这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
数字策略是预防皮肤癌的创新方法,但需要分析这种干预措施后的损耗。
这篇论文的目的是评估从预防皮肤癌的数字策略研究中退出的情况。
我们根据PRISMA(系统评价和元分析的首选报告项目)声明,使用元分析和元回归进行了系统评价。从成立到2022年7月,将皮肤癌、数字策略和预防的搜索词结合到PubMed、Scopus、Web of Science、CINAHL和Cochrane图书馆。报告了参与者退出的随机临床试验,并将数字策略与其他干预措施进行了比较,以预防健康或无疾病参与者的皮肤癌。两名独立评论者提取数据进行分析。采用修订的Cochrane协作偏倚工具。我们通过比例荟萃分析计算了参与者的汇总退出率,并通过优势比(or)荟萃分析检查了数字干预与比较者的退出频率是否更高或更低。数据采用随机效应模型进行汇总。在比例荟萃分析和OR荟萃分析中进行亚组荟萃分析,以评估通过数字干预或对照比较器对数据进行排序时的退出事件。基于随机效应模型的单变量元回归评估了可能的辍学调节因素。计算所有组、数字组和比较组参与者的合并比例的辍学率。 OR>1 indicated higher dropouts for digital-based interventions. Metaregressions were performed for age, sex, length of intervention, and sample size.
共纳入17项研究。总合并退出率为9.5% (95% CI 5.0-17.5)。比例亚组元分析显示,数字策略的退出率为11.6% (95% CI 6.8-19.0),比较组的退出率为10.0% (95% CI 5.5-17.7)。在总体(OR 1.16, 95% CI 0.98-1.36)和亚组OR元分析中观察到数字策略的辍学率较高的趋势,但在组间没有发现显著差异。在单变量元回归中,没有协变量调节效应量。
与其他预防干预措施相比,数字策略的辍学率较高,但差异不显著。关于辍学人数和原因的报告需要标准化。
国际前瞻性系统综述注册(PROSPERO) CRD42022329669;https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=329669
近年来,数字策略在皮肤癌预防项目中得到了广泛应用。一级和二级预防计划是降低皮肤癌发病率的主要措施[
在预防皮肤癌方面,数字策略似乎比其他传统策略更有效[
患者对预防和数字战略的参与决定了其有效性。尽管研究人员对实施分析数字策略的随机对照试验越来越感兴趣,但关于它们对参与者的退出和坚持是否有积极或消极影响,文献中仍然没有达成共识[
对随机对照试验和其他纵向研究的研究人员来说,退出或减员是一个持续的挑战[
以前的研究没有分析皮肤癌预防数字策略的退出;因此,我们的目标是系统地评估和元分析现有的随机对照试验,以计算总体的合并退出率,并研究可能影响用户退出的因素。
我们根据2020年系统评价和元分析(PRISMA)指南首选报告项目进行了本次系统评价[
两名研究人员(J-CH-R和CG-M)在PubMed、Scopus、Web of Science、Cochrane Library和CINAHL进行了独立的电子检索。这次搜索包括了从数据库建立到2022年7月10日的所有记录。有关数码策略的搜寻词(
我们根据PICOS模型(即患者、干预、比较、结果和研究设计)制定了符合条件的标准
资格标准基于PICOS一个模型。
海岸边模型 | 入选标准 | 排除标准 |
人口 | 在研究期间,参与者没有皮肤癌 | 研究期间患有皮肤病的参与者 |
干预 | 数字预防策略 | 预防方法不注重数字战略 |
比较器 | 任何类型的比较器 | 数字预防战略作为比较 |
结果 | 在研究期间退出的参与者人数 | 没有报告辍学率或不允许间接计算的研究 |
