究小组排除了220个数据集，原因包括双重登记(n=5)、性别信息缺失(n=86)、年龄不足(n=1)，以及没有可用的T0、T1或T2数据(n=128)。

‎ 查看此图

干预项目

注册后，通过互联网向干预组传递8周的干预，解决前4周的身体活动和随后4周的水果和蔬菜消费。每周一次，研究参与者被提醒参加每周的干预会议，并通过自动生成的包含相应问卷链接的电子邮件进行后续测量。

该干预是基于网络的计算机定制干预，旨在增加那些打算改变自己的身体活动和水果和蔬菜消费的人的身体活动和水果和蔬菜消费。我们使用卫生行动过程方法作为理论框架，制定了为期8周的基于网络的干预措施[21，57]。干预期的8周会议通过使用行为改变技术针对不同阶段的概念(非意图者、意图者和行动者)，例如提供有关行为风险的信息、行为改变的好处、意图形成、障碍识别、提示具体目标设置和回顾行为目标[58]。这些技术在其他计算机裁剪程序中已被证明是有效的[51，59]。在前四个干预阶段(1-4期)讨论了身体活动，后四个干预阶段侧重于水果和蔬菜消费(5-8期)。下面，我们将简要描述这两种行为的每个会话的内容。在第1和第5阶段，参与者根据他们之前的评估，收到了关于他们的风险认知、结果预期以及他们关于身体活动和水果和蔬菜消费的实际健康行为的量身定制的反馈。在第二和第六次会议期间，参与者被要求确定个人目标和身体活动以及水果和蔬菜消费的行动计划。在这个环节中，参与者收到了示例计划和关于如何构建计划以及计划应该包含哪些元素(在哪里，何时，谁，多长时间，与谁一起)的定制反馈。随后，参与者有机会调整他们的计划。在这段时间和接下来的会议中，自我效能也得到了解决，参与者得到了关于如何执行预期行为的激励反馈。在第三和第七次会议期间，与会者被问及他们是否成功地执行了行动计划，以及他们是否愿意调整计划。那些表示在制定计划方面有困难的人收到了榜样榜样。 Thereafter, coping planning was addressed in the third and seventh sessions, whereby participants were asked to identify personal barriers and generate coping plans. Again, these coping plans were evaluated during the next session and could be adjusted by the participants. The fourth and eighth sessions focused on social support. Participants developed an overview about people in their environment who could support them in achieving their plans. During the intervention, different types of feedback were provided. Ipsative feedback was used to provide participants with an overview of their development regarding physical activity and fruit and vegetable consumption during the intervention. This feedback was based on a short questionnaire that participants had to complete at the beginning of each session. Normative feedback was included to compare the participants’ behavior with the norm of the population. Bar charts were included in each session to present the progress of the participant’s behavior change. In this study, feedback and behavioral recommendations referred to the goals of five portions of fruit and vegetables a day and physical activity for at least 30 minutes five times a week because this constituted the best match for the target group [11，60]。柱状图用于监测行为改变的进展，并应用了个人语调。

测量仪器

所有变量在基线(T0)、8周干预期(T1)后和3个月随访(T2)期间在线自我评估。研究参与者在李克特量表上表示所有的社会认知项目，范围从“1=不正确”到“7=完全正确”。

社会人口变量

我们评估了社会人口学信息，如性别(1=男性，2=女性)，出生年份，国家(1=荷兰，2=德国)，就业状况(1=兼职，2=全职，3=正在培训，4=失业，5=退休，6=家庭主妇/-丈夫)，婚姻状况(1=单身，2=亲密关系但不住在一起，3=亲密关系并住在一起，4=婚姻伴侣/普通法婚姻，5=离婚，6=丧偶)，以及最高教育水平(1=没有学校毕业，基线问卷中2=小学学历，3=中学学历，4=职业学校毕业，5=大学入学文凭，6=其他)。参与者还报告了身高和体重，以计算他们在T0、T1和T2时的身体质量指数(BMI)。

意图

在体育活动方面，使用的三个独立项目是“每周5天，每次30分钟(或每周至少2.5小时)，我打算……(1)“剧烈体力活动”，(2)“中等体力活动”，或(3)“步行活动”[59]。对水果和蔬菜的消费意愿的评估使用的项目是“我认真地打算每天至少吃五份水果和蔬菜”[61]。

