本文内容如下e-collection /主题问题:

可穿戴设备和传感器(672) 移动健康促进健康、行为改变和预防(2330) 健身追踪器和智能计步器/加速计(498)

发表在在6卷， 3号(2018): 3月

本文的预印本(早期版本)可在https://preprints.www.mybigtv.com/preprint/9054，首次出版。
评估体育活动应用程序和可穿戴设备的影响:跨学科评论

评估体育活动应用程序和可穿戴设备的影响:跨学科评论

评估体育活动应用程序和可穿戴设备的影响:跨学科评论

本文作者:

克莱尔McCallum1 作者:Orcid； 约翰Rooksby2 作者:Orcid； 辛迪·格雷1 作者:Orcid
文章 作者 引自(62) Tweetations (132) 指标

    审查

    1格拉斯哥大学健康与福利研究所，格拉斯哥，英国

    2格拉斯哥大学计算机科学学院，英国格拉斯哥

    通讯作者:

    克莱尔·麦卡勒姆，文学硕士(荣誉)

    健康和福利研究所

    格拉斯哥大学

    142房间

    25-29号布特花园

    格拉斯哥，G12 8RS

    联合王国

    电话:44 141 330 4615

    电子邮件:c.mccallum.2@research.gla.ac.uk


    背景:尽管许多智能手机应用和可穿戴设备都是为了改善身体活动而设计的，但它们快速发展的性质和复杂性为评估它们的影响带来了挑战。传统的方法，如随机对照试验(rct)，可能很慢。为了跟上快速的技术发展，对流动卫生技术的评价必须是高效的。已经提出了快速替代研究设计，并且可以使用有效的应用程序内数据收集方法，包括设备内传感器和设备生成的日志。除了有效性，衡量用户粘性(即用户的互动和使用行为)和可接受性(即用户的主观感知和体验)也很重要，这有助于解释应用和可穿戴设备是如何以及为什么工作的。

    目的:本研究旨在(1)探索体育活动应用程序和可穿戴设备的评估程度:采用快速研究设计;评估参与、可接受性和有效性;使用有效的数据收集方法;(2)描述参与和可接受性的哪些维度被评估。

    方法:使用来自健康和计算科学的8个数据库进行跨学科范围审查。包括测量身体活动的研究，并评估提供基于传感器反馈的身体活动应用程序或可穿戴设备。结果采用描述性数值总结、卡方检验和定性专题分析进行分析。

    结果:共筛选了1829篇摘要，全文阅读了858篇文章。在纳入的111项研究中，61项(55.0%)发表于2015年至2017年。大多数研究(55.0%，61/111)为随机对照试验，仅有2项研究(1.8%)采用快速研究设计:1项单例设计和1项多相优化策略。其他研究设计包括23项(22.5%)重复测量设计、11项(9.9%)非随机分组设计、10项(9.0%)病例研究和4项(3.6%)观察性研究。不到三分之一的研究(32.0%，35/111)同时调查了有效性、参与度和可接受性。为了测量身体活动，大多数研究(90.1%，101/111)使用传感器(设备内[67.6%，75/111]或外部[23.4%，26/111])。随机对照试验更有可能使用外部传感器(加速度计);P= .005)。评估用户粘性的研究(52.3%，58/111)主要使用设备生成的日志(91%，53/58)来衡量用户粘性的频率、深度和长度。评估可接受性的研究(57.7%，64/111)最常使用问卷调查(64%，42/64)和/或定性方法(53%，34/64)来探讨赞赏、感知有效性和有用性、满意度、继续使用意愿和社会可接受性。一些研究(14.4%，16/111)评估了与可用性更密切相关的维度(即传感器磨损和使用的负担，界面复杂性和感知技术性能)。

    结论:对体育活动应用程序和可穿戴设备影响的研究迅速增加，这意味着迫切需要评估指南，通过使用快速研究设计、设备内传感器和用户日志来评估有效性、参与度和可接受性，从而提高效率。筛选文章非常耗时，因为横跨健康和计算科学的报告缺乏标准化。因此，需要制定报告指南，以促进跨学科证据的综合。

    [j] .移动医疗与健康;2018;6(3):e58

    doi: 10.2196 / mhealth.9054

    关键字

    移动健康； 体育活动； 智能手机； 健身追踪器； 可穿戴电子设备； 研究设计； 评价研究作为主题； 效率


    缺乏运动是一个主要的公众健康问题[1]，全世界有23%的成年人没有达到建议的身体活动水平(美国和英国分别只有35%和40%)[2]）.许多智能手机应用程序和可穿戴设备都可以改善身体活动。他们经常使用来自设备内传感器的数据来提供自我监控和反馈[3.］．应用程序和可穿戴设备在增加身体活动并最终改善健康结果(如心血管疾病、肥胖和2型糖尿病的管理)方面的潜力已得到广泛认可[4-9］．然而，评估体育活动技术的影响可能具有挑战性，因为它们的发展速度很快[10-12］．随机对照试验(rct)是有效性评估的“黄金标准”，可能需要几年的时间来进行[11]并要求干预措施在此期间保持稳定和不变[12］．因此，研究人员强调需要更大的“效率”(即快速、反应灵敏和相关)。11]，或agile [13[研究]评估移动医疗(mHealth)技术时。

    由于移动医疗技术的“复杂性”，评估其有效性尤其具有挑战性[14］．体育活动应用和可穿戴设备通常包含多个组件，这些组件可以与上下文交互，并在不同的环境中为不同的人产生不同的结果[15，16］．为了了解总体有效性，研究应该评估现实世界对干预措施的参与和反应[17］．将这些因素与有效性一起衡量可以帮助解释和解释有效性结果的变化，为什么干预是否起作用[16-19]）.因此，移动健康研究人员被鼓励评估“参与度”和“可接受性”[14，20.］．然而，如何定义和区分这些结构仍然是一个有争议的话题;例如，一些数字健康研究人员将参与概念化为一种行为结构[21，22]，而另一些人则认为它是由行为和主观两方面组成的[20.，23］．后一种观点产生了粘性和可接受性之间的重叠，因此为了在本次审查中清晰起见，我们将“粘性”定义为用户的交互和使用行为(即纯粹的行为结构)，而“可接受性”定义为用户的主观感知和体验。

    为了提高移动健康评估的效率，已经推荐了特定的研究设计和数据收集方法[11，14，24，25］．单例设计或" n-of-1 "研究，参与者作为自己的对照，可以使用移动健康技术相对快速和容易地进行[13，26］．为了评估整体效果，开发了“不断发展的行为干预技术的持续评估”来同时测试应用程序的多个版本[27］．为了测试单个成分的影响，已经开发了快速析因方法，包括多相优化策略(MOST)，它可以快速测试许多实验条件[28，29]，序贯多任务随机试验[30.]和微观随机试验[31]，它们都评估随时间变化而变化的成分。

    为了提高数据收集的效率，研究人员可以利用消费设备的技术能力。设备内传感器(即加速度计、陀螺仪和嵌入智能手机和可穿戴设备中的其他传感器)可用于客观地测量结果[24，26］．与其他“间歇性和有限”的方法相比，它们的互联网连接和远程收集连续、高密度数据的能力可以提高效率[24]，比如问卷调查和传统计步器。智能手机和可穿戴设备也可以自动记录用户互动和应用程序使用情况[20.］．人机交互(HCI)研究人员已经使用这种设备生成的日志来客观和远程地衡量参与度[32，33］．当与定性方法一起使用时，测井数据也被用于探索可接受性[33］．

    推荐的评估设计和方法以及多学科方法可能会推进移动医疗研究[10，25］．然而，最近对注册临床试验的回顾发现，针对一系列临床条件的移动健康应用程序的评估既没有使用快速的研究设计，也没有使用创新的数据收集方法[34］．这组作者建议，未来的评估应该纳入更广泛的研究，而不仅仅是在ClinicalTrials.gov上的研究，以确定快速的研究设计。

    研究小组旨在调查健康和HCI学科对体育活动应用程序和可穿戴设备的评估程度(1)使用推荐的快速研究设计;(2)评估参与、可接受性和有效性;(3)采用高效的数据收集方法(即设备内传感器和设备生成的日志)。该团队还旨在探索被评估的参与和可接受性的维度。


    研究设计

    研究小组对用于评估体育活动应用和可穿戴设备的研究设计、目标和数据收集方法进行了跨学科的范围审查。范围界定审查用于严格和全面地描绘在新兴领域进行的研究活动的范围[35］．根据范围检讨方法[36]，研究小组没有根据研究设计评估质量或拒绝研究，因为这将排除许多HCI研究。该团队采用了Arksey & O 'Malley [35]和Levac等[37]，要包括4个步骤(1)识别相关物品;(2)研究选择;(3)数据的制图和提取;(四)结果的整理、总结和报告。

    相关物品的识别

    2015年8月至9月对8个数据库进行初步文献检索，并于2017年3月更新。其中包括3个健康和临床数据库(PubMed, PsycINFO和Web of Science)， 4个计算科学数据库(美国计算机协会数字图书馆(ACM)，电气和电子工程师协会(IEEE)， Springer和Science Direct)和1个跨学科数据库(mHealth Evidence)。不同数据库使用的搜索词见文本框1。文章仅限于英语。没有指定时间限制。协议、会议记录和扩展摘要都是合格的。手工检索系统综述的参考文献列表，以进一步查找相关文章。

    研究选择

    如果研究评估了提供基于传感器的身体活动反馈的移动技术，则将其纳入其中。为了描述用于测量身体活动的所有数据收集方法，使用客观测量和自我报告测量的研究都被包括在内。排除标准为:(1)未收集经验数据(即系统或方法学综述、立场文件和仅描述技术的文章);(2)未测量身体活动(即研究仅测量久坐时间、活动技能和步态);(3)该研究仅评估传感器或算法的性能(即识别或分类身体活动的准确性);(4)传感器不能移动;(5)唯一使用的移动技术是没有连接其他设备或互联网能力的计步器(包括这一排除标准是为了将审查重点放在具有比标准计步器更先进的反馈功能的可穿戴设备上)。