研究设计 | 用英文书写的随机对照试验 | 任何其他类型的研究设计 |
一个PICOS:患者、干预、比较、结果和研究设计。
为了管理数据,Mendeley Desktop(版本1.19.8;Elsevier)被用来检测重复并进行筛选过程。两位独立研究人员(J-CH-R和CG-M)根据标题和摘要筛选记录,然后对研究进行完整阅读,以选择符合上述标准的研究。任何分歧都由第三位研究员J-JP-R讨论。
我们使用Cochrane偏倚风险工具版本2 (ROB-2)评估方法学质量和偏倚风险[
从纳入系统综述的随机对照试验中提取以下数据:作者或年份和国家、研究人群、招募样本、分析样本、性别、实验和对照干预、退出率、退出原因、干预时间。当手稿中没有直接提供辍学率或辍学率时,两者都被计算出来。
在随机化过程后,当参与者没有完成干预或随访期时,就会考虑退出。对于包括2组以上干预的研究,我们分别对对照组进行了两个两个的分析。退出数据是从随机对照试验的文本中提取的,这些随机对照试验在流程图、参与者描述、结果部分或讨论中提供。
为了分析数据,我们使用了免费软件R Studio 4.1.1版。(R基础统计计算)元数据(版本3.0-2)[
考虑到所选rct之间可能存在的异质性,所有meta分析均采用随机效应模型。此外,用I2,数值超过50%,表明异质性较大。当至少有3个研究组可用时,进行亚组元分析和元回归。
比例荟萃分析使我们能够计算出我们综述中所有研究的95% CI的总体合并辍学率[
OR元分析评估事件(辍学)在数字或比较器干预中是否更频繁或更少。当OR小于1时,退出数字策略的可能性较小。为了评估对二元结果的影响,计算了95% CI的OR,并使用方差逆方法将汇总估计调整为稀疏数据。τ的限制性极大似然估计量2估计随机对照试验之间的方差[
进行了敏感性分析,以检测研究如何影响效应量。当一项研究被确定为基于退出变量的异常值时,它将从分析中移除。此外,为了证实先前的结果,我们使用L 'Abbé、Baujat图、Leave-One-Out元分析和影响图进行了探索性分析。
基于随机效应模型的单变量元回归分析评估了年龄、女性百分比、男性百分比、干预月长度和样本量等连续变量作为辍学率的协变量。选择这些预测因素是为了确定参与者的特征和干预措施如何影响辍学率[
基于等高线增强漏斗图的对称性,我们检查了小型研究和发表偏倚的影响。采用harbor和Egger偏倚检验确认漏斗图不对称(
在数据库检索中共确定了1566项研究。在剔除重复、筛选过程和完整阅读符合资格标准的记录后,最终纳入17项rct [
在方法学质量方面,基于rob2的总结评分,17项rct中有14项(82%)显示出“一些担忧”。此外,2个(12%)rct [
对于亚组分析,由于大多数研究不是盲法或盲法没有明确规定,无法进行按参与者盲条件分类的分析。按rob2评分排序的亚组元分析(图S2)
基于PRISMA(系统评价和元分析首选报告项目)2020指南的试验选择流程图。
研究期间对6593名健康参与者和无疾病者的样本进行了分析。参与者的年龄从12.6岁到54.3岁不等。纳入的随机对照试验中使用的数字策略是8项研究中基于网络的干预措施[
在所纳入研究的所有组中,总退出人数为1120人,其中实验干预组为681人(60.80%),对照组为439人(39.20%)。在17项rct中,有9项参与者退出的原因被报告为随访期间丢失[
系统综述中纳入的研究摘要。
源 | 人口 | 招募或分析(n) | 性别、年龄(年)或平均值(SD)的百分比 | 实验干预 | 比较干预 | 辍学率(%) | 退出原因(EG/CG一个) | 干预时间(月) |
阿姆斯特朗等人,2011 [ |
说英语的人年龄>18岁 | 如:47/43;CG: 47/40;n = 94 | 女:50%;男:50%;37.2年 | 在线视频介绍防晒霜如何保护皮肤 | 活动(宣传册) | e.g.: 8.5% (4/47);Cg: 14.9% (7/47) | 无法跟进 | 3. |
