本文内容如下e-collection /主题问题:

数字健康评论(848) 体育活动教育的创新与技术(562) 基于网络和移动的卫生干预措施(2218) 健身追踪器和智能计步器/加速计(501) 移动健康促进健康、行为改变和预防(2342) 可穿戴设备和传感器(676)

发表在在第22卷，第10位(2020): 10月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/23954，首次出版．
基于fitbit的健康生活方式干预:系统回顾和荟萃分析

基于fitbit的健康生活方式干预:系统回顾和荟萃分析

基于fitbit的健康生活方式干预:系统回顾和荟萃分析

本文作者:

以便Ringeval1 作者:Orcid； Gerit瓦格纳2 作者:Orcid； 詹姆斯Denford3. 作者:Orcid； 人修2 作者:Orcid； Spyros Kitsiou4 作者:Orcid
文章 作者 引自(63) Tweetations (43) 指标

    审查

    1École魁北克大学，魁北克大学，蒙特利尔，加拿大

    2数字健康研究主席，HEC蒙特利尔，蒙特利尔，QC，加拿大

    3.加拿大皇家军事学院社会科学与人文学院管理系，加拿大安大略省金斯敦

    4伊利诺伊大学芝加哥分校应用健康科学学院生物医学与健康信息科学系，美国伊利诺伊州芝加哥

    通讯作者:

    盖伊·帕里斯博士

    数字健康研究主席

    HEC蒙特利尔

    柯特圣凯瑟琳路3000号

    蒙特利尔，QC, H1Y3K9

    加拿大

    电话:1514 882 8672

    电子邮件:guy.pare@hec.ca


    背景:不健康的行为，如缺乏身体活动、久坐不动的生活方式和不健康的饮食，仍然非常普遍，给改善心血管健康的努力带来了巨大的挑战。虽然促进健康生活方式的传统干预措施既昂贵又有效，但可穿戴追踪器，特别是Fitbit设备，可以提供一种低成本的替代方案，可以有效地帮助大量个人变得更健康，从而保持良好的健康状态。

    摘要目的:本荟萃分析的目的是:(1)评估结合Fitbit设备的干预措施对健康生活方式结果(例如，步数、中高强度体育活动和体重)的有效性;(2)确定哪些额外的干预成分或研究特征对改善健康生活方式结果最有效。

    方法:系统回顾检索了2007 - 2019年的MEDLINE、EMBASE、CINAHL和CENTRAL (Cochrane)数据库。如果:(1)它们是随机对照试验，(2)干预涉及使用Fitbit设备，(3)报告的结果与健康的生活方式有关，则纳入研究。主要的结果测量与身体活动、久坐行为和体重有关。使用Cochrane标准评估所有研究的偏倚风险。进行了随机效应荟萃分析，以估计与对照组相比，包括Fitbit设备的干预措施的治疗效果。我们还进行了亚组分析和模糊集定性比较分析(fsQCA)，以进一步阐明干预成分的影响。

    结果:我们最终的样本包括41篇文章，报告了37项研究的结果。对于基于fitbit的干预，我们发现每日步数显著增加(平均差异[MD] 950.54, 95% CI 475.89-1425.18;P<.001)和中高强度体力活动(MD 6.16, 95% CI 2.80-9.51;P<.001)，体重显著下降(MD为- 1.48,95% CI为- 2.81至- 0.14;P客观评估和自我报告的久坐行为无显著减少(MD - 10.62, 95% CI - 35.50 ~ 14.27;P=。40 and standardized MD −0.11, 95% CI −0.48 to 0.26;P=。56，respectively). In general, the included studies were at low risk for bias, except for performance bias. Subgroup analysis and fsQCA demonstrated that, in addition to the effects of the Fitbit devices, setting activity goals was the most important intervention component.

    结论:在干预中使用Fitbit设备有可能在身体活动和体重方面促进健康的生活方式。Fitbit设备可能对卫生专业人员对患者的监测和支持很有用。

    试验注册:普洛斯彼罗国际前瞻性系统评价登记册CRD42019145450;https://www.crd.york.ac.uk/prospero/display_record.php?ID=CRD42019145450

    [J] .中国医学信息学报，2016;22(10):939 - 954

    doi: 10.2196/23954

    关键字

    Fitbit； 穿戴； 健康的生活方式； 荟萃分析； 文献综述； 模糊集定性比较分析


    不健康的行为，如缺乏身体活动、久坐不动的生活方式和不健康的饮食，仍然非常普遍，并在世界范围内构成了巨大的挑战。1-4］．这些公共卫生问题与心理健康问题、心血管疾病和预期寿命缩短有关[5-8］．尽管如此，只有少数人过着健康的生活方式，达到了每天10000步和20分钟中等到高强度身体活动(MVPA)的一般建议[9-11］．这种缺乏身体活动的趋势影响着全球23%的人口[12]，特别是青少年(81%)和成年人(23%)，据世界卫生组织统计[13］．它还导致肥胖，全世界有超过6.5亿人受到影响。14，15］．

    为了解决缺乏身体活动(PA)和由此产生的健康问题，大量研究致力于基于追踪器的干预措施[16-18]，这可能与消费者越来越多地使用可穿戴设备产生协同作用[19-23］．在商业可穿戴设备的几个品牌中，Fitbit是最受欢迎的商业可穿戴活动追踪器之一，在过去的10年里，全球销售了超过6300万台设备[20.]和一个活跃的社区[21］．与更传统的pa相关干预措施相比，基于追踪器的干预措施资源密集和耗时更少，使医疗保健提供者能够覆盖更广泛的患者群体[22］．在许多情况下，这些干预措施结合了个人目标设定、提供激励、社会支持和社会比较等组成部分[11，24-27］．此外，基于追踪器的干预的临床试验在干预的特征(例如，随访时间和干预的理论基础性质)和针对的人群(例如，先前存在的疾病和年龄)方面有所不同[16，17，28］．

    关于追踪器干预措施有效性的证据尚无定论[29］．最近的系统文献综述和荟萃分析发现，基于可穿戴设备的干预措施对成年人的PA(即步数和MVPA)具有中小型影响[16，17，30.-32]，并且没有证据表明在儿童和青少年中有这种影响[18，33］．此外，尚无确凿证据表明，基于可穿戴设备的干预措施能够通过减少久坐行为而有效地实现更健康的生活方式[16，34]或通过减肥[28，30.，32，35］．将不同类型的先进可穿戴跟踪设备的研究与单轴计步器的研究相结合的做法，越来越多地被认为是造成现有证据不确定的原因[36］．对不确定证据的另一个重要解释是，目前的评论只采用了相关方法，使用元分析工具来分析基于可穿戴设备的干预措施日益复杂的情况，这些干预措施通常涉及多个组件[16，33］．越来越多的临床试验表明，基于追踪器的干预措施的有效性可能取决于相互作用和等效特征的复杂配置[16，31，33］．例如，这样的配置可以是在对年轻参与者的干预中结合提供跟踪设备、社会比较和游戏化，或者在对老年参与者的基于理论的干预中结合提供跟踪设备和教育材料。目前的荟萃分析技术并不适合评估干预成分的复杂组合对特定结果的复杂和等终影响，因为荟萃分析的核心好处是揭示单个变量的重要性[37，38］．本文试图填补这一重要空白。它提出了一种配置方法，通过评估哪种因素组合最有效来补充元分析结果。

    简而言之，本综述的目的是评估基于fitbit的干预措施对健康生活方式结果的影响，与非可穿戴对照组相比。进一步的目的是评估除Fitbit设备外最有效的干预组件和研究特征。因此，我们对fitbit干预对一系列健康生活方式相关结果的影响进行了荟萃分析。我们专注于Fitbit设备，因为它们是市面上最准确的可穿戴设备之一。39-43]在某些情况下，可与研究级监测器相媲美[44］．本次综述对Fitbit设备的限制也是由于该品牌是MEDLINE和ClinicalTrials.gov网站上发现的介入研究中最常见的品牌[45］．这一系列研究成功地将Fitbit设备整合到生活方式干预中，以增加PA，减少超重或肥胖，并管理癌症等慢性疾病[46-49］．通过这项研究，我们也回应了评估可穿戴设备对更广泛的健康生活方式相关结果的影响的呼吁。28，31，33，50]，包括pa相关的结果，这是之前大多数荟萃分析的独家焦点。


    审查协议

    我们按照系统评价和荟萃分析(PRISMA)指南的首选报告项目进行并报告了本综述[51，52］．本综述的方案已在国际前瞻性系统评价登记册(PROSPERO;CRD42019145450)。

    搜索策略

    在2019年7月13日检索了以下数据库:MEDLINE、EMBASE、CINAHL和Cochrane Controlled Register of Trials (CENTRAL)。搜索的目的是捕获涉及Fitbit活动跟踪设备的研究。没有语言限制。给出了全搜索策略多媒体附录1．除了电子检索外，还对纳入文章的参考书目进行人工筛选。我们还筛选了之前相关系统文献综述检索到的文章。

    研究选择

    纳入以下研究:(1)采用随机对照试验(RCT)设计，(2)干预涉及使用Fitbit设备改善PA和/或其他与健康相关的结果(例如，体重减轻)，以及(3)研究报告了与健康生活方式测量相关的结果(例如，步数、MVPA、体重和BMI)。只考虑同行评议的期刊和会议论文。

    文章的筛选分为两步。首先，所有的标题和摘要都由一位作者(MR)审查。任何明显不符合纳入标准的引文均被排除。其次，所有的摘要和全文文章都由两位作者(MR和GW)独立检查。在选择过程中的任何分歧都通过与第三作者(GP或SK)讨论来解决。

    数据提取

    两位作者(MR和GW)独立地从每个纳入的研究中提取数据。通过与第三作者(SK)的讨论和会议解决了差异。记录以下数据:作者;一年;进行研究的国家;研究设计;参与者特征;样本大小;干预描述(如干预持续时间、使用的Fitbit型号、干预成分、理论基础);对照或比较组描述; primary and secondary outcomes (including method of assessment); and main study results, including relevant subgroup analyses. Within- and between-group quantitative findings (eg, mean differences and significance) were summarized for each study.