    所有的摘要和全文文章均由CM审稿，5%的摘要由CG或JR独立审稿。差异由3位作者讨论并解决。所有代表同一研究的文章都被合并。

    数据提取

    制定数据提取表以包括:(1)研究特征(即出版年份、研究国家、参与者人数、参与者年龄、研究持续时间、是方案还是完整试验);(2)研究设计细节(即实验或非实验设计、组数、实验或对照组细节、随机化)和干预特征(即用于提供干预的技术或设备、关键干预特征);(3)研究目标和测量结果;(4)进行分析(描述性、推理性、主题性);(5)使用的数据收集方法(例如，设备内或外部传感器、用户日志、问卷调查、访谈、焦点小组)。所有审稿人独立提取5篇(5%)，以确保数据提取的一致性和可靠性。

    整理、总结和报告结果

    研究小组采用混合方法描述性方法对提取的数据进行分析[35］．该团队首先计算了与研究特征相关的频率，每个研究设计确定并绘制了干预特征(即研究评估的组件或应用程序功能)。接下来，根据作者报告的研究目标和研究测量的结果，根据研究是否调查了有效性(即体力活动的变化)对研究进行分类。根据他们是否调查了参与和可接受性对研究进行分类需要更多的迭代方法，因为这些结构的定义没有得到广泛的同意。将用户粘性(即用户与设备或使用行为的交互)和可接受性(即用户的主观感知和体验)的工作定义应用于提取的研究目标、结果测量和数据收集方法，以开发一系列与用户粘性(即参与度、使用、使用、依从性、遵从性)和可接受性(即可接受性、满意度、用户体验、可用性)相关的广泛代码。这些准则适用于所有研究，以便根据它们是否调查了参与性和/或可接受性对它们进行分类。报告了每一类研究数量的频率。

    范围审查中使用的搜索词。

    健康和临床数据库:PubMed, Web of Science, PsycINFO

    Exercise/physical activity/体育活动

    AND mobile/移动电话/智能手机/传感器/智能手表/可穿戴/可穿戴设备

    和干预/程序/应用程序/应用程序

    AND evaluate/evaluation/ assessment/measure/trial/test MeSH术语(仅限PubMed):“运动”、“锻炼”、“移动电话”和“以评估为主题的研究”

    计算机科学数据库:ACM, IEEE, Springer, Science Direct

    Physical exercise/ Physical activity/体育活动

    和移动/“移动电话”/智能手机/传感器/智能手表/可穿戴/可穿戴设备/无处不在的计算

    干预/程序/应用程序/应用程序/活动跟踪/个人信息

    和评估/评价/评估/测量/试验/测试

    跨学科数据库:移动健康证据

    Physical activity/体育锻炼

    文本框1。范围审查中使用的搜索词。

    关于有效性，研究小组计算了仅使用描述性统计(而不是推断性统计分析)的研究比例，并根据使用设备内传感器还是外部传感器(即额外的、经过验证的设备)对使用传感器收集身体活动数据的研究进行了分组。然后，该团队计算了每组使用的数据收集方法的频率，并使用R统计软件(RStudio，版本1.0.136)进行独立性卡方检验，以检查所使用的传感器类型是否与研究设计类型相关。

    关于参与和可接受性，首先使用数据收集方法摘录来计算与所采用的数据收集方法(例如用户日志、问卷、焦点小组、访谈)有关的频率。然后仔细阅读每个摘录，以确定描述每个结构评估的不同元素的详细子代码(即，记录的任何特定行为，使用的问卷项目，或描述的访谈或焦点小组主题)，以及一张纸方法[38]被用来根据相似性对这些子代码进行分组，从而产生参与度和可接受性的广泛维度。

    所有研究的随机样本(20.7%，23/111)由CG独立编码，以提高研究分类的严谨性，并产生与参与和可接受性相关的维度;讨论了差异，并就最后的维度达成了一致意见。讨论表明，最初与可接受性相关的一些维度专门与应用程序或设备的属性相关，因此与可接受性本身无关。这些维度被保留并归类为“可用性”。


    搜索结果摘要

    在初始数据库搜索期间，总共检索了6521篇文章(参见图1)。经过标题筛选，我们共审查了1272篇摘要，排除了645篇不符合纳入标准的文章。阅读了其余627篇文章的全文，以及从参考文献列表搜索中确定的另外13篇文章。此外，572项研究被排除，剩下68篇。2017年3月更新的检索中又纳入了60篇文章(我们审查了557篇摘要，排除了338篇不符合标准的文章;然后是219篇全文，并排除了159篇不符合标准的文章)。总的来说，从1829篇摘要和858篇全文中，共有128篇文章被纳入综述[39-166]，代表了111项独特的研究。

    ‎
    图1所示。系统评价和元分析(PRISMA)的首选报告项目图。
    查看此图

    研究特点

    本研究的特点见多媒体附录1。在纳入的研究中，22/111(19.8%)为方案研究。超过一半(55.0%，61/111)发表于2015年或之后。许多(42.3%，47/111)在美国进行。大多数研究(93.0%，103/111)涉及成人受试者;8/111项研究(7.0%)涉及儿童和青少年。参与人数由2 [39]至2980 [40]: 18.9%(21/111)的研究受试者少于13人。研究时间从不到一天到52周不等。干预特征包括在多媒体附录2。

    研究设计

    在纳入的研究中(见多媒体附录3)， 61/111(55.0%)采用随机对照试验设计。其中大多数(66%，40/61)为2组随机对照试验;3组随机对照试验12例(23%，12/61)，4组随机对照试验9例(15%，9/61)。随机对照试验中的对照组受试者接受(1)标准护理或最少接触或打印材料(39%，24/61);(2)积极对照处理(26%，16/61);(3)不显示反馈的非交互式设备(18%，11/61);(4)等候名单或无干预(16%，10/61)。其余研究包括23/111(22.5%)重复测量设计;11/111(9.9%)非随机分组设计;10/111(9.0%)病例研究(6/10[60%]包括实验基线期)和4/111(3.6%)观察性研究。 Only 2/111 studies (1.8%) used rapid research designs: one single-case design and one MOST.

    如图所示文本框2，研究调查了各种干预组件，包括将应用程序或可穿戴设备添加到医疗保健专业人员提供的非技术干预措施中，以及一系列应用程序内组件，例如自动自适应目标设置与静态或手动目标输入，以及不同的社交组件。

    目的和数据收集方法

    多媒体附录3显示每个研究调查的目标:有效性、参与度、可接受性和/或可用性。几乎所有的研究(96.4%，107/111)都调查了有效性，其中14/111(12.6%)仅使用描述性统计或视觉分析来探讨初步影响。111项研究中只有35项(31.5%)同时调查了有效性、敬业度和可接受性，其中14项(40%，14/35)未使用推理统计分析来评估有效性。111项研究中有16项(14.4%)评估了可用性。

    有效性

    大多数研究(90.9%，101/111)使用传感器测量身体活动。这些是最常用于提供身体活动反馈的设备内传感器(67.6%，75/111)(例如，Fitbit [105，162]）.一些研究使用外部传感器(例如ActiGraph GT3X [ActiGraph, Shalimar, FL, USA]， Sensewear Armband [BodyMedia, Inc.， Pittsburgh, PA]， Omron计步器[Omron Healthcare, Inc.， Bannockburn, I])，而不是与设备内传感器进行三角测量(23.4%，26/111)。通过设备内和外部传感器收集的身体活动数据包括步数(例如，[159])和花在活动上的时间(例如，[84，151]）.rct中使用外部装置的可能性明显高于其他研究设计(χ21= 7.8,P= .005)。

    在纳入的研究中，10/111(9.0%)使用问卷单独测量自我报告的身体活动，17/111(15.0%)使用问卷与传感器数据进行三角测量。问卷包括国际身体活动问卷[167]、长者社区健康活动示范计划[168]、最近身体活动问卷[169]、戈丁休闲运动问卷[170]、积极的澳大利亚调查[171]， 7天久坐和低强度体力活动日志(7天SLIPA日志)[172]、耶鲁体育活动量表[173]和世界卫生组织全球身体活动问卷[174］．

    订婚

    用户粘性(即用户与设备的互动和使用行为)由58/111个研究(52.3%)(多媒体附录3)，其中大多数(91%，53/58)使用设备生成的日志来做到这一点。7个(12%，7/58)同时使用日志和自我报告问卷作为三角测量的形式，5/58(8%)单独使用自我报告问卷。确定了业务接触的三个维度:(1)使用的频率或数量;(2)参与深度(即主动vs被动);(3)使用长度。这些描述见文本框3。

    在纳入的研究中调查了干预成分和特征对身体活动的影响。
    • 在医疗保健专业人员的非技术干预中增加应用程序和可穿戴设备[122，133，137］．
    • 增加游戏化功能[115，118，123，148]、财政激励[57，119，144，152，154]及通知或短讯服务文本[102到自我监控干预。
    • 自我监控和目标设定的自动化，包括自动识别活动，而不是由用户手动输入[54，73]和自动自适应目标设定与标准的静态或手动目标输入[50，124，127，150］．
    • 支持合作或竞争的不同社交应用功能[164]或问责制[161]、社交游戏和互动[114]，以及基于个人和群体的反馈[92，153］
    • 不同类型的反馈信息，包括正面或负面[99]和novel和familiar [124］．
    • 不同提示频率[104］．
    文本框2。在纳入的研究中调查了干预成分和特征对身体活动的影响。
    通过纳入的研究评估参与的维度。

    使用的频率或数量

    • 登入次数[83，137]， app打开次数[92，103]，设备使用天数[139，165，166]、自我报告观看运动追踪器的频率[136］
    • 使用社交功能，包括自行报告浏览社交媒体讯息的频率[139]，发送的社交媒体信息数量[50，106，130，140]，排行榜页面访问次数[139]， Facebook上的点赞数或帖子数[61]， YouTube视频观看次数[160］
    • 保健专业人员使用频率[52］
    • 体力活动上传次数[137］
    • 现有或缺失的传感器数据量[156］

    参与深度(即主动vs被动)

    • 用户是否手动调整预设目标[116，124，150]或设备推断出的身体活动水平[54］
    • 完成任务或挑战的次数[61］
    • 日志显示浏览(5秒间隔，不回头看步骤历史)，回顾(使用或交互长达60秒，滚动步骤历史)和参与(使用或交互超过60秒，滚动步骤历史)，以及参与周期之间的时间[124］

