这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR Diabetes上的原创作品。必须包括完整的书目信息,https://diabetes.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
移动健康应用程序越来越多地被用作早期干预,以支持糖尿病预防和控制的行为改变,其首要目标是降低整体疾病负担。
这项在新加坡进行的前瞻性队列研究旨在通过技术授权随机对照试验,从糖尿病生活方式干预的干预部门调查应用程序参与功能及其与糖尿病和前驱糖尿病患者的减肥和改善血糖控制的关系。
糖尿病和前驱糖尿病患者(N=171),中位年龄52岁,BMI为29.3 kg/m2和糖化血红蛋白(HbA1 c) 6.5%的水平,并被分配到营养师兄弟糖尿病应用程序。体重和HbA卡1 c在基线、3个月和6个月时进行测量。通过后端仪表板和开发者报告,我们总共追踪了476,300个每日应用粘性数据点。应用粘性数据采用四分位数和周均值(以每周天数表示)进行分析。使用线性混合模型分析来确定应用程序约定与百分比权重和HbA之间的关联1 c改变。
在6个月时,整体应用粘性中值维持在90%以上。积极参与≥5个应用程序功能的参与者总体体重下降幅度最大,较基线下降10.6%(平均差值- 6,95% CI - 8.9至- 3.2;
应用粘性越高,减肥效果越好,HbA卡也越高1 c减少超重或肥胖的成人2型糖尿病或前驱糖尿病。
澳大利亚新西兰临床试验注册中心(ANZCTR) ACTRN12617001112358;https://anzctr.org.au/Trial/Registration/TrialReview.aspx?ACTRN=12617001112358
全球有3.74亿人罹患2型糖尿病的风险增加[
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[
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[
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HbA1 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) [
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。
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;
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[
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。
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HbA1 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HbA1 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[
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
应用粘性定义。
应用接触 | 定义 |
全餐日志 | 如果记录了一天的早餐、午餐和晚餐,则认为是完整的。然而,在斋月期间(穆斯林斋戒月),早餐和晚餐记录被认为是穆斯林参与者的完整用餐记录。结果显示为参与者每周吃完整餐的天数。 |
任何用餐日志(包括不完整的用餐日志) | 参与者每周至少输入一次食物的天数。 |
在碳水化合物限度内 | 参与者每周保持在应用程序设定的碳水化合物限制内的天数(仅适用于有完整饮食记录的参与者)。 |
热量限制内 | 参与者每周保持在应用程序设定的卡路里限制内的天数(仅适用于有完整饮食记录的参与者)。 |
选择更健康的食物 | 参与者每周持续选择被应用程序标记为更健康选择的食物的天数。 |
空腹血糖测量 | 每周记录空腹血糖读数的天数。 |
随机血糖测量 | 每周随机记录血糖读数的天数。 |
体重图表 | 每周称重天数。 |
实现步数目标 | 参与者每周完成步数目标的天数。 |
与营养师沟通 | 参与者每周在应用程序中向营养师发送信息的天数。 |
视频观看 | 在这6个月内观看的视频总数。 |
整体应用使用情况 | 参与者每周积极使用应用程序≥1个功能的天数。 |
App功能摄取≥75% | App功能(任何膳食日志,碳水化合物限制,卡路里限制,一致的健康食物选择,空腹血糖测量,随机血糖测量,体重图表,实现步数目标,与营养师沟通,观看视频),在6个月内摄取≥75%。 |
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[
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
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[
研究参与者在基线时的人口学特征(N=171)。
特征 | 所有的参与者 | 糖尿病患者一个(n = 99) | PreDM患者b(n = 72) | ||||
年龄(年),中位数(IQR) | 52 (44-59) | 52 (44-59) | 52 (46-59) | ||||
|
|||||||
|
男性 | 109 (63.7) | 66 (66.7) | 43 (59.7) | |||
|
女 | 62 (36.3) | 33 (33.3) | 29 (40.3) | |||
|
|||||||
|
中国人 | 123 (71.9) | 66 (66.7) | 57 (79.2) | |||
|
马来语 | 25 (14.6) | 18 (18.2) | 7 (9.7) | |||
|
印度 | 18 (10.5) | 11 (11.1) | 7 (9.7) | |||
|
其他人 | 5 (2.9) | 4 (4) | 1 (1.4) | |||
|
|||||||
|
体重(公斤) | 82.6 (74.2 - -90.3) | 82.6 (75.6 - -90.8) | 82.0 (73.0 - -89.4) | |||