Böttcher等,2019 [ |
年轻器官移植受者 | EG1: 44/39;EG2: 49/40;CG: 44/33;n = 137 | 女:44.5%;男:55.5%;12.6年 | EG1:提供防晒建议的短信短信;EG2: WBIb进行防晒训练 | 无干预(等候名单) | Eg1: 11.4% (5/44);Eg2: 18.4% (9/49);Cg: 25.0% (11/44) | N / Rc | 12 |
Bowen等人,2019 [ |
黑色素瘤病例的一级亲属 | 如:157/141;CG: 156/137;n = 313 | 女:63.6%;男:36.4%;51.3年 | WBI每周提供黑素瘤预防行为的信息 | 无干预(等候名单) | 例:10.2% (16/157);Cg: 12.2% (19/156) | 无法跟进 | 12 |
Brinker等人,2020 [ |
中学学生 | 如:734/734;CG: 839/839;n = 1573 | 女:51.6%;男:48.4%;15.9 (SD 1.3)年 | 这款应用程序可以根据个人皮肤类型,根据未来5到25年不同程度的紫外线照射来修改自拍照 | 没有干预 | 例:17.3% (127/734);Cg: 6.20% (52/839) | 无法跟进 | 6 |
布勒等人,2015 [ |
18岁的成年人拥有一部智能手机 | 如:96/89;CG: 106/104;n = 202 | 女:73.5%;男:26.5%;33.3 (SD 9.8)年 | 应用程序提供了关于防晒的反馈,并提醒用户涂抹或重新涂抹防晒霜,并远离阳光 | 没有干预 | 例:7.3% (7/96);Cg: 1.9% (2/106) | 丢失的跟踪和调查未完成 | 3. |
Craciun等人,2011 [ |
女性志愿者 | EG1: 74/74;EG2: 70/70;CG: 61/61;n = 205 | 男:0%;女:100%;25.1 (SD 8.7)年 | EG1:基于WBI意志理论;EG2:基于WBI动机理论 | 没有干预 | 0% | 不应用 | 1 |
黑客等人,2018年[ |
18-35岁的年轻人 | EG1: 41/35;EG2: 42/36;CG: 41/36;n = 124 | 女:65.8%;男:31.5%;25.8年 | EG1:显示每日紫外线指数并提供防晒建议的应用程序;EG2:可穿戴紫外线剂量计 | 没有干预 | Eg1: 14.6% (6/41);Eg2: 14.3% (6/42);Cg: 12.2% (5/41) | 无法跟进 | 3. |
Heckman等人,2016 [ |
成人年龄18-25岁 | EG1: 287/195;EG2: 338/205;CG: 340/229;n = 965 | 女:66.1%;男:33.9%;21.8年(SD 2.2年) | EG1:基于行为预测综合模型的量身定制干预的WBI;EG2: WBI皮肤癌基金会网站 | 没有干预 | Eg1: 32.1% (92/287);Eg2: 39.4% (133/338);Cg: 32.7% (111/340) | N / R | 3. |
高瓴地产,2017 [ |
女性青少年 | 如:214/182;CG: 229/206;n = 443 | 女:100%;男:0%;15.2 (SD 2.0)年 | 减少IT的WBId动机 | 活动(安慰剂) | 例:15.9% (32/214);Cg: 10.1% (23/229) | 无法跟进 | 6 |
Manne等人,2021年[ |
18-89岁的参与者患黑色素瘤的风险增加 | 如:56/43;CG: 60/56;n = 116 | 女:69.8%;男:30.2%;51.1 (SD 15.2)年 | WBI改善SSEe还有防晒 | 没有干预 | 例:76.8% (13/56);Cg: 93.3% (4/60) | 调查未完成 | 3. |
