家庭血压远程监测的差异效应和决定因素:在中国安徽界首的三年队列研究

简介

家庭血压远程监测(HBPT)在当前的高血压管理指南中是推荐的，并正在世界范围内迅速推广[1-3.］．各种随机对照试验(rct)已证实HBPT对血压(BP)有边缘性至中度影响，收缩压(SBP)降低3至8 mmHg，舒张压(DBP)降低1至4 mmHg [4-6］．研究还报告了HBPT后在生活质量、心血管并发症风险、高血压相关服务使用费用和其他结果测量等方面的变化[7，8］．这些影响主要归因于“血压指导”的专业护理和自我管理，包括抗高血压药物的自我滴定和依从性[9，10］．

给定波动的BP读数;改变阶段(如正常血压、高正常血压、1级和2级高血压)[11高血压的类型(例如，办公室或“白大褂”高血压、隐蔽性高血压、孤立性收缩期高血压);由于患者身体、心理和社会经济状况的不同，HBPT的实际效果可能因患者和测量时间的不同而有很大差异。然而，已发表的关于HBPT的研究一般采用“无差别”方法，主要侧重于比较干预组整体与对照组整体的效果[12-14］．尽管少数rct记录了特定亚组的血压降低，如基线血压控制不充分的患者[6，15]，关于HBPT的影响和决定因素是否以及如何在不同BP水平/阶段的患者组中存在差异，我们知之甚少。尽管有迹象表明HBPT对血压控制的最大效果通常在干预的头几个月达到，但这是基于持续时间相对较短(少于1年)的研究，其长期可持续性仍有待证实[16-18］．

在过去十年中，中国快速增加了HBPT的使用。越来越多的居民购买和使用各种类型的HBPT设备。然而，关于HBPT的影响和决定因素的数据普遍缺乏。与其他国家的研究类似，国内有限的HBPT相关文献主要关注干预组和对照组血压差异的比较，对HBPT的决定因素和差异效应关注较少。

为了填补这一空白，本研究的目的是使用来自中国安徽界首一个相对大规模(5658名高血压患者)和长期(长达40个月)队列的数据，对HBPT进行相对深入的分析，特别关注在不同血压水平的患者组中比较其效果和决定因素。揭首作为一个位于中国中东部的内陆县，是中国大多数县的代表。

方法

研究地点及课题

这项研究建立在两个相关的正在进行的项目之上。第一项研究由中国安徽省的碣石医院发起，旨在通过HBPT改善高血压管理。该项目覆盖了由街首医院联盟服务的所有村庄(N=48)的所有高血压患者(N=5658)。HBPT包括一个电子振荡式上臂血压监测仪，安装了一个能够自动向患者陈述测量结果和教育信息的语音扬声器。这款监测器由科大讯飞有限公司提供，经证实，普通居民可以轻松使用。HBPT的读数被同步发送到远程中心数据中心。

第二个项目是在ISRCTN注册的RCT(10999269)。本项目使用上述HBPT项目参与者的聚类随机样本(n=3005)来测试一种新型个性化高血压管理方案的有效性[19］．

到本研究开展时，HBPT项目已经收集了参与者40多个月的血压读数，RCT完成了基线评估，包括结构化基线住户调查。

资料内容及收集

本研究使用了上述HBPT项目的记录和相应基线住户调查的部分数据。每个HBPT记录包括四个项目:收缩压、舒张压、每分钟脉搏、测量日期和时间。住户调查于2021年4月至7月通过结构化问卷面对面进行。本研究使用问卷中的24个项目，收集信息:(1)社会人口特征，包括年龄、性别和教育程度;(2)身高体重;(3)首次诊断为高血压的年龄;(4)高血压相关症状和诊断(多媒体附录1)．

数据处理与分析

数据分析包括三个部分:(1)根据社会人口统计学类别对研究对象进行描述性统计(数量和百分比)，(2)计算和呈现(轨迹线)总体研究对象和第一个月平均收缩压/舒张压不同亚组的月活跃HBPT率，(3)对过去一年的HBPT和收缩压/舒张压次数进行多变量线性和百分位数回归建模，(4)对血压控制率进行多变量逻辑回归建模。

月活跃HBPT比率定义为在关注的一个月内至少进行一次HBPT的患者的比例。多变量线性、逻辑和百分位回归模型使用了类似的独立变量、暴露变量和混杂变量。因变量包括所有参与者和去年HBPT的平均SBP/DPB不同的亚组的过去一年的HBPT次数和过去一年的BP控制率。暴露变量为上年度平均SBP/DBP和SBP/DBP系数变化。混杂变量包括社会人口统计和健康状况。任何患者的月平均收缩压/舒张压定义为他们的小时平均收缩压/舒张压，计算方法为给定小时内(如8:00-8:59 AM)记录的所有收缩压/舒张压读数之和，乘以同一小时内的记录数。BP控制率的计算方法为:过去一年BP读数满足收缩压<140 mmHg和舒张压<90 mmHg的次数乘以同期BP总读数。

