基于ehealth的多种健康行为改变干预对非传染性疾病患者体力活动、健康饮食和体重的影响:系统回顾和元分析

简介

非传染性疾病对全球公共卫生构成重大威胁。心血管疾病、癌症和糖尿病等非传染性疾病是全世界的主要死亡原因，每年造成4100万人死亡，相当于全球所有死亡人数的71% [1］．此外，在世界许多地区，与非传染性疾病有关的医疗费用是卫生保健支出的重要组成部分[2，3.］．

对于非传染性疾病患者，除了接受传统的医疗治疗外，还必须通过保健干预采取健康的生活方式，以避免非传染性疾病的进一步进展和复发[4］．近15年来，多种健康行为改变(MHBC，即在有限时间内解决不少于2种健康行为)在促进非传染性疾病患者健康生活方式方面取得了早期成功[5-7］．《柳叶刀》杂志的一份声明指出，与体重相关的健康行为，包括定期体育活动和健康饮食，是控制全球非传染性疾病危机的有前途的干预措施[8］．

将MHBC应用于与体重相关的行为改变的基本原理是，大多数与体重相关的不健康行为(即缺乏运动，不健康饮食)是同时发生的，并且是可以改变的[6，9，10］．这一假设得到了一项纵向研究的实证支持，在该研究中，不健康饮食和缺乏体育活动对非传染性疾病的发病和一系列负面影响，包括死亡率和卫生保健成本的增加[11］．此外，有人提出“小步导致大跃进的效应”也适用于MHBC。一个相对简单的健康行为改变可以作为一个全面的健康生活方式转变的门户，因为积极的心理因素，如自我效能和动机可以随着最初的行为改变而增强，这反过来又会对随后的行为产生积极的影响[9］．

在非传染性疾病患者中应用MHBC时，一种具有成本效益的模式是利用信息和通信技术采用最新的电子保健方法[12，13］．随着非传染性疾病患者人数的增加，传统的面对面干预模式已难以满足非传染性疾病人群的需求。因此，电子健康作为一种利用互联网及相关技术和媒体(如电脑、智能手机)提供卫生服务和信息的新兴渠道，可以成为出院后在家庭护理环境中对非传染性疾病患者进行传统干预的潜在有用补充[14］．电子卫生干预措施还打破了距离限制，因此因其低成本、高效率和易于数据收集而受到强烈推荐[15］．许多综述已经表明，在非传染性疾病患者中，采用电子健康方法在解决PA或健康饮食这一单一行为领域方面产生了重大影响[16，17］．例如，Haberlin等人[16]回顾了eHealth在癌症幸存者中促进PA的使用，发现所有10项纳入的研究都报告了PA的改善，其中8项研究报告了统计上显著的变化。

越来越多的研究将MHBC干预范式与电子健康方法相结合，共同促进非传染性疾病患者的体重相关健康行为(PA和健康饮食)[18，19］．然而，关于这些相关研究的总体效果和研究特征的综合总结仍然缺乏。为了填补这一空白，本综述主要旨在系统总结相关干预研究的特点，然后汇集相关研究的效应量，以准确量化这些干预对PA、健康饮食和体重的影响。本综述的结果可以为研究人员和临床医生提供建议，以制定有效的电子健康干预计划，以促进非传染性疾病患者的PA和健康饮食。

方法

搜索策略

本综述是根据PRISMA(系统评价和元分析首选报告项目)指南进行并报告的，该方案可从PROSPERO数据库中检索(注册号:CRD42019118629) [20.］．根据最初的报名情况，我们计划在中英文数据库中搜索相关文章。然而，在实施过程中，我们发现由于关键信息(如参与者特征、干预细节)的误报，从中文数据库检索到的文章无法达到质量标准[21］．因此，我们只关注英文数据库中的文章。在PsycINFO、PubMed、Scopus和SPORTDiscus 4个英文数据库中进行了一系列结构化电子搜索，重点是MHBC eHealth对体重相关健康行为(PA和饮食行为)的干预。的流程图中给出了指导文章纳入的程序图1．与布尔运算符相关的特定搜索词可以在多媒体附件1．搜索仅限于有人类参与者的研究，发表日期在2000年1月1日至2020年3月1日之间。

搜索策略中识别的所有文章都被导出到参考文献管理软件(Mendeley)中进行重复检查和进一步筛选。进一步回顾符合条件的文献列表，以确定其他相关研究。从搜索策略中出现的相关评论被用于任何其他研究。灰色文献(如工作论文、未发表的研究、会议论文集或摘要、论文)不被认为是合格的。

