原始论文
摘要
背景:妊娠期体重增加过多(GWG)有助于母亲和儿童肥胖的发展。基于互联网的干预措施有可能为大量人群提供创新和互动的选择,以预防过度的全球变暖效应。
摘要目的:本研究的目的是创建一种基于互联网的干预使用模式的新测量方法,并检查基于互联网的干预的使用是否与减少过度GWG的风险相关。
方法:该网站的特色是博客、当地资源、文章、常见问题解答(FAQs)以及干预组和对照组妇女都可以使用的活动。每周都用电子邮件提醒两组参与者使用该网站并突出显示新内容。只有干预组的参与者可以使用体重增加追踪器以及饮食和体育活动目标设定工具。共有1335名(干预组898名,对照组437名)相对多样化且健康的孕妇被随机分配到干预组或对照组。使用潜在类别分析检查干预组和对照组参与者的使用模式。回归分析用于估计使用模式与三种GWG结果之间的关联:GWG总量过多、GWG率过高和GWG。
结果:五种使用模式最好地描述了干预组参与者对干预的使用。三种使用模式最好地描述了对照组参与者的使用情况。对照臂的使用模式与过量GWG无关,而干预臂的使用模式与过量GWG相关。
结论:控制和干预臂使用模式表征是对自我导向的基于互联网的干预过程评估的独特方法贡献。在干预组中,一些使用模式与GWG结果相关。
临床试验:ClinicalTrials.gov;临床试验编号:NCT01331564;https://clinicaltrials.gov/ct2/show/NCT01331564(由WebCite在http://www.webcitation/6nI9LuX9w存档)
doi: 10.2196 / jmir.6644
关键字
介绍
孕妇肥胖和妊娠期体重过度增加(GWG)与许多不良妊娠和分娩结局有关,如妊娠糖尿病和剖宫产,此外还会增加母亲和婴儿的肥胖风险[
- ].Cochrane最近的一项综述发现,怀孕期间的饮食和运动干预可将GWG过量的风险降低20% [ ].这项审查表明,电子通信干预措施可能有潜力解决这些日益严重的公共卫生问题。电子健康(eHealth)干预具有覆盖面广、互动性强、个性化和成本效益高的优点。电子健康干预已被证明在认知结果(知识、意图和自我效能)、一些行为结果(戒烟、减少饮酒、安全性行为和增加体育活动)和情绪结果(轻度至中度抑郁、焦虑、强迫症和恐惧症)方面都是有效的[
].Hill等人的综述和荟萃分析[ 研究发现,提供信息和行为自我监控是干预GWG的两个关键策略。然而,根据最近的一项综述,行为干预措施在解决产妇肥胖和妊娠期妊娠的有效性方面缺乏明确的认识,特别是需要确定有助于这些干预措施有效性的具体干预成分[ ].一般来说,接受的干预剂量越大,干预特征的使用越多,体重相关的干预结果就越成功[
- ].对于电子健康或基于互联网的行为改变干预措施来说尤其如此[ - ].虽然基于互联网的干预措施提供了一个独特的机会来客观地衡量行为改变工具和其他特征的使用情况,但目前对此类干预措施的定义和使用方法尚无共识[ ].之前的研究使用了以下指标:网站访问或登录次数,在网站上花费的时间以及使用的功能数量[ - ].在之前发表的一篇文章中,我们描述了干预使用措施的创建,该措施考虑了预期使用,跨时间使用的一致性,以及旨在防止过度GWG的基于互联网的干预的不同特征的使用模式[
].本研究在一项随机对照试验中调查了使用特征的模式及其使用次数是否与GWG结果相关。我们对干预组妇女使用了先前描述的使用模式测量,为对照组妇女创建了一个新的使用测量,然后检查了这些使用测量与3种不同的GWG结果之间的关系。方法
研究设计
本研究的数据来自于美国东北部一个中型城市的一项预防过量孕产和产后体重潴留的随机对照试验,试验对象为年龄在18-35岁、体重指数(BMI)范围正常至肥胖I级、社会和种族多样化、相对健康的女性(N=1689)。该试验于2011年至2014年进行,详见其他文献[
, ],其ClinicalTrials.gov识别码为NCT01331564。孕妇在产前诊所、私人产科诊所、提供超声波的诊所、电话和网上进行了筛查。为了符合资格标准,参与者必须(1)在怀孕20周或之前同意,(2)可以进行24个月的干预,(3)计划怀孕至足月并抚养孩子,(4)阅读并理解英语,(5)有电子邮件地址。排除标准包括:BMI小于18.5 kg/m2(过轻)或大于或等于35.0 kg/m2(肥胖II级或以上),多胎妊娠(如双胞胎),既往有饮食失调或胃分流手术,连续流产3次或3次以上,存在可能影响体重减轻或增加的孕前疾病。所有研究参与者都收到了一封电子邮件,描述了网站上的工具。电子邮件、明信片和电话提醒被用作鼓励参与者第一次访问该网站的提示。第一次访问网站还可获得5美元的奖励。本分析的样本包括符合条件的妇女,在怀孕期间进入研究,至少有一个网站登录或完成基线问卷,并且有一个单胎妊娠持续至少20周(n=1335)。研究方案由罗切斯特大学研究科目审查委员会和康奈尔大学机构审查委员会批准。
干预
Fishbein & Yzer行为预测综合模型[j]
]是基于互联网的干预以防止过度GWG的指导性理论框架。Fishbein和Yzer的框架与Fogg的说服设计行为模型相结合[ 将体重相关行为及其预测因素与干预特征联系起来。米奇的行为改变技巧[ , ]向政府干预部门网站功能的发展提供资料( ).该网站的特色是博客、当地资源、文章、常见问题解答(FAQs)以及干预组和对照组妇女都可以使用的活动。每周都用电子邮件提醒两组参与者使用该网站并突出显示新内容。此外,干预组的参与者可以使用体重增加追踪器以及饮食和体育活动目标设定工具。干预参与者每周都会收到电子邮件,提醒他们使用体重增加追踪器、饮食和体育活动目标设定工具。Graham等人的研究更详细地描述了干预特征[ ].一致的使用特性