    使用时长

    • app周内打开次数[92]，继续在社区论坛发帖的用户数目[139]，以及学习后使用app的天数[97］
    文本框3。通过纳入的研究评估参与的维度。

    可接受性

    在纳入的研究中，64/111(57.5%)调查了可接受性(即用户的主观感知和体验;看到多媒体附录3)。大多数使用问卷调查(64%，41/64)，略多于一半(53%，34/64)使用定性访谈或焦点小组，要么单独使用，要么在问卷调查之外使用。问卷包括一系列标准化问卷(例如IBM电脑可用性满意度问卷[175]、说服性技术接受模式问卷[176]、内在动机量表[177]、有趣的工具包[178]及工作联盟清单[179])，或专门为研究开发的调查问卷(例如，[73，88]）.少数研究使用用户日志(11%，7/64)，其中3个使用设备生成的使用日志作为用户兴趣的“代理”[135]或偏好[143，150];4使用用户输入的文本(例如社交媒体消息的内容)来了解用户体验到的社会支持类型[86，106，130]，以及数字日记条目，以了解使用该设备的体验[106，127]）.除了收集日志数据外，使用基于文本的日志的研究还采用面对面定性方法(如访谈、焦点小组)或问卷调查。五个维度被确定与测量可接受性(1)赞赏;(2)感知有效性和有用性;(3)用户满意度;(4)用户继续使用该应用或设备的意愿;(5)社会接受度。这些描述见文本框4。

    可用性

    16项研究(14.4%，16/111)对可用性进行了调查，其中9项(56%，9/16)使用了问卷调查(例如，系统可用性量表[180]);4(25%， 4/16)采用访谈;2家(13%，2/16)采用焦点小组;1 (6%， 1/16) [70通过观察参与者完成定时任务的情况。确定了与评估可用性相关的三个维度(1)设备磨损和使用负担，(2)界面复杂性，(3)感知技术性能。这些描述见文本框5。

    纳入研究评估可接受性的维度。

    升值

    • 对应用程序的欣赏或喜欢[39，126，141］
    • 无论是应用程序还是可穿戴设备都被认为是令人愉快的，有趣的，娱乐的[61，74，123，127］
    • 无论是应用程序还是可穿戴设备都被认为是令人愉快的[103]，吸引人的或视觉上吸引人的[160］
    • 一个功能一旦被撤回，会“错过”什么?128］
    • 用户对应用程序或可穿戴设备及其组件的“感受”[39，68，79，99］
    • 用户的兴趣及偏好[135，143］
    • 教师对app或可穿戴设备是否吸引学生的看法[61］
    • 自我报告的注意力动机[127］
    • app或可穿戴设备的可信度[39，73］
    • 使用app或可穿戴设备的优势和劣势53，115］

    感知有效性和有用性

    • 用户对app或可穿戴设备是否增加或将继续增加和促进身体活动的看法[39，52，70，75，79，94，103，113，122，123，126，143，145］
    • 执业护士对病人效能的认知[132］
    • 用户对应用程序或可穿戴设备的有用性或有用性的感知[39，74，103，116]及其组成部分[52，59，136，165，166]自我监控[54]，支持健身和体育活动[118，136并支持他们保持积极性[163］
    • 用户认为应用程序或可穿戴设备在实现目标方面的说服力或帮助[160］
    • app或可穿戴设备提供健康相关问题答案的能力[160]和对身体活动或健康状况的洞察[52］
    • 卫生保健专业人员对患者身体活动或健康状况信息有用性的看法，以及这些信息是否有助于参与患者的家庭护理[52］

    满意度

    • 一般用户满意程度[41，75］
    • 用户对短讯提醒服务或来电次数的满意程度[136］
    • 使用者对介入时间的满意程度[61，160］
    • 用户满意度与个性化程度[127]和应用程序或可穿戴设备提供的反馈[54］
    • 用户向朋友或其他人推荐应用或可穿戴设备的可能性[116，139，162，165，166］
    • 对不同组成部分或特征的满意[116，122，129，145，163，165，166］
    • 医生向患者推荐应用程序或可穿戴设备的可能性[55］

    用户继续使用应用程序或可穿戴设备的意图

    • 研究后使用的意图或意愿[39，92，97，103］
    • 如果用户需要为应用程序或可穿戴设备付费，他们是否愿意继续156]，或在学习后购买应用程序或可穿戴设备的意图[139，160］
    • 在研究结束后，用户打算多久使用一次应用程序或可穿戴设备[54，55］

    社会接受度

    • 无论应用程序或可穿戴设备是否被其他人注意和评论[79，128]或引起与他人的讨论[52］．
    • app或可穿戴设备是否被重要的人使用[39］．
    • 用户对与他人分享数据的态度[130］．
    • 社会鼓励[123以及在使用(包括通过)应用程序或可穿戴设备时获得的社会支持[85，86，110］
    • 用户与虚拟教练之间的社交联系程度[73］
    • 用户使用个人功能与社交功能的偏好[161］
    • 通知是否在社会可接受的时间和地点收到[147]或干扰用户的日常活动[122］
    文本框4。纳入研究评估可接受性的维度。
    纳入研究评估的可用性维度。

    磨损和使用的负担

    • 易磨损[145]，佩戴设备的负担或限制，身体不适[142，159]，设备尺寸的可用性[81]、可供选择的磨损地点建议[116］
    • 易用性[39，49，143]同步到基于web的数据库[142，159]和充电时[81］
    • 设备是否干扰日常活动[122］

    接口的复杂性

    • 复杂性和直观性[65]，可达性[159]，以及对身体活动反馈的理解[160］
    • 方便阅读资料[122］
    • 使用交互界面的困难，用户完成应用内任务的速度[70］

    感知技术性能

    • 用户对应用程序或可穿戴设备识别或推断其身体活动的准确性的看法[54，65，142］
    • 使用者遇到的技术困难或障碍[113，116］
    文本框5。纳入研究评估的可用性维度。

    主要研究结果

    在纳入的111项研究中，约有一半是在2015年至2017年期间发表的，55.0%是随机对照试验，只有2项研究使用了快速设计。几乎所有的研究都使用传感器(设备内或外部)客观地测量身体活动，随机试验更有可能使用外部传感器(加速度计)。不到三分之一的研究同时调查了有效性、参与度和可接受性。根据我们的工作定义，测量用户粘性的研究大多使用设备生成的日志来评估用户粘性的频率、深度和长度。探索可接受性的研究最常使用问卷调查和/或定性方法来评估赞赏度、感知有效性和有用性、满意度、用户继续使用应用或设备的意愿以及社会可接受性。少数研究通过问卷调查、定性方法或参与者观察来探索设备的可用性(包括传感器磨损和使用的负担、界面复杂性、感知的技术性能)。

    超过一半的纳入研究发表于2015年至2017年之间，这一事实表明，对体育活动应用程序和可穿戴设备的影响的研究是一个越来越受关注的领域，强调了这一综述的及时性。尽管如此，我们发现只有2项研究使用了被推荐用于评估移动医疗技术的快速研究设计(单例设计)。131]和MOST方法[164]）.在最近对临床移动健康应用程序评估的审查中，同样报告了对快速研究设计的低吸收[34];然而，尽管绝大多数临床应用程序的评估都是随机对照试验，但我们的研究结果表明，对体育活动应用程序和可穿戴设备的评估更经常使用替代研究设计(包括重复测量设计、非随机分组设计、案例研究和观察研究)。这可能反映了我们综述的跨学科性质，以及一些HCI研究人员认为随机对照试验不仅不切实际且资源密集，而且用处有限的观点[181］．然而，令人惊讶的是，很少有研究使用单例设计和新的析因方法，因为有人认为，移动医疗技术可以支持这些研究设计所需的数据收集程序和实验设置(即，频繁测量和几个实验条件)[25，26，182］．

    需要进一步的研究来探索快速研究设计没有被使用的原因。可能是这些设计的要求对于某些研究项目是不可行的。例如，科技部要求在进行试验之前做出几个决定(例如，决定干预措施中哪些具体的基于理论的组成部分应该进行测试，以及评估进行通常需要大样本量的研究设计的可行性[29]）.这些要求本身就会耗费大量时间和资源[183］．使用快速研究设计的障碍也可能是概念性的:初步证据表明，临床卫生从业人员尚未完全理解单例设计的价值和要求[184]，这可能也适用于移动医疗研究人员。

    除了有效性之外，评估用户参与度和可接受性对于以下方面也很重要:(1)更好地理解整体影响;(2)解释结果的变化;(3)揭示(潜在的)对有效性的影响[16，19］．尽管如此，只有大约三分之一的研究(32.0%)同时调查了这三个目标。此外，其中40.0%没有使用推理统计来评估有效性(而是使用描述性统计和视觉分析)，几乎五分之一的研究(18.9%)的参与者少于13人。这些初步的小n研究是专注于开发新技术的迭代HCI研究的典型[185]，并且不太可能有足够的能力来测试关于有效性中介的重要假设[17，186］．虽然这项研究没有探讨具体的统计分析，但贝叶斯方法被认为是一种很有前途的移动健康评估方法[13，25，187]，可用于研究小n研究中的中介变量[188］．因此，贝叶斯方法在探索早期发展评估的结果以揭示移动医疗参与、可接受性和有效性之间的潜在关系时可能是关键。

    许多对体育活动应用和可穿戴设备的评估似乎都利用了高效的数据收集方法:三分之二的研究使用智能手机和可穿戴设备中的内置传感器来测量体育活动。事实上，rct比其他研究设计更频繁地使用外部、经过验证的传感器，这加剧了它们的低效率(例如，通过增加额外的资源成本)。189]）.此外，使用外部传感器通常涉及测量程序，这可能会降低结果在现实环境中的普遍性(例如，要求参与者佩戴额外的设备并访问实验室)。金标准随机对照试验和具有既定有效性的传感器的耦合表明对方法严谨性的充分关注。然而，平衡这种对严格性的需求与对效率的需求需要进一步的研究。在评估体育活动应用和可穿戴设备(以及更广泛的移动健康技术)时，解决效率和严谨性之间的“权衡”问题[11])至少需要了解内部传感器的有效性和可靠性。使用基于行业的“研究图书馆”(如Fitabase)可以迅速积累证据。190]，然后在设计实用评估时为决策提供信息。相关地，需要经验证据来支持最近提出的数字健康评估模型，该模型概述了研究过程的所有阶段[191，192:这些框架结合了HCI和实施科学方法，以确保评估在现实环境中既严格又可持续。