‎ 查看此图

研究纳入和排除标准

参与者类型

本次综述的目标人群是所有性别和任何年龄范围的非传染性疾病(如心血管疾病、癌症、慢性呼吸道疾病、糖尿病)患者。排除标准包括研究对象年龄<18岁、怀孕或哺乳期、或患有严重影响其喂养能力和身体活动能力的特殊疾病或其他共患病(如身体残疾)。

干预的类型或感兴趣的现象

我们纳入了评估电子健康干预的研究，其主要目的是影响行为改变，至少同时纳入PA和健康饮食行为。因此，具有其他不相关目的的研究(例如，行为模式调查，药物治疗有效性调查，没有电子健康干预部门)被排除在外。

比较器

比较组定义为不进行干预的对照组或非电子健康干预组(如面对面干预、小册子干预、大众媒体干预)。纳入的研究必须将电子健康干预组与至少对照组或非电子健康干预组进行比较。

研究类型

随机对照试验的文章符合纳入条件。干预效果的纯定性评估是不合格的。

成果类型

本综述主要关注以下通过主观或客观方法测量的行为结果:(1)PA相关结果:能量消耗、步数、在中度至剧烈PA (MVPA)中花费的时间;(2)健康饮食相关结果:能量摄入、宏量营养素组成(碳水化合物、蛋白质和脂类)、核心食物组消费(例如，所有健康成分，蔬菜、水果、谷物)。所收录的文章应涉及PA和健康饮食相关的结果。除上述主要结局外，体重相关结局(如体重、BMI、腰围、体脂、腰臀比)也被视为次要结局。

数据提取

根据研究创建的提取工具进行数据提取;提取工具的主要框架来自于先前发布的示例[22］．两名作者进行了初始数据提取，如果在数据提取中发现任何差异，则会咨询第三名审稿人。提取了以下信息:(1)研究的基本特征，包括第一作者、发表日期、原产国;(2)参与者特征，包括样本量、年龄、性别比例(女性)、疾病类型、招募地点;(3)干预特征，包括干预渠道、干预持续时间和强度、支撑理论、对照组信息、干预详细内容;(四)结果测量，包括结果和测量点的测量;(5)主要结果包括干预完成率和转换效应量(标准化平均差[SMD])。

偏差的评估

由2位作者根据“Cochrane协作的偏倚风险评估工具”(选择、表现、检测、减员、报告和其他偏倚)独立评估偏倚风险[23］．审稿人之间的分歧通过相互讨论解决，直到最终达成一致意见。此外，发表偏倚评估使用非参数检验根据估计治疗效果与其方差之间的秩相关[24］．

数据综合与元分析策略

如果干预后的最终值可用，则将结果合并到荟萃分析中。对于连续数据的文章，提取结果变量的参与者数量、均分和SDs来计算SMD:(m₁- m₂((s) /√₁²+ s₂²) / 2]，其中m为均值，s为标准差。

对于有二分类数据的文章，提取干预组和对照组每一类的人数，计算优势比(OR): N_一个* N_d/ N_b* N_c，其中N_一个为干预组的追随者人数N_b为对照组的追随者数N_c为干预组中不坚持的人数，N_d是控制组中不坚持的人数。

为方便进一步计算，我们使用电子表格将ORs算术转换为smd [25］．值得注意的是，一些负面结果(如脂肪摄入量、BMI、不健康饮食)的效应值被反向编码为正面值。

对于在特定结果范围内具有多个效应量的研究(例如，PA相关结果、轻PA、MVPA同时存在)，我们使用加权算术平均方法将效应量汇集到一个综合大小[26］．以Bantum等人的研究为例[27]作为例子，在本研究中，PA相关结果有2个效应量(SMD .16，轻度PA;SMD .38, mvpa)。由于这两种有效粒径的样本量相等(各占50%权重)，因此合成的PA的SMD为(0.16 + 0.38)/2 = 0.27。

对于缺失数据和统计数据的问题(例如，未报告的SDs和方法等情况)，我们首先采用统计转换(例如，将95% CI转换为SD)。如果不能进行统计转换，我们就直接联系作者获取数据集。如果两种方法都不奏效，我们将不合格的研究按列表顺序排除用于荟萃分析。