使用互联网为基础的功能是由网站自动捕捉。使用以下6个干预功能和登录来描述干预组的使用情况:健康相关信息(文章和常见问题)、博客、本地资源、饮食目标设定工具、身体活动目标设定工具和体重增加追踪器(
).对于控制臂,登录和使用上面提到的前3个功能都包含在使用模式度量中。对于某些特性,在使用模式度量中捕获了与预期使用相关的使用量。在体重增加跟踪器中登录和输入体重时,预期会持续使用。我们希望女性每隔30天记录一次体重,但是,考虑到产前护理时间的不同,我们设置了从登记到分娩的45天间隔。如果一名女性在她参与研究的45天间隔中输入一个体重,她被归类为一致的追踪.如果一名女性在至少一半的时间间隔内输入了一个体重,她就被归类为一个几乎一致的跟踪器.如果一名女性输入了至少一种体重,但没有在超过一半的间隔时间内输入,她就被归类为肥胖不一致的追踪.最后,如果她在怀孕期间没有输入体重,她被归类为nontracker.考虑到干预组和控制组参与者登录后在网站仪表板上可见的内容数量,我们将网站登录算作功能使用( 和 ).使用相同的程序对登录进行一致的体重跟踪。使用数量
对于所有其他特性,不期望一致的使用。预计将在“需要”的基础上使用。因此,使用数量用于以下特征:健康相关信息、博客、资源、饮食目标设定工具和体育活动目标设定工具。女性对某项功能的使用分为3个等级:高(用户中位数≥中值),低(用户中<中值),或者没有一个(0)。
使用模式
使用潜类分析(LCA)来确定干预组和对照组女性的使用模式。这个分析被用来根据他们相似的使用模式对个人进行分组。所有分析均采用SAS程序,PROC LCA version 9.2 (SAS Institute)。Demment等人在研究中更详细地描述了干预使用模式变量的创建[
].本分析中使用的样本排除了从未登录过且未完成问卷调查的女性,这影响了出现的潜在类别。结果测量
GWG数据是通过对参与者产前、分娩和产后6周医疗记录的审核获得的。总GWG以妊娠第一次体重与最后一次体重之差计算。总体而言,12.80%(171/1335)的样本在产前图中没有足够的体重信息来产生有效的测量GWG。妊娠<14周和≥37周均需有足够的体重信息。缺失数据使用多重输入处理,以解决偏倚问题[
],这可能是由于使用SAS PROC MI和MIANALYZE程序只分析完整的病例。总共为初步分析和下面提出的模型创建了60个输入数据集。每周GWG率计算为最后一次妊娠体重与最接近20周(±3周)测量的体重之差,或18-21周时估算的平均体重(如果缺失)之差,除以这些体重之间的周数。接下来,根据医学研究所在随机化时确定的每个BMI组的指南,计算20周后总GWG过高和GWG过高率的二元结果。对于3个BMI组,总GWG超标和每周GWG超标率的临界值分别为:BMI正常范围、大于16 kg和大于0.23 kg /周;体重指数超重,大于11.5公斤,每周大于0.15公斤;体重指数I级肥胖,超过9公斤,每周超过0.12磅。统计分析
在具有测量和可用GWG数据的参与者中,使用卡方分析来检验使用模式与(1)人口统计学和(2)GWG总量过高和GWG过高率的二元结果之间的关系。对于总GWG,使用方差分析来检验使用模式与GWG之间的关系。由于创建的使用模式因组而异,这些分析分别在干预组参与者和对照组参与者中进行。
使用改进的泊松回归方法[
],估计了不同地层中不同使用模式的总GWG或每周GWG过量的相对风险。同样,最小二乘多元回归模型评估了总GWG (kg)的平均差异。使用用两种方法参数化。首先,我们分层检查了各种使用模式是否与过度GWG的相对风险相关。其次,我们分层检查了组合使用模式,包括最频繁使用的干预有效成分,即体重增加跟踪和行为目标设定以及自我监控( ),与GWG的相对风险相关。所有模型都根据BMI、年龄、种族、胎次以及妊娠时间变量进行了调整,包括分娩时的胎龄、第一次和最后一次妊娠体重之间的周数、最后一次妊娠体重和分娩之间的周数。显著性水平设为P≤0。。结果
为每只手臂(
).干预组以赤池信息标准(Akaike information criterion, AIC)评分为最佳拟合。所有5种使用模式都包括一致或几乎一致的登录。这5种模式及其组成如下:(1)超级用户一致的权重跟踪;很可能是博客、健康相关信息和当地资源的高用户;可能是饮食或体育活动目标设定的高度使用者;(2)中等用户-几乎一致的权重跟踪;可能是博客、健康相关信息、当地资源和体育活动目标设定的高用户;(3)一致跟踪器——可能一致的权重跟踪;可能很少使用健康相关信息和博客; unlikely to set goals or view resources; (4) almost consistent or inconsistent tracker—likely almost consistent weight tracker (although 38% likelihood of also being an inconsistent weight tracker); unlikely to have used goal-setting tools, health-related information, or local resources; unlikely to have used blogs; and (5) “nonuser”—almost consistent log-ins (likely adherent study participant); unlikely to have tracked weight; very unlikely to have used any other intervention feature.对于对照组,基于AIC评分,3组方案最适合。这三种模式及其组成如下:(1)中高用户——非常可能持续登录;很可能是健康相关信息、博客和当地资源的高度使用者;(2)持续或几乎持续登录的用户可能性较低;可能是博客的高度用户(尽管37%的可能性也从未浏览过博客),但不太可能浏览过任何本地资源;(3)没有或很少有用户——很可能几乎一致或不一致地登录;不太可能浏览过健康相关信息、博客或本地资源。