Marek等人,2018 [ |
成人年龄≥18岁 | EG1: 18/18;EG2: 17/17;总经理:17/17;CG: 17/17;n = 69 | 女:61.1%;男:38.9%;54.3年(SD 13.9) | EG1:允许全身摄影的应用程序;EG2:短信提醒SSE;EG3:短信+问责伙伴 | 主动(问责伙伴) | 0% | 不应用 | 6 |
Reilly等人,2021 [ |
0-2C期原发性皮肤黑色素瘤存活者,年龄为18岁,> | 如:121/82;CG: 119/86;n = 240 | N/Af | 应用程序鼓励和提高SSE | 没有干预 | 例:32.2% (39/121);Cg: 27.7% (33/119) | 无法跟进 | 12 |
罗宾逊等人,2016 [ |
肾移植受者 | 如:84/78;CG: 86/83;n = 170 | 女性的40.6%;男:59.4%;50.0年 | 应用程序与教育防晒内容 | 积极(日常教育) | 例:7.1% (6/84);Cg: 3.5% (3/86) | 无法跟进 | 1.5 |
Robinson等,2021 [ |
成年女性 | 如:494/390;CG: 495/414;n = 989 | 女:100%;男:0%;47.0年 | 短信提醒上交所 | 活动(宣传册) | 例:21.1% (104/494);Cg: 16.4% (81/495) | 调查未完成,干预停止(EG) | 3. |
斯台普顿等人,2015 [ |
年龄介乎18至25岁的女性成人,于过去12个月曾接受资讯科技治疗 | 如:94/74;CG: 93/85;n = 186 | 女:100%;男:0%;19.8 (SD1.4)年 | WBI具有心理教育内容,减少IT | 没有干预 | e.g.: 8.5% (8/94);Cg: 8.6% (8/93) | 没有响应 | 1.5 |
蔡等人,2017 [ |
成人年龄≥18岁 | 如:71/42;CG: 72/34;n = 143 | 女:74.1%;男:25.9%;42.3年 | 在线黑色素瘤视频教程+手册 | 活动(宣传册) | 例:40.8% (29/71);Cg: 52.8% (38/72) | 无法跟进 | 1 |
Vuong等人,2018 [ |
全科病人 | 如:134/89;CG: 138/96;n = 272 | 女:71.7%;男:28.3%;45.5年 | WBI有针对性的黑色素瘤风险评估和预防+常规教育 | 积极(日常教育) | 例:33.9% (45/134);Cg: 30.4% (42/138) | 无法跟进 | 1.5 |
一个CG:比较组;实验组。
bWBI:基于网络的干预。
cN/R:未上报。
d室内日光浴。
e皮肤自检。
fN/A:不适用。
最初的敏感性分析包括来自本综述随机对照试验的共23个组。敏感度分析后,Brinker等人的研究[
比例荟萃分析包括22组(
所有研究组的比例整体元分析的森林图。
数字策略的辍学率略有上升趋势,OR为1.16 (95% CI 0.98-1.36),但实验方法和控制方法之间没有显著差异(
所有研究组的总优势比元分析森林图。
我们对按数字战略类型和对照组划分的子组进行了元分析。只有在两个以上rct中分析的策略被纳入OR元分析。如图S10所示
单变量多元回归分析(
单变量多元回归分析。
协变量 | 系数(95% CI)一个 | SE |
|
|
年龄 | 0.05(-0.01至0.02) | 0.24 | -0.08 | 53 |
女性比例 | 0.008(-0.001至0.018) | 0.004 | 1.78 | .09点 |
男性比例 | -0.008(-0.02至0.001) | 0.005 | -1.79 | .09点 |