关于月活跃HBPT的分析使用了所有参加HBPT项目的参与者，而回归建模使用了基线调查的所有参与者。用去年使用HBPT次数的对数将变量转化为正态分布。详细的数值分配见多媒体附录1．在多变量回归建模之前，所有定量变量和序数变量都使用z评分进行标准化。

伦理批准

本研究已获安徽医科大学生物医学伦理委员会批准(编号20200936)，所有受试者均已在同意书上签字(有文化的受试者)或在同意书上打勾(无文化的受试者)。

结果

研究参与者的社会人口统计学

在基线调查招募的3005名参与者中，57%是女性。参与者的平均年龄为65.50岁。高血压持续时间平均为9.50年。超过一半的受访者有高血压家族史(表1)．虽然HBPT项目的5658名参与者没有获得有关BMI和高血压相关症状和诊断的详细数据，但由于后者是前者的随机样本，他们与上述3005名调查参与者共享了兼容的社会统计学数据。高正常血压构成了高血压的块状型(130≤收缩压≤139 mmHg和/或85≤舒张压≤89 mmHg，占43.09%)，其次为1级高血压(140≤收缩压≤159 mmHg和/或90≤舒张压≤99 mmHg，占32.21%)和正常血压(收缩压<130 mmHg和舒张压<85 mmHg，占21.37%)。

不同组间月平均血压的轨迹

图1而且多媒体附录2在所有5658名参与者和第一个月平均收缩压/舒张压变化的患者中，演示HBPT不同时间段(月)后的月平均收缩压/舒张压的变化。两组平均收缩压/舒张压曲线均呈递减和“趋同”趋势，开始时最高和最低平均收缩压/舒张压之间存在较大的差距，在HBPT开始后几个月的x轴上越来越接近。平均收缩压线在140 mmHg以下的一条线和80 mmHg以上的平均舒张压线附近汇合。起始月平均收缩压(170+ mmHg)最高的队列见证了收缩压(从第1个月的183 mmHg到第35个月的140 mmHg)和舒张压(从第1个月的106 mmHg到第35个月的79 mmHg)的最大下降。相反，起始月平均收缩压(110 - mmHg)最低的队列收缩压(从第1个月的102 mmHg增加到第30个月的141 mmHg)和舒张压(从第1个月的66 mmHg增加到第40个月的81 mmHg)增加最大。在开始月平均收缩压处于中间的队列中，平均收缩压/舒张压变化最小。最快的下降或增长发生在前5-6个月。

‎ 把这个图

不同起始月血压的月活跃HBPT比率

图2以月为单位的时间轴表示月活跃HBPT的比率。所有5658名参与者在第一个月都进行了HBPT，但随后2到4个月的比率迅速下降。随后，速率继续以越来越慢的速度下降。开始月平均收缩压130-150 mmHg的患者月HBPT活跃率最高，其次为150-170 mmHg组和110-130 mmHg组。两个极端队列(110和170+ mmHg组)在HBPT方面最不活跃。当患者根据他们的开始月平均DBP分组时，月活跃HBPT率的轨迹模拟了在图2对于几乎所有的特征，除了不同组之间的差距较小(多媒体附录3)．

‎ 把这个图

SBP和DBP的多变量回归建模

表2总结了过去一年我们的平均收缩压和舒张压多变量线性和百分位回归模型的统计数据。线性回归分析显示，去年HBPT次数与SBP (B= -0.09，P<.001)和DBP (B= -0.11，P<措施)。在百分位数回归模型中，HBPT的次数与两个BP变量的相关系数递减，分别为从0.16到-0.35和从0.11到-0.35。在百分位数建模中，年龄在所有百分位数中也显示出与收缩压/舒张压显著相关(收缩压阳性，舒张压阴性)，而教育程度、家族史、高血压相关症状和诊断数量与收缩压和舒张压几乎没有显著关系(均为)P> . 05)。性与舒张压有关，但与收缩压无关，而高血压持续时间和BMI在收缩压比舒张压的百分比上有明显的统计学意义上的显著联系。

BP控制率的多变量Logistic回归模型

表3用不同的临界值(CV)将高血压患者分为控制组(如果患者的血压控制率大于CV则为y=1)和未控制组(如果患者的血压控制率大于CV则为y=0)，统计了9种过去一年的血压控制率多变量logistic回归模型。从趋势上看，HBPT次数与血压控制率呈一致下降趋势(相关系数和比值比分别从模型1的0.53和1.7下降到模型9的-0.62和0.54)，而高血压持续时间与模型1到模型9的血压控制率呈总体上升趋势。协会的英国石油公司控制速度是极端重要的模型(模型1、2、3、4、8和9)次HBPT,年龄和在底部的重要模型(模型1 - 4)的数量和hypertension-related诊断(模型1 - 2),在顶级模特性(模型4 - 9)和BMI(从模型7 - 9),在中等教育模型(模型3 - 5),期间和在所有模型高血压。

