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 Formative Research上的原创作品。必须包括完整的书目信息,https://formative.www.mybigtv.com上的原始出版物的链接,以及此版权和许可信息。
数字卫生干预越来越多地用于处理和促进积极的健康行为。经常使用临床测量,一定的精度对于数字健康干预措施产生效果至关重要。只有少数研究比较了临床测量的体重和自我报告的体重。目前还没有一项研究检验了在定制减肥干预中使用的移动应用程序中自我报告体重的有效性。
这项研究的目的是分析临床测量的体重和自我报告的体重之间的一致性,这些体重来自一个移动健康生活方式指导项目,在12个月的减肥干预期间,对患有和没有2型糖尿病的肥胖患者进行干预。第二个目的是调查这些具有不同人口统计学和生活方式特征的患者的临床测量体重和自我报告体重之间可能存在差异的决定因素。
在丹麦的一项随机对照试验中,收集了参与者(N=104)的体重登记,该试验研究了数字生活方式干预对患有和不患有2型糖尿病的肥胖患者体重减轻的影响。在基线、6个月和12个月后收集数据。他们在家测量自己的体重,并在应用程序中注册。
6个月后自述体重比临床测量体重低1.03 kg(95%可信区间1.01-1.05;
从移动健康中获得的自我报告体重是收集人体测量数据的有效方法。
ClinicalTrials.gov NCT03788915;https://clinicaltrials.gov/ct2/show/NCT03788915
系统综述显示,目前有几种数字健康干预措施(DHIs)旨在处理和促进积极的健康行为,如移动健康(mHealth)或基于网络的干预措施[
本研究的主要目的是确定临床测量的体重和从移动健康生活方式指导计划(长期生活方式改变干预和移动健康应用[Liva])中收集的自我报告的体重之间的一致性,该计划对有和没有T2D的肥胖患者进行了为期12个月的定制减肥干预。第二个目的是调查这些具有不同人口统计学和生活方式特征的患者的自我报告体重与临床测量体重之间可能存在差异的决定因素。
这项研究是一项二次分析,检查了来自一项开放随机对照试验(RCT)的干预参与者(N=104)的临床测量体重和在基于健康的解决方案中记录的自我报告体重之间的一致性。RCT中的对照组无法使用该应用程序,因此没有自我报告的体重。为了研究目的,我们排除了对照组。RCT研究了数字生活方式干预对有和没有T2D的肥胖患者体重减轻的影响。这项分析是在丹麦的两个地区进行的:丹麦南部地区有22个市镇,丹麦首都地区有28个市镇。数据收集时间为2019年3月至2021年10月。所有方法在研究方案中有进一步的详细描述[
该随机对照试验已根据丹麦法律由南丹麦大区科学和伦理委员会批准(批准号18803),并在clinicaltrials.gov上注册(NCT03788915)。
在参与区域内的每个城市,参与者是通过全科医生和当地保健中心、丹麦糖尿病协会以及社交媒体广告招募的。参与者通过Liva Healthcare应用程序注册[
参与者在基线会议上给予书面知情同意,并告知研究助理他们的药物情况,随后对参与者进行了简短的体检。体检包括测量身高(不穿鞋以厘米为单位)、体重(不穿鞋,穿衣服减去1公斤)以及腰围和臀围(用卷尺测量腰部)。重量由百利达公司的ce标记高质量校准秤测量,容量可达270公斤,重量精度为100克。在6个月和12个月的临床随访中进行相同的测量。如研究方案所述[
干预组可以使用生活方式应用程序/移动健康工具,在那里他们接受个人生活方式指导,完成日常任务,并可以直接向卫生保健专业人员(HCPs)发送评论或问题。参与者可以使用SMART(具体的、可衡量的、可实现的、相关的、及时的)模型设定个人目标[
Liva Healthcare应用程序的截图显示了某些功能,包括体重测量、跟踪和体重目标。
数字生活方式指导是由HCP通过移动健康工具提供的。所有的hcp都受过护士、营养师、物理治疗师或职业治疗师的教育。他们都接受了关于如何实施数字健康指导的特殊培训,并且已经实践了至少2年。为每位参与者分配一个主要的HCP,以实现和确保亲密和信任的专业关系[
