全球有3.74亿人罹患2型糖尿病的风险增加[ 1］．随着城市化和人口老龄化的加剧，预计到2045年，这些数字将增加到7亿[ 1］．在新加坡，糖尿病占总疾病负担的8.6% [ 2］．新加坡的糖尿病患病率从2004年的8.2%上升至2017年的8.8%，2020年的最新患病率为9.5% [ 3.］．更值得关注的是，三分之一的糖尿病患者对自己的病情控制不佳，并且出现一系列糖尿病相关并发症的风险增加[ 4］．此外，占新加坡人口14.4%的前驱糖尿病患者在未来8年有三分之一的机会患上糖尿病[ 4］．因此，预防前驱糖尿病发展为糖尿病，减缓糖尿病的发展是至关重要的。

在超重或肥胖伴前驱糖尿病或糖尿病患者中，减肥与预防和减缓糖尿病进展有关[ 5］．5%的体重减轻与改善胰岛素敏感性、更好的血糖控制和减少糖尿病药物的需求有关[ 5， 6］．糖化血红蛋白降低1%_{1 c})可使死亡率降低21%，心肌梗死降低14%，微血管并发症降低37% [ 7］．

除了接受卫生保健提供者的医疗护理外，自我管理(例如，监测食物摄入量、体重和血糖)是糖尿病管理的一个组成部分，以实现可持续的健康结果。与自我调节理论相一致，具有良好自我管理实践的患者与单纯服用药物的患者相比，表现出更好的糖尿病管理[ 8］．此外，良好的自我管理可以帮助患者减轻体重，改善高血压和高脂血症，而高血压和高脂血症是心血管疾病的关键危险因素[ 9］．

许多移动应用程序已经开发出来，以促进糖尿病自我管理。一项随访期约6个月的荟萃分析显示有显著的HbA_{1 c}通过手机互动进行糖尿病自我管理，降低糖尿病发病率(平均差异0.49%，95% CI 0.30-0.68) [ 8］．类似地，另一项针对专门用于改善自我管理实践的糖尿病应用程序的荟萃分析显示，糖尿病患者的体重在统计学上显著降低(平均差0.84 kg, 95% CI 0.17-1.51) [ 9］．

评估用户应用粘性以及与体重和HbA之间关系的研究非常有限_{1 c}糖尿病患者的变化。应用程序用户粘性研究并没有关注糖尿病，也没有对用户粘性数据的来源进行有限的描述。 10］．问题是，哪些应用的用户粘性功能与减肥和改善血糖有关，以在现实应用中复制类似的发现。这项前瞻性队列研究将进一步了解与糖尿病风险和非胰岛素依赖型糖尿病患者代谢益处相关的关键应用参与功能的有效性。

使用技术授权(D 'LITE)的原发性糖尿病生活方式干预研究表明，患有前驱糖尿病或糖尿病的两名参与者均实现了显著的体重减轻，平均差异为−3.1 kg (95% CI为−4.5至−1.7; P<.001)和−2.4 kg (95% CI−3.5至−1.3; P<.001)，与对照组相比[ 11， 12］．患有前驱糖尿病的参与者达到正常血糖(定义为HbA)的可能性为2.1倍_{1 c}<5.7%)高于对照组( P< .018)。患有糖尿病的参与者也经历了HbA的显著降低_{1 c}水平(平均变化- 0.7%，SD 1.2% vs - 0.3%， SD 1.0%; P< . 01) ( 11］．这进一步强调了调查应用中各种粘性水平及其与体重和HbA之间关系的必要性_{1 c}减少。

因此，我们研究的主要目的是调查糖尿病患者和前驱糖尿病患者使用糖尿病应用程序与体重变化和血糖控制之间的关系。这项研究的发现将为如何有效地使用糖尿病应用程序来促进积极的行为改变以改善健康结果提供见解。

