年龄与体重下降的关系:准实验研究

介绍

美国成年人的肥胖患病率呈上升趋势，近一半(40%)的20岁及以上成年人受到影响，比2014年上升了4% [1，2]。肥胖是与2型糖尿病相关的胰岛素抵抗的已知危险因素，使超重或肥胖的人面临不良健康后果的风险[3.]。目前，3420万各年龄段的美国人患有糖尿病;然而，诊断风险随着年龄的增长而增加，65岁及以上的成年人中有26.8%受到影响[4]。2型糖尿病仍然是所有年龄段的第七大死因，老年人(55岁至74岁)的死亡率不断上升[5]。

据美国疾病控制与预防中心(CDC)称，与肥胖有关的疾病，如心脏病、中风和糖尿病，是导致可预防的过早死亡的主要原因。6]。全球60岁及以上人口为9.6亿，预计到2030年老年人将增加到14亿，到2050年将增加到21亿，预计这些慢性病的流行率将进一步上升[7]。对日益增长的老年人口可行和有效的循证预防措施和治疗可用于应对这些趋势。

众所周知，采用更健康的生活方式对治疗糖尿病、前驱糖尿病和肥胖症至关重要[8]。生活方式干预是一种已知的有效方法，通过饮食和运动干预来减轻体重，并已被证明可以降低糖尿病发病率[9]。中度(5%至10%)减肥干预措施，包括饮食和运动，已被证明可降低老年肥胖患者的死亡率[10]。然而，促进老年人减肥可能会引起争议[11]。

研究表明，当减肥干预导致骨骼肌质量减少时，肌肉减少症就会加剧，这是一种肌肉萎缩的情况，可能会使老年人变得虚弱[12]。此外，某些流行病学研究表明，肥胖在某些情况下对老年人有保护作用，这被称为肥胖悖论[3.]。对这一自相矛盾的发现的批评指出，死亡率研究中包括的老年人可能代表了一小部分人，他们在生命早期没有面临致命的肥胖相关并发症。13]。在许多证明肥胖悖论的研究中，并没有区分有意减肥和无意减肥，因此，表明减肥带来健康风险的结果可能在很大程度上可以用与疾病相关的减肥来解释[14]。健康减肥不太可能带来同样的风险，而且可以改善健康状况。

糖尿病预防计划(DPP)是一种密集的生活方式干预，在降低糖尿病风险方面具有成本效益和成功[15]。促进健康减肥是DPP的一个核心方面。传统的以群体为基础和面对面的DPP生活方式干预已被证明对预防老年人糖尿病有效。通过改变饮食和运动生活方式，老年人的糖尿病发病率降低了71%。老年人比年轻人更有可能达到7%的体重减轻(45 - 59岁[59%]vs 25 - 44岁[48%])。在10年的随访中，与其他年龄组相比，DPP生活方式干预对年龄最大的参与者(60至85岁)糖尿病发病率的影响最大[16]。项目依从性可能发挥了作用:会议出席率与年龄呈正相关;60至85岁的成年人参加的次数几乎是年轻人的两倍[16]。因此，面对面的DPP干预对于解决肥胖是有效的，特别是对于老年人。

随着移动健康(mHealth)应用程序的广泛使用以及面向减肥的移动健康应用程序的广泛可用性[17]，使用移动设备实施循证生活方式和糖尿病预防干预的机会越来越多。老年人经常使用数字通信:65岁至69岁的成年人中有59%、70岁至74岁的成年人中有49%、75岁至79岁的成年人中有31%拥有智能手机，这使得移动医疗干预成为一种可行的选择[18]。

虽然一些探索基于技术的DPP适应性的研究包括了老年人，但据我们所知，还没有研究过年龄对体重结果的潜在影响。一项研究专门针对这一人群探讨了移动健康干预措施的有效性，发现92%的参与者完成了至少一半的核心DPP课程，在12个月的随访中体重减轻了7.5% [19]。