使用连续变量的方差分析和类别变量的卡方检验比较有和没有有效家庭测量的参与者之间的基线特征差异。包括以下因素:性别、年龄、糖尿病(是否)、教育程度、婚姻状况、职业状况、基线体重和基线BMI。通过线性回归(95% CI)比较测量权重和自我报告权重,并通过Pearson相关系数评估一致性以确定线性关系的强度。还使用Bland-Altman图直观地评估了自述体重与测量体重之间的一致程度,报告了95%的一致限度[
本研究由随机对照试验干预组的200名参与者组成。数据在6个月和12个月后可用,但93名参与者在临床体重测量前1-21天没有有效的家庭测量,因此被排除在最终分析之外。此外,3名参与者因撤回同意和自我报告的体重不切实际而被排除,相差42公斤。如在
研究过程中的参与者流动。
未进行和有家庭测量的研究组参与者的基线特征。
|
没有家庭测量 | 家庭测量 | 所有 |
|
||||||
参与者,n (%) | 96 (47.2) | 104 (52.8) | 200 (100) | N/A一个 | ||||||
年龄(年),平均值(SD) | 51.8 (11.3) | 52.4 (9.4) | 52.1 (10.3) | i = | ||||||
|
。31 | |||||||||
|
女 | 57 (61.3) | 71 (68.3) | 128 (65) |
|
|||||
|
男性 | 36 (38.7) | 33 (31.7) | 69 (35) |
|
|||||
|
点 | |||||||||
|
是的 | 49 (52.7) | 49 (47.1) | 98 (49.7) | ||||||
|
没有 | 44 (47.3) | 55 (52.9) | 99 (50.3) |
|
|||||
|
.96点 | |||||||||
|
没有一个 | 14 (15.1) | 14 (13.5) | 28日(14.2) |
|
|||||
|
短期(职业课程,非大学水平) | 23日(24.7) | 26 (25) | 49 (24.9) |
|
|||||
|
龙(大学本科、硕士) | 9 (9.7) | 10 (9.6) | 19日(9.6) |
|
|||||
|
中级(大学学历,本科) | 45 (48.4) | 53 (51) | 98 (49.7) |
|
|||||
|
不知道 | 2 (2.2) | 1 (1) | 3 (1.5) |
|
|||||
|
。 | |||||||||
|
结婚了 | 55 (59.1) | 77 (74) | 132 (67) |
|
|||||
|
未婚 | 23日(24.7) | 16 (15.4) | 39 (19.8) |
|
|||||
|
离婚了 | 13 (14) | 10 (9.6) | 23日(11.7) |
|
|||||
|
丧偶的 | 2 (2.2) | 1 (1) | 3 (1.5) |
|
|||||
|
13。 | |||||||||
|
使用 | 62 (66.7) | 79 (76) | 141 (71.6) |
|
|||||
|
失业(包括休产假或领失业救济金) | 8 (8.6) | 8 (7.7) | 16 (8.1) |
|
|||||
|
失业(社会福利) | 5 (5.4) | 0 (0) | 5 (2.5) |
|
|||||
|
提前退休 | 5 (5.4) | 2 (1.9) | 7 (3.6) |
|
|||||
|
退休 | 11 (11.8) | 14 (13.5) | 25 (12.7) |
|
|||||
|
学生 | 2 (2.2) | 1 (1) | 3 (1.5) |
|
|||||
重量(kg),平均值(SD) | 104.9 (17) | 102.9 (14.3) | 103.9 (15.6) | 36 | ||||||
BMI,平均值(SD) | 35.7 (4) | 34.9 (3.6) | 35.3 (3.8) | .14点 |
一个N/A:不适用。
随访6个月时,测量体重与自述体重的平均差异为1.03 kg (95% CI 1.01-1.05;
(A-B) 6个月和12个月临床随访后测量体重和自我报告体重的线性回归(95% CI)。(C-D)临床随访6个月和12个月后,测量体重和自我报告体重之间的差异(y轴)与测量体重平均值(x轴)的Bland-Altman图。固体区域表示平均差值(2 SD),虚线表示差值等于零。差异的负号表示高估。阳性信号表明低估了自我报告的体重。