    偏倚风险评估

    两位作者(MR和SK)使用Cochrane协作的七个基于领域的标准评估了每项研究的偏倚风险，如下[53，54:序列生成(选择偏倚)、分配隐藏(选择偏倚)、参与者和人员盲化(绩效偏倚)、结果评估盲化(检测偏倚)、结果数据不完整(消耗偏倚)、选择性结果报告(报告偏倚)和其他(其他偏倚)。每个标准被分为低风险、不清楚风险和高风险。分歧通过讨论得到解决。

    数据分析

    由于纳入研究的可变性，随机效应荟萃分析[55]使用评审管理器(RevMan)对以下最常报告的结果进行评估[53:每日步数、MVPA (min/day)、久坐行为(min/day)和体重(kg)。为了比较研究结果，将数据转换为相同的单位。例如，每周步数除以7，而以每天小时数表示的数据除以60得到每天分钟数。研究包括多个干预组(例如，A组:单独使用Fitbit;B组:Fitbit +短信)在荟萃分析中输入一次，以避免重复计算对照组。我们保留了符合我们最初审查目标的干预成分最少的组(例如仅使用Fitbit)，并将其他干预组排除在分析之外[56］．在包括接受延迟干预的对照组的研究中，我们在对照组接受干预之前考虑了报告的结果。例如，Li等人[57]报告了为期2个月的干预导致的PA变化，在此期间，干预的前半部分完全由干预组管理。在这种情况下，我们考虑了1个月的报告结果。数据以均数、标准误差(SE)或95% CI表示，使用RevMan计算器转换为标准差。我们分别分析了客观测量和自我报告的测量，因为自我报告的结果有更高的高估风险[58，59］．尽管一些研究使用了不同的活动记录仪，但PA测量(例如，步数和活动强度)的报告相似。在这种情况下，根据作者报告的内容，使用平均变化或干预后数据计算干预组和对照组之间的客观结果测量的总平均差异(MD)，步数/天、MVPA分钟/天、久坐行为分钟/天和体重(kg)的meta分析评估。如有相关数据缺失，请向通讯作者索取平均值或平均值变化及相应标准差。我们联系了以图形形式提供数据的研究的作者，以获得确切的数值。步骤的森林图使用GraphPad Prism软件(GraphPad software Inc)绘制，因为Review Manager中的比例限制为1000分。

    在荟萃分析(我2>50%)，我们进行了亚组分析和模糊集定性比较分析(fsQCA)来探讨这种异质性的潜在原因，并在我们的方案中提出了几个解释假设。我们假设治疗效果受到以下因素的影响:(1)有理论依据的治疗，(2)治疗的持续时间，和/或(3)受试者的健康状况。我们考虑了这些亚组分析，因为有证据表明基于理论的干预更有效[60-62而且，可穿戴式运动追踪器的效果可能无法长期持续，因此更倾向于短期干预。患有慢性疾病的人对治疗的反应可能与健康的人不同，因为治疗使慢性患者能够更好地与他们的健康状况一起生活，而健康的人可能将其视为预防健康问题的工具。我们还对报告干预后值的研究和报告基线值平均变化的研究进行了事后亚组分析，以探讨两种报告方法之间是否存在可能在主要荟萃分析中引入偏倚的显著差异。此外，我们发现了极少数的研究(n=2)，它们在基线时报告了组间的显著差异，我们进行了敏感性分析，以评估这些试验是否对主要荟萃分析的结果有任何影响。最后，我们对meta分析中包含的每个结果使用漏斗图分析来评估发表偏倚。为了允许发表偏倚评估，漏斗图分析只能对包含10个或更多研究的结果进行分析[63］．

    fsQCA方法可以识别复杂(即非线性和非加性)的因果模式[37］．尤其适用于处理复杂的干预措施[38］．FsQCA考虑结果条件的必要性和充分性。在我们的案例中，我们纳入了以下两种类型的条件:在纳入的研究中存在的主要干预成分，以及与亚组分析中相同的研究特征(即基于理论、干预时间长短和受试者的慢性疾病)。我们关注的是一系列健康生活方式的重要组成部分(如步数、MVPA、久坐行为和体重)。64-66］．FsQCA是一种分析方法，它使我们能够评估哪些条件或因素(即干预成分和研究特征)的配置会导致成功的结果。多媒体附录2提供了如何应用fsQCA的详细解释。


    研究选择

    使用该搜索策略总共检索了8610篇文章。共删除重复1627条，按标题和摘要筛选6983条记录，应用我们的选择标准删除6472条记录。检索其余511篇文章，并根据全文评估其是否合格。共纳入41篇文章，报告了37项随机对照试验(图1) [48，49，57，67-104］．根据研究设计和PICO(人群、干预、比较、结果)特征(多媒体附录3）.

    ‎
    图1所示。流程图。RCT:随机对照试验。
    查看此图

    研究特点

    这些研究分别在北美(27/ 37,73%)、欧洲(4/ 37,11%)、澳大利亚(4/ 37,11%)和亚洲(2/ 37,5%)进行。大约三分之二(24/ 37,65 %)的研究在美国进行。

    自2014年首次发表以来，基于fitbit的干预研究数量稳步增长。2018年，每年发表的文章数量增加到12篇随机对照试验，其中大部分研究(25/ 37,68 %)发表于最近3年(图2）.

    ‎
    图2。每年发表的基于fitbit的随机对照试验数量。
    查看此图

    大多数研究(35/37,95%)为平行随机对照试验，有两项研究分别采用了析因设计和交叉设计[79，101］．在平行随机对照试验中，有27项为两组[48，57，67-73，76，78，81，83-85，88-93，95，96，99，102-104]，而8个有多重干预臂[49，77，82，86，87，94，97，98］．例如，Finkelstein等人[82进行了四组随机对照试验;三组接受Fitbit设备，另一组接受干预组件，在财政激励类型方面有所不同。

    随访时间为1周[79]至一年[82，90，95，101]，大多数研究持续时间少于5个月(20/37,54%)。

    综上所述，大多数研究在西方国家进行，采用平行RCT研究设计，持续时间不超过5个月。

    人口特征

    共纳入3779名参与者，平均每项研究102名参与者(中位数为68名)，范围为16 [98]至800名参加者[82每项研究。

    几乎所有的研究都集中在18岁以上的个体上(36/ 37,97%)。只有一项研究包括青少年[93］．13项研究包括年轻人(18-43.9岁)[73，77，79，81-83，86，90，91，94，97，99，102]， 17项研究纳入了中年人(44-64.9岁)[48，49，57，67-72，78，84，87-89，96，103，104]， 6项研究纳入老年人(年龄≥65岁)[76，85，92，95，98，101］．

    关于目标人群的主要特征，大多数研究(21/ 37,57 %)报告其参与者有特定疾病或处于危险之中。这包括有心血管风险的患者[70，98]及患有慢性阻塞性肺病等慢性疾病的病人[85]或心脏代谢疾病[69］．在其余的研究中，参与者是根据他们的个人或职业状况(例如，雇员或学生，如医学院学生)(8/ 37,22%)或他们的健康状况(例如，手术后和癌症幸存者)(8/ 37,22%)来选择的。只有一项研究专门针对健康受试者[81］．表1总结了每个目标人群的主要特征。

    表1。参与者的特征。
    主要特点和具体特点 参考
    有危险的有某种状况或处于危险中的

    		超重/肥胖 ［48，71，83，97，104]
    久坐不动的 ［68，94，99，101]
    关节炎 ［57，87，89]
    心血管疾病风险 ［70，98]
    糖尿病 ［73，88]
    代谢疾病疾病 ［69]
    慢性腰痛 ［67]
    慢性阻塞性肺疾病 ［85]
    前驱糖尿病 ［49]
    踝关节肱指数低 ［92]
    个人/专业地位

    		学生 ［77，79，86，90，91，102]
    社区的人 ［95]
    员工 ［82]
    健康状况

    		术后/后处理 ［76，78，96，103]
    癌症幸存者 ［72，84，93]
    健康的 ［81]