在干预组参与者中,使用模式有显著的人口统计学差异(
).使用频率较高的群体,包括持续追踪者,更有可能收入较高,是白人,年龄较大,并且结过婚。不同的使用模式在GWG结果上也存在差异( ).非用户和持续跟踪者最不可能超过推荐的GWG量。几乎一致或不一致的跟踪器最有可能超过推荐量。非用户、一致跟踪者和超级用户的总GWG量最低。使用模式 | 干预(n = 898) | 控制(n = 437) | |||||||
超级用户, 138例(15.4%) |
媒体用户, 89例(9.91%) |
一致的追踪, 181例(20.2%) |
几乎一致或不一致的跟踪器, 275例(30.6%) |
弃权, 215例(23.9%) |
中高用户; 164例(37.5%) |
较低的用户, 157例(35.9%) |
没有或最少的用户; 116例(26.5%) |
||
登录 | |||||||||
一致的 | 总收入一个 | .005 | .97点 | 06 | 03 | 多多 | 点 | .007 | |
几乎一致的 | 06 | .96点 | 03 | .92 | .79 | 点 | 算下来 | 公布 | |
不一致的 | 。 | .04点 | 。 | 02 | 。 | 0 | 0 | 06 | |
从来没有 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | 0 | |
体重追踪 | |||||||||
一致的 | .86 | .002 | 点 | .007 | .009 | ||||
几乎一致的 | 13。 | .80 | 23) | 的相关性 | .10 | ||||
不一致的 | .009 | 13。 | 03 | 38 | 陈霞 | ||||
从来没有 | .0004 | 07 | 03 | 13。 | 收 | ||||
巴勒斯坦权力机构b目标设定 | |||||||||
高 | 票价 | .51 | 16 | 06 | .0002 | ||||
低 | 低位 | 酒精含量 | 16 | 陈霞 | 03 | ||||
没有一个 | 29 | 点 | .68点 | 点 | .97点 | ||||
设定饮食目标 | |||||||||
高 | 票价 | 38 | 酒精含量 | 厚 | .0002 | ||||
低 | 只要 | .20 | .20 | 陈霞 | 03 | ||||
没有一个 | 点 | 点 | 主板市场 | .62 | .97点 | ||||
与健康有关的信息 | |||||||||
高 | 结果 | .74点 | 只要 | 厚 | .006 | .89 | 38 | 02 | |
低 | .19 | 口径。 | .46 | .40 | 0。 | 06 | 。31 | 06 | |
没有一个 | 措施 | .04点 | 36 | 报 | 总收入 | .04点 | 。31 | 公布 | |
博客 | |||||||||
高 | 公布 | 结果 | 。 | 。 | 措施 | .87点 | 无误 | 03 | |
低 | 06 | 酒精含量 | 点 | 报 | .09点 | .09点 | .20 | .09点 | |
没有一个 | 02 | 0。 | 点 | 点 | 点 | 0。 | .37点 | .89 | |
本地资源 | |||||||||
高 | .87点 | .60 | 06 | 0。 | .003 | .87点 | .20 | .005 | |
低 | 13。 | 低位 | .33 | 二十五分 | .04点 | 厚 | 。 | .04点 | |
没有一个 | .003 | 点 | 收 | 2 | .96点 | 02 | 点 | .95 |
一个斜体表示大于或等于0.40的概率。
bPA:体育活动。
人口统计资料 | 超级用户, n (%) |
媒体用户, n (%) |
一致的追踪, n (%) |
几乎一致或不一致的跟踪器, n (%) |
弃权, n (%) |
|
不。的参与者 | 138 (15.4) | 89 (9.9) | 181 (20.2) | 275 (30.6) | 215 (23.9) | |
收入(P<措施) | ||||||
低的收入 | 29 (21.0) | 32 (36.0) | 52 (28.7) | 118 (42.9) | 95 (44.2) | |
不是低收入 | 109 (79.0) | 57 (64.0) | 129 (71.3) | 157 (57.1) | 120 (55.8) | |
身体质量指数一个在筛选时(P= .04点) | ||||||
正常范围BMI | 79 (57.3) | 50 (56.2) | 106 (58.6) | 152 (55.3) | 110 (51.2) | |
超重的体重指数 | 34 (24.6) | 30 (33.7) | 56 (30.9) | 90 (32.7) | 59 (27.4) | |
肥胖的身体质量指数 | 25 (18.1) | 9 (10.1) | 19日(10.5) | 33 (12.0) | 46 (21.4) | |
地层(P<措施) | ||||||
体重正常,收入较低 | 10 (7.2) | 17 (19.1) | 30 (16.6) | 62 (22.5) | 60 (27.9) | |
