智能手机应用程序改善非传染性疾病生活方式的有效性:系统回顾和元分析

简介

非传染性疾病(非传染性疾病)占全球所有死亡的70% [1］．四种主要的非传染性疾病是心血管疾病、癌症、慢性肺部疾病和糖尿病，它们都有相同的行为风险因素:缺乏体育活动、不健康饮食、吸烟和有害使用酒精[1］．改变生活方式，向更健康的行为转变，对于预防和治疗这些非传染性疾病非常重要[2-5］．

坚持治疗是影响治疗结果的最重要的可改变因素。传统上，坚持治疗的重点是药物治疗，这也反映在世界卫生组织(世卫组织)对坚持治疗的定义中;"病人遵守医疗指示的程度" [6］．然而，坚持还包括许多与健康相关的行为，如戒烟和改变体力活动(PA)、运动或饮食，这些被认为是治疗非传染性疾病的主要挑战[6］．通常，旨在促进健康行为的干预措施以面对面的方式进行，其主要的短期效果已在一些系统综述中得到广泛记录[7-10］．长期结果不确定的一个原因可能是缺乏系统的随访和监测，这是所有有效的健康行为改变的关键因素[11］．

反馈似乎是成功改变行为的关键。12］．电子设备等现代技术允许对非传染性疾病患者的重要健康参数进行结构化监测和随访[13］．一项荟萃分析(n=43,200)记录了混合模式的交付干预，即传统行为改变技术(bct)与专用数字工具一起使用，在行为改变方面比单独使用传统技术更有效[12］．另一项元分析(n=20,000)支持这一观点，并得出结论，与非定制的基于web的干预相比，定制的基于web的干预在改善健康结果方面明显更有效[14］．尽管一些干预措施，如Web门户、SMS文本消息(短消息服务，SMS)和电话，以改善非传染性疾病患者的健康是有希望的[15-19]，智能手机技术一直受到重视，因为它可以随时随地监测和跟踪患者的健康状况[20.］．

因此，本系统综述的目的是检查智能手机应用程序干预的有效性，持续至少3个月，以促进生活方式的改变，如PA、身体健康、饮食习惯的改变和生活质量(QoL)在非传染性疾病患者。

方法

报告标准

本系统评价及其程序是按照系统评价和元分析优先报告项目(PRISMA)指南计划、实施和报告的。审评方案已在国际系统评价预期注册(International Prospective Register of Systematic Reviews)中注册，注册号为CRD42017057796。

入选标准

考虑纳入至少随访3个月的随机和非随机临床试验，这些试验评估了旨在监测PA和/或饮食习惯的应用程序的干预效果。患者年龄必须在18岁或以上，并被诊断为心血管疾病、癌症、慢性肺部疾病或糖尿病。不包括10名或更少参与者的病例系列。如果改变生活方式不是干预的主要目标，则排除研究。由于翻译资源有限，审查只限于挪威文和英文出版物。

结果测量

主要研究结果为PA、体能、饮食习惯的改变和/或生活质量。关于PA和身体健康，以下措施被认为是相关的:步数、自我报告的活动分钟数、自我报告的运动分钟数、最大耗氧量、6分钟步行测试、穿梭步行测试和次最大身体健康测试。关于改变饮食习惯的效果，测量方法包括体重、体重指数(BMI)、腰围和糖化血红蛋白(HbA)_{1 c})．评估了通用和疾病特异性的生活质量问卷。

搜索策略

在研究图书馆员的帮助下，系统检索了五个数据库(EMBASE、MEDLINE、CINAHL、Academic Research Premier和Cochrane Reviews and Trials)的相关研究。布尔运算符用于在搜索中使用“与”和“或”展开、排除或连接关键字。本系统综述包括2017年2月23日之前发表的英文文章。中列出了每个数据库的搜索策略多媒体附件1．

研究选择

图1显示了被回顾和纳入研究的PRISMA流程图。

第一作者在研究图书馆员的协助下进行了数据库搜索。检索后，删除重复项，由2位作者独立审阅所有研究的标题和摘要。我们保留了相关的评论，以手工筛选参考文献列表，以防一些文章在最初的搜索中丢失。两位作者之间的分歧进行了讨论，直到达成共识。所有符合纳入标准的研究都通过了两组阅读的全文筛选过程。第一作者回顾了所有的研究。在全文筛选阶段，我们手工筛选了所有文献的参考文献列表，并对纳入文献的研究特征进行了筛选。另外一些研究被确定纳入全文筛查。如果在这个阶段有分歧，另一个阅读组有助于达成共识。在某些研究中使用的干预措施存在不确定性的情况下，我们联系了作者。 In addition, phone developers’ own description was used if there was any uncertainty whether the phones were smartphones or not.