    总而言之，纳入的研究的样本量不到100名成人受试者，他们主要患有慢性疾病或有患慢性疾病的风险。

    干预的特点

    干预成分是高度异质性的(多媒体附录4）.四项研究包括至少一个仅使用Fitbit设备的介入臂[77，79，81，91]，而大多数(35/ 37,95%)包括至少一个介入组，涉及改善PA和促进减肥的综合方案。例如，在Amorim等人的研究中，干预的组成部分[67包括一本关于个人护理和久坐行为的信息小册子、量身定制的个人护理计划、一次面对面的指导课程、12个健康教练的电话、每周鼓励参与者实现目标的个性化信息，以及一个带有网络界面IMPACT移动应用程序的Fitbit设备。除了可穿戴设备，其他干预组件还包括使用应用程序或网站(有时与设备制造商提供的应用程序不同)。目标设定和处方、信息传递、教育、咨询和反馈、社会支持、经济激励和提供另一种设备(多媒体附录4）.有关这些干预组件的进一步详情，请参阅多媒体附录5．

    正如预期的那样，在纳入的研究中使用了各种各样的Fitbit设备。他们中的大多数(17/37,46%)使用夹式设备，如Fitbit Zip [76，79，82，83，87，88，90，92，96-98]、Fitbit One [48，68，81，84，94]和Fitbit Ultra [85］．七项研究没有具体说明使用了哪种模型[49，67，69，70，95，101，102］．其余的研究使用了腕带设备，如Fitbit Flex [57，71，73，77，86，89，91，93，103，104]及Fitbit Charge [72，78，99］．35%(13/37)的研究提到了这些设备的使用模式。除了报告使用或磨损时间外[49，88，103]，研究表明，受试者佩戴Fitbit的频率为[48，67，93，95，96]和接受Fitbit测量的受试者人数[73，82，87，90，92］．这些信息主要是使用设备数据评估的，或者是自我报告的。

    综上所述，大多数干预措施并不依赖于理论，而是使用Fitbit Zip或Flex跟踪设备进行干预，同时使用其他一些通常与目标设定和教育相关的组件。

    对照组特征

    大多数研究包括某种形式的PA或其他健康生活方式教育成分[49，67，68，70，72，73，82，84，86，87，90，99，103］．其他研究涉及日常护理[48，76，78，83，85，88，93，96-98]、财政激励[68，82，盲眼可穿戴设备[94，101]，或者根本不干预[77，79，81，91，92］．一些对照组的参与者被放在等待名单上，在一段时间后接受同样的干预。57，69，71，89］．两项研究包括一个对照组，其中分配了重叠的干预成分[102，104］．例如，在Vandelanotte等人发表的RCT中[104]，对照组除Fitbit Flex外，接受与介入臂相同的干预组件。

    研究结果

    总的来说，我们样本中的研究报告了广泛的结果，可分为以下几类:PA相关结果(例如，步数，MVPA和轻PA)，体重相关结果(例如，体重和BMI)，久坐行为结果，饮食摄入相关结果，摄氧量结果，睡眠相关结果，生活质量，自我效能和整体健康(多媒体附录6）.步数通常以步数/天报告，而MVPA以不同的方式报告，如分钟/天、天/周、代谢当量(MET)-分钟/周、10分钟回合的MET-分钟/周等。久坐行为的结果也是如此。这些行为大多以分钟/天为单位报告[68，89，93，103，104]，而很少有研究报告说长时间久坐30分钟(%/天)[One hundred.]或久坐不动(每天<5000步，%)[87］．

    此外，这些研究还采用了几种测量报告结果的方法，特别是步数、MVPA和久坐行为。对于步数，8项研究(22%)使用Fitbit干预设备作为测量工具[77-79，86，88，90，94，102］．该结果也经常(8/ 37,22%)使用研究级加速度计(即活动记录仪)进行评估[67，68，72，76，82，96，99，103］．其他研究报告了使用SenseWear Mini设备采取的措施[89]， Jawbone Up可穿戴设备[87]，一个Yamax计步器[73]，以及dynapport MoveMonitor设备[85］．一项研究没有报告如何评估步数[91］．MVPA结果大多使用研究级加速度计测量(13/ 37,35%)[48，67，68，71，72，76，82，84，93，95，98，99，103]，很少是自我报告(5/ 37,14 %)[67，79，86，88，104]或依赖于SenseWear Mini设备的使用(2/ 37,5%)[57，89］．一项研究使用干预Fitbit设备测量MVPA [78］．最后，研究级加速度计[68，82，93，98，103]和自我报告措施[82，104用来评估久坐行为。两项研究使用SenseWear Mini设备测量久坐行为[57，89一项研究使用了Jawbone Up可穿戴设备[87］．

    综上所述，现有的证据主要是基于报告PA结果的研究，如步数和MVPA，主要是用活动仪测量的。

    偏倚风险

    偏见风险判断在图3．在纳入的研究中，随机序列生成被评估为低偏倚风险(23/ 37,62%)或不明确风险(14/ 37,38%)。在纳入的研究中，分配隐藏被评估为低偏倚风险(20/37,54.05%)或不明确(17/37,45.95%)。参与者和工作人员的盲法被评估为所有研究的高偏倚风险，因为干预和控制条件的性质使得盲法不可行。结果评估的盲性仅根据感兴趣的主要结果进行评估，并且在客观测量的情况下报告为低。在两项研究中，由于使用了主观测量方法，这被评估为具有高偏倚风险[104因为作者明确提到这是一项非盲法临床试验[90］．在四项研究中，不完整结局数据的处理被评估为具有高偏倚风险[49，73，90，95］．原因是人员流失率高(超过25%)[95]，组间随访损失高度不平衡[49]，分析局限于完成跑步项目的受试者[90]，以及在干预期间长时间不佩戴活动监测器[73］．选择性报告被评估为所有纳入研究的低偏倚风险。最后，有两项研究被评估为存在其他偏倚的高风险，因为作者宣称存在利益冲突[78]和两组在基线时的显著差异[77］．偏倚风险评估中的所有原因都可以在多媒体附录7．

    ‎
    图3。每个纳入研究的偏倚风险总结。
    查看此图

    荟萃分析结果

    我们继续介绍meta分析的主要结果。所有亚组荟萃分析的详细信息可在多媒体附录8．

    步骤

    在纳入该综述的37项研究中，23项报告了与步骤相关的结果[67，68，72，73，76-79，82，85-92，94-96，99，102，103]和16个报告了我们可以在荟萃分析中使用的结果[67，68，72，73，76，78，82，85，87，89，94-96，99，102，103］．平均而言，与对照组相比，基于fitbit的干预与每日步数的统计学显著增加相关(MD 950.54, 95% CI 475.89-1425.18;P<措施;图4)在meta分析中的大多数研究中(13/16,81%)。三项研究表明，走路的次数减少了[85，99，103］．就影响的程度而言，研究结果之间存在高度的异质性(我2= 51%)。

    ‎
    图4。森林图显示了使用Fitbit设备的干预组与不使用Fitbit设备的对照组的研究中每天步数的平均差异。
    查看此图

    亚组分析显示，干预时间、受试者健康状况和基于理论的干预对步数没有显著影响(P= .97点,P=。32，和P=。86，respectively). When we categorized studies by reporting method, we found no evidence of clinically or statistically significant (P=.86)报告干预后数据的研究与报告基线数据平均变化的研究(多媒体附录8）.敏感度分析排除了Van Blarigan等人的研究[103]，其中对照组和干预组在基线时的步数不平衡，结果也类似(P= .87点)。漏斗图分析未发现发表偏倚(多媒体附录9）.

    MVPA

    在纳入的37项研究中，有21项报告了MVPA [48，57，67，68，71-73，76，78，79，82，84，86，88，89，93，95，98，99，103，104]和14项研究报告了这一结果，我们可以在荟萃分析中使用[48，57，67，68，71，72，76，78，82，84，89，93，99，103］．与对照组相比，fitbit干预组每天花在MVPA上的分钟数有统计学意义的增加(MD 6.16, 95% CI 2.80-9.51;P<措施;图5）.研究结果具有高度异质性(我2= 62%)。

    ‎
    图5。中高强度体力活动平均差异森林图;在研究中比较了包括Fitbit设备的干预组和不使用这种设备的对照组。
    查看此图

    亚组分析显示，只有基于理论的干预措施对MVPA有显著影响(P<.001)，与随访时间和受试者健康状况(P=。28和P=。29，respectively). When we categorized studies by reporting method, we found no evidence of clinically or statistically significant (P=.93)报告干预后数据的研究与报告基线数据平均变化的研究(多媒体附录8）.敏感度分析排除了Van Blarigan等人的研究。[103]，其中对照组和干预组在基线时MVPA存在不平衡，但无显著差异(P=.92)对总体效应大小的影响。没有证据表明存在发表偏倚(多媒体附录9）.