体重正常,收入较高 | 69 (50.0) | 32 (36.0) | 77 (42.5) | 91 (33.1) | 50 (23.3) | |
超重或肥胖,收入较低 | 19日(13.8) | 15 (16.9) | 22日(12.2) | 56 (20.4) | 60 (27.9) | |
超重或肥胖和高收入 | 40 (29.0) | 25 (28.1) | 52 (28.7) | 66 (24.0) | 45 (20.9) | |
比赛(P<措施) | ||||||
黑色的 | 6 (4.3) | 14 (15.7) | 21日(11.6) | 54 (19.6) | 87 (40.5) | |
白色 | 118 (85.5) | 64 (71.9) | 138 (76.2) | 180 (65.5) | 92 (42.8) | |
其他 | 14 (10.2) | 11 (12.4) | 22日(12.2) | 41 (14.9) | 36 (16.7) | |
西班牙裔(P=。08) | ||||||
是的 | 13 (9.4) | 5 (5.6) | 20 (11.0) | 33 (12.0) | 35 (16.3) | |
没有 | 125 (90.6) | 84 (94.4) | 161 (89.0) | 242 (88.0) | 180 (83.7) | |
关系组(P<措施) | ||||||
单 | 33 (23.9) | 32 (36.0) | 59 (32.8) | 124 (45.4) | 131 (61.8) | |
结过婚的 | 105 (76.1) | 57 (64.0) | 121 (67.2) | 149 (54.6) | 81 (38.2) | |
平价(P= =收) | ||||||
未生育过的 | 71 (51.5) | 46 (51.7) | 79 (43.6) | 127 (46.2) | 93 (43.5) | |
初次分娩的 | 45 (32.6) | 25 (28.1) | 65 (35.9) | 88 (32.0) | 75 (35.0) | |
多产的 | 22日(15.9) | 18 (20.2) | 37 (20.4) | 60 (21.8) | 46 (21.5) | |
年龄组别,年龄(P<措施) | ||||||
18至24岁 | 18 (13.0) | 19日(21.3) | 34 (18.8) | 80 (29.1) | 87 (40.5) | |
25至30岁 | 41 (29.7) | 31 (34.8) | 67 (37.0) | 93 (33.8) | 67 (31.2) | |
>30 | 79 (57.3) | 39 (43.8) | 80 (44.2) | 102 (37.1) | 61 (28.4) | |
结果 | ||||||
总GWGb(P=。03.,n=781) | ||||||
超过推荐量 | 59 (45.0) | 39 (48.1) | 64 (40.3) | 132 (56.2) | 70 (40.0) | |
没有超过推荐量 | 72 (55.0) | 42 (51.9) | 95 (59.7) | 103 (43.8) | 105 (60.0 | |
GWG速率(P=。09, n=795) | ||||||
超过建议速率 | 82 (62.6) | 59 (71.1) | 98 (59.4) | 176 (73.0) | 114 (65.1) | |
没有超过推荐率 | 49 (37.4) | 24 (28.9) | 67 (40.6) | 65 (27.0) | 61 (34.9) | |
GWG, kg (P= 0。)c,均值(SD) | 13.66 (4.59) | 14.37 (5.22) | 13.59 (5.33) | 14.87 (5.85) | 13.29 (5.88) |
一个BMI:身体质量指数。
bGWG:妊娠期体重增加。
c方差分析检验结果显示;所有其他的P表中提供的值为卡方P值。
在对照组参与者中,通过使用模式观察到与干预组参与者相似的人口统计学差异。控制组使用模式之间的人口统计学差异是由无用户或最少用户驱动的;当比较低和中等用户时,人口统计数据没有显着差异(
).除了人口统计学上的差异,在对照组中,平等也很重要,在对照组中,未生育的女性更有可能成为该网站的高用户。对照组不同使用方式的GWG结果无显著差异。鉴于GWG结果存在人口统计学差异(
和 ),以及按使用模式划分的人口统计和GWG差异( 和 ),需要调整模型来检验使用模式对体重结果的独立影响( ).在每个模型中,比较组是具有非用户使用模式的参与者。在干预组中,在收入较低且BMI正常范围(第1层)的参与者中,几乎一致或不一致的追踪器的相对GWG过量风险比不使用的高1.92倍。追踪器不一致的人比不使用追踪器的人多增重2.48公斤。在BMI正常范围和较高收入(第2层)的参与者中,在调整BMI、年龄、种族、胎次和分娩时胎龄的差异后,与不使用追踪器的参与者相比,持续追踪器的每周GWG率过高的相对风险为0.67。在超重和肥胖的高收入参与者(第4阶层)中,坚持使用追踪器的人比不使用追踪器的人少增重2.78公斤。我们还检查了对照组的GWG结果和使用模式(
).在每个模型中,比较组是具有非用户使用模式的参与者。在观察使用模式和GWG时,在对照组中只有一个显著的结果,即在超重和肥胖的低收入对照参与者(第3层)中,低用户使用模式的相对风险是非用户的1.35倍。除了检查通过LCA创建的使用模式外,我们还结合了出现的潜在类别,包括活性成分干预功能的高使用率,理论上认为这些类别最有可能降低过度GWG的风险:超级用户和一致跟踪组。具体来说,在超级用户组和一致性跟踪组中,以>.70的概率加载一致的体重跟踪。在这些模型中,比较组是处于中等用户,几乎一致或不一致跟踪者或非用户组(
