这是一项单臂、后前、美国国立卫生研究院1B阶段研究，旨在研究结合基于医疗卫生的干预措施的可行性，该干预措施依赖于社区卫生工作者的促进，以改善资源贫乏的农村社区DSMES的可及性[ 22］．由3名训练有素的社区卫生工作者对居住在德克萨斯州南部农村的15名2型糖尿病成年人进行了为期12周的干预。所有社区卫生工作者都隶属于南部沿海地区健康教育中心，该中心是一家当地社区卫生保健中介机构，旨在改善德克萨斯州南部医疗服务不足社区获得优质卫生保健的机会。

参与者是通过在南德克萨斯州社区行动公司张贴的传单招募的。社区卫生工作者打电话给表示有兴趣参加的个人，以评估他们的报名资格。入选标准如下:(1)年龄≥18岁，(2)诊断为2型糖尿病，(3)具有英语读写能力，(4)居住在吉姆威尔斯县，(5)拥有兼容数据计划的智能手机，以及(6)准备改变生活方式。如果参与者(1)正在接受胰岛素治疗，(2)有严重的精神障碍史，(3)在日常或常规活动中有困难，(4)有药物滥用问题，或(5)计划怀孕或计划在接下来的6个月内母乳喂养，他们将被排除在外。参与者口头同意参与。在实施任何研究程序之前，本项目由德克萨斯大学圣安东尼奥健康科学中心机构审查委员会办公室审查，并确定为非监管研究(HSC20190486N)。

支持行为改变是DSMES项目的关键目标[ 17］．本研究基于自我调节和社会认知理论[ 29) ( 图1)．自我调节理论认为，自我监控有助于对实现目标的进展进行自我评估，并有助于自我进步的自我强化。根据SCT，接受自我管理知识和技能支持可以通过提高自我效能感和自我管理行为能力来改善健康行为。移动健康干预措施的开发是由行为信息技术模型指导的，该模型将有针对性的糖尿病自我管理行为与基于证据的行为改变技术联系起来，这些技术是SCT理论机制的基础，以实现DSMES的目标(见 图2) [ 30.］． 表1解释了针对糖尿病自我管理行为的行为改变技术的可操作性(即，移动健康工具和研究参与者获得或使用的频率)。

这种干预采用了独特的“高科技，高接触”方法。我们将来自多个移动健康工具的自我监测数据整合到一个基于云的平台中，以便(1)参与者可以通过查看平台上的数据来提高行为改变的自我效能，以改善健康结果，(2)社区卫生工作者可以访问平台并远程解决参与者障碍，从而促进参与者行为改变和糖尿病自我管理的自我效能。(3)社区卫生工作者可以通过视频会议获得研究团队对复杂的糖尿病自我管理案例和技术问题的支持。

社区卫生工作者通过移动健康(mHealth)提供了为期12周的DSMES试点干预。一旦登记，参与者接受移动健康和社区卫生工作者的一对一培训( 表2)．为了促进建立关系和沟通，每个社区卫生工作者与5名参与者配对，提供个性化的DSMES服务。

为确保提供干预措施的准确性，所有社区卫生工作者都接受了由研究人员提供的为期1天的培训。培训内容包括研究描述、糖尿病自我管理、数据收集和干预传递。在干预期间，研究小组每周与社区卫生工作者会面，以解决他们遇到的问题，并遵循ECHO(社区卫生保健成果推广)模式[ 31］．

每周进行糖尿病数字化教育，提高参与者的糖尿病知识和技能。在糖尿病预防项目群体生活方式平衡项目的基础上，课程根据当地需求进行了调整。例如，我们修改了以小组为基础的活动，添加了基于AADE7(美国糖尿病教育者协会-7)框架的基于个人的一致课程[ 32];根据当地文化量身定制内容;增加了互动组件，包括视频、测验和网页;并将每节课的内容长度减少到10分钟以内。所有课程都由社区卫生工作者审查。课程是使用电子学习创作软件开发的(清晰的故事线;清晰全球有限责任公司)。