    重量

    在纳入综述的37项研究中，有15项报告了与体重有关的结果[48，68-71，73，77，82-84，88，97，101，102，104]和11项研究报告了这一结果，我们可以在荟萃分析中使用[48，68，69，71，73，77，82，83，88，97，101］．体重是由研究小组测量的。使用MD对11项研究进行的随机效应荟萃分析显示，与对照组相比，基于fitbit的干预措施的体重显著下降(MD为- 1.48,95% CI为- 2.81至- 0.14;P= .03点;图6）.异质性高(我2= 74%)。

    ‎
    图6。比较包含Fitbit设备的干预组与不使用此类设备的对照组的研究中体重(kg)平均差的森林图。
    查看此图

    亚组分析显示，只有受试者的健康状况对体重有显著影响(P= 0.009)，与随访时间和基于理论的干预措施(P=。26 andP=。31，respectively). When we categorized studies by reporting method, we found no evidence of clinically or statistically significant (P=.30)报告干预后数据的研究与报告基线数据平均变化的研究(多媒体附录8）.敏感度分析排除Ashe等人的研究。[68]，其中对照组和干预组在基线时存在体重差异，结果类似(P= .86)。该结果未发现发表偏倚(多媒体附录9）.

    久坐不动的行为

    在纳入综述的37项研究中，有10项报告了与久坐行为有关的结果[57，68，82，87，89，93，98，103，104]和6个报告了我们可以在荟萃分析中使用的结果[57，68，82，89，93，104］．久坐行为是客观测量的，除了两项研究[82，104该研究利用一份自我报告的问卷来获取每天坐着的时间或久坐的行为。对四项研究进行随机效应荟萃分析，这些研究使用MD客观地测量久坐行为。另外两项研究使用标准化平均差(SMD)进行评估。对于客观测量，与对照比较组相比，干预后久坐行为没有显著减少(MD - 10.62, 95% CI - 35.50至14.27;P= .40;图7)(3/ 4,75%)，异质性水平较低(我2= 0%)。对于自我报告的测量，与对照比较者相比，干预后久坐行为的减少不显著(SMD - 0.11, 95% CI - 0.48 - 0.26;P= 56;图7)，具有高度的异质性(我2= 69%)。由于样本量小，无法进行亚组分析。

    ‎
    图7。在研究中比较使用Fitbit设备的干预组与不使用这种设备的对照组的久坐行为(分钟/天)的森林图。
    查看此图

    FsQCA结果

    我们使用每个相关配置的频率截止为2，最小原始一致性为0.8，最小比例一致性减少(PRI一致性)为0.6来进行所有分析。这与Rihoux和Ragin的报告一致[37］．

    首先，我们对每种情况(干预成分和研究特征)进行了单独分析，因为缺乏与所有情况(多媒体附录2）.干预成分的配置分析涵盖了相对较多的观察病例(35.14%)，而研究特征没有涵盖足够的病例来进一步分析(没有配置具有足够高的原始覆盖率来进行分析)(多媒体附录10和多媒体附录11）.基于这些结果和荟萃分析结果，我们结合了以下条件:目标设定、信息传递、咨询、干预时间(下文称为“随访时间”，详见多媒体附录2)、基于理论的干预措施和受试者条件。图8使用Ragin和Fiss的符号系统描述fsQCA结果[105］．

    ‎
    图8。模糊集定性比较分析与改善健康生活方式结果相关的配置。
    查看此图

    图8显示验证解决方案的两个度量(一致性和覆盖率)。HN表示导致生活方式改善的第n种配置。最初，整体解决方案一致性衡量所有配置在一起一致地改善健康生活方式结果的程度。在我们的案例中，总体一致性为0.819，高于通常可接受的0.80水平[106］．原始覆盖率显示了解决方案对结果的经验相关性和有效性，尽管更高的覆盖率并不一定意味着理论重要性[106］．因此，对于已有疾病的个人来说，有多种途径可以获得更好的结果，但最有效的途径(尽管是短期或长期干预)是基于理论的干预，有目标设定，但没有信息传递(H1A)。事实上，除了一种情况外，在所有情况下，设定目标都是取得更好结果的条件，无论是否有信息或咨询。为了区分不同的结果，表2根据干预时间和被试的健康状况给出了这些结果。

    表2。配置导致更好的生活方式结果取决于干预时间和受试者的健康状况。
    干预时间与受试者健康状况 随访持续时间
    (随访时间长)a、b    		 ~后续持续时间
    (随访时间短)b, c
    病情(有慢性疾病的受试者)一个 H1A
    H3    		 H1A
    H1B
    H2
    H3
    ~状况(健康受试者)c N/Ad H1B

    一个为了改善生活方式的结果，需要存在的配置元素。

    bHN:第n种导致生活方式改善的配置。

    c为了改善生活方式的结果，需要缺少的配置元素。

    d我们的示例中没有配置

    表2这表明有既存疾病的人有更多的成功之路，而没有既存疾病的人接受长期干预就没有成功之路。虽然假设更多干预成分的叠加效应导致更好的结果似乎是合理的[16]，我们的分析并未证实这一点。具有所有干预组件(H3)的配置不是最有效的(它具有最低的原始覆盖率)。


    主要研究结果

    我们的综述总结了包括Fitbit可穿戴设备在内的干预措施的结果，以改善健康的生活方式。我们的荟萃分析结果显示，两项PA结果，即步数和MVPA均有改善。基于fitbit的干预也导致体重减轻。然而，无论是客观测量还是自我报告，久坐行为都没有改善。这些结果与之前对可穿戴设备的评论一致，该评论显示久坐行为没有改变[16]，以及PA结果的改善[16-18，28，30.-32，35，36，107]和减肥[28，32，35，108］．然而，目前的证据主要是针对成年人和老年人的。缺乏针对弱势群体(如青年和青少年)的研究，可能是因为在从这些人群中招募受试者和进行随机对照试验时所面临的一些挑战(例如，获得法定监护人的同意)。

    考虑到meta分析结果的整体高度异质性，我们遵循完善的指导方针进行进一步调查[109］．我们通过应用以下两种不同的方法来做到这一点:子组分析和fsQCA。前者允许我们回答有关研究的特定方面(例如，长度和基于理论的方法)和干预成分类型或患者特征(例如，年龄和病情)的具体问题，而后者强调因素的配置(例如，干预成分和研究特征)。亚组分析显示(P< 0.001)在非理论干预中MVPA的改善。这与McCullough等人的结果相矛盾[62他发现基于理论的干预更有效。我们还观察到体重减轻的效果更显著(P= 0.009)。使用fsQCA的进一步分析发现了其他有趣的结果。我们发现基于理论和非理论的干预措施都有贡献，但这一因素似乎取决于特定的条件，以导致有效的干预措施。在除一种配置外的所有配置中，无论是否有信息或咨询，目标设定都是取得更好结果的条件。对于生活方式的结果和体重的结果来说都是如此(多媒体附录12，多媒体附录13,多媒体附录14）.有趣的是，目标设定的存在和不存在都没有改善PA。相反，缺乏信息传递和/或缺乏咨询是改善PA最相关的条件。这是出乎意料的，因为之前的研究发现这两种干预成分单独有效[110-112］．当将信息传递和咨询与其他条件结合起来时，其他因素，如教育和受试者的健康状况，似乎比这些因素更重要。因此，未来的研究需要调查是什么减轻了信息传递和咨询在干预措施中对改善PA的贡献。令人感兴趣的是，在没有预先存在疾病的参与者中，长期研究缺乏更好的结果，而在有健康问题的长期参与者中，通往成功的途径更为有限(表2）.这要么表明这类研究较少，要么表明受试者很难保持注意力以获得长期结果。后者很容易被理解为体重结果，因为早期体重下降很快，然后往往在较长一段时间内停滞不前[113］．

    此外，我们观察到，与单独干预相比，研究和干预相结合的效果更好。换句话说，有复杂的因果关系在起作用，因此，在评估干预措施的有效性时，个人和研究特征也是要考虑的重要标准。这与技术干预可能不会在不同的个体中产生相似的效果的观点是一致的[114］．这意味着没有充分考虑研究特征和参与者资料的研究可能会得出关于干预有效性的无效结论。

    此外，我们发现目标设定是最有希望的干预成分，而信息传递似乎在复杂的干预中大多无效。这些结果可以用我们样本中的两项研究来说明。Amorim等[67研究发现，设定目标可以增加与步数和其他活动(如瑜伽和游泳)相关的结果。相比之下，Cheung等[73得出的结论是:“绝大多数(参与者)发现这些信息(关于PA、营养、一般健康和母亲信息和教育)是有帮助的，尽管报道的对饮食和PA的影响比较有限。”最后，干预时间的长短似乎与此无关，因为它在亚组分析中并不显著(P=。97for steps,P=。28for MVPA, andP=。26 for weight), and the most dominant configuration (H1A) was not affected by this factor.