|
BMI(公斤/米2) | 29.3 (27.1 - -32.4) | 29.8 (27.4 - -32.4) | 28.9 (26.9 - -32.4) | |||
|
HbA1 cc(%) | 6.5 (5.9 - -7.5) | 7.3 (6.6 - -8.0) | 5.9 (5.7 - -6.2) | |||
|
空腹血糖(mmol/L) | 6.8 (5.9 - -7.9) | 7.8 (6.6 - -8.7) | 6.0 (5.7 - -6.6) | |||
|
|||||||
|
高血压 | 119 (69.6) | 62 (62.6) | 57 (79.2) | |||
|
高脂血症 | 120 (70.2) | 62 (62.6) | 58 (80.6) | |||
诊断年限,平均(SD) | N/Ad | 5.2 (4.1) | 2.3 (2.5) |
一个糖尿病:糖尿病。
bPreDM:前驱糖尿病。
cHbA1 c:糖化血红蛋白。
dN/A:不适用。
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(
nBuddy的用户粘性一个糖尿病应用程序功能(N=171)。
应用功能粘性 | 基线至3个月(%) | 基线至6个月(%) | |
|
|||
|
值,中位数(IQR) | 97.8 (78.9 - -100.0) | 91.7 (60.0 - -100.0) |
|
值,范围 | 8.9 - -100.0 | 9.4 - -100.0 |
|
|||
|
值,中位数(IQR) | 76.6 (54.0 - -98.0) | 71.0 (30.0 - -94.0) |
|
值,范围 | 10.0 - -100.0 | 6.0 - -100.0 |
|
|||
|
值,中位数(IQR) | 95.6 (77.8 - -100.0) | 90.0 (59.4 - -98.9) |
|
值,范围 | 14.4 - -100.0 | 8.3 - -100.0 |
|
|||
|
值,中位数(IQR) | 19.0 (8.0 - -30.0) | 12.0 (4.0 - -19.0) |
|
值,范围 | 0 - 86.0 | 0 - 69.0 |
|
|||
|
值,中位数(IQR) | 18.0 (7.0 - -30.0) | 11.0 (3.0 - -17.0) |
|
值,范围 | 0 - 96.0 | 0 - 79.0 |
|
|||
|
值,中位数(IQR) | 26.0 (16.0 - -68.0) | 18.0 (11.0 - -54.0) |
|
值,范围 | 3.0 - -97.0 | 2.0 - -98.0 |
|
|||
|
值,中位数(IQR) | 50.0 (29.0 - -67.0) | 43.0 (23.0 - -63.0) |
|
值,范围 | 8.0 - -123.0 | 4.0 - -105.0 |
|
|||
|
值,中位数(IQR) | N/Ad | 32.0 (5.0 - -64.0) |
|
值,范围 | N/A | 0 - 100.0 |
一个巴迪:营养学家巴迪。
bFBG:空腹血糖。
cRBG:随机血糖。
dN/A:不适用。
所有参与者在6个月时的应用粘性和权重变化百分比之间的关联(n=171)。*
3个月时,所有参与者的应用粘性和权重变化百分比之间的关联(n=171)。*
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% (
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% (
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(
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HbA1 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%)(
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。
在nBuddy糖尿病应用程序中有效的行为治疗策略,以优化血糖控制和减肥(改编自Lim等[
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[
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[
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[
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[
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。
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[
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HbA1 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。
前驱糖尿病或糖尿病患者6个月时,应用程序的使用与体重变化百分比之间的关联。
前驱糖尿病或糖尿病患者3个月时,应用程序的使用与体重变化百分比之间的关联。
前驱糖尿病或糖尿病患者6个月应用程序使用与糖化血红蛋白变化之间的关系。
前驱糖尿病或糖尿病患者3个月应用程序使用与糖化血红蛋白变化之间的关系。
卡路里
碳水化合物
使用技术赋权的糖尿病生活方式干预
糖化血红蛋白
移动健康
营养学家的好友
随机血糖
自我监测血糖
该研究由新加坡卫生部国家医学研究理事会在其卫生服务研究补助金(NMRC/HSRG/0063/2016)下资助。
SLL和CMK构想了这个想法,制定了研究设计,并监督了这个项目。MHJT, JJ, KWO和GKNY实施了该项目。QVY和YHC提供了统计专业知识,并对结果的解释作出了贡献。SLL牵头撰写了手稿。AY共同监督了该项目,对结果的解释做出了贡献,并在起草手稿时发挥了重要作用。所有作者都提供了批判性的反馈,并批准了手稿的最终版本。
没有宣布。