显然，移动医疗干预作为一种具有成本效益且可行的老年人减肥方法具有很大的前景。正如在最初的DPP项目中发现的那样，需要更多的信息来了解考虑潜在年龄影响的移动健康生活方式干预的具体效用。一个已被证明有效的移动健康生活方式项目是Noom (Noom, Inc)，对超重和糖尿病前期成年人(37至61岁)有积极的效果[20.，21]。然而，在这一人群中，年龄对体重结果的影响知之甚少。

本研究旨在评估年龄在预测短期(16周)和长期(52周)维持期Noom健康体重管理(HW)和Noom糖尿病预防计划(DPP)参与者体重方面的作用。我们假设年龄越大，体重减轻的幅度越大。第二个目的是评估与年龄相关的项目参与在预测体重中的作用。我们假设老年人会比年轻人更投入，这预示着更大的体重减轻。

方法

招聘

回顾性队列数据于2019年1月直接从Noom的数据库中提取，并经阿尔伯特·爱因斯坦医学院的机构审查委员会批准后确定。Noom是一种移动健康行为改变生活方式干预，为用户提供食物和运动记录和称重的跟踪功能，以及访问虚拟1:1的行为改变教练，支持小组和日常课程，包括饮食，运动和心理为基础的内容。20.，21]。

参与者最初是通过加入应用商店(iTunes/Google Play)的Noom项目来招募的。参与研究的知情同意是由用户在最初注册程序时提供的;用户可以选择不为研究提供知情同意。参加HW项目的人是基于减肥的个人利益而报名的，他们平均花129美元购买了4个月的项目。然而，在cdc认可的DPP计划中，鼓励个人在其医疗保健提供者诊断出糖尿病前期后加入该计划，并通过健康保险免费提供该计划。所有Noom用户都被分配了一名虚拟健康教练，该教练成功完成了cdc认可的培训课程，并被安排在教练领导的虚拟小组中。两个程序的用户都可以使用相同的功能;唯一存在的区别是用户所接受的程序课程。虽然这两个项目都侧重于体重、健康饮食和体育活动，但DPP项目包括了来自CDC原始DPP的特定糖尿病预防内容，这在HW项目中没有得到强调。

纳入标准是年龄在35岁及以上的成年人，他们在2016年6月至2019年1月开始HW或DPP计划，并在计划的第一周内至少有一次计划行动。选择35岁作为最低年龄的决定是作为中年人的资格，他们的技术互动程度在青年时期是最低的。如果用户自我报告的BMI被归类为体重不足(<18 kg/m)，则被认为不合格，并被排除在分析之外²)或正常体重(18.5至24.9公斤/米)²；图1)或正在使用Noom的免费版本，因为他们无法访问所有程序功能(即，没有健康教练，有限的文章内容和跟踪功能)，因此他们没有得到全面的干预。如果用户的自我报告测量不准确(由体重大幅波动决定[即1周内±20公斤])、测试帐户(由Noom的工程师开发人员用于测试产品)、性别缺失和重复帐户(由数据提取错误引起)，则用户也被排除在分析之外。我们的研究样本量是基于符合纳入标准的用户。

‎ 查看此图

措施

主要结果是自我报告的体重，在基线和第16周和第52周观察。为了解释感兴趣周的缺失数据，在每个时间点周围观察2周范围，并使用每个范围的平均值来计算分析中包括的最终体重结果。

通过两种方式观察到参与情况。首先，创建一个定义来观察完成状态。以CDC的DPP会议出席率定义为框架，决定进一步调整这个先前使用的定义，最初是为现场DPP计划创建的，以提高对移动健康的适用性。因此，计划启动者被认为至少参加了一次会议，定义为在第2周至第6周期间连续3周或更长时间内每周阅读1篇文章，并在第2周至第6周期间每周至少一次称重，持续2周或更长时间。课程完成者被认为是那些在核心课程的前24周阅读至少14篇文章(60%)，每周至少1篇的人。

用户的参与度也通过用户的自我报告和基于行为的程序行动来衡量。参与变量包括自我报告的膳食记录数量、运动记录、运动记录分钟数、称重频率，以及记录的基于行为的步骤、完成的文章(分配的文章除以阅读的文章)、小组互动(小组帖子和评论)以及给个人教练的信息，所有这些都基于用户程序活动进行跟踪。从基线到第52周，对每个敬业度变量的总价值进行求和，并进行二分类(0或1);如果用户登录到单个变量的第75个百分位截止点或以上，则给出1分。根据所有9个用户粘性变量计算每个用户的综合得分(得分范围从0 =低粘性到9 =高粘性)。