自我效能感

体力活动自我效能[62通过五个项目(Cronbach alpha=.88)进行评估，例如“我确信我可以每周至少5天，每次30分钟进行永久性的体育锻炼。”食用水果及蔬菜的自我效能[29通过五个项目(Cronbach alpha=.92)进行评估，例如“我确信我可以每天吃5份水果和蔬菜，即使有时很难做到。”

行动计划和应对计划

行动计划和应对计划的评估使用6项体育活动(Cronbach alpha=.91)和6项水果和蔬菜消费(Cronbach alpha=.92)。对于这两个目标行为，问题都以“下个月，我已经详细计划好了……"(1) "我想参加哪些体育活动"，"(2)"什么时候我必须特别小心，不能停止活动"，以及(3)"在困难的情况下，我能做些什么来坚持我的意图"63]。

计划水果和蔬菜的消费时，也从同样的短语开始，然后是三个项目:(1)“什么时候我要吃5份水果和蔬菜”，(2)“我要吃哪些水果和蔬菜”，以及(3)“什么时候我需要特别小心，不要陷入我以前的饮食习惯”或“在困难的情况下我能做些什么来坚持我的意图”[29]。

习惯的力量

体育活动习惯的强度(Cronbach alpha=.88)和水果和蔬菜消费习惯的强度(Cronbach alpha=.93)是用自我报告习惯指数(SRHI)的缩写来测量的[64)，其中包括两项“每周5天至少进行30分钟的体育锻炼……和“每天吃五份水果和蔬菜是……”(1)“已经成为一种固定的习惯”和(2)“我不需要去想它。”

统计分析

数据分析采用SPSS版本22。使用方差分析对年龄、基线意愿、基线习惯强度和BMI进行定量变量分析。对分类变量性别和国家进行卡方检验。年龄、性别、国家、就业状况、婚姻状况、最高教育水平和BMI被作为协变量纳入所有分析，因为我们对亚组差异不感兴趣。

为了调查干预的有效性，我们首先进行了单独的ANCOVAs，对定期体育活动的习惯强度、水果和蔬菜消费的习惯强度、自我效能和计划这四项结果测量进行了重复测量分析。在每次分析中，将时间、分组和按时间分组的相互作用作为自变量输入，并对按时间分组的相互作用进行解释。均值差异的效应量表示为科恩效应d．小于0.30的效应量为小，0.30 - 0.80之间的效应量为中，大于0.80的效应量为大[65]。

为了检验对习惯的干预效果是否源于社会认知变量的变化，我们使用中介分析来测试干预对习惯强度变化的间接影响，通过干预旨在改变的认知的变化。中介分析采用SPSS AMOS中介模型，根据Preacher和Hayes [66]。采用自举法(5000个自举样本)估计通过自我效能和计划干预习惯强度标准化效果的95%置信区间。

基线习惯强度和基线自我效能和计划水平被控制。统计显著性水平设定为P< . 05。所有报告P值是双尾的。我们没有使用统计方法来校正多重测试。

对于分析中使用的16个变量，缺失数据比例在T0时<21%，在T1时<19%，在T2时<17%。因此，采用全信息最大似然(FIML)方法估计缺失的研究变量。我们将估计的数据导出到SPSS进行进一步分析。FIML基于最大似然算法，与其他选项(即列表/成对删除，回归imputation)相比，最大似然估计表现出最小的偏差[67]。例如，Demirtas等人[68]报告说，参数估计准确，漏报率高达25%。

结果

参与性和样本特征

最终的样本包括790人，基线时平均年龄为50.9岁(SD 12.2，范围20-84)。整体而言，62.9%(497/790)受访者为女性，71.8%(646/790)受访者已婚或有恋爱关系，而569名(72.0%)受访者受雇于全职或兼职工作。平均BMI为27.6 (SD 5.5，范围15.0-60.8)，表明参与者作为一个群体被认为超重。表1提供本研究中主要基线变量的概述。