).在BMI范围正常、收入较高(第2层)的参与者中,持续追踪者和超级使用者的GWG量过量的相对风险(相对风险=0.64)和每周的相对风险(相对风险=0.72)都有所降低。它们的总GWG也减少了1.49公斤。在超重和肥胖的高收入参与者(第4阶层)中,与较少使用活性成分的人相比,持续追踪者和超级使用者的相对GWG量过量风险降低(相对风险=0.87),体重增加减少2.17 kg。人口统计资料 | 中高用户,n (%) | 低用户,n (%) | 无用户或最小用户,n (%) | |
不。的参与者 | 164 (36.7) | 157 (37.1) | 116 (26.2) | |
收入(P<措施) | ||||
低的收入 | 54 (32.9) | 52 (33.1) | 62 (53.5) | |
不是低收入 | 110 (67.1) | 105 (66.9) | 54 (46.5) | |
身体质量指数一个在筛选时(P= 0。06) | ||||
正常范围BMI | 100 (61.0) | 92 (58.6) | 55 (47.4) | |
超重的体重指数 | 51 (31.1) | 42 (26.8) | 46 (39.7) | |
肥胖的身体质量指数 | 13 (7.9) | 23日(24.6) | 15 (12.9) | |
地层(P= .002) | ||||
体重正常,收入较低 | 27日(16.5) | 28日(17.8) | 31 (26.7) | |
体重正常,收入较高 | 73 (44.5) | 64 (40.8) | 24 (20.7) | |
超重或肥胖,收入较低 | 27日(16.5) | 24 (15.3) | 31 (26.7) | |
超重或肥胖和高收入 | 37 (22.5) | 41 (26.1) | 30 (25.9) | |
比赛(P<措施) | ||||
黑色的 | 22日(13.4) | 23日(14.6) | 37 (31.9) | |
白色 | 120 (73.2) | 116 (73.9) | 60 (51.7) | |
其他 | 22日(13.4) | 18 (11.5) | 19日(16.4) | |
西班牙裔(P= 55) | ||||
是的 | 19日(11.6) | 14 (9.0) | 15 (12.9) | |
没有 | 145 (88.4) | 143 (91.0) | 101 (87.1) | |
关系组(P<措施) | ||||
单 | 53 (32.3) | 52 (33.3) | 66 (57.9) | |
结过婚的 | 111 (67.7) | 104 (66.7) | 48 (42.1) | |
平价(P= .005) | ||||
未生育过的 | 88 (53.7) | 86 (54.8) | 44 (37.9) | |
初次分娩的 | 49 (29.9) | 46 (29.3) | 35 (30.2) | |
多产的 | 27日(16.4) | 25 (15.9) | 37 (31.9) | |
年龄组别,年龄(P= .003) | ||||
18至<25 | 37 (22.6) | 33 (21.0) | 46 (39.6) | |
25至<30 | 55 (33.5) | 57 (36.3) | 38 (32.8) | |
>30 | 72 (43.9) | 67 (42.7) | 32 (27.6) | |
结果 | ||||
妊娠总增重(P= .62) | ||||
超过推荐量 | 62 (43.7) | 72 (49.3) | 43 (45.3) | |
没有超过推荐量 | 80 (56.3) | 74 (50.7) | 52 (54.7) | |
妊娠期体重增加率(P= 54) | ||||
超过建议速率 | 103 (70.6) | 104 (71.2) | 63 (65.0) | |
没有超过推荐率 | 43 (29.4.1) | 42 (28.8) | 34 (36.0) | |
妊娠增重,kg (P=。)b,均值(SD) | 14.48 (5.07) | 14.19 (5.05) | 13.21 (5.60) |
一个BMI:身体质量指数。
b方差分析检验结果显示;所有其他的P表中提供的值为卡方P值。
使用模式一个 | 总GWG过高b | GWG速率过高 | GWG | |||||||
RRc | 95%可信区间 | P价值 | RR | 95%可信区间 | P价值 | 估计 | 95%可信区间 | P价值 | ||
第1层:BMI正常范围d和低收入(N=179) | ||||||||||
超级用户e | 0.74 | 0.20到2.74 | 主板市场 | 0.53 | 0.21到1.34 | 只要 | −0.69 | −3.80 ~ 2.41 | 点 | |
媒体用户 | 1.51 | 0.67到3.41 | 收 | 1.10 | 从0.72到1.70 | 主板市场 | 2.27 | −0.89 ~ 5.43 | 16 | |
一致的追踪 | 1.61 | 0.89到2.91 | 厚 | 1.24 | 0.86到1.77 | 二十五分 | 1.79 | −0.45 ~ 4.02 | 点 | |
不一致的追踪 | 1.92 | 1.18 - 3.14 | .009 | 1.25 | 0.95到1.64 | 点 | 2.48 | 0.63到4.33 | .009 | |