统计分析

对用户的基线特征进行描述性统计，连续变量用均值和标准差表示，分类变量用频率和百分比表示(表1）.基线人口统计学差异观察使用t独立样本检验、卡方分析和其他非参数检验。

线性混合效应模型评估了我们的主要结局(体重)的变化。线性混合效应模型估计分析中的缺失数据，并且对随机和非随机丢失的数据具有鲁棒性[22]。在我们的数据集中，14676名用户中的2030名记录了他们在第16周(±2周)的体重，431名记录了他们在第52周(±2周)的体重。尽管缺少值和完成状态，但我们分析了程序中所有用户的数据，并根据所进行的线性混合模型预测了权重结果。

完成了三项分析。首先，固定效应是时间和课程及其相互作用，观察课程的潜在效应。其次，年龄和时间以及它们之间的相互作用，除了调整课程，如果发现显著。其次，年龄、时间、总参与度以及他们之间的互动都被纳入模型。所有模型均将每个参与者的时间和截距作为随机效应纳入。时间被定义为一个3级分类变量(第0、16和52周)。一阶自回归协方差矩阵利用目视检验和赤池信息准则得到了时间重复效应的最佳拟合模型。显著性检验为双侧，α集为0.05。采用SPSS Statistics version 23 (IBM Corp)软件对数据进行分析。

结果

基线特征

基线特征包含在表1。从Noom的数据库中选择的基线个体中，15.07%(2225/14,767)符合HW和DPP项目的起始标准(图1）.在同时开始Noom项目的人中，43.51%(968/2225)的个体完成了项目(HW为577/968 [59.6%]，DPP为391/968[40.4%])。在HW项目中，88.27%(10,926/12,378)的参与者是女性，平均BMI为32.6 (IQR 29.0至37.6)kg/m²。在DPP项目中，87.90%(2100/2389)的参与者是女性，中位BMI为32.2 (IQR 29.0至37.6)kg/m²。

DPP使用者(中位数为51.0 [IQR 44.0 ~ 58.0]岁)明显大于HW使用者(中位数为42.0 [IQR 38.0 ~ 47.0]岁);P<措施)。尽管综合测试显示DPP和HW用户的完成状况存在差异(χ²_3.= 520.93;n = 14767;P<.001)，事后分析显示Bonferroni校正没有显著差异(P< .006)。DPP使用者(平均167.2 [SD 9.5] cm)明显高于HW使用者(平均165.9 [SD 7.1] cm)₁₄₇₆₅= -7.61;P<措施)。HW使用者的基线BMI明显更高(中位数为32.6 [IQR 29.0至37.6]kg/m)²)高于DPP使用者(中位数32.2 [IQR 29.0至37.0]kg/m)²，P= . 01)。各课程组别的其他人口统计特征无显著差异(表1）.HW和DPP用户在整个研究中的平均参与变量的总和见表2。

在运行混合模型之前，我们观察了用户在第16周和第52周提供的数据，以更好地确定与CDC标准相比的体重减轻量。结果显示，完成(根据我们的完成者定义)HW计划的用户在第16周平均减掉4.74 (SD 4.66) kg或3.5%的体重，在第52周平均减掉6.24 (SD 6.73) kg或5.2%的体重。完成DPP计划的用户在第16周平均减掉5.61 (SD 8.06) kg或5.7%的体重，在第52周平均减掉5.66 (SD 7.16) kg或8.1%的体重。

课程的效果

表3来5提供线性混合效应模型的估计和置信区间，以权重作为结果。线性混合模型的结果显示，课程组与时间之间存在显著的交互作用。F_2、1401.0= 29.44;P<措施;表3）.从基线到第16周和基线到第52周，与HW使用者相比，DPP课程的个体表现出更大的体重减轻，在第16周多减掉3.20公斤，在第52周多减掉2.38公斤(基线与第16周)。β= -3.20, 95% CI -4.02 ~ -2.37;基线vs第52周:β= -2.38, 95% CI -4.17 ~ -0.59;表3）.因此，其余的模型根据课程进行了调整。