    优势与局限

    先前的系统文献综述受到纳入研究的质量和性质的限制。为了避免这种情况，我们只纳入了将Fitbit设备作为介入组件的研究。尽管如此，与其他综述一样，我们样本中的研究涉及的干预措施非常不同，这使得评估Fitbit干预措施的效果变得更加困难。然而，当局采用了一套彻底、系统及具透明度的方法[115，116]，使用荟萃分析工具和fsQCA使我们能够解释Fitbit设备与其他介入组件和受试者特征的综合效果。使用这两种方法，我们能够提供基于fitbit的干预措施的有效性的精细图像。尽管有很好的发现，QCA在系统评价中的应用仍然相对较新，特别是在数字健康研究中[38，117］．希望本文综述有助于促进其在未来研究中的应用。

    我们审查的结果必须根据一些局限性来解释。首先，即使我们纳入了大范围的结果，我们也无法评估干预措施对每个结果的有效性。相反，我们将分析限制在PA结果、久坐行为和体重上。虽然我们样本中的大多数文章都检查了经过充分研究的结果(例如，步骤和MVPA)，但其他研究报告了不太常见的结果，例如认知和饮食摄入。其次，我们无法评估Fitbit设备本身对健康生活方式结果的有效性。这是由于(1)干预措施的高度复杂性和多样性，以及(2)没有描述Fitbit伪像的研究数量。事实上，我们样本中的研究很少描述可穿戴设备，也忽略了它的具体特征。如Lyons等人所示[118]和Mercer等人[119]，每个设备都包含不同的行为改变技术，这些技术与可穿戴设备的一个或几个功能相关联，因此提供设备和相关应用程序(如果使用)的功能描述对未来的研究至关重要。考虑这些设备的特性也很重要，因为James等人[120发现每组特征对健康结果的影响并不相同。这项研究表明，只有社交互动和数据管理功能的活动跟踪器有助于改善幸福感的结果。最后，由于高异质性和纳入的研究报告缺乏信息，我们无法评估我们方案中提出的Fitbit设备中纳入的不同行为改变技术的效果。这使我们有机会应用一种与复杂干预相关的新方法(fsQCA)，以确定基于fitbit的干预的最重要条件。

    结论与未来研究

    Fitbit设备，无论是作为干预的主要组成部分，还是作为更全面、更复杂的干预的一部分，都有可能改善健康的生活方式行为，尤其是PA。纳入的研究主要包括已有慢性疾病的成年人群。虽然研究结果在所有随机对照试验中并不显著，但使用Fitbit设备的短期干预通常会改善健康的生活方式。除了这些活动追踪器外，我们还表明，目标设定是短期和长期有效的补充性干预成分。进一步的研究将有助于确定独立于其他介入组件的Fitbit设备的效果，以及调查基于Fitbit的干预的成本效益。鉴于使用PA追踪器的潜在关联，进一步研究其长期使用将有助于指导潜在的临床应用和未来的建议。最后，未来的研究还可以关注这些干预措施在健康受试者中的有效性，并考虑主观结果，如心理健康和个人动机。