    大多数测量用户粘性的研究都使用设备生成的日志:这比定性的自我报告方法更有效，因为定性的自我报告方法既耗时又繁琐。20.］．相比之下，可接受性通常通过问卷调查和/或定性面对面的方法来评估。HCI研究人员强调需要收集主观的定性数据以及设备生成的日志，以充分了解人们在做“什么”，以及“为什么”[32，33］．我们发现少数研究(11%)使用日志数据(例如，设备生成的使用日志或用户输入的文本日志)来评估可接受性的某些维度。这种方法的有效性(即，两种形式的日志数据是否能够充分捕获传统定性方法通常提供的丰富的上下文细节)应该进行探讨。例如，设备生成的日志显示用户对应用程序的持续参与可能意味着用户“满意”、“欣赏”和“感知到的应用程序的有效性或有用性”，而调查“社会可接受性”(例如，用户对公开共享数据的态度)可能需要用户输入文本日志(例如，来自数字日记、基于网络的问卷调查和社交媒体帖子)，甚至面对面的方法。

    在本文中，我们将用户粘性定义为用户互动和使用行为[21，22和可接受性作为用户的主观感知和体验。我们确定的参与和可接受性的维度依赖于这些工作定义。在移动医疗和相关领域，对于什么是参与和可接受性，以及如何衡量它们，仍然没有达成共识。最近的一篇评论[23提出，参与是一个多维结构，不仅包括与“使用”相关的维度(即参与的数量、频率、深度和持续时间)，还包括参与的主观体验(如情感、注意力和兴趣)。另一篇综述将参与定义为“患者和公众意识到或理解数字健康干预的任何过程”[193］．针对参与的不同定义，研究人员进行了有价值的共识建立练习(并强调需要关注“有效参与”，即参与行为改变)[20.］．澄清和共识将促进我们对参与和可接受性如何单独或相互影响有效性的理解。

    一些研究评估可用性。与可用性的其他概念一致(即设备或应用是否容易被成功和快速地用于实现特定目标)[194，195])，我们将可用性与可接受性区分开来，认为它是设备的一个特征。了解可用性在不同用户之间的变化程度，以及与上下文的交互最终影响有效性的程度(而不是作为稳定的设备特性)，将决定是否应该在有效性评估期间对其进行评估(或者事先进行优化)。

    这篇跨学科综述的筛选过程包括阅读大量的摘要和全文，以确定纳入的最终研究。从数据库搜索中检索到的许多文章的标题含糊不清;许多作者在摘要中省略了关键的研究细节。此外，从全文文章中提取数据涉及跨学科协商不同的出版格式。这些挑战意味着审查过程比原先设想的要费时得多。目前，HCI研究不需要遵循提倡在标题和摘要中包含特定研究细节的健康科学报告指南[196］．根据现有指引(例如conber - ehealth)进行标准化报告[197])将使不同学科更容易地综合这一领域正在进行的大量研究，也将有助于目前开发自动化流程的努力，以增加从数字健康出版物中获取证据的机会[198］．

    限制

    该审查是在健康、临床和计算科学数据库中系统而全面地进行的。然而，所采用的范围界定方法并没有包括对研究的方法学质量的评估[37］．对身体活动、参与和可接受性(和可用性)的关注意味着评估的其他重要方面，如覆盖和吸收、次要临床和心理结果、成本效益和研究使用的统计分析方法，没有报道。此外，由于没有既定的业务和可接受性定义，本审查中确定的维度必然是临时的。

    该评论没有考察应用程序和可穿戴设备开发和评估的背景，比如学术界与工业界的对比。开发环境可能会影响应用程序和可穿戴设备的参与度、可接受性、可用性和有效性的评估和报告。例如，商业开发的应用程序通常不包含提高效率的行为改变技术[199-202并且可能更关注于增强用户体验:因此，行业专业人士可能更倾向于评估用户粘性、可接受性和可用性，而不是有效性。最后，为了了解研究是否使用了设备内传感器来测量身体活动，研究只包括那些评估提供基于传感器的身体活动反馈的应用程序和可穿戴设备的研究。因此，回顾的发现不能推广到其他技术或健康行为。

    未来的研究

    未来的研究应该调查为什么推荐的快速研究设计尚未被广泛采用。例如，对研究人员和行业专业人士的看法以及日常研究实践和经验进行定性探索，将有助于了解在学术界和工业界使用快速设计的实际挑战;可行性研究应探讨移动医疗技术对快速设计的支持和自动化程度[11］．需要就如何定义和区分参与和可接受性，以及这些结构的具体维度达成共识，然后可以将其作为有效性的潜在中介和调节者进行测试。最后，应探讨测井方法评估可接受性的有效性和实用性。

    结论

    尽管对体育活动应用程序和可穿戴设备影响的评估迅速增加，但很少有针对效率和有效性、参与度和可接受性等关键结构的评估进行优化。本次审查的结果将为未来的指导提供信息，以支持卫生和HCI研究人员更多地利用快速研究设计(例如，单病例设计)、设备内传感器和用户日志来收集有效性、参与度和可接受性数据。在进行这一跨学科审查时遇到的困难也突出了制定标准化报告准则的必要性。这将有助于综合卫生和HCI学科的证据，从而支持快速提高对应用程序和可穿戴设备在多大程度上支持用户进行更多身体活动的理解。