年龄的影响

当我们评估年龄的影响时，我们发现年龄和时间之间的交互作用是显著的(F_2、1398.4= 9.20;P<措施;表4）.从基线到第16周，老年人比年轻人更早地减掉了更多的体重，因此，年龄每增加一岁，体重就会额外减少0.11公斤(基线与第16周相比)。β= -。11，95% CI –0.16 to –0.06). However, from baseline to week 52, age was not a significant predictor of weight (baseline vs week 52:β=。003, 95% CI -0.11 ~ 0.11;图2）.

‎ 查看此图

按年龄和时间划分的参与度

最后一个模型评估了年龄、时间和参与度之间的相互作用，并根据课程进行了调整。年龄、敬业度和时间之间的三向交互作用不显著，并从模型中删除。参与度与时间、年龄与时间、年龄与参与度的双向互动被保留在模型中。显著的业务参与效应(F_1、15238.5= 14.6;P<.001)被参与度和时间之间的相互作用(F_2、1368.7= 4.98;P=.01)、年龄及参与程度(F_1、14679.5= 6.70;P=.01)，年龄和时间(F_2、1351.7= 10.37,P<措施;表5）.总体而言，在整个研究中，参与度越高的人体重越轻。在第16周，参与程度还不能作为体重的显著预测因子(基线与第16周的对比):β= -。13，95% CI –0.27 to 0.00); at week 52, engagement was a significant predictor of weight such that as engagement increased by 1 composite score, weight decreased by 0.44 kg (baseline vs week 52:β= -。44，95% CI –0.74 to –0.14;图3）.

在整个研究中，参与和体重之间的关联强度因年龄而异;与老年人相比，年轻人的参与度与体重的关系更为密切(年龄和参与度的相互作用)β=。02, 95% CI 0.01 ~ 0.04)。年轻人在订婚时减重更多;然而，尽管老年人的参与程度很高，但随着时间的推移，他们的体重有所下降。

在先前的模型中发现，年龄与体重减轻有关，因此年龄越大，第16周时体重减轻越多(β= -。12，95% CI –0.18 to –0.07) but not at week 52 (β= -。02, 95% CI -0.14至0.09)。与年轻人相比，老年人更早减重，每多一岁，体重就会多减0.12公斤。

‎ 查看此图

讨论

主要研究结果

本研究探讨了在移动干预中年龄和参与对预测体重的影响。据我们所知，这是第一个准实验研究，严格考虑年龄对移动生活方式干预的影响。

为了支持我们的主要假设，年龄越大，体重减轻越多;从基线到第16周，年龄较大的用户减轻的体重更多。我们的第二个假设是，更高的参与度与更大的体重减轻有关，这一假设得到了支持，而我们的假设是，老年用户比年轻人更投入。更高的参与度预示着更大的体重减轻;然而，这种关联的强度因年龄而异。虽然年轻的年龄与参与预测体重有关，但老年人从基线到第16周减掉的体重更多，尽管他们的参与程度不同。这些发现表明，老年人不仅能从移动干预中减肥，而且与年轻人相比，他们可能受益更多。

与前期工作比较

老年人使用移动健康干预措施，似乎是一种有效的减肥方法。Valenzuela等人的meta分析[23针对老年人(67岁至86岁)的电子健康锻炼计划的研究结果表明，技术是一种被广泛接受的方法，平均坚持率为91.3%。这与Svetkey等人[24]，他发现，在咨询和基于互联网的干预组中，60岁及以上的成年人与年轻人(年龄小于50岁，年龄在51岁至60岁之间)相比，在3年多的时间里，体重减轻的初始和持续程度都更高。