这项前瞻性队列研究包括来自D’lite研究干预组的所有参与者(N=171)的预先指定的亚组分析，这些参与者被分配到营养师Buddy Diabetes (nBuddy Diabetes)应用程序[ 11， 12］．D 'LITE研究的完整描述以及糖尿病和前驱糖尿病组的干预细节此前已发表[ 11， 12］．

nBuddy糖尿病应用程序的概念是基于行为科学的，该应用程序是基于广泛的当地食物数据库和适合文化的自动提示构建的。 11］．简而言之，nBuddy糖尿病应用程序包含多种功能，旨在支持参与者的自我管理工作，包括膳食记录、卡路里(CAL)和碳水化合物(CHO)限制警报的自我监控功能，以及依赖于手机内置计步器并与用户手机同步的步数跟踪。CAL和CHO的限制由应用程序自动计算，并根据参与者在应用程序中输入的当前体重、年龄、性别和活动水平进行个性化计算。当每顿饭或每天达到CAL或CHO限制时，应用程序算法中嵌入行为科学的自动提示将发送实时提示，提醒参与者做出更健康的饮食选择。此外，该应用程序提供了结果跟踪功能，如体重图表和自我监测血糖(SMBG)，空腹和随机血糖(RBG)，由参与者输入。应用程序中提供了一个聊天功能，包括营养师和参与者之间的双向交流，以促进个人生活方式的改变和指导。教育视频被上传到应用程序中，参与者在上传时通过聊天功能得到通知。还包括自动建议更健康和文化上合适的食物替代品，以及提醒参与者使用该应用程序。

在基线时，参与者被教导下载和使用nBuddy糖尿病应用程序，以促进体重减轻和血糖控制。研究人员建议参与者每天记录自己的饮食和锻炼情况，同时每周两次测量体重。在前3个月，研究人员建议参与者每周测量2天血糖。为参与者提供了一个血糖仪(FreeStyle Optium Neo)和一个数字秤(欧姆龙HN-289)。他们被鼓励完成每天的步数目标，第一周开始是3000步，第二周是7000步，第三周是10000步。研究人员建议参与者保持在应用程序根据用户资料自动计算的个性化CAL和CHO限制范围内。

研究招募于2017年10月至2019年9月在新加坡的政府综合诊所、全科医生诊所、健康筛查设施和医院门诊进行。纳入标准为年龄在21至75岁之间、有英语读写能力、诊断为2型糖尿病或前驱糖尿病、BMI≥23 kg/m的成年人²她有智能手机，并提供了书面知情同意书。被诊断患有心力衰竭、晚期肾病、1型糖尿病、严重认知或心理障碍、未经治疗的甲状腺功能减退、地中海贫血、血液疾病或怀孕的患者被排除在外。此外，使用胰岛素、不遵守处方药和贫血的参与者也被排除在外。

在入组后3个月和6个月对参与者进行评估。感兴趣的结果是体重和HbA的百分比变化_{1 c}从基线到3个月和6个月。在诊所使用校准的数字秤(欧姆龙HN-289)测量体重，同时由研究助理获取血液样本以确定HbA_{1 c}遵循国立大学医院检验医学系和国家医疗保健集团诊断学(均由美国病理学家学院认证)的标准测试方法。减少0.5%的HbA_{1 c}在12个月内，糖尿病患者的水平和体重减轻≥5%被认为是与心血管风险降低相关的有临床意义的改善[ 13， 14］．因此，重量损失≥5%和≥0.5% HbA的临界值_{1 c}数据的解释选择了还原法。

在干预期间，应用粘性数据通过应用后端仪表板和开发者报告进行跟踪。从171名参与者中总共提取了476,300个数据点。为了与结果测量相一致，在基线至3个月和基线至6个月的两个不同时期对数据进行了分析。

应用粘性被定义为积极使用单个应用功能。例如，积极使用应用功能，如输入体重值，被认为是应用参与度，而浏览或滚动应用则不是。除观看视频外，每天跟踪所有应用功能的用户粘性数据，并得出基线至3个月和基线至6个月的周平均天数。另一方面，观看的视频是在6个月内通过应用程序上传的22个视频中计算出来的。中给出了各自应用程序约定的确切定义和派生 表1．应用用户粘性数据被分成四分位数进行比较和分析。