社区卫生工作者和糖尿病患者参与者之间的协作目标设定是DSMES不可或缺的[ 32］．每周，参与者制定与体育活动和饮食有关的每日SMART(具体的、可测量的、可实现的、相关的和有时间限制的)目标。社区卫生工作者协助参与者选择体育活动和饮食目标。此外，参与者在第1周为体重自我监测、饮食记录、身体活动跟踪和血糖自我监测设定了自我监测目标。参与者在第2周、第4周、第6周和第10周会见了社区卫生工作者，以审查目标实现情况，解决障碍，并进行必要的修改。

从移动健康设备和应用程序收集的数据由互联健康平台( 图3)，由研究小组开发的应用程式设计介面集成平台[ 33］．该平台旨在呈现与行为目标相关的自我监测数据，因为研究发现，将体育活动和饮食数据与血糖自我监测相结合，有可能帮助社区卫生工作者提供个性化的DSMES服务[ 34］．

一旦记录，社区卫生工作者可以看到7天的饮食图，包括宏量营养素细节、卡路里摄入和水消耗;活动量，包括运动类型、步数、睡眠和体重;血糖;还有每周的行为目标。社区卫生工作者还可以选择一个日期范围，通过叠加多个来源来查看自我监测数据趋势和相互作用，他们可以跟踪参与者在目标上的进展，从而在行为随访会议期间实现解决问题的策略。与会者也被允许进入该平台。此外，该平台还可以作为数据存储工具，研究团队可以从各种移动医疗资源下载数据。

我们根据保留、实际干预使用、实施障碍、满意度和初步健康影响来研究可行性。

所有描述性统计数据报告为连续变量的平均值(SD)和类别变量的频率和相对频率。双尾配对 t试验用于确定减肥干预效果，HbA_{1 c}、技术效能、PTES评分。所有统计程序均使用R软件(R Foundation for statistical Computing)进行。统计学显著性的阈值是两面的 P值是。05。

数字教育完成率高(平均87.5%，标准差22.5%)，大多数(14/15,93%)参与者访问了所有数字教育模块，8/15(53%)完成了所有课程。参与者在一周内多次访问数字教育模块(2-5次)。随着研究的进行，活跃用户数量和平均每周登录数持续下降( 图4)．每周登录次数最多的是第四周，15名参与者平均登录4.3次。

在12周(84天)的干预期间，参与者自我监测步数、食物、血糖和体重的平均天数百分比分别为89% (SD 21%)、78% (SD 21%)、47% (SD 13%)和81% (SD 16%)。总体而言，在研究过程中，每天使用自我监测技术的参与者的百分比没有显著变化( 图5)．

根据互联健康平台的报告，所有参与者都与社区卫生工作者一起制定了日常体育活动和饮食目标，并在实现这些目标方面表现良好。近三分之一的参与者在一周的所有日子里都达到了他们的饮食和体育活动目标。大多数参与者在一周中超过一半的时间内完成了他们的日常饮食目标( 表4)．

平均而言，每个参与者给他们的社区卫生工作者打了16.73个电话(SD 8.0)，每个电话持续5分钟到2.5小时。

参与者报告了完成干预活动的不同类型的障碍。报告最多的障碍是食物记录的“动机”，运动自我监测的“时间”，体重自我监测的“技术”，血糖自我监测的“健忘”。

COVID-19大流行似乎影响了糖尿病控制。参与者报告了以下影响糖尿病控制的生活事件:“亲戚或亲密朋友患重病、受伤或死亡”(7/ 15,47 %)，“直系亲属患重病、受伤或死亡”(4/ 15,27 %)，“有重大经济困难”(3/ 15,20 %)。

总体而言，参加者对干预措施感到满意( 表5)．CSQ-8的平均得分为29.53 (SD 3.04)。所有与会者都认为，社区卫生工作者提供了所需的支持，他们喜欢这种支持。参与者一致认为，该项目帮助他们变得更积极，饮食更健康。与会者亦表示有意继续进行干预活动。大多数参与者(14/ 15,93%)表示有信心继续进行血糖自我监测和健康饮食( 表5)，血糖自我监测和健康饮食成为大多数参与者的高度或基本优先事项。