的t测试显示，德国(n=371)和荷兰(n=419)参与者在年龄方面存在微小但显著的差异(t₇₈₉= 8.51,P=.004)， bmi (t₇₈₉= 5.38,P=.02)、身体活动自我效能(t₇₈₉= 8.24,P=.004)，以及计划食用水果和蔬菜(t₇₈₉= 18.91,P<措施)。研究发现，与荷兰参与者相比，德国参与者年龄稍大，BMI指数和自我效能水平更高，而他们报告的水果和蔬菜消费计划较少。此外，荷兰参与者中女性较多(χ²₇₉₀= 9.1,P= 04)。

辍学的分析

退出分析(1=退出，2=无退出)显示完成所有数据收集波(T0, T1, T2)的参与者与T0后退出的参与者在年龄方面无显著差异(F_1789年= 1.11,P=.29)， bmi (F_1789年= 0.38,P=.54)，基线意图(水果和蔬菜消费:F_1789年= 0.81,P=尾数就;体育活动:F_1798年= 0.02,P=.90)，以及基线习惯强度(水果和蔬菜消费:F_1789年= 0.23,P=点;体育活动:F_1789年= 2.75,P= 10)。此外，T0后的辍学率与参加随访问卷者的性别差异无统计学意义(χ²₇₉₀= 2.1,P=.15)和国家(χ²₇₉₀= 1.2,P=.27):男性和女性，以及德国和荷兰的参与者在基线测量T0后退出，人数相等。

在T1后测后退出的人与参加所有测量点的人在年龄方面没有差异(F_1789年= 3.36,P=.07)， bmi (F_1789年= 0.42,P=.52)，基线意图(水果和蔬菜消费:F_1789年= 1.56,P= . 21;体育活动:F_1798年= 0.01,P=.98)，以及食用水果和蔬菜的基本习惯强度(F_1789年= 1.22,P= 10)。此外，T1后的辍学率与参加随访问卷者在国家方面无差异(χ²₇₉₀= 1.2,P= 10);德国和荷兰的参与者在基准测量T0后退出，人数相同。然而，就身体活动的基线习惯强度而言，在T1后退出的人与完成所有测量点的人之间存在显著差异(F_1789年= 6.71,P=.01)，性别(χ²₇₉₀= 4.3,P= .04点)。在T1之后，女性退出的人数略多于男性;在T1后退出的人比完成所有测量点的人显示出明显更低的身体活动习惯强度基线。总体而言，T0到T1的减员率为73.9% (584/790)，T0到T2的减员率为85.3%(705/790)。

表2显示参与单个干预会议的参与者数量。参与率从第一期的90.8%(314/790)下降到最后一期8周干预的19.9%(69/790)。参与者完成了8个潜在会话的平均2.0 (SD 2.4)干预会话。大多数参与者只完成了一次会话(41.9%，331/790)，15.3%(120/790)完成了两次会话，8.7%(68/790)完成了三次会话，4.6%(36/790)完成了四次会话，3.8%(30/790)完成了五次会话，5.8%(45/790)完成了六次会话，5.5%(43/790)完成了七次会话，8.1%(63/790)完成了全部八次会话。

从基线到后测习惯强度变化的干预效果

首先测试的假设是，8周基于网络的干预将导致在测试T1后水果和蔬菜消费的习惯强度和身体活动的增加。重复测量的ANCOVA结果(见表3)显示了group×time对果蔬消费习惯强度的交互作用(F_1199年= 7.71,P=。006年,科恩的d=0.30)以及身体活动的习惯强度(F_1199年= 7.71,P=。006年,科恩的d=0.37)中等效应大小。从基线(T0)到后测(T1)，干预组的饮食习惯强度和体育活动习惯强度比等待对照组增加更多。然后对T2随访进行测试，检查T0到T2的变化。水果和蔬菜消费习惯强度也没有干预效果(F_1114年= 0.82,P=.14)体力活动的习惯强度(F_1114年= 0.43,P=.24)随访T2。