    利益冲突

    没有宣布。

    ‎

    多媒体附录1

    研究的特点。

    PDF档案(adobepdf档案)，179KB
    ‎

    多媒体附录2

    干预的特点。

    PDF档案(adobepdf档案)，161KB
    ‎

    多媒体附录3

    所采用的研究设计包括研究和调查的目标。

    PDF档案(adobepdf档案)，192KB
    1. 布莱尔SN。缺乏运动:21世纪最大的公共健康问题。[J] .体育与医学杂志，2009;43(1):1-2。(Medline］
    2. 2014年全球非传染性疾病现状报告。瑞士，日内瓦:世界卫生组织;2014.
    3. 张建军，刘建军，刘建军，等。用于久坐时间或身体活动的自我监测设备:范围综述。医学互联网研究2016年05月04日;18(5):e90 [J]免费全文] [CrossRef] [Medline］
    4. Hickey AM, Freedson PS.消费者身体活动追踪器作为心血管疾病预防和治疗干预工具的效用。中华心血管病杂志，2016;58(6):613-619。(CrossRef] [Medline］
    5. Lewis ZH, Lyons EJ, Jarvis JM, Baillargeon J.使用电子活动监测系统作为干预方式:系统回顾。BMC公共卫生2015年6月24日;15:585 [j]免费全文] [CrossRef] [Medline］
    6. robert - roig J, Gilson ND, Puig-Ribera A, Contreras RS, Trost SG。用智能手机技术测量和影响身体活动:一项系统综述。体育医学2014;44(5):671-686。(CrossRef] [Medline］
    7. 孟丹娜A, Vidal-Conti J, Palou P.通过移动设备干预增加身体活动:系统回顾。卫生信息学报，2015;22(3):451-469。(CrossRef] [Medline］
    8. 手机干预增加身体活动和减轻体重:一项系统综述。中华心血管病杂志;2013;28(4):320-329 [J]免费全文] [CrossRef] [Medline］
    9. Direito A, carrarada E, Rawstorn J, Whittaker R, Maddison R.移动健康技术对身体活动和久坐行为的影响:行为改变技术，系统回顾和随机对照试验的荟萃分析。中国生物医学工程学报，2017,31(2):326 - 326。(CrossRef] [Medline］
    10. 张建军，张建军，张建军，等。推进移动医疗科学。卫生通讯杂志2012;17(增刊1):5-10。(CrossRef] [Medline］
    11. 赖利WT，格拉斯哥RE, Etheredge L, Abernethy AP.快速，响应性，相关(R3)研究:对快速学习健康研究企业的呼吁。中华临床医学杂志，2013;2(1):10 [j]免费全文] [CrossRef] [Medline］
    12. Ben-Zeev D, Schueller SM, Begale M, duffey J, Kane JM, Mohr DC。移动医疗研究策略:来自3项移动干预研究的经验教训。行政政策与卫生，2015,42(2):157-167。(CrossRef] [Medline］
    13. Hekler EB, Klasnja P, Riley WT, human MP, Huberty J, Rivera DE，等。敏捷科学:为现实世界中的行为改变创造有用的产品。中华行为医学杂志，2016;6(2):317-328 [j]免费全文] [CrossRef] [Medline］
    14. 刘建军，刘建军，刘建军，等。评估数字卫生干预措施:关键问题和方法。中华预防医学杂志，2016,11(5):843-851。(CrossRef] [Medline］
    15. Craig P, Dieppe P, Macintyre S, Michie S, Nazareth I, Petticrew M，医学研究委员会指导。制定和评估复杂干预措施:新的医学研究理事会指南。中国生物医学工程学报，2009;33 (2):391 - 391 [J]免费全文] [Medline］
    16. 杨建军，李建军，李建军，等。基于随机对照试验的复杂干预过程评价。中国生物医学工程学报，2006;32(5):413-416 [J]免费全文] [CrossRef] [Medline］
    17. Moore GF, Audrey S, Barker M, Bond L, Bonell C, Hardeman W，等。复杂干预措施的过程评价:医学研究理事会指南。中国生物医学工程杂志，2015;33 (2):444 [J]免费全文] [Medline］
    18. Donkin L, Christensen H, Naismith SL, Neal B, Hickie IB, Glozier N.。依从性对电子治疗效果影响的系统评价。中国医学杂志，2011;13(3):e52 [J]免费全文] [CrossRef] [Medline］
    19. Grant A, Treweek S, Dreischulte T, Foy R, Guthrie B.复杂干预的集群随机试验过程评价:设计和报告的建议框架。审判2013年1月12日;14:15 [免费全文] [CrossRef] [Medline］
    20. 杨建军，李建军，李建军，刘建军，等。理解并促进有效参与数字行为改变干预措施。中华预防医学杂志，2016,11(5):833-842。(CrossRef] [Medline］
    21. Couper MP, Alexander GL, Zhang N, Little RJA, Maddy N, Nowak MA，等。参与和保留:衡量参与者使用在线干预的广度和深度。中国医学信息学报，2010;12(4):552 [J]免费全文] [CrossRef] [Medline］
    22. 夏普，李，梅耶，等。数字干预对体重管理的影响因素:快速回顾。中国生物医学工程学报(英文版);2017;6(10):1105 [j]免费全文] [CrossRef] [Medline］
    23. Perski O, Blandford A, West R, Michie S.数字化行为改变干预的概念化参与:基于批判性解释综合原则的系统综述。中国生物医学工程学报，2016,31(2):554 - 557。(CrossRef] [Medline］
    24. Kumar S, Nilsen WJ, Abernethy A, Atienza A, Patrick K, Pavel M，等。移动医疗技术评估:移动医疗证据研讨会。中华预防医学杂志;2013;45(2):228-236 [J]免费全文] [CrossRef] [Medline］
    25. Michie S, Yardley L, West R, Patrick K, Greaves F.制定和评估促进健康和卫生保健行为改变的数字干预措施:国际研讨会的建议。[J]医学互联网研究，2017年6月29日;19(6):e232 [J]免费全文] [CrossRef] [Medline］
    26. 戴勒里J，卡西迪RN，赖夫BR。评估基于新技术的卫生干预措施的单例实验设计。医学互联网研究，2013;15(2):e22 [J]免费全文] [CrossRef] [Medline］
    27. Mohr DC，张凯，Schueller SM, Hendricks BC，段宁。行为干预技术发展的持续评价。预防医学杂志;2013;45(4):517-523 [J]免费全文] [CrossRef] [Medline］
    28. Collins LM, Murphy SA, Nair VN, Strecher VJ。优化和评估行为干预的策略。中国生物医学工程学报，2005,30(1):65-73。(CrossRef] [Medline］
    29. 李建军，李建军，李建军，等。多阶段优化策略(MOST)和顺序多任务随机试验(SMART):更有效的电子卫生干预新方法。中华预防医学杂志2007;32(5增刊):S112-S118 [J]免费全文] [CrossRef] [Medline］
    30. 墨菲SA。适应性治疗策略发展的实验设计。医学统计2005年5月30日;24(10):1455-1481。(CrossRef] [Medline］
    31. 廖鹏，刘建军，刘建军，刘建军。移动医疗微随机试验的样本量计算。统计医学2016年5月30日;35(12):1944-1971 [免费全文] [CrossRef] [Medline］
    32. Dumais S, Jeffries R, Russell D, Tang D, Teevan J.通过日志数据和分析来理解用户行为。在:HCI中的认知方式。纽约:斯普林格出版社;2014:349 - 372。
    33. El-Nasr MS, Drachen A, Canossa A.游戏分析——最大化玩家数据的价值。伦敦:斯普林格出版社;2013.
    34. 王志强，王志强，王志强。在随机对照试验之外:对移动医疗临床试验方法替代方案的回顾。JMIR移动健康Uhealth 2016 Sep 09;4(3):e107 [j]免费全文] [CrossRef] [Medline］
    35. Arksey H, O'Malley L.范围研究:走向方法论框架。国际医学杂志，2005,8(1):19-32。(CrossRef］
    36. Peters MD, Godfrey CM, Khalil H, McInerney P, Parker D, Soares CB。进行系统范围审查的指南。国际医学杂志，2015;13(3):141-146。(CrossRef] [Medline］
    37. levacd, Colquhoun H, O'Brien KK。范围界定研究:推进方法论。实施科学学报2010;5:69 [j]免费全文] [CrossRef] [Medline］
    38. 齐布兰S，麦克弗森A.定性数据分析的意义:DIPEx(健康和疾病的个人经历)的介绍。医学教育，2006;40(5):405-414。(CrossRef] [Medline］
    39. alaina I, Visser T, van der Mast C, Vastenburg M. Flowie:一个激励老年人步行的有说服力的虚拟教练。2009年发表于:第三届医疗普及计算技术国际会议(PervasiveHealth) 2009;4月1 - 3;伦敦。(CrossRef］
    40. Gomes N, Merugu D, O'Brien G, Mandayam C, Jia SY, Atikoglu B. Steptacular:促进健康的激励机制。2012年出席第四届国际通信系统与网络会议(COMSNETS);1月3 - 7;班加罗尔。(CrossRef］
    41. Walters DL, Sarela A, Fairfull A, Neighbour K, Cowen C, Stephens B，等。基于手机的门诊心脏康复护理模式:护理评估平台(CAP)。中华心血管病杂志2010;10:5 [j]免费全文] [CrossRef] [Medline］
    42. 使用普遍的个人健康记录系统实施行为改变干预增加身体活动:一项探索性研究。2011年在第六届人机交互通用接入国际会议上发表。2011国际HCI;7月9-14;奥兰多，佛罗里达州。[CrossRef］
    43. Pellegrini CA, Duncan JM, Moller AC, Buscemi J, Sularz A, DeMott A，等。智能手机支持的减肥计划:engage随机对照试验的设计。中华卫生杂志2012;12:1041 [j]免费全文] [CrossRef] [Medline］
    44. Jimenez GJ, Romero N, Keyson D, Havinga P. ESTHER 1.3:整合现场提示触发知识型员工体力活动的自我反思。2013智利人机交互大会(ChileCHI’13 chile Conference on Human-Computer Interaction 2013)11月11 - 15号;Temuco,智利。(CrossRef］
    45. Geraedts HA, Zijlstra W, Zhang W, Bulstra S, Stevens M.在活动监测的驱动下，体弱老年人个例家庭锻炼计划的依从性和有效性:一项前瞻性队列研究的设计。中华卫生杂志2014;14:57 [j]免费全文] [CrossRef] [Medline］
    46. Recio-Rodríguez JI, Martín-Cantera C, González-Viejo N, Gómez-Arranz A, Arietaleanizbeascoa MS, Schmolling-Guinovart Y，等。智能手机应用程序改善健康生活方式的有效性，一项随机临床试验(evidence II):研究方案。中华卫生杂志2014;14:54 [j]免费全文] [CrossRef] [Medline］
    47. 刘建军，刘建军，刘建军，等。使用Fitbit对膝关节骨关节炎患者进行身体活动咨询干预的可行性和初步效果:TRACK-OA研究方案试点可行性研究2015年8月1:30 [免费全文] [CrossRef] [Medline］
    48. 库伯AJ, Dearnley K, Williams KM, Sharp SJ, van Sluijs EM, Brage S，等。运动方案:一项随机对照试验，评估三种最小接触干预措施促进在职成年人健康和身体活动的有效性。中华医学会公共卫生2015年3月27日;15:296 [免费全文] [CrossRef] [Medline］