我们还计算了使用率≥75%的应用粘性功能的数量。文献中类似的移动健康(mHealth)研究重申，75%被认为是一个常见和现实的吸吸率，它被用作一个临界值，以便与已有的文献进行更有意义的数据比较[ 15］．在交叉表分析的基础上，5个特征及以上的结果没有产生额外的影响，并作为显著性检验的最小分界点。

所有分析均使用SPSS for Windows (version 26.0;SPSS Inc .)。连续变量的描述性数据以中位数(IQR)或类别变量的频率和百分比表示。连续变量的差异采用2样本进行评估 t检验是否满足正态性和同质性假设;否则就是曼-惠特尼 U使用Test。分类变量采用卡方检验或Fisher精确检验。分析的主要单位是体重变化百分比和绝对HbA_{1 c}3个月和6个月后的水平。应用用户粘性行为、应用总体使用率和应用功能(≥75%)之间的关联是通过线性混合模型分析来评估的，以解释招聘来源的聚类效应作为随机因素，并根据人口统计和相关协变量进行调整。对患有糖尿病和前驱糖尿病的参与者进行亚组分析，以调查其相关性。应用用户粘性数据被分成四分位数进行比较和分析。应用粘性最低的四分位数被用作参考类别。统计显著性设为 P< . 05(双向)。数据采用治疗中方法进行分析，缺失数据被认为不符合干预。

该研究由新加坡国家卫生保健集团领域特定审查委员会(2017/00397)批准，根据《赫尔辛基宣言》进行，并与《加强流行病学中观察性研究的报告》指南一致[ 16］．

表2描述参与者的基本特征。共有171名参与者被分配到移动应用程序组。在171名参与者中，有99名(57.9%)患有糖尿病，72名(42.1%)患有前驱糖尿病。在6个月时，5名前驱糖尿病组的参与者，5名糖尿病组的参与者，以及另外一名错过了6个月结果测量的糖尿病组参与者被认为失去了随访。171例中，男性109例(63.7%)。

前3个月的整体应用使用率较高，并在之后的6个月内保持不变( 表3)．在整个干预过程中，应用整体用户粘性中值保持在90%以上。最常用的功能包括步长跟踪(95.6%)、饮食记录(76.6%)以及在应用程序的聊天系统中与营养师交流(50%)。使用最少的功能是RBG监测(18%)，空腹血糖监测(19%)和体重图表(26%)。这是预期的，因为事先就体重图表和SMBG的频率(每周两次)向参与者提供了指示。应用用户粘性的变化趋势在3个月和6个月时基本相同。

图1显示了所有参与者在6个月时应用粘性和体重减轻之间的关系。所有应用的前四分之一用户在6个月时取得了更大的减肥效果。在3个月时观察到相同的体重减轻趋势，除了RBG测量( 图2)．在所有应用程序功能中，CHO限制内的最高四分位数和选择更健康的食物选项与最大的体重减轻相关，分别为9.1%和8.8%(平均差- 5.2,95% CI - 8.2至- 2.2; P=措施;平均差值- 4.2,95% CI - 7.1至- 1.3; P= .005; 图1)．每周使用>6.4天的总体应用程序可导致6.7%的体重减轻(平均差- 4.8,95% CI - 6.7至- 2.9; P<.001)，与每周使用应用程序≤4.2天相比。同样地，参与≥5个应用程序功能(≥75%)与基线体重减轻10.6%显著相关(平均差- 6;95% CI−8.9 ~−3.2; P<措施)。

在患有前驱糖尿病或糖尿病的参与者中，所有应用程序功能的最高四分位数导致6个月时体重减轻≥5% ( 多媒体附件1)．早在3个月前就观察到这一趋势，几乎所有应用功能的最高四分位数粘性水平导致体重下降≥5% ( 多媒体附件2)．完整的膳食日志，保持在CAL和CHO的限制内，选择更健康的食物，当这些应用程序功能使用最频繁时，减肥效果最大，≥8% ( 多媒体附件1)．

此外，每周使用>应用程序6.4天的患者减重6.8%，而每周使用应用程序≤4.2天的患者减重2.1% ( P=.009)在糖尿病前期组6个月时( 多媒体附件1)．在糖尿病组也观察到类似的趋势。在糖尿病患者和前驱糖尿病患者中，参与≥5个应用程序功能且摄取≥75%的人，总体体重分别减轻了9.8%和11.9%。