第一作者从研究中提取数据。在有多个干预组的研究中，从干预最多的干预组提取数据[21，22］．这样做是为了使不同研究中的干预措施尽可能同质。从研究中提取的数据包括作者、年份、国家、研究设计、患者群体(样本量和疾病)、纳入标准、干预措施的细节、结果和结果。

‎ 查看此图

‎ 查看此图

质量评估

总共有五名审稿人(两对阅读和第一作者阅读所有论文)使用Cochrane协作组的偏倚风险工具独立评估了每项纳入的研究的偏倚风险(高、低或不清楚)[23］．同样，如果有必要，另一对阅读组协助达成共识。关于对不同研究的“选择性报告”评分，我们遵循了Cochrane Collaboration给出的评判标准，并阅读了临床试验或发表在期刊上的所有可用方案。偏差风险评估结果导出到RevMan软件5.3版本[24]以创建刊物的视觉显示(图2)．对某些研究评分的困难是通过阅读论文或临床试验中发表的方案和/或联系研究作者来解决的。

数据综合与统计分析“，

在第一作者从研究中提取数据后，所有作者评估了综述的初步结果。基于大多数纳入研究中关于疾病(DM)和主要转归(HbA)的充分同质性，进行meta分析_{1 c})．进行了一项短期疗效(3-6个月)和一项长期疗效(10-12个月)的meta分析。最后，所有纳入元分析的研究均采用建议评估、发展和评价分级(GRADE)进行评估[25］．

采用治疗后平均HbA效应的估计进行meta分析_{1 c}干预组和SD对照组的数值。在平均变化为唯一结果的研究中[26，27]，除了SD外，我们对两组都使用了此方法。如果只有ci，我们计算SD。在一项研究中[27]，给出了调整后和未调整的效应估计。我们选择使用调整后的估计，因为作者将其作为结果报告。为了进行荟萃分析，我们根据干预的长度将研究汇集在一起。异质性测试使用I²测试。建立森林图以可视化结果。所有分析均采用RevMan 5.3版软件进行，效果估计双录入。

结果

研究选择

我们的搜索结果汇总于PRISMA流程图(图1)．共确定了1588项研究。删除重复项，留下1228项研究进行筛选。经过标题和摘要的筛选，1181篇论文因不符合纳入标准而被排除，剩下47篇论文进行全文审查。在全文综述的基础上，本综述共纳入6篇研究。通过手工检索综述论文参考文献和综述中的研究特征，另外5项研究被确定为潜在符合条件，其中3项研究被纳入。系统评价共纳入9项研究，其中8项符合meta分析条件[21，22，26-31］．一项研究[28]没有被纳入元分析，因为结果报告不佳，并且缺乏对电子邮件的回复。

研究特点

所纳入研究的特点在表1．纳入的研究中有6项只纳入了2型糖尿病患者[21，22，27-30.］．一项研究包括1型和2型糖尿病[31]， 1项研究包括糖尿病2型或CVD(缺血性心脏病和/或心力衰竭)患者[26]，其中一项研究纳入了心肌梗死患者[32］．在欧洲进行了四项研究[21，26，27，32]，北美洲和北美洲东部有3个[22，28，30.]，以及2个在亚洲[29，31］．随访时间为3个月至1年;3个月(n=3) [28，29，31]， 6个月(n=2) [30.，32]， 10个月(n=1) [27]， 1年(n=3) [21，22，26］．所有纳入的研究都有一个对照组，其中6项研究涉及“常规护理”或“标准医疗护理”作为对照。其中两项研究为对照组提供了部分干预，而其中一项研究则使用了简化的智能手机应用程序，其中包含药物依从性电子日记[32]，另一组接受健康辅导[30.］．一项研究没有描述对照组接受了什么治疗。28］．

干预的特点

所包括的研究中使用的干预措施的特征概述表2．所有纳入的研究[21，22，26-32)使用可以记录血糖数据的应用程序。所有研究都登记了生活方式因素，而6项研究在应用程序中登记了运动和/或PA [21，26，27，29，30.，32]及/或登记饮食习惯[21，22，28-31］．所有研究中的患者都监测自己的生活方式因素和临床测量。在其中7项研究中[22，26-31]，卫生人员和/或研究人员也对他们进行了监测。患者根据他们在应用程序中注册的内容获得反馈，而其中4项研究是自动反馈[21，22，28，32]， 3项研究有个性化的反馈[26，30.，31]， 1项研究有自动反馈和个体化，如果有必要[27]， 1项研究同时进行了自动和个性化研究[29］．在其中的6项研究中，他们对应用程序有额外的支持[21，22，26-28，30.];然而，应用程序是干预的主要部分。