自我效能与计划基线后测变化的干预效果

重复测量的ANCOVA显示，condition×time对身体活动的自我效能有显著的交互作用(F_1199年= 2.11,P=。01,科恩的d=0.22)和食用水果和蔬菜的自我效能(F_1199年= 1.40,P=。04,科恩的d= 0.20)。与等待对照组相比，干预组从基线(T0)到后测(T1)的自我效能增加更高。食用水果和蔬菜对自我效能没有干预效果(F_1114年= 3.63,P=.06)或身体活动的自我效能(F_1114年= 0.39,P=.54)随访T2。就计划而言，我们发现condition×time对于身体活动(F_1199年= 5.70,P=。02年,科恩的d=.35)及水果及蔬菜消费量(F_1199年= 5.48,P=。02年,科恩的d=0.36)，具有小到中等的效应大小。这表明，与等待对照组相比，干预组从基线(T0)到后测(T1)，对这两种目标行为的规划都有显著更高的增加。

中介分析

为了探讨干预是否通过自我效能感和计划对习惯强度产生影响，在T2随访时，我们认为自我效能感和计划在干预与习惯强度之间起着序贯中介作用。整个假设模型描述在图2并显示了一个可接受的拟合数据(χ²₁₉₀= 6.1,P<措施;比较拟合指数=.91;Tucker-Lewis指数=结果;近似的均方根误差=.08)。干预组的条件显著预测T1自我效能感(体力活动:beta=0.32，P<措施;水果和蔬菜消费:beta=0.39，P<.001)，干预组的平均值较高。T1自我效能感与T1计划显著相关(体育活动:beta=0.61，P<措施;水果和蔬菜消费:beta=0.63，P<.001)，而T1计划预测了随后的T2习惯强度(体育活动:beta=0.22，P<措施;水果和蔬菜摄入量:beta=0.50，P<措施)。因此，计划更多的人也更有可能在以后表现出更强的习惯。基线习惯强度也能显著预测T2时的习惯强度(体力活动:beta=0.79，P<措施;水果和蔬菜消费:beta=0.43，P<措施)。通过T1自我效能感和T1计划干预T2习惯强度的标准化间接效应，体育活动的beta=0.04 (95% CI 0.02-0.06)，水果和蔬菜消费的beta=0.12 (95% CI 0.09-0.16)。多重中介模型占T2体力活动习惯强度方差的68%，占T2水果和蔬菜消费习惯强度方差的44%。

‎ 查看此图

讨论

主要结果

这项研究的目的是测试基于网络的干预在提高定期体育活动和水果和蔬菜消费习惯强度方面的有效性。在基线后8周，干预导致参与者自我报告的身体活动习惯强度以及水果和蔬菜消费习惯强度显著增加。这与之前的自我调节干预研究的结果一致，这些研究在体育锻炼的情况下通过短期随访对习惯强度产生了影响[33]及戒烟[34]。然而，我们的研究将这些发现扩展到基于网络的计算机定制的身体活动干预以及水果和蔬菜消费干预的背景下，并显示了多种行为改变干预的在线实用性。

之前的研究主要测试了习惯强度是如何根据行动线索形成的。14，15]。这样的提示可以是医疗治疗或在电子健康计划期间收到的建议。相反，我们调查了哪些自我调节机制可以解释干预对习惯强度的影响。我们能够证明，干预成功地解决了两个关键的干预变量，自我效能和计划，这两个变量随后在基线后3个月介导了对习惯强度的干预效果(即，自我效能和计划的变化对习惯强度有附加作用)。这重复了Fleig等人的结果[31]，他们使用多重健康行为模型和理论假设[69]。自我效能感和计划都可以预测以后的习惯强度;因此，它们不仅对行为启动很重要[27-29]，还包括行为维护。在未来的研究中，应该在医学背景下(即仅对患者)通过互联网研究设计更深入地研究这种行为维持。

本研究中使用的习惯强化的理论框架也可以应用于个人试图打破不健康习惯的过程，如吸烟和吃零食。例如，Webb等人[34)表明，有中度或轻度吸烟习惯的吸烟者在与他们在行动计划中指定的行为替代方案(例如，“如果我从办公室走到我的车，那么我将嚼一些口香糖而不是吸烟!”)一起成功地克服了他们不健康的习惯性反应。这些代偿性认知在本研究中没有得到明确的研究，但应该在未来进行研究[69]。