HBPT的多变量百分位回归分析

图3以阴影曲线显示去年HBPT次数与所研究的自变量之间的多变量百分位回归系数。在所有的曲线中，只有代表SBP (图3K)和高血压相关诊断的数目(图3h)在所有百分位上与虚线红线(B=0)之间有明确的距离，只有代表平均SBP的曲线在整个百分位轴上与红线重合(图3i).所有剩下的阴影曲线都显示了截距，其中红线占百分位数的比例或大或小。SBP (图3K)离红线距离最大，沿百分位呈减小趋势，而年龄系数呈增大趋势。给出了多变量百分位回归模型的主要统计数据多媒体附录4．

‎ 把这个图

讨论

HBPT对收缩压/舒张压的影响

我们的研究在第一个月平均收缩压不同的高血压队列中揭示了HBPT后新颖而有意义的血压轨迹(图1)．在我们的研究中，HBPT遵循了根据结果B的混合变化，而不是像以往大多数相关研究中记录的那样简单地降低收缩压或舒张压P所关注病人的价值观。收缩压的变化幅度为-43 ~ +39 mmHg，舒张压的变化幅度为-27 ~ +15 mmHg。当对常见报道的混杂变量如性别、年龄、教育程度、高血压病程、BMI、高血压家族史、高血压相关症状和诊断数量进行控制时，HBPT对收缩压/舒张压的差异影响仍然可见。在多变量百分位数回归模型中(表2)， HBPT次数与收缩压、舒张压均有中度至较强的关系。在我们的多变量逻辑回归模型中(表3)， HBPT次数与血压控制率再次表现出强且分化的相关性。这些发现表明HBPT发挥了主要的双向或“目标趋同”作用。有趣的是，这里的“目标”是被广泛验证和接受的高血压控制的定义值(即收缩压低于140和/或舒张压低于90 mmHg [11，20.])。当监测的收缩压/舒张压高于目标值时，HBPT可能促使患者采取行动，通过自滴定抗高血压药物降低血压;咨询医生，开始或加强降压治疗;实践更严格的生活方式改变已被证明可以减少高血压，包括减肥、饮食方法和体育锻炼[21-24］．对于血压低于目标的患者，HBPT可能已经通知他们咨询医生，要求使用更温和的治疗药物或剂量，或者可能减少进一步的自我管理努力。

“目标趋同”效应的影响仍有待仔细研究。从“靶”之上向下的“收敛”通过多种机制对患者有利，包括降低脑出血风险[25，26］．从远低于"目标"(如收缩压<110毫米汞柱)的水平向上"收敛"也可能导致更好的健康结果，例如，减少脑缺血的机会[27］．然而，从低于“目标”的一定范围向上“收敛”(例如收缩压从130毫米汞柱到140毫米汞柱)可能对患者的健康有害。

HBPT的决定因素

不同队列的月活跃HBPT下降率和不同率(图2)提示收缩压/舒张压和时间可能是影响HBPT的最重要因素。为什么中间队列(起始月的亚组)平均收缩压为130-150 mmHg图2或DBP=80-90 mmHg多媒体附录3)显示出最高的月HBPT率可能是因为他们的合成SBP/DBP水平最接近高血压控制的定义值。患者的血压越接近定义值，他们从HBPT中获得有意义反馈(高血压管理的成功或失败)的机会就越大，因此进行监测的愿望就越大。相反，两个极端队列的参与者可能对进行HBPT感到沮丧或感到宽慰。

HBPT项目开始后，随着时间的推移，这种下降趋势可能主要归因于对合成的SBP/DBP的越来越熟悉。换句话说，当患者预测结果的能力增强时，他们对进行HBPT的愿望或兴趣就会下降。这与我们的研究结果一致(图3而且多媒体附录4)，收缩压变化系数与HBPT次数独立相关。

我们的多变量百分位回归模型还确定了HBPT与年龄、教育程度、高血压病程、家族史和高血压并发症诊断之间的独立关联。感知风险可能是这些关系背后的主要原因。换句话说，年龄较大、受教育程度较高、高血压病程较长、诊断次数较多、有家族史的患者可能会认为自己发生高血压并发症的风险较高，因此会更积极地参与HBPT [28，29］．值得注意的是，就相关系数的大小或百分位数的持续时间而言，所有这些相关性都弱于DBP值和SBP的变化。