在我们的研究中，年龄较大与参与预测体重无关，这与DPP的发现不一致，DPP发现60至85岁的成年人参与预测体重的次数几乎是25至44岁成年人的两倍[16]。Honas等[25在一项以临床为基础的减肥计划中发现，年轻人是唯一与辍学有关的年龄组(51至60岁的人中有76%完成了该计划，而40岁及以下的参与者中有60%完成了该计划)。一项荟萃分析显示，在13项研究中，年龄越小，减肥干预的损耗率越高[26]。此外，在适应的DPP干预中，65岁及以上的成年人比年轻人(年龄小于65岁)有更高的自我监测率和参加更多的会议[27]。对这些发现的一种可能的解释是，老年人缺乏工作或家庭责任(即工作需求较少)。然而，因为我们发现在我们的移动干预中，项目参与对年轻人尤其重要，所以与之前的研究相比，这些发现的差异可能表明了技术使用的独特影响，年轻人可能有更多的经验。尽管老年人完全参与了这个项目，但他们的体重还是有所下降，而年轻人参与得越多，减肥效果就越好。很有可能，健康状况下降的感知或存在可能会成为老年人参与移动项目的动力。进一步的研究应该探索跨年龄组参与移动医疗干预的潜在动机。

我们的结果显示，从Noom中提取的用户中只有15%符合初学者的标准。其中一个原因是，虽然我们的目标是纳入关键的用户粘性指标，但我们的定义可能无法捕捉到项目中的真正用户粘性;因此，不同的定义可能会改变结果。因此，需要更好地定义移动医疗的参与度。在移动减肥和糖尿病干预中，6%至37%的辍学率很常见[28];然而，我们在项目早期的高数字可能与提取时HW项目提供的2周免费试用期有关。可能有更多的用户加入，但他们并不打算长期改变自己的行为。

在整个52周内，参与者在HW计划中平均减轻了6.24 (SD 6.73) kg或5.2%的体重，在DPP计划中平均减轻了5.66 (SD 7.16) kg或8.1%的体重。这些结果符合美国疾病控制与预防中心的标准，即体重减轻5%或以上的人患与肥胖有关的慢性疾病的风险降低[29]。为了更好地了解可能存在的潜在障碍，需要进一步的研究来探索参与者的技术干预经验的可行性。Scheibe等[30.研究表明，老年人报告说，他们很难理解应用程序触摸敏感区域的功能，而且视觉表示太小，不容易看到，这是他们反对使用移动糖尿病干预措施的原因。由于研究结果没有显示老年人的年龄和参与之间有很强的相互作用，因此很可能存在影响移动干预整体可行性的障碍，需要进行调整以增强用户的体验。

限制

参与者是自我选择的，结果可能不适用于对减肥不太感兴趣的人群。由于我们的研究是观察性的，干预对对照组的影响是未知的。考虑到缺失的数据，我们决定使用初始权重和首次权重作为基线权重。注册时的初始体重输入可能无法反映秤上的真实体重，因为假设许多用户在注册阶段估计了他们认为自己的体重。第三，未参与的完成状态标准是根据第1周的总体参与情况确定的。因此，被排除在外的参与者可能在后来的几周内参与了研究。此外，由于某些形式的参与包括自我报告，因此很难区分缺乏锻炼记录是反映了缺乏锻炼还是缺乏报告。因此，记录的基于行为的用户粘性步骤更有可能表明用户粘性的真实水平。第四，在HW和DPP的用户之间可能存在动机差异的潜在偏差，因为用户为HW计划付费，而用户则免费接受DPP计划。

由于回顾性设计，在HW项目中不可能评估用户是否患有前驱糖尿病或糖尿病诊断。任何有能力负担得起并拥有智能手机的人都可以参加HW项目;因此，用户可能有其他未知的潜在健康状况。最后，如前所述，CDC对出勤的定义可能并不直接适用于移动医疗干预，也可能没有最佳地捕捉到辍学率或项目完成者的真实发现。

结论

总之，在本研究中，在第16周和第52周使用移动健康生活方式干预时，年龄和参与似乎在预测体重方面发挥了重要作用。从基线到第16周，老年人不仅减轻了更多的体重，而且与年轻人相比，他们可能受益更多。需要进一步的分析来探索潜在的年龄差异，以更好地优化老年人在移动干预中的体验。