    49. 郭志强，郭志强，Sorlí-Aguilar M, Montaña-Carreras X, Ferre-Grau C, Barrera-Uriarte M，等。智能手机应用程序和可穿戴设备对超重或肥胖初级保健患者减肥的有效性:随机对照试验方案中华医学会公共卫生2015年6月04日;15:531 [j]免费全文] [CrossRef] [Medline］
    50. Hurley JC, Hollingshead KE, Todd M, Jarrett CL, Tucker WJ, Angadi SS，等。通过发短信进行步行干预(WalkIT)试验:一项针对超重和肥胖、不运动成年人的适应性干预的因子随机对照试验的基本原理、设计和方案。JMIR Res Protoc 2015 Sep 11;4(3):e108 [j]免费全文] [CrossRef] [Medline］
    51. Pellegrini CA, Steglitz J, Johnston W, Warnick J, Adams T, McFadden HG，等。随机多重行为改变试验的设计和方案:做出更好的选择2 (MBC2)。当代临床试验2015年3月;41:85-92 [j]免费全文] [CrossRef] [Medline］
    52. Agboola S, Palacholla RS, Centi A, Kvedar J, Jethwani K.多模式移动健康干预(feature forward)改善高心脏代谢危险因素患者的身体活动行为:一项随机对照试验的理论基础和方案。JMIR Res协议2016;5(2):e84 [j]免费全文] [CrossRef] [Medline］
    53. Amorim AB, Pappas E, Simic M, Ferreira ML, Tiedemann A, Jennings M，等。整合移动健康和身体活动以减轻慢性腰痛的负担试验(IMPACT):一项试点试验方案。肌肉骨骼疾病2016;17:36 [j]免费全文] [CrossRef] [Medline］
    54. Duncan MJ, Vandelanotte C, Trost SG, Rebar AL, Rogers N, Burton NW等。平衡:一项随机试验，检验两种自我监测方法对基于应用程序的多行为干预的效果，以改善成年人的身体活动、坐姿和睡眠。中华医学会公共卫生杂志2016年7月30日;16:67 [免费全文] [CrossRef] [Medline］
    55. 李建军，李建军，李建军，等。关节内透明质酸治疗膝关节骨性关节炎的临床研究进展。中国生物医学工程学报，2016;5(3):564 [j]免费全文] [CrossRef] [Medline］
    56. 刘建军，刘建军，刘建军，等。一种面向用户可穿戴设备的移动通信技术。中国生物医学工程学报(英文版);2016;5(3):553 [j]免费全文] [CrossRef] [Medline］
    57. 申大伟，Joh, Yun JM, Kwon HT, Lee H, Min H，等。通过智能保健和财政激励增强身体活动和减少肥胖(EPAROSFI)参与者的设计和基线特征:一项随机对照试验。当代临床试验2016年3月47:115-122。(CrossRef] [Medline］
    58. Taylor D, Murphy J, Ahmad M, Purkayastha S, Scholtz S, Ramezani R，等。肥胖的量化自我:身体活动行为感知以改善健康结果。猪健康技术通报2016;220:414-416。(Medline］
    59. van Nassau F, van der Ploeg HP, Abrahamsen F, Andersen E, Anderson AS, Bosmans JE，等。欧洲球迷训练研究方案(EuroFIT):一项针对精英足球俱乐部男性生活方式项目的四国随机对照试验。中华医学会公共卫生杂志2016年7月19日;16:598。(CrossRef］
    60. 布里克伍德K，史密斯ST，沃森G，威廉姆斯AD。老年人运动干预后持续反馈对身体活动水平的影响:一项随机对照试验方案。中华医学会体育科学与医学康复杂志2017年1月10日;9:1。(CrossRef］
    61. 李建军，李建军，李建军，等。一项促进青少年身体活动的聚类随机对照试验:提高身体活动意识(RAW-PA)研究BMC公共卫生2017年1月4日;17:6。(CrossRef］
    62. Wolk S, Meißner T, Linke S, m ssle B, Wierick A, Bogner A，等。活动跟踪在重大内脏手术中的应用-增强围手术期动员(EPM)试验:随机对照试验的研究方案2017年2月21日;18(1):77。(CrossRef］
    63. 刘建军，刘建军，刘建军，等。基于网络的运动监测与建议:一项随机对照试验的设计[j]。中华医学会公共卫生杂志2005年12月15日;5:134。(CrossRef］
    64. Slootmaker SM, Chinapaw MJ, Schuit AJ, Seidell JC, Van Mechelen W.基于个人活动监测的在线体育活动建议的可行性和有效性:随机对照试验。医学信息学报，2009;11(3):e27 [J]免费全文] [CrossRef] [Medline］
    65. Fujiki Y, Kazakos K, Puri C, Pavlidis I, Starren J, Levine J. NEAT-o-games:无处不在的基于活动的游戏见:CHI'07扩展摘要。2007年在CHI '07计算机系统中的人为因素会议上发表;4月30日至5月3日;加州圣何塞[CrossRef］
    66. Hurling R, Catt M, Boni MD, Fairley BW, Hurst T, Murray P等。利用互联网和移动电话技术提供一个自动化的体育活动计划:随机对照试验。医学与互联网研究，2007;9(2):7 [J]免费全文] [CrossRef] [Medline］
    67. 刘建军，刘建军，刘建军，刘建军。基于技术的系统在短期行为减肥干预中的效果。肥胖症杂志，2007年4月;15(4):825-830。(CrossRef] [Medline］
    68. Consolvo S, Klasnja P, McDonald D, Avrahami D, Froehlich J, LeGrand L.鲜花还是机器人军队?通过个人、移动展示鼓励意识和活动。2008年发表于:第10届泛在计算国际会议(UBICOMP) 2008;9月21 - 24日;佛罗伦萨,意大利。(CrossRef］
    69. 法里迪Z，利伯蒂L，舒瓦尔K，诺斯鲁普V，阿里A，卡茨DL。评估移动电话技术对2型糖尿病患者自我管理的影响:NICHE试点研究。[J]中华临床医学杂志，2008;14(3):465-469。(CrossRef] [Medline］
    70. Fujiki Y, Kazakos K, Puri C, Buddharaju P, Pavlidis I, Levine J. NEAT-o-Games。计算机娱乐2008七月01;6(2):21。(CrossRef］
    71. 葛瑞思，贺姆斯。生活方式活动干预计划对改善员工身体活动行为的影响。2008年发表于:第三届说服技术国际会议(Persuasive) 2008;6月4 - 6;芬兰奥卢。(CrossRef］
    72. Lacroix J, Saini P, Holmes R.目标困难表现与体育活动干预计划的关系。2008年发表于:第十届移动设备与服务人机交互国际会议;9月2 - 5;阿姆斯特丹,问。(CrossRef］
    73. Bickmore TW, Mauer D, Brown T.手持式运动代理的情境感知。普世性暴民计算机2009;01;5(3):226-235 [j]免费全文] [CrossRef] [Medline］
    74. Fialho A, van den Heuval H, Shahab Q, Liu Q, Li L, Saini P.积极分享:分享挑战增加身体活动。发表于:CHI'09 Conference on Human Factors In Computing Systems 2009;4月4 - 9日;波士顿,MA。(CrossRef］
    75. 王志强，王志强，王志强，等。基于移动电话的2型糖尿病患者自我管理方法研究。糖尿病科学技术杂志;2010;4(2):328-336 [J]免费全文] [Medline］
    76. Mattila E, Pärkkä J, Hermersdorf M, Kaasinen J, Vainio J, Samposalo K，等。健康管理的移动日记——两项用户研究的使用和可用性结果。中国生物医学工程学报，2008,31(4):591 - 591。(CrossRef] [Medline］
    77. Mattila E, Lappalainen R, Pärkkä J, Salminen J, Korhonen I.使用手机日记观察体重管理及相关行为。[J] .中国电信，2010;16(5):260-264。(CrossRef] [Medline］
    78. Leal Penados A, Gielen M, Stappers P, Jongert T.站起来动起来:一种刺激身体活动的互动式可爱玩具。Pers Ubiquit computer 2009 Dec 17;14(5):397-406。(CrossRef］
    79. 林斌，王晓明，王晓明。基于情境信息和社会影响的体育活动激励机制。2011，第四届国际学术会议:有形、嵌入和具身互动(TEI);1月22日至26日进行的;丰沙尔,葡萄牙。(CrossRef］
    80. Shuger SL, Barry VW, Sui X, McClain A, Hand GA, Wilcox S，等。电子反馈在饮食和体育活动为基础的生活方式干预减肥:一项随机对照试验。[J]行为与营养物理法案2011年5月18日;8:41]免费全文] [CrossRef] [Medline］
    81. 刘志强，刘志强，刘志强，等。社会意识对体育锻炼的影响。参见:CHI'12扩展摘要。: ACM;2012年在CHI'12计算机系统中的人为因素会议上发表;可能5 - 10;德克萨斯州奥斯汀[CrossRef］
    82. 佩莱格里尼CA，维尔巴SD，奥托AD，赫尔塞尔DL，戴维斯KK，贾基奇JM。基于技术的系统和面对面的行为减肥干预的比较。肥胖(Silver Spring) 2012年2月;20(2):356-363 [免费全文] [CrossRef] [Medline］
    83. Reijonsaari K, Vehtari A, Kahilakoski O, van Mechelen W, Aro T, Taimela S.职业环境中身体活动监测和远程咨询的有效性——来自随机对照试验(CoAct)的结果。中华卫生杂志2012;12:344 [j]免费全文] [CrossRef] [Medline］
    84. 王晓明，王晓明，王晓明，等。体育活动反馈对员工行为和意识的影响:一项随机对照试验。[J]中国电信学报，2012;2012:460712 [J]免费全文] [CrossRef] [Medline］
    85. Xu Y, Poole E, Miller A, Eiriksdottir E, Catrambone R, Mynatt E.基于可持续性、适应性和社交性的健康游戏设计2012年出席:2012年国际数字游戏基础会议;5月29日至6月1日;罗利,数控。(CrossRef］
    86. Poole E, Eiríksdóttir E, Miller A, Xu Y, Catrambone R, Mynatt E.面向观众和教练的设计:青少年普及健康游戏中的社会支持。2013年发表于:第七届医疗普及计算技术国际会议(PervasiveHealth) 2013;可能5 - 8;意大利威尼斯。(CrossRef］
    87. Barwais FA, Cuddihy TF, Tomson LM。久坐成年人的身体活动、久坐行为和总体健康变化:一项为期四周的随机对照试验。健康及生活结局2013;11:13 3 [免费全文] [CrossRef] [Medline］
    88. 李建军，李建军，李建军，等。健康mashup。计算机学报，2013(11);20(5):1-27。(CrossRef］
    89. chaterjee S, Byun J, Pottathil A, Moore M, Dutta K，谢华。一种新型的老年糖尿病患者家庭监测技术。2012年发表于:第七届说服技术国际会议(Persuasive)。2012年健康与安全设计;6月6 - 8;瑞典林雪平,。(CrossRef］
    90. 李建军，李建军，李建军，李建军，等。一种基于智能感知的老年2型糖尿病监测方法。发表于:第46届夏威夷国际系统科学会议(HICSS) 2013;1月7 - 10;毛伊岛,夏威夷。(CrossRef］
    91. Fitzsimons CF, Kirk A, Baker G, Michie F, Kane C, Mutrie N.使用个性化咨询和activPAL™反馈来减少苏格兰老年人久坐时间:可行性和试点研究的结果。预防医学2013年11月;57(5):718-720。(CrossRef] [Medline］
    92. Harries T, Eslambolchilar P, Stride C, Rettie R, Walton S.在野外行走——使用一款永远在线的智能手机应用程序来增加身体活动。2013年发表于:第十四届IFIP人机交互国际会议INTERACT 2013;9月2 - 6;开普敦，南非。(CrossRef］
    93. Harries T, Eslambolchilar P, Rettie R, Stride C, Walton S, van Woerden HC。一款智能手机应用增加男性成年人体育锻炼的有效性:一项随机对照试验。中华医学会公共卫生杂志2016年9月02日;16:925 [免费全文] [CrossRef] [Medline］