的变化关系

我们的研究发现了HBPT及其影响因素之间关系的有趣变化。HBPT次数与平均DBP呈负相关(p < 0.05)图3j)，但与平均收缩压无统计学显著相关性(图3i).这可以用因变量和自变量之间的动态相互作用来解释。更具体地说，更频繁的HBPT导致更大的机会发现血压升高，这反过来又导致更大的努力降低血压，然后血压下降更大，最后SBP和HBPT之间的关系不显著。同样的动态也可能对舒张压起作用，但导致了负相关，因为很大一部分患者有孤立的收缩期高血压，他们的舒张压通过HBPT和收缩压之间的相互作用间接降低。收缩压(图3k)不像SBP/DBP那样容易通过相互作用动力学降低，因此与HBPT表现出一致的强相关性。DBP与HBPT之间无显著相关性(p < 0.05)。图3l)可能与收缩压的变化相比，收缩压的值要小得多，因此较少引起患者的注意有关。

在使用SBP/DBP作为因变量的模型中也观察到相似的相关性变化。例如，年龄与收缩压呈持续的正相关，而与舒张压呈持续的负相关。这些矛盾的关系在不同的高血压人群中都有报道，特别是以相对较老的孤立收缩期高血压患者为主的人群[30.，31］．此外，性别与收缩压有关而与收缩压无关，而BMI和高血压持续时间与收缩压的关系比与收缩压的关系更密切。这些发现也与以往的研究结果相似[32，33］．关于血压控制率，我们的逻辑回归模型显示年龄、性别和教育是保护因素;BMI和高血压相关诊断数是危险因素;这些因素的影响是复杂的，可以在模型的各个部分观察到。这些现象的机理和意义值得进一步探讨。

优势和局限性

我们的研究有优点也有局限性。本研究使用了一个相对大规模(5658名高血压患者)和长期队列的数据。对HBPT的决定因素进行了较为深入的分析，特别注意与血压结果的微妙和差异的相互作用。因此，这项研究产生了长达40个月的月平均收缩压/舒张压和HBPT月活跃率的有用轨迹。以HBPT次数、平均收缩压/舒张压、血压控制率为因变量的多变量线性、百分位和逻辑回归建模，可对结果进行交叉检查和比较。

本研究也存在缺陷。首先，由普通居民在家里表演，BPHBPT的值容易受到各种影响。其次，研究人群年龄相对较大(平均年龄为65.50岁)，研究结果应谨慎推广。第三，本研究仅考虑收缩压/舒张压作为结局变量，未考虑其他变量(如并发症、医疗负担)，且缺乏与未使用HBPT的患者进行比较。第四，血压读数容易受到日变化和观察者内部变化的影响，这可能导致测量偏差，尽管我们使用月和小时平均SBP/DBP可能在一定程度上有助于减少这些偏差。针对这些不足，我们的进一步研究活动包括开展家庭调查/观察，以帮助确定影响HBPT读数的因素，将HBPT扩展到更年轻的人群，并进一步分析HBPT与主要不良心血管事件(如中风)和生活质量之间的联系。

结论

HBPT对收缩压/舒张压有显著的“目标趋同”效应。“目标”是广泛验证和接受的高血压控制的定义值(即收缩压低于140和/或舒张压低于90 mmHg)。对于平均血压高于或低于“目标”的队列，HBPT之后分别是收缩压/舒张压降低或升高。变化的幅度比通常记录的要大几倍。在HBPT启动后的第三年，这些差异效果仍然可见。血压、血压变化和时间是HBPT摄入的最重要决定因素，而年龄、教育程度、高血压病程、家族史和高血压并发症诊断也与摄入有关，但明显强度较弱。HBPT与收缩压变化的相关性强于与舒张压变化的相关性。

显然，需要对HBPT的应用和评估进行不同的思考。首先，简单比较干预组整体与对照组效果的传统方法容易低估HBPT的实际影响，因为部分患者的下降被其他患者的增加所抵消。HBPT会导致血压下降、稳定或升高，这取决于所关注的患者的复杂和动态环境。这些不同的影响不一定都是有益的，并值得在未来仔细审查。因此，这项研究强调需要纠正过时的信念或做法，并利用HBPT的应用带来的新机遇。其次，当使用HBPT读数时，“白大褂”效应的差异表明低于传统的高血压控制临界值。换句话说，患者应该更好地了解“白大褂”效应，并了解他们需要进一步努力将HBPT读数维持在略低于140/90 mmHg的水平。第三，对不同水平HBPT读数的不同反应表明有选择性的远程监测、特定群体的“目标”，甚至个性化干预。第四，对舒张压的关注相对低于对收缩压的关注，这意味着需要更多的努力来促进患者的平衡意识。尤其应告知患者舒张压与收缩压同样重要，因此在自我监测中应同等重视。