参与者对大多数数字教育模块的评价为“良好”。“健康饮食”课得分最高，“动力”课得分最低( 表6)．

参加者的体重明显减少3.5公斤(SD 3.2公斤)( P=.001)从基线到后测( 表7)．HbA_{1 c}没有明显变化。我们观察到体重减轻和步数每周都有改善( 图6， 图7)．参与者在第6周到第10周之间实现了最大的体重减轻，平均步数也有了最大的改善。

参与者PTES评分显著改善至50.86 (95% CI 36.61-65.10; t₁₃= 7.71; P(95%置信区间16.72-58.42; t₁₃= 3.89; P<措施)( 图8)．

生活在德克萨斯州南部农村地区的拉美裔人患糖尿病的比例很高，但他们获得DSMES的机会很少。为了解决多维访问障碍，我们设计了一种创新的dsme干预措施，结合了社区卫生工作者模型和移动卫生技术。据我们所知，这是第一项已发表的研究，研究了社区卫生工作者便利化和移动医疗在改善拉丁裔农村人口获得DSMES方面的综合影响。我们的研究结果表明，以医疗卫生为基础，由社区卫生工作者领导的方法是增强德克萨斯州南部DSMES服务的可行和可接受的手段。我们发现移动健康促进了社区卫生工作者参与提供DSMES服务。干预措施受到了参与者的好评，这从他们持续使用移动健康和频繁的参与者-社区卫生工作者互动就可以证明。参与者报告了对干预的高满意度。此外，我们还观察到自我照顾行为和健康结果的改善。综上所述，这项研究表明，我们独特的“高科技、高接触”解决方案有可能在更大规模的随机对照试验中测试其有效性。

我们的研究结果表明，通过使用移动健康工具，社区卫生工作者可以解决国家少数民族健康和健康差异框架研究所提出的多领域健康决定因素[ 16］．例如，我们解决了个人知识和技能差距，帮助糖尿病患者克服了使用移动医疗的识字障碍(个人行为领域)，并提供了适合文化的数字糖尿病教育(社会文化环境)[ 20.］．

我们实现了比以前在农村社区开展的糖尿病自我管理项目更高的保留率[ 40， 41]并观察到一致的mHealth使用情况。在DSMES移动健康干预措施中，通常报告高辍学率和出勤率下降[ 42］．虽然为参与者配备各种技术可以克服地理和时间障碍，但社区卫生工作者的参与使他们能够经常与糖尿病患者沟通，并保持他们的参与。以前的农村DSMES干预发现，社区卫生工作者-参与者电话联系与出勤率呈正相关[ 6］．因此，我们的研究结果证明了在高科技项目中增加社区卫生工作者的价值，并表明这种方法有助于持续参与。

与其他以农村为基础的DSMES干预措施一致，我们的样本报告了较高的满意度[ 6］．我们推测，如此高的满意度是由于人们强烈渴望得到支持和“关心”[ 43］．参与者频繁的干预强化了这种猜测。因此，“高科技、高接触”的干预可能会解决德克萨斯州南部和其他具有类似特征的服务不足地区的糖尿病护理差距。

卫生和电子卫生知识普及程度低是在服务不足社区实施移动卫生的主要障碍[ 43］．我们的参与者之前几乎没有移动医疗的经验。他们还报告了在基线时对移动医疗在糖尿病控制方面的低预期。这些低期望并没有限制移动健康的参与，因为大多数参与者在第一周开始使用移动健康，并在整个项目期间持续使用。此外，参与者很少报告技术是糖尿病自我护理的障碍。参与者在12周时显示出移动健康预期结果和电子健康素养的显著改善。我们的研究结果表明，“高接触、高支持”模式可能有助于糖尿病患者克服健康和电子健康知识普及障碍，并允许他们使用移动健康进行糖尿病自我护理。展望未来，我们将用更长的随访期来测试这个模型，以确定社区卫生工作者的支持是否足以让糖尿病患者长期保持糖尿病自我保健。