    94. Hirano S, Farrell R, Danis C, Kellogg W. WalkMinder:利用手机干扰鼓励积极的生活方式。发表于:CHI'13 Conference on Human Factors In Computing Systems 2013;4月27日- 5月2日;巴黎,法国。(CrossRef］
    95. 哈利勒·A，阿卜杜拉·S.利用社会动力，通过说服性技术促进更健康的生活方式。计算机行为学报，2013;29(6):2674-2681。(CrossRef］
    96. 李建军，李建军。基于环境感知的个性化健康干预系统:确保长期行为改变的必要性。2013，发表于第35届国际软件工程会议(ICSE)，第5届卫生保健软件工程国际研讨会(SEHC) 2013;可能18-26;旧金山，加州第71-74页。(CrossRef］
    97. King AC, Hekler EB, Grieco LA, Winter SJ, Sheats JL, human MP等。利用不同的动机框架，通过手机促进老年人的日常体育活动和减少久坐行为。科学通报，2013;8(4):62613 [j]免费全文] [CrossRef] [Medline］
    98. King AC, Hekler EB, Grieco LA, Winter SJ, Sheats JL, human MP等。三种动机目标移动设备应用程序对中年和老年人初始身体活动和久坐行为改变的影响:一项随机试验。PLoS One 2016;11(6):e0156370 [j]免费全文] [CrossRef] [Medline］
    99. Nakajima T, Lehdonvirta V.使用有说服力的环境镜子设计动机。Pers Ubiquit computer 2011 Oct 4;17(1):107-126。(CrossRef］
    100. 李建军，李建军，李建军，等。慢性阻塞性肺病患者日常活动行为的实时反馈机制研究。患者教育统计2014年3月;94(3):372-378。(CrossRef］
    101. 张建军，张建军，张建军，张建军，等。慢性阻塞性肺疾病患者远程康复干预:一项随机对照试验中华临床康复杂志，2014;28(6):582-591。(CrossRef] [Medline］
    102. Valentin G, Howard A.处理儿童肥胖:参与个人运动的被动与主动活动监测方法。2013年在ISSNIP Biosignals and Biorobotics Conference (BRC) 2013;2月18 - 20;里约热内卢，巴西第166-170页。(CrossRef］
    103. Bond DS, Thomas JG, Raynor HA, Moon J, Sieling J, Trautvetter J，等。B-MOBILE——一种基于智能手机的干预措施，以减少超重/肥胖个体的久坐时间:一项受试者内部实验试验。科学通报，2014;9(6):e100821 [j]免费全文] [CrossRef] [Medline］
    104. 托马斯JG，邦德DS。及时适应性干预(JITAI)减少肥胖成人久坐行为的行为反应:JITAI优化的意义心理健康杂志2015;34 (3):1261-1267 [j]免费全文] [CrossRef] [Medline］
    105. Caulfield B, Kaljo I, Donnelly S.使用消费者市场活动监测和反馈装置可提高COPD患者的运动能力和活动水平。中国生物医学工程学报(英文版);2014;39(4):557 - 557。(CrossRef] [Medline］
    106. 陈颖，濮平。HealthyTogether:探索移动健身应用的社会激励机制。2014出席:第二届中国CHI国际学术研讨会;4月26 - 27日;加拿大安大略省多伦多。(CrossRef］
    107. 张建军，张建军，张建军，等。SMART MOVE——基于智能手机的干预，促进初级保健中的身体活动:一项随机对照试验的研究方案。审判2013;14:157 [免费全文] [CrossRef] [Medline］
    108. 张建军，张建军，张建军，等。智能手机应用程序在初级保健中促进身体活动的有效性:SMART MOVE随机对照试验。中国生物医学工程学报，2014,31(6):884 - 891。(CrossRef] [Medline］
    109. Casey M, Hayes PS, Glynn F, OLaighin G, Heaney D, Murphy AW，等。患者使用智能手机应用程序增加身体活动的体验:初级保健中的SMART MOVE定性研究。[J]中国生物医学工程学报，2014;32 (5):563 - 568 [J]免费全文] [CrossRef] [Medline］
    110. Miller A, Mynatt E. StepStream:以学校为基础的青少年日常健康普及社会健身系统。2014年在CHI’14计算机系统中的人为因素会议上发表;4月26日至5月1日;加拿大安大略省多伦多。(CrossRef］
    111. 汤普逊WG，库勒CL，柯普GA，麦克雷蒂-斯皮策SK，莱文JA。“Go4Life”运动咨询、加速度计反馈和老年人的活动水平。中华老年医学杂志，2014;58(3):314-319。(CrossRef] [Medline］
    112. 桑代克AN, Mills S, Sonnenberg L, Palakshappa D，高涛，Pau CT，等。活动监测干预促进实习医师身体活动:随机对照试验。PLoS One 2014;9(6):e100251 [j]免费全文] [CrossRef] [Medline］
    113. Verwey R, van der Weegen S, Spreeuwenberg M, Tange H, van der Weijden T, de Witte L.初级保健中COPD或2型糖尿病患者体力活动刺激工具的初步研究。[J]中国电信，2014,10(1):29-34。(CrossRef］
    114. Walsh G, Golbeck J.基于个人信息的社交游戏行为改变的初步调查。发表于:CHI'14 Conference on Human Factors In Computing Systems 2014;4月26日至5月1日;加拿大安大略省多伦多。(CrossRef］
    115. Zuckerman O, al- oz A.解构游戏化:评估促进体育活动的连续测量、虚拟奖励和社会比较的有效性。[p]育碧计算机2014,7月5日;18(7):1705-1719。(CrossRef］
    116. Cadmus-Bertram LA, Marcus BH, Patterson RE, Parker BA, Morey BL。基于fitbit的女性身体活动干预的随机试验。预防医学杂志，2015,49(3):414-418。(CrossRef] [Medline］
    117. cadmuss - bertram L, Marcus BH, Patterson RE, Parker BA, Morey BL.使用Fitbit测量超重或肥胖绝经后妇女对身体活动干预的依从性:16周的自我监测轨迹。移动医疗Uhealth; 2015;3(4): 96 [j]免费全文] [CrossRef] [Medline］
    118. 李建军，杨建军，李建军，等。应用程序对青少年健康的影响:基于amesfit的随机对照试验。医学互联网研究，2015年8月27日;17(8):e210 [J]免费全文] [CrossRef] [Medline］
    119. Finkelstein EA, Sahasranaman A, John G, Haaland BA, Bilger M, Sloan RA等。经济激励促进体育活动试验(TRIPPA)参与者的设计和基线特征:一项为期6个月的有经济激励计步器项目的随机对照试验。当代临床试验，2015;41(1):238-247。(CrossRef] [Medline］
    120. Finkelstein EA, Haaland BA, Bilger M, Sahasranaman A, Sloan RA, Nang EE等。有或没有增加体力活动激励的活动追踪器的有效性(TRIPPA):一项随机对照试验。中华糖尿病杂志，2016;4(12):983-995。(CrossRef］
    121. 李建军，李建军，李建军，等。通过冠心病患者身体活动远程监测提高医院心脏康复的中期临床效益欧洲预防心脏病杂志2015;22(2):150-158。(CrossRef] [Medline］
    122. 李建军，李建军，李建军，等。一个综合的基于互联网的和病人特定的远程康复计划的中期效果与短信支持心脏病人:随机对照试验。医学互联网研究，2015;17(7):e185 [J]免费全文] [CrossRef] [Medline］
    123. 陈建军，陈建军，陈建军，陈建军，等。评估手机游戏(“MobileKids Monster Manor”)促进儿童体育活动。游戏健康，2015年4月;4(2):149-158。(CrossRef] [Medline］
    124. Gouveia R, Karapanos E, Hassenzahl M.我们如何使用活动追踪器?发表于:ACM普适与泛在计算国际联合会议(UBICOMP) 2015;9月7 - 11;日本大阪。(CrossRef］
    125. 张建军，张建军，张建军，等。开发与加速度计相关的在线干预系统，以促进青少年的身体活动。PLoS One 2015;10(5):e0128639 [j]免费全文] [CrossRef] [Medline］
    126. 邓禄普M, Rowe D, Hewitt A，可以S.使用退化的音乐质量来促进健康的步行速度:BeatClearWalker。2015年出席:2015年第九届医疗普及计算技术国际会议(PervasiveHealth);可能20;伊斯坦布尔，土耳其第57-64页。(CrossRef］
    127. Lee M, Kim J, Forlizzi J, Kiesler S.个性化重新审视:反思方法帮助人们更好地个性化医疗服务并激励他们增加体育锻炼。: ACM;2015年在ACM普适与泛在计算国际联合会议(UBICOMP)上发表;9月7 - 11;日本大阪。(CrossRef］
    128. Lee M, Cha S, Nam T. Patina雕刻师:将活动日志可视化为时尚追踪器中的Patina。2015年出席CHI '15 Conference on Human Factors in Computing Systems;4月18 - 23;首尔,韩国。(CrossRef］
    129. Martin SS, Feldman DI, Blumenthal RS, Jones SR, Post WS, McKibben RA等。mActive:一项自动移动健康干预促进身体活动的随机临床试验。中华心脏杂志2015年11月09日;4(11):e002239 [J]免费全文] [CrossRef] [Medline］
    130. Munson S, Krupka E, Richardson C, Resnick P.公共承诺和问责制在技术支持的体育活动干预中的作用。2015年出席CHI'15 Conference on Human Factors in Computing Systems;Apilr 18 - 23;首尔,韩国。(CrossRef］
    131. Rabbi M, Aung M, Zhang M, Choudhury T. MyBehavior:基于智能手机用户行为和偏好的自动个性化健康反馈。2015，发表于:ACM普适与泛在计算国际联合会议论文集(UBICOMP) 2015;9月7 - 11;日本大阪。(CrossRef］
    132. Verwey R, van der Weegen S, Spreeuwenberg M, Tange H, van der Weijden T, de Witte L.。在初级保健中增加COPD或2型糖尿病患者身体活动的监测和反馈工具:一项三组随机对照试验的研究方案。BMC Fam practice 2014;15:93 [j]免费全文] [CrossRef] [Medline］
    133. van der Weegen S, Verwey R, Spreeuwenberg M, Tange H, van der Weijde T, de Witte l。嵌入在初级保健中的移动和基于网络的监测和反馈工具增加了身体活动:一项集群随机对照试验。医学互联网研究，2015年7月24日;17(7):e184 [J]免费全文] [CrossRef] [Medline］
    134. Verwey R, van der Weegan S, Spreeuwenberg M, Tange H, van der Weijden T, De Witte L.使用和不使用移动技术的身体活动咨询过程评估:一项混合方法研究。国际护理学杂志2016年1月;53:3-16。(CrossRef] [Medline］
    135. Wadhwa R, Chugh A, Kumar A, Singh M, Yadav K, Eswaran S. SenseX:面向工作场所的健康监测平台的设计部署，2015，第13届面向服务计算国际会议(ICSOC) 2015;11月16 - 19;印度果阿，第427-443页。(CrossRef］
    136. Wang JB, Cadmus-Bertram LA, Natarajan L, White MM, Madanat H, Nichols JF，等。可穿戴传感器/设备(Fitbit One)和短信提示超重和肥胖成年人增加身体活动:一项随机对照试验。中华卫生杂志;2015;21(10):782-792。(CrossRef] [Medline］