通过检查应用程序的使用效率，在糖尿病前期参与者中，应用程序的减肥功能突出的是完整的膳食日志，CHO限制内，RBG测量，实现步数目标，以及与营养师的沟通( P< . 05; 多媒体附件1)．同时，在患有糖尿病的参与者中，达到体重减轻和HbA_{1 c}减少，突出的特征是完整的或任何膳食日志，RBG测量，体重图表，与营养师的交流，和观看的视频( P< . 01; 多媒体附件1而且 3.)．

多媒体附录3而且 4应用粘性四分位数越高，HbA就越多_{1 c}减少。不出所料，HbA_{1 c}减少在糖尿病患者中更为明显( P<.05)高于前驱糖尿病患者。在糖尿病患者中，最高四分位数的所有应用程序使用都有临床意义的HbA_{1 c}在3个月至6个月时减少0.9%至1.4% ( P< . 05for all; 多媒体附录3而且 4)．在应用程序功能中，饮食记录、保持在CAL和CHO限制内、选择更健康的食物、空腹血糖和RBG测量、体重图表以及实现步数目标对HbA产生了最大的影响_{1 c}减少≥1.2%，当使用最频繁时( 多媒体)．

糖尿病患者如果每周有5.1天的>完整膳食记录，或将CHO控制在每周>5.9天以内，则每个人都获得了更大的HbA_{1 c}在每周进食天数≤1.1天或每周CHO天数≤2.5天的情况下，减少1.2%(标准差1.5%)，而减少0.2%(标准差0.6%)( 多媒体)．>6.4天的整体应用使用与更大的HbA相关_{1 c}与每周使用应用程序≤4.2天相比，减少(1.1% vs 0.3%)。

我们的前瞻性研究在报告糖尿病应用程序参与度与减肥和HbA之间的关系方面具有重要意义_{1 c}糖尿病和前驱糖尿病患者的变化。使用≥5个应用程序功能，且使用率≥75%，与基线体重大幅下降10.6%相关。在患有糖尿病的参与者中，更多的应用程序使用导致更高的血糖控制改善_{1 c}降幅在1.0%至1.4%之间。我们的研究结果表明，通过手机应用程序参与糖尿病自我管理在6个月时是有效和可持续的。

过去的减肥研究报告显示，应用程序参与度越高，健康效果越好。 17]，强调应用程序的高参与度是成功减肥的主要决定因素[ 10］．我们的发现与Painter等人一致[ 17他们发现，在超重和肥胖的参与者中，更高频率的食物记录日、自称重进入日或每周更高的步数与更大的体重减轻显著相关。我们的研究表明，应用程序使用频率越高，减肥和获得HbA的可能性就越大_{1 c}6个月减胎 ．此外，所有参与者中应用程序使用率最高的四分之一与更大的减肥和HbA显著相关_{1 c}减少。我们假设，参与者在应用程序上花费的时间越多，他们就越有可能参与学习、自我监控和改善健康的行为，这些行为反过来又会导致更好的自我管理能力和承诺[ 18］．自我调节理论还指出，对个人行为的自我监控和评估将导致自我强化，从而支持行为改变以获得更好的健康结果[ 17］．由于nBuddy糖尿病应用程序的概念是基于一个理论行为模型[ 11]，本研究的结果提供了应用程序参与程度的证据，以实现临床意义的体重和HbA_{1 c}6个月内减少。 图3描述我们的研究结果如何与自我调节理论相一致，为行为和健康结果带来积极的变化。

膳食记录已被确定为糖尿病移动健康应用程序中常用的功能[ 19］．众所周知，膳食记录和跟踪有助于健康的饮食调整[ 20.］．同样，膳食记录是本研究中使用最多的特征之一。我们的研究结果进一步证明了通过应用程序记录饮食与改善体重和血糖控制之间的联系。 21］．最后，Ingels等人[ 20.]强调了频繁和持续的饮食跟踪对成功长期减肥的重要性。综上所述，饮食记录应该成为常规监测的一部分，类似于SMBG，不仅可以指导糖尿病患者在门诊就诊期间的管理，而且还可以作为一种重要的行为干预。