干预时间(月) | -0.023(-0.07到0.03) | 0.023 | -0.98 | 点 |
样本大小 | 0.0004(-0.0002到0.0009) | 0.0002 | 1.45 | 16 |
一个根据随机效应模型。
本系统综述综合了基于eHealth预防皮肤癌干预措施的随机对照试验减损信息。定量分析评估了合并的退出率和退出OR,以及meta分析rct中可能影响受试者退出的调节因子。尽管研究中采用的数字策略使用了不同的平台或设备,但它们都专注于皮肤癌预防,并由皮肤科专家监督。
比例荟萃分析显示,综合退出率为9.5%,电子健康干预措施和比较项的退出率分别为11.6%和10.0%。这些结果与Walters等人的发现一致[
艾森巴赫等人[
以前的系统综述,如Bevens等[
与整体OR元分析一样,按数字战略类型和比较器分类的亚组元分析发现,辍学率没有显著差异。与其他数字干预措施相比,只有短信短信的辍学率较低,但没有统计学意义。基于提醒的干预措施,如短信似乎可以促进慢性疾病的依从性,但仍需要进一步的研究[
我们的元回归发现,没有一个协变量调节干预的效应量。尽管如此,Torous等人[
除了慢化剂分析之外,对退出原因的评估可能是一种识别障碍的方法,以减少未来rct的自然减员。然而,在本综述中所包括的研究中,报告参与者退出的原因缺乏透明度和同质性,使得上述任务具有挑战性。在我们的rct中报道的主要减员原因是随访损失,但这方面并没有显示出参与者损失的真正原因。
如前所述,退学可能会威胁研究的内部或外部有效性。我们建议研究人员使用我们的总体合并退出率来计算未来试验的样本量,以避免可能的威胁。rct样本量10.1%的过度招募可能是克服外部效度风险的合适方法[
尽管我们的OR元分析显示,数字策略和比较干预措施之间的磨损没有差异,但为了获得可用于日常临床实践的结论性结果,我们指出,在预防皮肤癌方面,需要进一步研究数字干预措施和传统干预措施(如教育计划或小册子)之间的正面比较[
鉴于研究在报告辍学人数和原因时所提供的信息稀缺和缺乏透明度,需要对研究框架进行深刻的改变。为了克服这一障碍,相关指南,如报告试验的综合标准,报告了详细说明在研究期间失去参与者的原因和人数的必要性[
鉴于随机对照试验是将研究结果转化为临床环境所需的第一步,成功减少研究背景下退出的参与者数量可以提高预防皮肤癌数字项目的长期参与度。
这篇综述有几个优点。我们的研究对通过数字策略预防皮肤癌的随机对照试验的退出进行了初步分析。我们计算出的比率可以帮助计算未来研究的样本量。我们进行了敏感性分析,帮助我们发现异常值并确认不存在发表偏倚。此外,子组和元回归分析使我们能够理解参与者的损失是如何被不同的预测因子修改的。
我们综述的主要限制是来自其他数据库的非英语记录的潜在文献可能已经丢失。此外,我们的结果可能受到纳入研究中实验干预的异质性的制约。一些研究比较了没有干预的数字策略,所以我们不能断言这些群体的辍学可能与外部因素有关。由活跃比较组分类的亚组元分析的证据应谨慎解释,因为所分析的研究数量较少;需要进一步的研究来获得有力的证据。由于作者提供的关于退出原因的信息很少,我们无法提出针对性的建议来提高这种RCT的留存率。
本系统综述和荟萃分析计算出参与者的总合并退出率为9.5% (95% CI 5.0-17.5),在计算旨在使用数字健康干预措施预防皮肤癌的随机对照试验的样本量时应考虑这一因素。尽管数字策略的合并退出率略高,但基于or的元分析与比较组没有显示出显著差异。我们对按数字干预和比较干预分类的亚组进行的元分析没有显示出显著的统计学差异。年龄、性别、干预时间长度和样本量都没有改变效应量,因此它们不是退出的调节因子。我们强调有必要遵循指导方针,并将参与者退出的数量和原因的报告标准化,因为这将是设计成功计划以减少分析数字方法预防皮肤癌的研究中参与者损失的唯一有效方法。
补充材料。
优势比
系统评价和元分析的首选报告项目
国际系统评价前瞻性登记
Cochrane偏倚风险工具版本2
随机临床试验
没有宣布。