    利益冲突

    没有宣布。

    ‎
    多媒体附录1

    搜索查询。

    DOCX文件，20kb
    ‎
    多媒体附录2

    模糊集定性比较分析方法详细介绍。

    DOCX文件，18kb
    ‎
    多媒体附录3

    PICO表。

    DOCX文件，48kb
    ‎
    多媒体附录4

    纳入研究中干预成分的特征。

    XLSX文件(Microsoft Excel文件)，20kb
    ‎
    多媒体附录5

    纳入研究的干预成分细节。

    DOCX文件，24kb
    ‎
    多媒体附录6

    纳入研究的报告结果。

    DOCX文件，295 KB
    ‎
    多媒体附录7

    评估结果的偏倚风险。

    PDF档案(adobepdf档案)，565kb
    ‎
    多媒体附录8

    亚组分析结果。

    DOCX文件，1598 KB
    ‎
    多媒体附录9

    发表偏倚漏斗图。

    DOCX文件，25kb
    ‎
    多媒体附录10

    主要结果的模糊集定性比较分析真值表。

    DOCX文件，22 KB
    ‎
    多媒体附录11

    模糊集定性对比分析主要结果为构形图。

    DOCX文件，70 KB
    ‎
    多媒体附录12

    二次分析用模糊集定性比较分析真值表。

    DOCX文件，24kb
    ‎
    多媒体附录13

    模糊集定性比较分析配置图进行二次分析。

    DOCX文件，205kb
    ‎
    多媒体附录14

    模糊集定性比较分析数据集。

    DOCX文件，17kb
    1. 周波，陆勇，Hajifathalian K, Bentham J, Di Cesare M, Danaei G，等。1980年以来全球糖尿病趋势:对751项基于人群的研究的汇总分析，涉及440万参与者。The Lancet 2016 Apr 09;387(10027):1513-1530。［CrossRef] [Medline]
    2. 糖尿病与公众健康。The Lancet 2009 Oct 03;374(9696):1140-1141。［CrossRef] [Medline]
    3. Kohl HW, Craig CL, Lambert EV, Inoue S, Alkandari JR, Leetongin G，等。缺乏身体活动的流行:促进公共卫生的全球行动。柳叶刀2012年7月21日;380(9838):294-305。［CrossRef] [Medline]
    4. Heath GW, Parra DC, samiento OL, Andersen LB, Owen N, Goenka S等。基于证据的身体活动干预:来自世界各地的经验教训。柳叶刀2012年7月21日;380(9838):272-281。［CrossRef] [Medline]
    5. 非传染性疾病全球现状报告。世界卫生组织，2014。URL:http://www.who.int/nmh/publications/ncd-status-report-2014/en/[2020-10-02]访问
    6. 李建军，李建军，李建军，李建军。运动不足对非传染性疾病的影响:疾病负担和预期寿命的分析。The Lancet 2012 july 21;380(9838):219-229 [免费全文] [CrossRef] [Medline]
    7. 李尔山，胡伟，Rangarajan S, Gasevic D, Leong D, Iqbal R，等。体育活动对来自17个高收入、中等收入和低收入国家的13万人的死亡率和心血管疾病的影响:PURE研究《柳叶刀》2017年12月16日;390(10113):2643-2654。［CrossRef] [Medline]
    8. Bhaskaran K, dos-Santos-Silva I, Leon D, Douglas I, Smeeth L. BMI与总体死亡率和原因特异性死亡率的关系:一项基于英国360万成年人的人群队列研究。2018年12月21日;6(12):944-953 [免费全文] [CrossRef]
    9. 最新的身体活动指南现在可用。美国运动医学学院，2018。URL:https://www.acsm.org/read-research/newsroom/news-releases/news-detail/2018/11/12/updated-physical-activity-guidelines-now-available[2020-10-02]访问
    10. 美国心脏协会关于成人和儿童体育活动的建议。美国心脏协会，2018。URL:https://www.heart.org/en/healthy-living/fitness/fitness-basics/aha-recs-for-physical-activity-in-adults[2020-10-02]访问
    11. 美国人身体活动指南-第二版。美国卫生与公众服务部，2018。URL:https://health.gov/paguidelines/second-edition/pdf/Physical_Activity_Guidelines_2nd_edition.pdf[2020-10-02]访问
    12. salis JF, Bull F, Guthold R, Heath GW, Inoue S, Kelly P，等。奥林匹克四年期间体育活动的进展。The Lancet 2016 Sep 24;388(10051):1325-1336。［CrossRef] [Medline]
    13. 2018-2030年促进身体活动全球行动计划:让更活跃的人创造更健康的世界。世界卫生组织，2018。URL:http://www.who.int/ncds/prevention/physical-activity/global-action-plan-2018-2030/en/[2020-10-02]访问
    14. Rodgers A, Woodward A, Swinburn B, Dietz WH。流行趋势告诉我们什么并没有导致美国的肥胖流行。《柳叶刀公共卫生》2018年4月;3(4):e162-e163 [j]免费全文] [CrossRef] [Medline]
    15. Ogden CL, Carroll MD, Fryar CD, Flegal KM。2011-2014年美国成人和青少年肥胖症患病率NCHS数据简报。2015年11月http://www.htuneup.com/diseases/d_overweight.pdf[2020-10-02]访问
    16. 刘建军，刘建军，刘建军，等。基于消费者的可穿戴运动追踪器增加体育活动参与:系统回顾和荟萃分析。[j] Mhealth Uhealth 2019年4月12日;7(4):e11819 [免费全文] [CrossRef] [Medline]
    17. 李建军，李建军，李建军，等。可穿戴技术对慢性心血管代谢疾病患者身体活动行为的影响。中华卫生杂志;2019;33(5):778-791。［CrossRef] [Medline]
    18. Ridgers ND, McNarry MA, Mackintosh KA。在青少年中使用可穿戴运动追踪器的可行性和有效性:系统综述。JMIR移动健康Uhealth 2016 11月23日;4(4):e129 [j]免费全文] [CrossRef] [Medline]
    19. 病人需要大量的数码产品。埃森哲》2016。URL:https://www.accenture.com/_acnmedia/PDF-8/Accenture-Patients-Want-A-Heavy-Dose-of-Digital-Infographic-v2.pdf[2020-10-02]访问
    20. Fitbit公布2017年第四季度收入5.71亿美元，2017财年收入16.16亿美元。Fitbit》2018。URL:https://investor.fitbit.com/press/press-releases/press-release-details/2018/Fitbit-Reports-571M-Q417-and-1616B-FY17-Revenue/default.aspx[2020-10-02]访问
    21. 为什么Fitbit ?Fitbit》2020。URL:http://www.fitbit.com/fr/whyfitbit[2020-10-02]访问
    22. Gartner表示，2019年全球可穿戴设备销量将增长26%。Gartner》2018。URL:https://www.gartner.com/en/newsroom/press-releases/2018-11-29-gartner-says-worldwide-wearable-device-sales-to-grow-[2020-10-02]访问
    23. parpareor G, Leaver C, Bourget C.数字健康自我跟踪运动在加拿大的传播:一项全国调查的结果。医学互联网研究，2018;02;20(5):e177 [J]免费全文] [CrossRef] [Medline]
    24. VanWormer JJ, Pronk NP, Kroeninger GJ。体育活动的临床咨询:将系统评价转化为护理建议。糖尿病谱2009;01;22(1):48-55。［CrossRef]
    25. 通过体育活动改善你的健康。魁北克政府。2018。URL:https://www.quebec.ca/en/health/advice-and-prevention/healthy-lifestyle-habits/physical-activity/improving-your-health-through-physical-activity/[2020-10-02]访问
    26. 体育锻炼和健康加拿大政府，2018。URL:https://www.canada.ca/en/public-health/services/being-active/physical-activity-your-health.html[2020-10-02]访问
    27. 希尔斯顿M，福斯特C, Thorogood M.促进身体活动的干预措施。Cochrane Database system Rev 2005 Jan 25(1):CD003180 [j]免费全文] [CrossRef] [Medline]
    28. 白金汉SA, Williams AJ, Morrissey K, Price L, Harrison J.移动健康干预促进身体活动和减少工作场所久坐行为的系统综述。数字健康2019;5:2055207619839883。［CrossRef] [Medline]
    29. 皮韦克L, Ellis DA, Andrews S, Joinson A.消费者健康可穿戴设备的兴起:承诺和障碍。PLoS Med 2016 Feb;13(2):e1001953 [j]免费全文] [CrossRef] [Medline]
    30. de Vries HJ, Kooiman TJ, van Ittersum MW, van Brussel M, de Groot M.活动监测器能增加超重或肥胖成年人的身体活动吗?系统回顾和荟萃分析。肥胖(Silver Spring) 2016 Oct;24(10):2078-2091 [j]免费全文] [CrossRef] [Medline]
    31. 葛瑞娟，范奥弗米恩，范奥弗米恩，西蒙，蒙宁霍夫，EM.可穿戴设备和智能手机应用对体育活动干预的影响:系统回顾和荟萃分析。体育医学公开赛2018年9月03日;4(1):42 [免费全文] [CrossRef] [Medline]
    32. Goode AP, Hall KS, Batch BC, Huffman KM, Hastings SN, Allen KD等。整合加速度计的干预对身体活动和体重减轻的影响:一项系统综述。中国生物医学工程学报，2017;31 (1):79-93 [j]免费全文] [CrossRef] [Medline]
    33. Böhm B, Karwiese SD, Böhm H, Oberhoffer R.包括可穿戴运动追踪器在内的移动健康对健康儿童和青少年运动结果的影响:系统评价。[j] Mhealth Uhealth 2019年4月30日;7(4):8298]免费全文] [CrossRef] [Medline]
    34. Stephenson A, McDonough SM, Murphy MH, Nugent CD, maair JL。使用电脑、移动和可穿戴技术增强干预措施以减少久坐行为:一项系统回顾和荟萃分析。国际行为与营养物理法案2017 Aug 11;14(1):105 [J]免费全文] [CrossRef] [Medline]
    35. Lewis ZH, Lyons EJ, Jarvis JM, Baillargeon J.电子活动监测系统作为干预方式的系统回顾。BMC公共卫生2015年6月24日;15:585 [j]免费全文] [CrossRef] [Medline]
    36. 郭建军，郭建军，李建军，等。可穿戴体感技术对老年人身体活动的影响。中华医学杂志2018年10月2日;112 -19 [j]免费全文] [CrossRef] [Medline]