研究中的偏倚风险

所有纳入的研究均存在较高的偏倚风险(图2)．

其中六项研究已进入临床试验阶段[21，22，26，30.-32］．他们报告的结果都比登记的多。额外的结果并不完全是积极的。原因可能是没有更新研究方案，而不是选择性的结果报告。因此，他们在“选择性报告”得分上获得了“低偏倚风险”。其他三项研究既没有在临床试验中注册，也没有在其他地方发表[27-29］．然而，已发表的报告包括了所有预期结果，因此，它们都被赋予了“低偏倚风险”。

智能手机App的影响

概述了应用程序对生活方式因素的影响，包括身体健康、PA、饮食习惯的改变和生活质量表1．8项研究中有5项评估HbA_{1 c}报告的组间统计显著差异有利于干预组[22，27-29，31］．在3项评估腰围的研究中，有一项报告了各组之间的统计学显著影响，有利于干预组[26］．此外，一项研究报告了干预组内的统计学显著变化[30.］．5项评估体重的研究中有一项报告了各组之间的统计学差异，有利于干预组[27]，两项研究报告了干预组的体重在统计学上有显著变化[26，30.］．

智能手机应用程序对糖尿病患者糖化血红蛋白的影响

7项研究被纳入定量综合;3项研究评估了应用程序在短期内的影响[29-31]，以及4项长期研究[21，22，26，27］．短期内的整体影响有统计学意义(P= .02点;图3)．I的异质性是可以接受的²在41%。长期的整体效果有统计学意义(P=.009)，无异质性(I²= 0%;图4)．

证据质量(GRADE)在表3．纳入研究的短期和长期效应分析的证据质量分别被评分为低和中等。在短期效应分析中，由于偏倚和不精确的风险，质量被降级[29-31］．在长期效应分析中，由于效应估计不精确，质量被降级为中等[21，22，26，27］．

‎ 查看此图

‎ 查看此图

讨论

据我们所知，这是第一个系统评估应用程序在至少3个月内促进非传染性疾病患者改变生活方式的有效性。在本综述的9项研究中，有8项研究是在糖尿病患者中进行的。在该组中，应用程序在改善生活方式因素方面比传统干预和/或不干预方式表现出更好的效果，特别是在降低HbA方面_{1 c}．只有2项研究纳入了心血管疾病患者，反映生活方式的变量没有发现差异。

本综述的一个主要优势是，作者试图通过使用由利比里亚研究人员领导的多个数据库中的综合搜索策略，以及执行系统综述和元分析的严格记录方法学来确定所有相关研究。总共有5位作者参与了这个过程，其中还包括手工检索综述论文参考文献，以确定可能在初始检索中丢失的其他研究。所有作者还独立筛选了研究的偏倚风险。由于搜索结果是相对同质的，也有可能将一个共同结果的结果汇集到两个元分析中并对它们进行分级。然而，尽管存在数百项涉及心血管疾病、癌症、慢性肺部疾病和/或糖尿病患者使用的应用程序的研究，但缺乏关于特定生活方式结果的严格试验，如PA、身体健康、饮食习惯的改变和生活质量。

9项研究中有6项(67%)报告了组间生活方式因素的统计学显著改善。据我们所知，以前只有一项系统综述评估了移动卫生的影响，世卫组织将移动卫生定义为由移动设备(如移动电话、患者监测设备和其他无线设备)支持的医疗和公共卫生实践[33]，在不止一种慢性疾病中。他们报告了41项纳入研究中39%的组间疾病特异性结果的显著改善[34］．不同的研究目的可以解释不同的结果。虽然这篇综述的目的是研究应用程序促进生活方式改变的有效性，但前一篇综述的目的是评估移动健康干预措施的可用性、可行性和可接受性。因此，纳入的研究很可能[34]也被设计用于评估可用性、可行性和可接受性，而不一定是为了改善生活方式和特定疾病的结果。

据我们所知，只有一项关于应用程序对提高HbA效果的系统回顾和元分析_{1 c}曾进行过[35］．本综述包括几项研究，也包括在本综述中[21，22，27-29]，但他们没有任何基于随访的排除标准，并且根据方法学质量将结果合并到元分析中。他们报告了HbA的平均减少_{1 c}与对照组0.49%相比(95% CI 0.3-0.68;我²= 10%)。质量尚可或良好的研究与质量较差的研究相比效果较低[35］．在目前的荟萃分析中，HbA的平均减少_{1 c}与对照组相比，使用应用程序的参与者的死亡率为0.50% (95% CI 0.08-0.91;我²=41%)和0.24%(95%可信区间0.06-0.43;我²=0%)，分别适用于短期及长期。