最后，使用随机效应模型综合效应大小[28］．我们采用随机效应模型，因为它允许推论概括超出特定元分析中包含的研究[28］．SMD阳性反映了eHealth MHBC干预组与对照组之间的差异(即，在PA、健康饮食和健康体重(如健康BMI范围)方面的结果增加)。综合效应量以森林图的形式呈现，这样读者就可以一目了然地看到进入元分析的各个研究的信息[29］．采用Cochrane文献推荐的I²评估异质性[30.］．根据5个二元变量进行亚组分析:(1)性别(女性参与者比例≥50% vs <50%)，(2)年龄(参与者平均年龄≥55岁vs <55岁)，(3)干预持续时间(≥24周vs <24周)，(4)理论(干预是否受理论指导)，(5)干预渠道(纯短信或电话vs互联网或网络)。

本荟萃分析中的所有数据计算(发表偏倚检验、效应量综合、异质性检验、亚组分析)均使用SPSS 22.0进行[31]使用Field和Gillett提供的语法[28］．所有定性提取(信息提取、偏倚风险评估)和图形制作均由Review Manager 5.3进行[32］．

结果

研究特点

初步系统检索共产生664篇文章(见图1)．经过摘要和全文重复删除和筛选，12篇文章符合纳入标准，3篇文章通过手工检索增加。总共有15项研究符合纳入标准，但不符合针对改善非传染性疾病参与者的PA、健康饮食和体重状况的排除标准。由于尺寸过大的问题，各研究的主要内容总结在多媒体附件2．在确定的15项研究中，有4项在美国进行[26，33-35]，加拿大各2个[36，37]和印度[38，39]，中国各1个[18]，巴基斯坦[40]，韩国[41]、荷兰[19]、新西兰[42]，以及联合王国[43］．值得注意的是，一项研究在全球范围内招募了加拿大、英国和美国的样本[44］．研究参与者人数(干预组和对照组一起)从59人[41]至683 [37]，平均样本量为315人(SD为215人)。参与者的平均年龄为42.3岁[41]至73.0岁[44］．在性别比例方面，有2项研究主要或全部(≥80%)招募男性参与者[38，42]，而另外两项研究招募了女性参与者(>80%)[26，41];1项研究未报告性别信息[39］．涵盖了各类非传染性疾病，其中排名前三的疾病为心脏病[18，34，37，42，43]、癌症[19，26，41，44]和糖尿病[33，38-40］．

采用了各种干预渠道和媒体，包括网站或网页、电话咨询和短信。与传统的纯短信和纯电话干预相比，在干预中添加网络材料更为普遍(8/ 15,53%)。值得注意的是，许多研究采用了混合渠道干预，例如将基于网络的干预与短信提醒和离线同伴支持或小组会议相结合[26，33]或将基于网络的干预材料与短信或电话提醒相结合[18，19，41］．干预时间为6周[26]至1年[39，43］．在纳入的研究中，9项研究设计了不少于24周的干预措施，而6项研究设计了少于24周的干预措施。大多数(9/ 15,60 %)干预措施是基于特定的理论设计的，在有理论背景的干预措施中，跨理论模型(6/ 15,40 %)和社会认知理论(4/ 15,27 %)是最常支持的两个理论。

所有15项研究都评估了PA和健康饮食相关的结果。然而，两项研究[34，35]并没有提供PA和健康饮食干预后结果的SDs。我们未能通过电子邮件从通讯作者那里获得这些缺失的结果，因此这些研究不符合荟萃分析的条件。此外，15项研究中有4项评估了体重相关的结果[33，38-40］．干预完成率(完成整个干预的参与者平均人数除以基线时的参与者人数)由70.9% [39]至96.7% [19］．

偏见和异质性评估

从…中可以看出图2，偏倚风险评估表明纳入的文章质量较高。对于发表偏倚检验，统计结果显示PA的3种干预结果均无潜在的发表偏倚(Kendall tau=.21，P=.33)、健康饮食(Kendall tau=.26，P=.22)，权重(Kendall tau=.33，P= 50)。

‎ 查看此图

干预的有效性

在下面几节中，将分别介绍与pa相关、饮食相关和体重相关结果的综合结果。主要结果在森林图中可视化图3．

‎ 查看此图

PA-Related结果

13项研究的综合效应量显示干预组和对照组在干预后的总PA有显著差异(SMD 0.85, Z= 2.67, 95% CI 0.23至1.47，P= .008;见页1图3)．根据经验[45]时，SMD为0.85应被认为是较大的效应量。pa相关结局间的异质性检验无统计学意义(χ²₁₂= 19.66,P=。07年,我²= 39%)。在亚组分析中，性别(χ²₁= 0.44,P=.51)，年龄(χ²₁= 1.78,P=.18)，干预时间(χ²₁= 0.98,P=.32)，干预通道(χ²₁= 0.75,P=.39)均与干预效果无显著相关。值得注意的是，干预是否基于理论(χ²₁= 2.41,P=.12)微接近亚组差异显著。具体而言，基于理论的干预措施(SMD 1.22, Z=2.13, 95% CI 0.10至2.34，P=.03)的疗效优于非理论干预(SMD 0.30, Z=1.83, 95% CI -0.02至0.61，P= . 07)。