    37. 李建军，李建军。构型比较方法:定性比较分析(QCA)。美国加利福尼亚州千橡市:SAGE出版社;2009.
    38. Thomas J, O'Mara-Eves A, Brunton G.在复杂干预措施的系统评价中使用定性比较分析(QCA):一个工作实例。系统更新2014年6月20日;3:67 [免费全文] [CrossRef] [Medline]
    39. 安华，张志强，李军。可穿戴式运动追踪器在步数测量中的有效性?体育学报，2017;17(3):360-368。［CrossRef] [Medline]
    40. 王晓明，王晓明，王晓明。运动追踪器的可靠性与有效性研究。国际行为与营养物理法案2015年12月18日;12(1):159 [免费全文] [CrossRef] [Medline]
    41. 尼尔森BW，艾伦NB。在生态有效的24小时内，消费者可穿戴心率测量的准确性:个体验证研究。[j] Mhealth Uhealth 2019年3月11日;7(3):e10828]免费全文] [CrossRef] [Medline]
    42. Rosenberger ME, human MP, Haskell WL, McConnell MV, Carstensen LL。24小时睡眠，久坐行为和9种可穿戴设备的身体活动。医学体育锻炼2016年3月17日;48(3):457-465 [j]免费全文] [CrossRef] [Medline]
    43. 谢军，文迪，梁磊，贾勇，高亮，雷军。评估当前主流可穿戴设备在各种体育活动下的健身跟踪有效性:比较研究。JMIR移动健康Uhealth 2018年4月12日;6(4):e94 [j]免费全文] [CrossRef] [Medline]
    44. fehan LM, goldman J, Sayre EC, Park C, Ezzat AM, Yoo JY，等。Fitbit设备的准确性:定量数据的系统回顾和叙述综合。JMIR移动健康Uhealth 2018 Aug 09;6(8):e10527 [j]免费全文] [CrossRef] [Medline]
    45. Henriksen A, Haugen Mikalsen M, Woldaregay AZ, Muzny M, Hartvigsen G, Hopstock LA等。在研究中使用健身追踪器和智能手表测量身体活动:对消费者腕戴式可穿戴设备的分析。医学互联网研究，2018年3月22日;20(3):e110 [J]免费全文] [CrossRef] [Medline]
    46. Cadmus-Bertram LA, Marcus BH, Patterson RE, Parker BA, Morey BL.基于fitbit的女性身体活动干预的随机试验。预防医学2015年9月;49(3):414-418 [J]免费全文] [CrossRef] [Medline]
    47. Wang JB, Cadmus-Bertram LA, Natarajan L, White MM, Madanat H, Nichols JF，等。可穿戴传感器/设备(Fitbit One)和短信提示超重和肥胖成年人增加体力活动:一项随机对照试验。远程电子卫生杂志2015 Oct;21(10):782-792 [J]免费全文] [CrossRef] [Medline]
    48. Hartman SJ, Nelson SH, Cadmus-Bertram LA, Patterson RE, Parker BA, Pierce JP。以技术和电话为基础的减肥干预:乳腺癌高风险妇女的试点随机对照试验。预防医学2016年11月;51(5):714-721 [J]免费全文] [CrossRef] [Medline]
    49. Griauzde D, Kullgren JT, Liestenfeltz B, Ansari T, Johnson EH, Fedewa A，等。一项以手机为基础的计划，在拒绝参加免费糖尿病预防计划的糖尿病前期成人中促进健康行为:混合方法试点随机对照试验。[j] Mhealth Uhealth 2019 Jan 09;7(1):e11267 [免费全文] [CrossRef] [Medline]
    50. 麦卡勒姆C，卢克斯比J，格雷CM。评估体育活动应用程序和可穿戴设备的影响:跨学科评论。JMIR移动健康Uhealth 2018年3月23日;6(3):e58 [j]免费全文] [CrossRef] [Medline]
    51. 李建军，张建军，张建军，等。PRISMA关于报告评价卫生保健干预措施的研究的系统评价和荟萃分析的声明:解释和阐述。中国医学杂志2009年7月21日;339:b2700 [j]免费全文] [CrossRef] [Medline]
    52. Moher D, Liberati A, Tetzlaff J, Altman DG, PRISMA Group。系统评价和元分析的首选报告项目:PRISMA声明。PLoS Med 2009; 7 (7):e1000097 [j]免费全文] [CrossRef] [Medline]
    53. RevMan 5。科克伦社区。URL:https://community.cochrane.org/help/tools-and-software/revman-5/revman-5-download[2020-10-02]访问
    54. 张建军，张建军，张建军，张建军。第八章:评估随机试验的偏倚风险。见:Cochrane干预措施系统评价手册。伦敦:科克伦;2019.
    55. 王志强，李建平。固定效应与随机效应的Meta -分析模型:对累积研究知识的影响。国际选拔与评估学报，2008;8(4):275-292。［CrossRef]
    56. Borenstein M, Hedges LV, Higgins JP, Rothstein HR。第25章:研究中的多重比较。见:元分析导论。美国新泽西州霍博肯:威利;2008年3月11日。
    57. 李丽玲，Sayre EC，谢宏，Clayton C, fehan m。膝骨性关节炎患者社区体育活动咨询项目:Track-OA研究的可行性和初步疗效JMIR移动健康Uhealth 2017 Jun 26;5(6):e86 [j]免费全文] [CrossRef] [Medline]
    58. Götte M, Seidel CC, Kesting SV, Rosenbaum D, Boos J.儿童和青少年癌症患者的客观测量与自我报告的身体活动。科学通报，2017;12(2):e0172216 [j]免费全文] [CrossRef] [Medline]
    59. Limb ES, Ahmad S, Cook DG, Kerry SM, Ekelund U, Whincup PH，等。测量身体活动干预试验的变化:pacup试验中自我报告问卷和加速度计的比较。国际行为与营养物理法案2019年1月22日;16(1):10 [J]免费全文] [CrossRef] [Medline]
    60. beishizen CR, Stephan BC, van Gool WA, Brayne C, Peters RJ, Andrieu S，等。针对中老年人心血管危险因素的网络干预:系统回顾和荟萃分析医学互联网研究，2016年3月11日;18(3):e55 [J]免费全文] [CrossRef] [Medline]
    61. Donoghue K, Patton R, Phillips T, Deluca P, Drummond C.电子筛查和简短干预对降低酒精消费水平的有效性:系统回顾和荟萃分析。医学互联网研究[J]; 2014 Jun 02;16(6):e142 [J]免费全文] [CrossRef] [Medline]
    62. McCullough AR, Ryan C, Macindoe C, Yii N, Bradley JM, O'Neill B，等。行为改变理论，内容和提供干预措施，以提高慢性呼吸道疾病的依从性:系统综述。中华医学杂志2016;16 (1):68 - 71 [j]免费全文] [CrossRef] [Medline]
    63. Sterne JA, Sutton AJ, Ioannidis JP, Terrin N, Jones DR, Lau J，等。随机对照试验荟萃分析中漏斗图不对称的检验和解释建议。英国医学杂志2011年7月22日;343:d4002。［CrossRef] [Medline]
    64. Champion KE, parter B, McGowan C, Spring B, Wafford QE, Gardner LA等。以学校为基础的电子健康干预措施预防青少年多种生活方式风险行为的有效性:系统回顾和荟萃分析《柳叶刀数字健康》2019年9月1日(5):e206-e221。［CrossRef]
    65. 海曼LL，沃瑞尔JN。健康的生活方式行为:个人和人群方法的重要性。中华心血管病杂志;2014;29(6):477-478。［CrossRef] [Medline]
    66. Kelly SA, Melnyk BM, Jacobson DL, O'Haver JA。青少年健康生活方式认知信念、健康生活方式选择、社会支持与健康行为的相关性:对行为改变策略和未来研究的启示儿科保健杂志;2011;25(4):216-223。［CrossRef] [Medline]
    67. Amorim AB, Pappas E, Simic M, Ferreira ML, Jennings M, Tiedemann A，等。整合移动医疗、健康指导和身体活动以减轻慢性腰痛的负担试验(IMPACT):一项试点随机对照试验。肌肉骨骼疾病2019年2月11日;20(1):71 [j]免费全文] [CrossRef] [Medline]
    68. Ashe MC, Winters M, Hoppmann CA, Dawes MG, Gardiner PA, Giangregorio LM，等。“不仅仅是另一个步行计划”:日常活动支持你(EASY)模型——一个平行随机对照试验的随机试点研究。试点可行性研究2015年1月12日;1(1):4 [免费全文] [CrossRef] [Medline]
    69. 阿扎·KM, Koliwad S, Poon T，肖龙，吕宁，Griggs R，等。心脏代谢风险患者的电子心脏代谢程序(eCMP):一项随机对照试验。医学互联网研究，2016;18(5):e134 [J]免费全文] [CrossRef] [Medline]
    70. 黄荣华，黄荣华，黄荣华，黄荣华，黄荣华，黄荣华，黄荣华，黄荣华。体重管理的数字健康方法对“高危”女性动脉粥样硬化性心血管疾病风险的影响中华心血管病杂志，2016;32(4):559 - 561。［CrossRef]
    71. 张建军，杨瑞林，肖克罗，等。癌症幸存者临床减肥干预的随机试验。中华癌症杂志，2018;12(2):186-195 [J]免费全文] [CrossRef] [Medline]
    72. 李建军，李建军，李建军，等。体育锻炼对乳腺癌和结直肠癌患者临床护理的影响:随机对照试验。中华癌症杂志，2019;13(4):593-602 [J]免费全文] [CrossRef] [Medline]
    73. 张nw, Blumenthal C, Smith BJ, Hogan R, Thiagalingam A, Redfern J，等。一项随机对照试验，利用无线可穿戴活动监测器的关联数据进行短信干预，以改善妊娠糖尿病后的危险因素。2019年3月11日;11(3)[免费全文] [CrossRef] [Medline]
    74. Christiansen M, Thoma L, Master H, Mathews D, Schmitt L, Ziegler M，等。全膝关节置换术后一种新的物理治疗师管理的身体活动干预的1年结果:一项初步研究。中国生物医学工程学报(英文版);2018;33 (5):559 - 564 [j]免费全文]
    75. Christiansen M, Thoma L, Master H, Mathews D, Schmitt L, White D.一种新型物理治疗师在全膝关节置换术后进行身体活动干预的初步发现。骨关节炎与软骨2018;04;26:S334。［CrossRef]
    76. Christiansen MB, Thoma LM, Master H, Voinier D, Schmitt LA, Ziegler ML，等。全膝关节置换术后物理治疗师进行身体活动干预的可行性和初步结果。关节炎护理杂志，2020;72(5):661-668。［CrossRef] [Medline]
    77. DiFrancisco-Donoghue J, Jung M, Stangle A, Werner WG, Zwibel H, Happel P，等。利用可穿戴技术增加未来医生的身体活动:一项随机试验。预防医学报告2018;12:122-127 [j]免费全文] [CrossRef] [Medline]
    78. Duscha BD, Piner LW, Patel MP, Craig KP, Brady M, McGarrah RW等。12周移动健康计划对心脏康复后VO峰值和身体活动模式的影响:一项随机对照试验[J] [J]; 2018;19(5):105-114。［CrossRef] [Medline]
    79. 刘建军，刘建军，刘建军。电子日记和加速度计对年轻人感知和客观评估身体活动的影响。心理体育锻炼2017年5月;30:55-63 [j]免费全文] [CrossRef] [Medline]