高水平的干预可接受性也可以归因于我们对多种个性化策略的整合[ 44］．考虑到糖尿病患者的复杂需求，我们承认社区卫生工作者在动态个性化战略中的不可替代的作用。具体而言，社区卫生工作者能够根据文化价值观和背景、识字和算术能力以及个人信仰和关注实时定制dsme，而移动健康是个性化策略的补充[ 43］．例如，将自我监测数据集成到互联健康平台中，使社区卫生工作者更容易提供个性化反馈[ 34］．为了让糖尿病患者持续参与DSMES，未来的研究需要利用社区卫生工作者和移动医疗支持的多维个性化策略。

未能将技术融入卫生专业人员的工作流程可能会增加他们的工作量，并阻碍他们采取移动卫生干预措施。考虑到社区卫生工作者是一种有价值的资源，可以影响干预的可扩展性[ 45]，我们的目标是将移动医疗以最小的障碍整合到社区卫生工作者的工作流程中。以信息格式提供大量患者生成的自我监测数据对于减轻移动卫生干预措施给社区卫生工作者带来的负担很重要[ 46］．我们从以前的一项研究中了解到，糖尿病教育者更喜欢一个集中的系统，可以灵活地查看糖尿病患者的自我监测信息[ 34］．因此，我们使用互联健康平台允许社区卫生工作者合并他们首选的自我监测数据，并观察饮食和活动与血糖或体重的相互作用，这使他们能够快速评估糖尿病患者的自我保健进展。社区卫生工作者亦每周透过视像会议与研究小组会面，这可能提高他们的积极性和工作表现，从而改善社区卫生工作者的服务质素[ 47］．

与之前在服务不足社区开展的DSMES项目一致，参与者在3个月内实现了4.1%的体重减轻。参与者在3个月时也保持了良好的血糖控制，与之前基于健康的短期DSMES干预相似[ 35， 36］．而元分析报告的HbA为0.4%_{1 c}这些研究是针对基线HbA值较低的糖尿病患者进行的_{1 c}研究时间也更长[ 37］．这些发现证明，我们可以对血糖控制较差的拉美裔农村人进行干预，并延长研究时间，以检查干预的长期效果。

这项研究是在COVID-19大流行期间进行的。在研究期间，拉丁裔占德克萨斯州COVID-19确诊死亡人数的43.5% [ 48］．此外，糖尿病患者在大流行期间经历了更大的挑战，包括更严重的症状、更高的死亡率、有限的卫生保健资源、与交叉感染有关的担忧以及情绪压力。( 49］．因此，我们的研究提供了一个及时的数字解决方案，以满足糖尿病患者的独特需求，并优化服务不足社区的医疗资源配置。

在解释我们的研究结果时，需要考虑几个局限性。首先，持续时间比典型的DSMES项目短。考虑到糖尿病自我管理需要长期的投入，我们的研究需要延长随访时间。其次，由于样本量较小，本研究的统计结果需要谨慎解释。第三，我们只纳入了拥有数字数据计划的参与者，这可能会限制我们的研究结果对患有糖尿病的拉美裔农村人的泛化性。第四，我们只测量了参与者对干预措施的实际使用情况。未来的研究应考虑从社区卫生工作者那里收集数据，以补充糖尿病患者的数据，为干预的可扩展性提供信息。最后，我们没有收集有关招聘的数据，而这些数据本可以为我们项目的潜在影响力提供有价值的信息。 50］．

我们的研究结果表明，“高科技、高接触”的方法有望减少南德克萨斯州农村拉丁裔居民面临的DSMES准入障碍。我们发现，移动健康促进了糖尿病患者的自我护理和远程监测，促进了社区卫生工作者与糖尿病患者之间的互动，并使社区卫生工作者能够积极地为提供DSMES服务做出贡献。在未来，我们的发现应该在一项全动力随机对照试验中进行测试，以检查我们的方法在改善生活在资源贫乏的农村社区的糖尿病患者获得高质量dsme和血糖控制的有效性。