第2阶层:BMI范围正常,收入较高(n=319) | ||||||||||
超级用户 | 0.91 | 0.50到1.68 | .77点 | 0.85 | 0.59到1.22 | 38 | −1.22 | −2.82 ~ 0.39 | .14点 | |
媒体用户 | 1.04 | 0.52到2.07 | 点 | 1.12 | 0.77到1.61 | 56 | 0.10 | −1.67 ~ 1.88 | 点 | |
一致的追踪 | 0.63 | 0.34到1.16 | .14点 | 0.67 | 0.46到0.98 | .04点 | −1.22 | −2.91 ~ 0.46 | 酒精含量 | |
不一致的追踪 | 1.33 | 0.79到2.25 | 29 | 1.05 | 0.77到1.44 | 综合成绩 | 0.47 | −1.12 ~ 2.06 | .57 | |
第三阶层:超重或肥胖BMI和低收入(n=172) | ||||||||||
超级用户 | 1.34 | 0.92到1.95 | 13。 | 1.25 | 0.98到1.60 | 07 | 0.55 | −2.84 ~ 3.93 | 综合成绩 | |
媒体用户 | 0.96 | 0.56到1.64 | .87点 | 0.95 | 0.62到1.45 | 结果 | −0.58 | −4.51 ~ 3.34 | .77点 | |
一致的追踪 | 1.24 | 0.81到1.89 | 收 | 1.11 | 0.80到1.54 | 点 | 1.10 | −2.30 ~ 4.49 | 53 | |
不一致的追踪 | 1.02 | 0.70到1.50 | .92 | 1.10 | 0.86到1.42 | 。45 | 0.44 | −2.06 ~ 2.93 | 收 | |
第4阶层:超重或肥胖BMI和高收入(n=228) | ||||||||||
超级用户 | 0.96 | 从0.72到1.30 | .80 | 1.02 | 0.84到1.24 | 点 | −1.03 | −3.59 ~ 1.53 | 点 | |
媒体用户 | 1.13 | 0.85到1.51 | .41点 | 1.06 | 0.85到1.31 | .60 | −0.01 | −2.84 ~ 2.82 | 获得 | |
一致的追踪 | 0.96 | 从0.72到1.27 | .76 | 1.01 | 0.83到1.23 | 公布 | −2.78 | −5.16 ~−0.39 | 02 | |
不一致的追踪 | 1.17 | 0.92到1.48 | . 21 | 1.13 | 从0.95到1.34 | 16 | 0.35 | −1.94 ~ 2.64 | .77点 |
一个所有模型都根据年龄、种族、性别和体重指数进行了调整。
bGWG:妊娠期体重增加。
cRR:相对风险。
dBMI:身体质量指数。
e过量GWG的相对风险和平均GWG估计值(kg)相对于不使用GWG的受试者(参照组)。
使用模式一个 | 总GWG过高b | GWG速率过高 | GWG | |||||||
RRc | 95%可信区间 | P价值 | RR | 95%可信区间 | P价值 | 估计 | 95%可信区间 | P价值 | ||
第1层:BMI正常范围d低收入(n=86) | ||||||||||
较低的用户e | 1.30 | 0.64到2.64 | 票价 | 1.07 | 0.69到1.67 | .76 | −0.05 | −2.88 ~ 2.77 | .97点 | |
中高用户 | 1.56 | 0.72到3.38 | 点 | 1.25 | 0.79到2.00 | 点 | 2.56 | −0.10 ~ 5.22 | 06 | |
第2阶层:BMI范围正常,收入较高(n=161) | ||||||||||
较低的用户 | 0.83 | 0.40 - 1.75 | 点 | 0.97 | 0.63到1.50 | .90 | −0.29 | −2.24 ~ 1.66 | .77点 | |
中高用户 | 0.94 | 从0.47到1.87 | .85 | 1.13 | 0.75 - 1.72 | 55 | 0.64 | −1.36 ~ 2.64 | 53 | |
第三阶层:超重或肥胖BMI和低收入(n=82) | ||||||||||
较低的用户 | 1.31 | 0.81到2.13 | 陈霞 | 1.35 | 1.00到1.82 | 0。 | 2.31 | −0.79 ~ 5.40 | .14点 | |
中高用户 | 1.11 | 0.67到1.82 | i = | 1.03 | 从0.72到1.46 | .89 | 1.39 | −1.78 ~ 4.56 | 点 | |
第4阶层:超重或肥胖BMI和高收入(n=108) | ||||||||||
较低的用户 | 1.34 | 0.90到2.00 | 酒精含量 | 1.09 | 0.84到1.43 | 点 | 0.54 | −2.08 ~ 3.16 | i = | |
中高用户 | 1.13 | 0.75 - 1.70 | 56 | 1.12 | 0.86到1.47 | .40 | −0.44 | −3.19 ~ 2.30 | 综合成绩 |
一个所有模型都根据年龄、种族、性别和体重指数进行了调整。
bGWG:妊娠期体重增加。
cRR:相对风险。
dBMI:身体质量指数。
e过量GWG的相对风险和平均GWG估计值(kg)相对于不使用GWG的受试者(参照组)。
使用模式一个 | 总GWG过高b | GWG速率过高 | GWG | ||||||