同样重要的是，参与者每隔一天通过应用程序与营养师交流。这个功能为用户提供了一个途径来澄清和询问有关糖尿病或体重控制的问题。研究表明，SMBG加上教育和适当的反馈可以改善糖尿病的控制[ 22］．与营养师的双向交流可以让参与者根据SMBG读数、饮食记录和身体活动立即做出改变。事实上，通过应用程序与营养师进行互动与体重和HbA的显著降低有关_{1 c}的水平。

步数除了是最常用的特征之一外，还与临床意义和统计学意义的体重和HbA相关_{1 c}减少。预先订定目标的计步器有助养成良好的步行习惯[ 5， 23］．我们的研究结果与一项荟萃分析一致，该分析强调了使用计步器对超重和肥胖合并糖尿病的成年人的减肥有好处[ 23］．与我们的发现相反，一项荟萃分析和系统综述报告称，糖尿病患者的血糖水平影响和步数目标之间的关系尚无定论[ 24］．

一项关于糖尿病应用程序的研究发现，加入大约6种功能可以短期和长期减肥[ 25］．综合功能的使用也类似于由3至5个循证实践组成的卫生保健包的概念，以管理卫生保健状况[ 26］．此外，这项研究显示了更大的HbA_{1 c}与使用≤5个功能相比，在3个月和6个月时，≥5个应用功能的使用率降低了75%。此外，我们的研究强调了糖尿病前期参与者的完整膳食日志、CHO限制、RBG测量、实现步数目标以及与营养师沟通以实现体重减轻。另一方面，完整的膳食日志或任何膳食日志、RBG测量、体重图表、与营养师的沟通以及观看的视频对糖尿病患者至关重要。此外，Painter等人[ 17]强调了自我监控功能对更好结果的重要性，Van Rhoon等人[ 27]建议将被动和互动功能结合起来。最近发表的一项荟萃分析和系统综述也得出了类似的结论，作者得出的结论是，在多成分常规护理中加入应用程序会导致更大的减肥效果[ 28］．

随着时间的推移，应用程序使用量的下降是意料之中的，在移动医疗应用程序干预中也经常被引用。 27］．然而，在我们的研究中，应用程序的整体高使用率在3个月和6个月是可持续的。这可以归因于应用程序的设计功能，例如提示参与者使用应用程序的提示，以及聊天功能，这是本研究中使用最多的功能之一。营养师或健康教练的支持可以帮助获得最佳的健康信息，学习和应用[ 29］．此外，聊天功能有可能通过提醒来解决患者的过失，并提供实时定制的动态行为干预，以支持患者遵守饮食和运动建议[ 30.］．这也得到了过去的研究的支持，这些研究报告了医患沟通与减肥和HbA之间的显著关联_{1 c}减少( 29］．一些糖尿病应用程序不仅反映了双向聊天交流的重要性，而且还强调了它在影响行为改变方面的有效性[ 25］．

随着COVID-19大流行，采用这种基于本地背景的应用程序干预，如nBuddy Diabetes应用程序，可以帮助从业人员在人群水平上促进更好的护理和提高糖尿病患者的自我管理。这项研究的优势在于对健康结果的前瞻性跟踪和大量应用程序参与数据集，使我们能够研究特定应用程序功能对实现理想的减肥和血糖控制的个体影响。与文献中的发现相似[ 28， 31]，我们的低流失率也表明，在应用程序中促进与营养师的沟通可以导致更大和持续的糖尿病自我管理。

这项研究的一个局限性是，愿意参与这项研究的参与者表现出了一定程度的对数字健康素养的改变的准备，因此，对没有数字健康素养的无动机参与者的影响仍未得到检验。参与者可能还寻求外部输入，例如参与其他健康干预或使用其他健康应用程序，因此很难将减肥和血糖控制的成功完全归功于应用程序。

总之，使用nBuddy糖尿病自我管理应用程序可以带来有意义的减肥和HbA_{1 c}在超重或肥胖的糖尿病前期或糖尿病患者中减少。用户对应用的参与度越高，减肥和减肥效果就越好_{1 c}减少。