我们对假设机制的结果很重要，因为它们指向了基于web的干预的潜在目标结构，以及如何使这种干预更有效。必须解决自我效能和计划，使个人能够养成习惯，并将意图转化为行为。然而，在未来的研究中，这需要进一步评估。例如，应该测试干预效果是否仅通过自我效能感-计划的顺序转换，或者是否也可能是自我效能感调节了通过计划的意图到行为的中介。此外，实验设计应测试针对规划的干预是否只对意图者或高自我效能者有效，因为在先前的研究中发现了这一点[63]。

限制

本研究存在一些局限性，包括我们的标准变量水果和蔬菜消费和体育活动习惯强度的测量。SRHI提供了一种标准化和可靠的措施，以评估行为和人群之间的习惯行为[70，71]。然而，我们依赖的是一种简短的习惯强度测量，指的是一般的身体活动和水果和蔬菜的消费。未来的研究可能会包括SRHI的其他项目，以捕捉习惯性自动性的更多方面(例如，缺乏控制)。此外，干预研究的行为结果测量的自我报告可能因其局限性而受到批评，如反应和回忆偏差、漏报、社会理想答案和测量误差[72]。因此，提倡将生物标记物或计步器等措施作为有效性的客观指标[73，74]。

此外，我们研究中的高辍学率需要解决。基于网络的干预通常会有辍学率[75]这可能非常高(例如，高达86% [76])。尽管干预的适当使用因参与者的某些特征而异[76，我们没有发现任何个人特征可以解释高辍学率。由于我们广泛的招募策略，可以假设，大量报名参加干预的参与者只是出于好奇，而不是对改变他们的健康行为有真正的兴趣，这可能是高辍学率的一个解释[77]。此外，退出和不回答问题也可能是由于干预的特点造成的，例如问卷的长度、布局或干预的导航困难[78]。未来的研究应进一步调查退出和对电子健康干预无反应的特征，并考虑如何解决这些问题，以获得更大的样本量，包括随访。最近一项系统检讨的结果[79]表明，技术和交互的差异预测了基于网络的干预的用户依从性。

未来干预措施的一个可能建议是包括社交媒体互动、整合环境因素和定期更新以促进依从性。当参与者有社会关系时，他们可能会在基于网络的项目中表现出更高的参与度，并完成项目挑战[80]、与他人交流经验和获得社会支持的可能性[81]。此外，因为环境干预成分(例如，关于如何为身体活动规划自行车路线的信息)可能有助于人们找到将目标意图转化为行为的可能性[44]，这些环境因素的整合可能有助于刺激更积极的干预参与。

最后，我们的研究参与者形成了一个相当不同的群体，因为我们通过不同的招募渠道纳入了参与者。不幸的是，没有数据表明通过每种策略招募了多少参与者。虽然在所有分析中，基线意图和社会人口学数据都被控制，但在未来的研究中，医生评级、医学诊断或医学严重程度的客观指数应被纳入对照。此外，德国和荷兰参与者在使用的测量方法方面存在微小但显著的差异，尽管我们假设结果的差异不是由于国家，因为两国都有相似的营养建议[82，83]和预防运动(例如“每天5粒”)[84，85]。

结论

这项研究的结果对于未来基于网络的计算机定制干预措施的发展很重要，以改善生活方式行为，从而降低心血管事件的风险。基于网络的计算机定制干预可能是一种合适的交付模式，可以成功地促进自我效能和计划的变化，从而预测身体活动和水果和蔬菜消费习惯强度。这项研究增加了越来越多关于现实世界习惯强化的文献，我们的研究结果表明，对一个人的行动的计划和信心可能有助于使行为自动化的过程。我们的研究结果增加了目前的知识体系，因为它们展示了这种干预如何影响行为习惯改变的机制。未来的干预措施应通过针对自我效能和通过模型学习和具体计划任务进行计划来解决习惯形成问题。

由于高辍学率，我们的结果必须谨慎解释，尽管这些发现可以指导进一步的研究。特别是，所研究的结构和机制应进一步阐述。实际的影响可以从以下事实中得到:加强习惯的计划资源和自我效能增强器可以通过互联网简单地提供，易于人们实施，理论上具有长期影响的潜力。

未来的干预可能受益于辅助计划的创建和回忆，特别是伴随着自我效能提示技术，如替代经验，个性化反馈，提供或有奖励，自我监控(跟踪自己的食物和运动相关行为)，并意识到掌握经验[86，87]。