RRc | 95%可信区间 | P价值 | RR | 95%可信区间 | P价值 | 估计 | 95%可信区间 | P价值 | |
第1层:BMI正常范围d收入较低(n=179)e | 0.92 | 0.59到1.44 | 点 | 0.93 | 0.69到1.26 | 主板市场 | −0.32 | −2.08 ~ 1.43 | 点 |
第2阶层:BMI范围正常,收入较高(n=319) | 0.64 | 0.45到0.90 | . 01 | 0.72 | 0.57到0.90 | 04 | −1.49 | −2.44 ~−0.54 | .002 |
第三阶层:体重超重或肥胖,收入较低(n=172) | 1.28 | 从0.98到1.68 | 07 | 1.14 | 从0.94到1.38 | .19 | 0.74 | −1.56 ~ 3.05 | 53 |
第4阶层:超重或肥胖BMI和高收入(n=228) | 0.87 | 0.73到1.02 | .09点 | 0.94 | 0.84到1.06 | 。31 | −2.17 | −3.58 ~−0.76 | .003 |
一个所有模型都根据年龄、种族、胎次、BMI和时间变量进行了调整。
bGWG:妊娠期体重增加。
cRR:相对风险。
dBMI:身体质量指数。
e过度GWG的相对风险和平均GWG估计值(kg)是相对于中度使用者、不一致追踪者或非使用者(参照组)的受试者而言的。
讨论
主要研究结果
我们采用了一种新颖的方法,LCA,来了解GWG eHealth干预中包含的网站功能的使用情况。我们检查了干预组参与者和对照组参与者的使用模式。这种方法是对自我导向的基于互联网的干预过程评估的一种独特的方法贡献,在这些干预中,最适当的参与措施尚未得到很好的定义。干预组和对照组参与者的使用模式因人口统计学特征而异。高收入、年长、白人和已婚女性更有可能成为该网站的高用户。在控制组中,网站的内容主要是信息性的,生第一个孩子的女性是更多的用户。
在对照组中,GWG结果没有因使用模式而异。虽然这是意料之中的,因为行为改变和体重管理工具没有包括在对照网站上,但记录使用数量缺乏效果有助于解释干预组功能使用数量与体重结果之间的关系。值得关注的是,无论干预的内容是什么,使用的数量与一种性格类型有关,这种性格类型会有更好的结果。对照组的结果表明,这种担忧可能与本研究无关。
在干预组中,GWG结果确实因使用模式而异。在收入较低且BMI正常范围(第1层)的参与者中,几乎一致或不一致的追踪器在怀孕期间与不使用追踪器的人相比,有更高的相对风险过度GWG,并且不一致的追踪器在怀孕期间增加了更多的体重。在BMI正常范围和高收入(第2层)的参与者中,与不使用追踪器的人相比,持续追踪器的人每周GWG率过高的相对风险较低。在超重和肥胖的高收入参与者(第4层)中,持续使用追踪器的人在怀孕期间的体重增加比不使用追踪器的人要少。
为了更好地了解使用模式和GWG结果,我们一起检查了2个使用组,包括干预有效成分的最频繁使用,体重增加跟踪,行为目标设定和自我监控。我们将超级使用者和持续追踪者与在妊娠干预中使用较少假设活性成分的3个使用组(中度使用者、几乎持续或不持续追踪者和非使用者)进行了比较。在高收入阶层(第2和第4阶层)中,积极干预成分的使用者越多,每周服用的体重指数正常范围内的女性(第2阶层)患GWG总量过高的风险就越低。在BMI类别中,与中等用户、几乎一致或不一致的跟踪者和非用户相比,超级和一致的用户的总GWG(公斤)显著低于中等用户。
优势与局限
本研究的优势如下:干预措施的使用措施是由网站客观测量的,因此没有研究人员报告干预措施使用变量的偏倚;一项经济和种族多样化样本的大型随机有效性试验;基于理论和形成性研究的基于互联网的干预。
这项研究的一个局限性是,持续的体重跟踪和登录网站的比例很低,在低收入参与者中尤其低,只有25%的低收入参与者使用持续的跟踪器或超级用户使用模式。这影响了检测由使用情况定义的组间GWG结果的统计显著差异的能力。
影响
这项研究使用了一种新颖的、数据驱动的方法来进行评估,这可能对任何主题的自我指导的基于互联网的干预都特别有帮助。这种方法可以进一步了解如何使用自我导向的基于互联网的干预工具,以及不同的使用模式是否有好处。这种以互联网为基础的自我导向干预措施的含义因妇女的社会经济地位而异。对于高收入女性来说,GWG减少了,但对于超重或肥胖的高收入女性来说,GWG率或过度GWG的减少并不一定显著。对于收入较低的女性,没有检测到使用对GWG的影响。在预期干预措施的成功取决于持续使用的情况下,未来基于互联网的自主干预措施应考虑持续吸引低收入妇女的最佳方法。
致谢
这项研究由国家心脏、肺和血液研究所和尤尼斯·肯尼迪·施莱弗国家儿童健康和人类发展研究所资助,资助号为HL096760。作者要感谢康奈尔大学传播系的Geri Gay教授和Jeff Niederdeppe教授为开发基于互联网的干预所做的工作。作者还希望感谢以下个人对这项研究的贡献:Form Collective的Christian Schimke和Joe Tunis,他们设计、开发和维护了参与者网站;前Form Collective的Jeremy Larkin为参与者网站的开发工作获奖;以及罗切斯特大学的Diana Fernandez、Susan Groth和Jennifer Reschke进行的随机对照试验。
利益冲突
没有宣布。
参考文献
- Grivell RM, O'Brien CM, Dodd JM。妊娠期肥胖管理:从危害最小化到预防的重点转变。中华生殖医学杂志,2016;34(2):e38-e46。[CrossRef] [Medline]
- IOM(医学研究所),NRC(国家研究委员会)。孕期体重增加:重新审视指南。华盛顿特区:国家科学院出版社;2009.