健康饮食相关结果

在其余13项研究中，干预组和对照组在干预后健康饮食行为方面存在显著差异(SMD 0.78, Z=2.34, 95% CI 0.13至1.43，P= .02点;见页2图3)．根据经验[45]， 0.78的SMD应被认为是中等效应量。在异质性检验中，健康饮食相关结局间存在显著的异质性(χ²₁₂= 25.69,P=。01,我²= 53%)。亚组分析，性别χ²₁= 2.19,P=.14)，年龄(χ²₁= .46,P=.50)，干预时间(χ²₁= . 21,P=.65)，干预是否基于理论(χ²₁= 1.28,P=.26)与干预效果无显著相关。而干预渠道与干预效果有微相关(χ²₁= 2.59,P= 10)。具体而言，传统短信或电话咨询的干预(SMD为1.54,Z=2.05, 95% CI为0.07至3.01，P=.04)比基于网络的干预更有效(SMD 0.30, Z=1.70, 95% CI -0.05至0.64，P= .09点)。

体重相关的结果

只有4项研究检查了体重相关的结果。结果显示干预组和对照组在干预后体重状态无显著差异(SMD -0.13, Z=0.79, 95% CI -0.47至0.20，P=点;见页3图3)．体重相关预后差异不显著(χ²_3.= 2.82,P=点)。我²由于研究数量较少，无法计算。由于当任何亚组的研究少于4项时，不建议进行亚组分析[46]，我们没有对体重相关结果进行亚组分析。

讨论

主要研究结果

本综述系统地确定了15项调查MHBC电子健康干预措施有效性的研究，这些干预措施旨在改善非传染性疾病患者的PA-、健康饮食和体重相关结果。结果表明，MHBC电子健康干预措施显著促进了非传染性疾病患者的PA和健康饮食结果。然而，结果并没有显示出对体重变化的显著干预效果。这些结果与Amireault等人的综述结果部分一致[47]，这表明MHBC对PA和健康饮食相关行为的干预可以显著改善癌症幸存者的PA行为。然而，我们的研究结果与Alageel等人的研究结果不同[48]，这表明大多数针对心血管疾病患者的MHBC干预措施都不能显著改变PA行为或水果和蔬菜消费。就效应量而言，MHBC电子健康干预在PA (SMD 0.85)和健康饮食(SMD 0.78)行为方面取得了较大的效应量[45］．我们的元分析的效应量大于2项综合电子健康干预对老年人PA行为的元分析的效应量(SMD 0.79) [49]以及健康人群的水果和蔬菜摄入量(SMD 0.26) [50］．这可能是因为我们针对的是已经受到疾病影响的非传染性疾病患者。因此，我们的荟萃分析中的人群可能比其他健康人群更有动力和愿意改变他们的健康行为，从而获得更积极的干预效果[51］．

虽然所有纳入的干预研究都采用了MHBC eHealth方法，但参与者(如文化背景、年龄)、干预特征(如干预渠道、内容、持续时间)和结果测量仍然存在很大的变异性。这表明，作为一种新兴的干预范式，MHBC电子健康干预尚处于探索阶段，没有相对公认的干预指南或标准，如CONSORT [52］．

尽管有很大的变异性，我们仍然发现了显著的趋势。首先，电子卫生干预渠道已明显从传统的短信或电话咨询转变为现代的多媒体、基于网络或基于智能手机的干预。自2015年以来，除1篇使用传统电话干预的文章外[34，所有的干预都是基于网络的。随着互联网连接的便利和智能手机在日常生活中的普及，据预测，未来通过智能手机应用程序进行干预有望更好地促进非传染性疾病患者的健康生活方式[13］．

第二，大部分纳入研究的干预内容以健康行为教育和咨询为主，没有实质性的行为辅导;这可能是由于目前电子健康干预渠道的局限性。常用的干预范式是选择特定的健康行为改变理论作为框架，并进一步推广所选理论的有效要素(如动机、计划和自我调节)。这些常用的方法确实在改变PA和健康饮食的体重相关健康行为方面取得了显著的中等干预效果(SMD约为0.8)。为进一步提高干预效果，采用双过程方法(即同时关注行为改变的有意识和无意识过程)[53，54]而采用社会生态方法(即包括政策层面、环境和个人因素)可能较为谨慎[55，56］．