尽管大多数纳入的研究显示了显著的疗效，但其中3项纳入的研究[21，30.，32]对感兴趣的结果没有显示出任何影响，并且在与健康相关的生活质量方面没有发现显著影响[21，26，30.，32］．对此的一种解释可能是，这些研究没有足够的力量来检测这些差异，如HbA_{1 c}是主要结果，统计能力和干预设计都是基于此。此外，我们不应忽视这样一个事实，即应用程序可能与其他生活方式干预类似，很难真正得到持续一段时间的改变。6］．这可能是我们在关于HbA的元分析中所看到的趋势_{1 c}同样，短期效果优于长期效果。

最近的一项系统元综述评估了远程医疗干预措施，也被视为移动医疗，以支持长期疾病的自我管理[36］．它揭示了目前大多数基于技术的干预领域的研究都是在糖尿病患者中进行的，他们的结果支持了我们的发现。糖尿病患者血糖监测及反馈改善血糖控制[36］．关于移动健康对糖尿病患者影响的meta分析报告显示，移动健康显著降低了HbA_{1 c}0.33% [37］．这种干预也可能有改善2型糖尿病患者幸福感的潜力，尽管结果没有达到支持干预的统计显著性[38]，这与我们的研究结果一致。

使用移动技术及其创新应用程序来改变非传染性疾病患者的生活方式似乎还处于早期阶段，这可以解释我们在其他非传染性疾病(而非糖尿病)中发现的有限结果。然而，移动健康干预已被证明可以有效减少CVD结果、体重和BMI，并提高CVD患者对药物治疗的依从性，以及对非药物治疗的依从性[18，39］．远程医疗干预已被证明是改善癌症患者预后的潜在有效干预措施[40］．支持哮喘患者自我管理的应用程序被认为是潜在有效的。41］．虽然与其他非传染性疾病相比，糖尿病患者改善生活方式的应用程序似乎处于领先地位，但我们相信，在几年内，还会有更多针对心血管疾病、癌症和慢性肺部疾病的研究出现。在本系统综述的筛选阶段，我们筛选了许多评估心血管疾病、癌症和慢性肺部疾病应用程序的研究;但由于随访时间和随访结果的原因，大部分患者被排除在外。糖尿病应用程序之所以主要且领先于其他非传染性疾病，可能是因为针对更复杂的非传染性疾病开发可行且具有高实用性的应用程序的困难。

App作为一种干预可以定义为一种复杂的干预，定义为包含多个交互组件的干预[42］．他的评论中包括的所有研究都使用了具有几种不同组件的应用程序作为干预的主要部分。大多数研究也有额外的支持(见表2)．很难理解复杂干预的任何效果的原因，因此，了解干预的基本理论是至关重要的。42］．在这篇综述中，5项研究[21，22，26，27，30.显示了他们干预的一些潜在理论。然而，这只是纳入的研究之一，明确提到了他们预先定义的干预理论框架[21］．对于互联网干预，研究表明，如果纳入基于多个bct的理论框架，干预会更有效[12］．这可能是因为不同的技术针对行为改变过程的不同阶段[43］．本综述中包括的所有研究都使用了不同类型的反馈和监测作为应用程序中的bct (表2)．据报道，有效可行的bct，特别是个性化反馈，已被指出对行为改变和改善生活方式因素至关重要[12，44］．

自我管理是非传染性疾病治疗的重要组成部分。PA、运动和促进健康的饮食是在应对疾病的同时获得良好生活的关键，也是降低发病率和死亡率的可能[45］．由于这些都是如此重要的方面，有趣的是，这篇综述中没有一项研究客观地测量了PA或身体健康。

总之，本研究的结果表明，在至少3个月的随访中，应用程序用于其他非传染性疾病的研究有限。对于糖尿病患者来说，应用程序的使用似乎有望改善生活方式因素，特别是减少HbA_{1 c}．由于自我管理，包括PA和健康饮食，是所有非传染性疾病治疗的关键，我们有理由相信，这种干预可能对其他非传染性疾病也有希望，而不是糖尿病。然而，这一系统综述清楚地表明，在对实践的影响得出结论之前，需要进一步研究评估应用程序对非传染性疾病随访的效果。特别是，需要对非传染性疾病进行强有力的长期(至少一年)研究，以便能够评估实际影响，因为非传染性疾病患者需要在余生中处理他们的疾病。此外，这篇综述重申，未来的研究必须确保复杂的干预措施，如应用程序，是基于一个理论框架，以带来预期的行为变化，并了解干预措施的影响。最后，根据干预的目的采取适当的措施总是有必要的。