- Viswanathan M, Siega-Riz AM, Moos MK, Deierlein A, Mumford S, knack J,等。母亲体重增加的结果。Evid Rep技术评估(全面报告)2008年5月(168):1-223。[Medline]
- Muktabhant B, Lawrie TA, Lumbiganon P, Laopaiboon M.饮食或运动,或两者兼而有之,预防妊娠期体重过度增加。Cochrane数据库系统,2015(6):CD007145。[CrossRef] [Medline]
- 基于网络的行为改变和自我管理干预:潜力、缺陷和进展。医学进展[j]; 2012;1(2): 3 [j]免费全文] [CrossRef] [Medline]
- Hill B, Skouteris H, Fuller-Tyszkiewicz M.限制妊娠期体重增加的干预措施:干预成分的理论和荟萃分析的系统回顾。光学学报,2013;14(6):435-450。[CrossRef] [Medline]
- 苏塔尼H, Arden MA, Duxbury AM, Fair FJ。在妊娠体重管理试验样本中使用的行为改变技术分析。[J]妊娠妊娠2016;2016:1085916 [J]免费全文] [CrossRef] [Medline]
- Chao D, Farmer D, Sevick M, Espeland M, Vitolins M, Naughton M.会议出席在减肥干预中的价值。[J]中华卫生杂志;2000;24(6):413-421。[CrossRef]
- Jeffery RW, bjorsson - benson WM, Rosenthal BS, Lindquist RA, Kurth CL, Johnson SL.中年男性体重减轻及其维持的相关因素随访两年。预防医学1984年3月;13(2):155-168。[Medline]
- Tinker LF, Rosal MC, Young AF, Perri MG, Patterson RE, Van Horn L,等。妇女健康倡议饮食调整试验中饮食改变和维持的预测因素。[J] .中华医学杂志,2007;10(7):1155-1166。[CrossRef] [Medline]
- Alexander GL, McClure JB, Calvi JH, Divine GW, Stopponi MA, Rolnick SJ,等。一项随机临床试验,评估在线干预措施,以提高水果和蔬菜的消费量。中华卫生杂志;2010;31 (2):319-326 [J]免费全文] [CrossRef] [Medline]
- Strecher V.提供行为和健康干预的互联网方法(电子健康)。临床心理学杂志2007;3:53-76。[CrossRef] [Medline]
- 王晓明,王晓明,王晓明。网络干预与非网络干预对行为改变效果的meta分析。[J]医学与互联网研究2004;6(4):e40 [J]免费全文] [CrossRef] [Medline]
- 王志强,王志强。基于网络的行为干预研究的方法论问题。中华医学杂志2009;38(1):28-39 [j]免费全文] [CrossRef] [Medline]
- Strecher VJ, McClure JB, Alexander GL, Chakraborty B, Nair VN, Konkel JM,等。基于网络的戒烟计划:一项随机试验的结果[J]预防医学2008年5月;34(5):373-381 [J]免费全文] [CrossRef] [Medline]
- Funk KL, Stevens VJ, Appel LJ, Bauck A, Brantley PJ, Champagne CM,等。在长期减肥维持计划中使用互联网网站与体重变化的关系。医学互联网研究,2010;12(3):e29 [J]免费全文] [CrossRef] [Medline]
- Demment MM, Graham ML, Olson CM。如何使用在线干预来防止妊娠期体重过度增加,以及由谁使用:一项随机对照过程评估。医学互联网研究,2014;16(8):e194。[Medline]
- Lytle LA, Svetkey LP, Patrick K, Belle SH, Fernandez ID, Jakicic JM等。早期试验:一个针对年轻人体重控制的研究联盟。中华行为医学杂志2014;4(3):304-313 [j]免费全文] [CrossRef] [Medline]
- 陈建军,陈建军,陈建军,陈建军,陈建军。电子干预孕妇体重的研究进展。研究设计和基线特征。当代临床试验2015年7月;43:63-74。[CrossRef] [Medline]
- 王晓明,王晓明。健康行为干预研究进展[j]。公共理论2003年5月19日;13(2):164-183 [免费全文] [CrossRef] [Medline]
- 说服技术:用电脑改变我们的想法和行为。旧金山:摩根·考夫曼;2002.
- 亚伯拉罕C, Michie S.干预中使用的行为改变技术的分类。心理健康杂志2008;27(3):379-387。[CrossRef] [Medline]
- Graham ML, Uesugi KH, Niederdeppe J, Gay GK, Olson CM。电子干预预防妊娠期体重过度增加的理论、发展与实施:电子妈妈Roc。远程电子卫生杂志,2014;20(12):1135-1142 [J]免费全文] [CrossRef] [Medline]
- 格雷厄姆JW。缺失的数据分析:让它在现实世界中发挥作用。心理学报2009;60:549-576。[CrossRef] [Medline]
- 邹刚。二值数据前瞻性研究的修正泊松回归方法。中华流行病学杂志2004;29 (3):391 - 391 [J]免费全文] [Medline]
缩写
另类投资会议:赤池信息准则 |
体重指数:身体质量指数 |
常见问题解答:常见问题 |
GWG:妊娠期体重增加 |
LCA:潜在类分析 |
G·艾森巴赫编辑;提交13.09.16;由A Aguilar, PH Lin, Y Lau, J Matthews同行评审;对作者17.11.16的评论;修订版收到23.11.16;接受13.12.16;发表09.01.17
版权©Meredith Leigh Graham, Myla S Strawderman, Margaret Demment, Christine Marie Olson。原发表于医学互联网研究杂志(//www.mybigtv.com), 2017年1月9日。
这是一篇在知识共享署名许可(http://creativecommons.org/licenses/by/2.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。