第三，关于结果测量，大多数研究采用自我报告测量。自我报告是一种可行、经济及省时的资料收集方法[57]，但也存在社会可取性和报道偏倚导致的主观性高、准确性低的局限性。随着技术的进步，关于PA的数据收集更加客观的方法(例如，地理信息，基于系统的记录;建议采用可穿戴设备记录)、健康饮食(如食物摄影、计算机辅助回忆)、体重(如电子秤数据收集)等方法，以提高数据收集的准确性[58］．

第四，干预设计普遍缺乏后续分析。大多数纳入的研究两次测量结果(干预前基线和干预后)。因此，MHBC电子健康干预对非传染性疾病患者的PA和健康饮食行为的长期和维持作用尚未得到验证。鉴于MHBC电子健康干预尚处于起步阶段，这些最初的研究主要是为了检验电子健康干预与PA和健康饮食是否有效。如所提倡的[6，13]，这项研究的下一阶段是探索如何以及在什么条件下通过增加更长的后续设计来维持这些初始变化。

在干预效果方面，我们采用了以往相关系统综述文章中提出的分析方法，将不同结果的效应量汇集在一起[47，59］．该方法可有效降低数据处理难度，提高结果呈现的清晰度。另一方面，这种方法在某种程度上忽略了特定干预方案的整体效果。我们的结果仅表明，平均而言，针对非传染性疾病患者的MHBC eHealth干预措施可以显著促进PA和健康饮食;但尚未证实MHBC电子健康干预措施能否成功地促进非传染性疾病患者体重相关健康行为的整体模式。在未来，随着MHBC研究数量的增加，有望开发出一个公认的指标来表明MHBC干预的整体效应大小，以更好地评估干预效果。

有趣的是，事后亚组分析没有发现任何影响干预效果的显著调节因子。然而，结果确实揭示了一些潜在的调节因子(即干预是否基于理论，干预渠道)达到边际显著性，考虑到研究样本小，这是值得注意的。基于理论的干预对促进PA行为有显著效果，而没有理论依据的干预则没有显著效果。结果与之前关于在健康行为促进中使用理论的元分析一致[60-63］．有趣的是，在促进健康饮食行为方面，传统干预媒体的干预比基于网络的干预更有效。原因可能是一些基于网络的干预措施缺乏直接的虚拟沟通或定期提醒，这可能会潜在地影响干预的有效性[36，43］．这一推论可以得到先前研究的支持，即基于网络的干预只有在与参与者增加额外的沟通方法，特别是使用SMS或短信时，才能达到理想的效果[61］．

同样有趣的是，干预时间对PA或健康饮食行为的干预效果没有显著影响;一种可能的解释是没有考虑干预频率和干预顺序[64］．综上所述，我们建议未来的MHBC eHealth干预将网络干预材料与传统的定期电话或虚拟联系提醒相结合，更加注重干预质量和多种健康行为之间的顺序安排，以达到更好的干预效果。

限制

应该承认这一综述的三个局限性。首先，尽管我们在有限的数据库中尽了最大努力进行了彻底的文献检索，但由于没有包括搜索时间跨度之外的关键术语或研究，仍然可能导致遗漏了合适的主题或相关研究。其次，一些纳入的研究可能存在偏倚，因为它们缺乏注册方案，使用了不适当的统计方法，并且信息缺失[39，40，43]，因此建议在解释这些试验的结果和汇总效应量时应格外谨慎。第三，存在高度异质性(即参与者特征、干预类型和长度以及结果测量)，研究数量较少可能导致对综合结果的谨慎解释。

结论

据我们所知，这篇综述是唯一一篇试图综合有关MHBC电子健康干预措施对非传染性疾病患者PA、健康饮食和体重的有效性的文献。近年来，此类MHBC电子健康研究已成为康复后护理环境中的一种新趋势。目前的综述通过确定研究重点并为临床决策提供初步证据，对电子卫生和非传染性疾病相关文献做出了重大贡献。这一综述表明，MHBC eHealth干预措施在促进非传染性疾病患者的PA和健康饮食行为方面取得了初步成功。确定关键的干预特征，如基于理论和在基于网络的干预材料中添加交流元素，对于最大限度地提高MHBC电子健康干预在促进非传染性疾病患者体重相关行为方面的效果至关重要。基于这项回顾研究，预计进一步的调查将对干预设计提出改进建议，以最终提高非传染性疾病患者的福祉。