    80. Falck RS, Best JR, Li LC, Chan PC, Feehan LM, Liu-Ambrose T.能否通过增加中高强度体育锻炼和减少久坐行为来改善成人骨关节炎患者的认知功能?对MONITOR-OA研究的二次分析。骨骼肌骨骼肌疾病2018 12月21日;19(1):447 [j]免费全文] [CrossRef] [Medline]
    81. Farnell G, Barkley J.可穿戴式运动监测仪(Fitbit One)对女性运动行为的影响:一项初步研究。jhse 2017; 12(4)。［CrossRef]
    82. Finkelstein EA, Haaland BA, Bilger M, Sahasranaman A, Sloan RA, Nang EE等。有或没有增加体力活动激励的活动追踪器的有效性(TRIPPA):一项随机对照试验。2016年12月;4(12):983 - 995。［CrossRef]
    83. Gilmore LA, Klempel MC, Martin CK, Myers CA, Burton JH, Sutton EF，等。个性化移动健康干预产后妇女健康和体重减轻获得妇女，婴儿和儿童的好处:一项随机对照试点研究中华妇女健康杂志，2017;26(7):719-727 [J]免费全文] [CrossRef] [Medline]
    84. 李建军，李建军，李建军，等。巨蟹座2018年1月1日;124(1):192-202 [j]免费全文] [CrossRef] [Medline]
    85. Hornikx M, Demeyer H, Camillo CA, Janssens W, Troosters T.慢性阻塞性肺疾病患者急性加重后体育锻炼辅导计划的效果:一项随机对照试验研究。中华医学杂志2015年11月04日;15(1):136 [j]免费全文] [CrossRef] [Medline]
    86. 张建军，张建军，张建军，张建军。基于传感器和游戏的大学生健康行为研究。医学科学教育，2016;26(3):349-355。［CrossRef]
    87. 张建军，张建军，张建军，等。运动对类风湿关节炎患者疲劳程度的影响。中华口腔医学杂志，2018,30 (1):1-10 [j]免费全文] [CrossRef] [Medline]
    88. 王晓明，王晓明，王晓明，王晓明。2型糖尿病患者运动自我跟踪的研究进展。计算机学报;2018;36(7):340-349。［CrossRef] [Medline]
    89. 李丽玲，Sayre EC，谢宏，Falck RS, Best JR, Liu-Ambrose T，等。以社区为基础的技术支持的身体活动咨询项目对膝骨关节炎患者的疗效:概念验证研究医学互联网研究，2018年4月30日;20(4):e159 [J]免费全文] [CrossRef] [Medline]
    90. Lystrup RM, West GF, Olsen C, Ward M, Stephens MB.计步法预防心肺功能下降是否有效?中华医学杂志，2016,31(10):1235-1239。［CrossRef] [Medline]
    91. Mahar MT, Nanney LW, Das BM, Raedeke TD, vic GA, Rowe DA。运动技术在高校体育活动课堂干预中的作用[j] . 2015;47:522。［CrossRef]
    92. McDermott MM, Spring B, Berger JS, Treat-Jacobson D, Conte MS, Creager MA，等。基于家庭的可穿戴技术和电话指导运动干预对外周动脉疾病患者行走性能的影响:HONOR随机临床试验中国医学杂志2018;319(16):1665-1676 [j]免费全文] [CrossRef] [Medline]
    93. Mendoza JA, Baker KS, Moreno MA, Whitlock K, Abbey-Lambertz M, Waite A，等。Fitbit和Facebook移动健康干预促进青少年和年轻成人儿童癌症幸存者的体育活动:一项试点研究。儿科血癌2017年12月15日;64(12):e26660。［CrossRef] [Medline]
    94. Miragall M, Domínguez-Rodríguez A, Navarro J, Cebolla A, Baños RM。在久坐不动的学生样本中，通过基于互联网的动机干预，在计步器的支持下增加身体活动:一项随机对照试验。心理健康2018;33(4):465-482。［CrossRef] [Medline]
    95. Oliveira JS, Sherrington C, Paul SS, Ramsay E, Chamberlain K, Kirkham C，等。一项随机试验:联合体育活动和预防跌倒干预提高了老年人与活动相关的目标实现，但对体育活动无效。中国生物医学工程学报，2019;65(1):16-22 [J]免费全文] [CrossRef] [Medline]
    96. Paxton RJ, Forster JE, Miller MJ, Gerron KL, Stevens-Lapsley JE, Christiansen CL。全膝关节置换术后改善身体活动的可行性研究。老年物理学报，2018;26(1):7-13 [J]免费全文] [CrossRef] [Medline]
    97. Redman LM, Gilmore LA, Breaux J, Thomas DM, Elkind-Hirsch K, Stewart T，等。智能妈妈的有效性，一个新的电子健康干预管理妊娠期体重增加:随机对照试点试验。JMIR移动健康Uhealth 2017 Sep 13;5(9):e133 [j]免费全文] [CrossRef] [Medline]
    98. Shoemaker MJ, Oberholtzer NL, Jongekrijg LE, Bowen TE, Cartwright K, Hanson K，等。基于运动和心理社会的干预措施改善心力衰竭患者的日常活动:一项试点研究。2016年12月21日;29(2):111-120。［CrossRef]
    99. 张建军，陈建军，陈建军，陈建军。智能手机应用程序对低文化程度年轻人积极生活方式的影响:随机对照试验。[j] Mhealth Uhealth 2018 Aug 24;6(8):e10003 [j]免费全文] [CrossRef] [Medline]
    100. 史隆，金，萨哈斯拉曼，梅勒勒-莱门施耐德F，比德尔SJ，芬克尔斯坦EA.消费者可穿戴活动追踪器对久坐时间和久坐时间的影响:随机对照试验的二次分析。BMC Res Notes 2018 Mar 22;11(1):189 [免费全文] [CrossRef] [Medline]
    101. 汤普逊WG，库勒CL，柯普GA，麦克雷蒂-斯皮策SK，莱文JA。“Go4Life”运动咨询、加速度计反馈和老年人的活动水平。中华老年医学杂志，2014;58(3):314-319。［CrossRef] [Medline]
    102. 桑代克AN, Mills S, Sonnenberg L, Palakshappa D，高涛，Pau CT，等。活动监测干预促进实习医师身体活动:随机对照试验。科学通报，2014;9(6):e100251 [j]免费全文] [CrossRef] [Medline]
    103. Van Blarigan EL, Chan H, Van Loon K, Kenfield SA, Chan JM, Mitchell E，等。自我监控和提醒短信增加结直肠癌幸存者的身体活动(Smart Pace):一项随机对照试验。BMC Cancer 2019 3月11日;19(1):218 [j]免费全文] [CrossRef] [Medline]
    104. Vandelanotte C, Duncan MJ, Maher CA, Schoeppe S, Rebar AL, Power DA等。使用Fitbit活动追踪器进行基于网络的计算机定制体育活动干预的有效性:随机试验。医学信息学报，2018,12,18 (12):e11321 [J]免费全文] [CrossRef] [Medline]
    105. Ragin C, Fiss P.净效应与配置:一个实证论证。在:重新设计社会调查-模糊集和超越。芝加哥:芝加哥大学出版社;2008:190 - 219。
    106. Ragin C.校准模糊集。在:重新设计社会调查-模糊集和超越。芝加哥:芝加哥大学出版社;2008.
    107. 戴文杰，王晓明，王晓明，等。可穿戴式运动追踪器在风湿性关节炎和肌肉骨骼疾病患者中的应用:系统评价和meta分析。中华关节炎杂志，2019;6 (6):758-767 [j]免费全文] [CrossRef] [Medline]
    108. chatham SW, Stull KR, Fantigrassi M, Motel I.可穿戴运动跟踪技术作为减肥计划一部分的有效性:系统评价。[J] .运动医学与体能杂志，2018;58(4):534-548。［CrossRef] [Medline]
    109. Deeks J, Higgins JP, Altman DG。分析数据并进行元分析。见:Cochrane干预措施系统评价手册。伦敦:科克伦;2019.
    110. Arrogi A, Schotte A, Bogaerts A, Boen F, Seghers J.工作场所个体化需求支持性体育活动咨询干预的短期和长期效果。中华医学会公共卫生2017年1月09日;17(1):52 [j]免费全文] [CrossRef] [Medline]
    111. Ludwig K, Arthur R, Sculthorpe N, Fountain H, Buchan DS。短信干预对青少年身体活动和久坐行为的改善:系统回顾。JMIR移动健康Uhealth 2018 Sep 17;6(9):e10799 [j]免费全文] [CrossRef] [Medline]
    112. Proper KI, Hildebrandt VH, Van der Beek AJ, Twisk JW, Van Mechelen W.个体心理咨询对身体活动健康的影响。中华预防医学杂志2003;24(3):218-226。［CrossRef]
    113. 王晓东，王晓东，王晓东，等。体重减轻的维持和肥胖的长期管理。中华临床医学杂志，2018,32 (1):391 - 391 [j]免费全文] [CrossRef] [Medline]
    114. Savoli A, Barki H, Pare G.研究慢性病患者对信息技术的反应和有效使用如何影响他们对疾病的自我管理。中国生物医学工程学报2020,01;44(1):351-389。［CrossRef]
    115. parpareor G, Tate M, Johnstone D, Kitsiou S.信息系统系统性和透明度概念的语境分析。信息系统学报，2017;25(6):493-508。［CrossRef]
    116. 文献综述的透明度:对顶级IS期刊跨综述类型和体裁的报告实践的评估。信息系统学报，2017;27(5):503-550。［CrossRef]
    117. Sutcliffe K, Kneale D, Thomas J.如何在系统评价中使用定性比较分析(QCA)来识别关键的干预成分?科克伦》2019。URL:https://abstracts.cochrane.org/sites/default/files/attachments/pdf/poster-7549.pdf[2020-10-02]访问
    118. Lyons EJ, Lewis ZH, Mayrsohn BG, Rowland JL。在电子生活方式活动监视器中实现的行为改变技术:系统的内容分析。医学互联网研究，2014年8月15日;16(8):e192 [J]免费全文] [CrossRef] [Medline]
    119. 李建军，李建军，李建军。基于智能穿戴式运动追踪器的行为改变技术研究。JMIR移动健康Uhealth 2016年4月27日;4(2):e40 [j]免费全文] [CrossRef] [Medline]
    120. James TL, Wallace L, Deane JK。运用有机整合理论探讨用户运动动机与健身技术特征集使用的关系。中国生物医学工程学报，2019;43(1):287-312。［CrossRef]

    ‎
    FsQCA:模糊集定性比较分析
    MD:平均差
    满足:代谢当量
    MVPA:中度到剧烈的体育活动
    PA:体育活动
    个随机对照试验:随机对照试验
    SMD:标准化均差

    G·艾森巴赫编辑;提交29.08.20;由M . Johansson、H . Sasai同行评议;对作者的评论04.09.20;收到订正版24.09.20;接受27.09.20;发表12.10.20

    版权

    ©michael Ringeval, Gerit Wagner, James Denford, Guy par， Spyros Kitsiou。原载于医学互联网研究杂志(//www.mybigtv.com)， 2020年10月12日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)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。
    Baidu
    map