基线体重和BMI的差异为0.03 kg (95% CI 0.01-0.04;
在6个月和12个月的临床随访中,按基线体重分组的散点图与拟合线。
在6个月和12个月的临床随访中,根据基线BMI分组,采用拟合线的散点图。
在6个月和12个月的临床随访中,根据干预期间的体重变化分组,用拟合线绘制散点图。
在临床随访6个月和12个月时,通过5%的减肥目标实现来预测临床测量体重和自我报告体重之间的差异(组间差异)。
群体间的差异 | 6个月时(n=97) | 12个月时(n=58) | |||||||
|
n | 意思是(SE) | 95%可信区间 |
|
n | 意思是(SE) | 95%可信区间 |
|
|
达到5%的减肥目标 | 56 | -0.28 (0.15) | -0.59到-0.03 |
|
32 | -0.15 (0.20) | -0.58到0.26 |
|
|
没有达到5%的减肥目标 | 41 | 0.79 (0.22) | 0.34到1.23 |
|
26 | 0.17 (0.27) | -0.39到0.73 |
|
|
区别 |
|
1.06 (0.26) | 0.54至1.60 | <措施 |
|
0.32 (0.34) | -0.35到1.00 | 点 |
在临床随访6个月和12个月时,通过5%的减肥目标实现来预测临床测量体重和自我报告体重之间的差异(组内差异)。
类内差异 | 6个月时(n=97) | 12个月时(n=58) | |||||||
|
n | 意思是(SE) | 95%可信区间 |
|
n | 意思是(SE) | 95%可信区间 |
|
|
达到5%的减肥目标 | 56 | 0.22 (0.19) | -0.16到0.59 | 二十五分 | 32 | 0.03 (0.23) | -0.44到0.50 | .90 | |
没有达到5%的减肥目标 | 41 | 0.22 (0.22) | -0.22到0.67 | .33 | 26 | -0.06 (0.25) | -0.57 - 0.45 | .80 |
我们的初步分析显示,虽然有统计学意义,但平均差异较小,为1.03 kg (
只有少数研究[
当参与者按不同的人口统计学因素分组时,我们的数据中没有发现其他差异。这与其他研究形成了鲜明对比,这些研究表明女性往往低估了自己的体重。
我们研究设计中的几个差异可能解释了不同的结果。在我们的研究中,参与者年龄较大,更超重,患有T2D,与超重参与者较少且没有慢性疾病的人群相比,这可能会降低有效性。年龄也会影响效度,因为研究[
与其他研究相比,本研究的主要优势在于随访时间(12个月),这使得随着时间的推移检查协议并评估数字生活方式指导干预是否对有效性产生影响成为可能。我们的研究样本相对较大,考虑到它是初级保健锚定的,所有参与者都是超重的T2D,并有减肥的动机。参与者也不知道这项研究,这可以最大限度地减少潜在的偏见。临床体重测量是由HCPs根据一项方案进行的,在自我报告的体重和临床测量的体重之间有一个公平的天数限制。
本研究的局限性如下。在我们的研究中,首先,104名参与者中只有58人(55.7%)在12个月的随访中测量和自我报告了体重,这可能会导致无反应偏差,从而限制了我们研究结果的泛化性并影响统计效力。然而,基线特征显示无差异(
在这项基于健康的临床试验中,我们发现自我报告的体重和临床测量的体重之间高度一致。自我报告的体重平均被低估了1.03公斤。基线体重、基线BMI和体重变化影响了这一差异。我们的研究结果表明,来自基于健康的解决方案的自我报告体重是数字生活方式干预中人体测量的有效方法。未来的研究应包括更长的随访期,并在一段时间内重复测量。
有1或2个有效的家庭测量的参与者的基线特征。
临床随访6个月和12个月体重之间的天数百分比分布。
数字健康干预
医疗保健专业人员
生活方式改变干预与移动健康应用
移动健康
随机对照试验
2型糖尿病
CJB在其博士论文中继续开展了这项研究,该论文是在南丹麦大学全科医学研究单元完成的(论文于2018年8月进行了答辩)[
CJB拥有Liva Healthcare A/S的股份,最初与人共同创立了Liva Healthcare A/S,该公司开发了部分技术平台。CJB目前在南丹麦大学全科医学研究部门工作。DHL受雇于Liva Healthcare A/S。DHL、TBO、JS和AI在Liva Healthcare A/S或本研究的任何其他方面没有经济利益。