    137. Watson S, Woodside JV, Ware LJ, Hunter SJ, McGrath A, Cardwell CR，等。一项基于网络的行为改变计划对发生心血管疾病高风险的超重和肥胖成年人体重减轻和心血管危险因素的影响:随机对照试验医学互联网研究，2015;17(7):e177 [J]免费全文] [CrossRef] [Medline］
    138. Broekhuizen K, de Gelder J, Wijsman CA, Wijsman LW, Westendorp RGJ, Verhagen E，等。一项基于互联网的身体活动干预以改善不活动老年人的生活质量:一项随机对照试验。医学互联网研究，2016;18(4):e74 [J]免费全文] [CrossRef] [Medline］
    139. 刘建军，刘建军，刘建军，等。基于网络技术的中年女性身体活动监测与社会联系研究。心理健康杂志，2014;21(8):1548-1555。(CrossRef] [Medline］
    140. Choi J, Lee JH, Vittinghoff E, Fukuoka Y.移动健康身体活动干预:一项不运动孕妇的随机试点研究。妇幼卫生杂志，2016;20(5):1091-1101。(CrossRef] [Medline］
    141. Ciman M, Donini M, Gaggi O, Aiolli F.在严肃游戏中增加用户身体活动的阶梯识别和计数。Pers育碧计算机2016年9月22日;20(6):1015-1033。(CrossRef］
    142. Darvall JN, Parker A, Story DA。远程监测计步器引导的体育活动的可行性和可接受性。重症监护，2016;44(4):501-506 [j]免费全文] [Medline］
    143. 丁鑫，徐军，王辉，陈刚，张勇。WalkMore:基于即时上下文感知提示的步行促进。2016，发表于:IEEE Wireless Health (WH) 2016;10月25日- 27日;马里兰州贝塞斯达65-72页。(CrossRef］
    144. 李建军，李建军，李建军，李建军。综合激励与无激励运动项目对客观测量的身体活动和健康相关变量的影响。中国生物医学工程学报(英文版);2016;33(3):344 - 344。(CrossRef] [Medline］
    145. garard A, Umedaly A, Abulnaga SM, Junker A, Chanoine JP, Johnson M，等。基于学校环境的新型移动游戏的评估。网络心理行为学报，2016;19(3):186-192。(CrossRef] [Medline］
    146. Gilson ND, Pavey TG, Vandelanotte C, Duncan MJ, Gomersall SR, Trost SG等。澳大利亚卡车司机在体育活动和饮食干预期间使用智能手机应用程序的慢性疾病风险中华公共卫生杂志，2016,40(1):91-93。(CrossRef] [Medline］
    147. 张晓明，张晓明，张晓明。基于数字活动跟踪器的工作场所活动计划对健康和福祉的影响。2016，发表于:DH'16:第六届国际数字健康会议论文集;4月11 - 13日;蒙特利尔，魁北克，加拿大，第37-41页。(CrossRef］
    148. 詹宁斯F，陈文娟，陈文娟，梁建平，沈丽丽，董超。基于传感器和游戏的大学生健康行为研究。医学教育学报，2016;26(3):349-355。(CrossRef］
    149. Hartman SJ, Nelson SH, Cadmus-Bertram LA, Patterson RE, Parker BA, Pierce JP。基于技术和电话的减肥干预:在乳腺癌风险升高的妇女中进行的试点随机对照试验。预防医学杂志，2016;51(5):714-721。(CrossRef] [Medline］
    150. 刘建军，刘建军。基于用户活动跟踪的目标设置方法研究。:斯普林格国际出版公司;2016年出席:第11届说服性技术国际会议(Persuasive) 2016;4月5 - 7;奥地利萨尔茨堡，第11-26页。(CrossRef］
    151. Melton BF, human MP, Vogel RL, Harris BS, Bigham LE。改善身体活动和睡眠的可穿戴设备。[J] Black Stud 2016; 7月27日;47(6):610-625。(CrossRef］
    152. Patel MS, Asch DA, Rosin R, Small DS, Bellamy SL, Eberbach K，等。增加体育锻炼的个人与团队经济激励:一项随机对照试验。中华内科实习医学杂志2016;31(7):746-754 [J]免费全文] [CrossRef] [Medline］
    153. 帕特尔MS, Volpp KG, Rosin R, Bellamy SL, Small DS, Fletcher MA，等。一项社会比较反馈和经济激励增加体育锻炼的随机试验。[J]健康促进，2016,30(6):416-424。(CrossRef] [Medline］
    154. 刘建军，刘建军，刘建军，等。制定经济激励措施，以增加超重和肥胖成年人的体育活动:一项随机对照试验。中华医学杂志2016年3月15日;16(6):385-394。(CrossRef] [Medline］
    155. Paul L, Wyke S, Brewster S, Sattar N, Gill JM, Alexander G，等。使用交互式移动电话应用程序STARFISH增加中风幸存者的身体活动:一项试点研究。顶级中风康复2016年6月;23(3):170-177。(CrossRef] [Medline］
    156. 李建军，李建军，李建军，李建军。移动健康支持行为咨询干预乳腺癌幸存者体重管理的试点和可行性测试中国癌症杂志2016;2(1)[j]免费全文] [CrossRef] [Medline］
    157. 李建军，李建军，李建军，李建军。移动健康干预刺激COPD患者肺部康复后身体活动的效果中国生物医学工程学报，2016,31(4):1019-1029。(CrossRef] [Medline］
    158. Walsh JC, Corbett, Hogan M, Duggan J, McNamara a .使用智能手机应用程序进行移动健康干预以增加年轻人的步行行为:一项试点研究。JMIR移动健康Uhealth 2016 Sep 22;4(3):e109 [j]免费全文] [CrossRef] [Medline］
    159. Yingling LR, Brooks AT, Wallen GR, Peters-Lawrence M, McClurkin M, Cooper-McCann R，等。社区参与以优化在心血管健康和需求评估研究中使用基于网络和可穿戴技术:混合方法方法。JMIR移动健康Uhealth 2016年4月25日;4(2):e38 [j]免费全文] [CrossRef] [Medline］
    160. Ashton LM, Morgan PJ, Hutchesson MJ, Rollo ME, Collins CE。青年男性“HEYMAN”健康生活方式项目的可行性和初步疗效:一项随机对照试验中华医学杂志2017年1月13日;16(1):2 [J]免费全文] [CrossRef] [Medline］
    161. 陈毅，陈毅，陈毅，Randriambelonoro M, Geissbuhler A, Pu P.社会适应度应用的设计考虑:慢性病患者和健康成人的比较。2017发表于:2017 ACM计算机支持协同工作与社会计算会议论文集(CSCW) 2017;2月25日至3月1日;波特兰1753-1762页(CrossRef］
    162. Chung AE, Skinner AC, Hasty SE, Perrin EM.推特健康:一种使用fitbit和Twitter促进健康生活方式的新型移动健康干预。临床儿科(费城)2016年6月16日;56(1):26-32。(CrossRef] [Medline］
    163. Gell NM, Grover KW, Humble M, Sexton M, Dittus K.支持癌症幸存者体育锻炼的新技术干预的有效性，可行性和可接受性。支持护理癌症2017年4月25日(4):1291-1300。(CrossRef] [Medline］
    164. 刘国强，刘国强，刘国强，刘国强。评估人际和个人行为改变策略对老年人身体活动的影响:一个析因实验。中国生物医学工程学报，2017,31(3):376- 391。(CrossRef] [Medline］
    165. Neil-Sztramko SE, Gotay CC, Sabiston CM, Demers PA, Campbell KC.女性倒班工人电话和网络身体活动干预的可行性。中华医学杂志，2017;7(2):268-276 [j]免费全文] [CrossRef] [Medline］
    166. Valle CG, Deal AM, Tate DF。使用智能秤和活动追踪器预防非裔美国乳腺癌幸存者体重增加:一项随机对照试点研究。中华癌症杂志，2017;11(1):133-148。(CrossRef] [Medline］
    167. Craig CL, Marshall AL, Sjöström M, Bauman AE, Booth ML, Ainsworth BE等。国际体育活动问卷:12国信度和效度。医学体育学报，2003;35(8):1381-1395。(CrossRef] [Medline］
    168. Stewart AL, Mills KM, King AC, Haskell WL, Gillis D, Ritter PL. CHAMPS老年人身体活动问卷:干预的结果。医学体育学报，2001;33(7):1126-1141。(Medline］
    169. Besson H, Brage S, Jakes RW, Ekelund U, Wareham NJ。通过自我报告估计成人的体力活动能量消耗、久坐时间和体力活动强度。中华临床医学杂志，2010;31 (1):106-114 [J]免费全文] [CrossRef] [Medline］
    170. 戈丁G，谢泼德RJ。一种评估社区运动行为的简单方法。应用体育科学1985;10(3):141-146。(Medline］
    171. 澳大利亚健康和福利研究所。AIHW。2003.积极的澳大利亚调查:实施、分析和报告的指南和手册https://www.aihw.gov.au/getmedia/ff25c134-5df2-45ba-b4e1-6c214ed157e6/aas.pdf.aspx?inline=true[访问日期:2018-02-15][WebCite缓存］
    172. Barwais FA, Cuddihy TF, Washington T, Tomson LM, Brymer E.一种测量成年人久坐行为和低强度体力活动的新自我报告工具的开发和验证。中华医学杂志;2014;11(6):1097-1104。(CrossRef] [Medline］
    173. Dipietro L, Caspersen CJ, Ostfeld AM, Nadel ER。一项评估老年人身体活动的调查。医学体育运动1993年5月;25(5):628-642。(Medline］
    174. Armstrong T, Bull F.世界卫生组织全球身体活动问卷(GPAQ)的编制。公共卫生杂志2006;14(2):66-70。(CrossRef］
    175. IBM计算机可用性满意度问卷:心理测量评估和使用说明。[J] .计算机学报，1995;7(1):57-78。(CrossRef］
    176. 康奈利·K.关于发展普及计算的技术接受模型。见:泛在系统评估研讨会(USE)。2007年在第九届普适计算国际会议(UBICOMP)上发表;9月16 - 19;奥地利的因斯布鲁克。
    177. 瑞安RM。内省领域的控制与信息:认知评价理论的延伸。中华精神病学杂志;2009;32(3):391 - 391。(CrossRef］
    178. JC阅读。验证乐趣工具包:衡量儿童对技术意见的工具。计算机工程学报，2007,22(2):119-128。(CrossRef］
    179. 霍瓦特AO，格林伯格LS。开发和验证工作联盟清单。中华精神病学杂志1989;36(2):223-233。(CrossRef］
    180. Brooke J. SUS:一个快速而肮脏的可用性尺度。正确的方法:工业中的可用性评估。伦敦:Taylor & Francis;1996.
    181. 张建军，张建军，张建军，等。基于gis的健康行为改变研究进展。2011年在CHI'11计算机系统中的人为因素会议上发表;5月7 - 12;温哥华，卑诗省，加拿大。(CrossRef］
    182. 李建军，李建军，李建军，等。基于行为理论的人机交互研究。2013年在CHI'13计算机系统中的人为因素会议上发表;4月27日- 5月2日;巴黎,法国。(CrossRef］
    183. Whittaker R, Merry S, Dorey E, Maddison R.移动医疗干预的发展和评估过程:来自新西兰的例子。卫生通讯杂志2012;17(增刊1):11-21。(CrossRef] [Medline］
    184. Kravitz RL, Duan N, Niedzinski EJ, Hay MC, Subramanian SK, Weisner TS. N-of-1试验发生了什么?业内人士的观点和对未来的展望。生物医学工程学报，2008;31 (4):533-555 [j]免费全文] [CrossRef] [Medline］
    185. Kay M, Nelson G, Hekler E.以研究人员为中心的统计设计:为什么贝叶斯统计更适合人力资源基础设施的文化和激励。2016年发表于:CHI'16 Conference on Human Factors in Computing 2016;5月7 - 12;加州圣何塞[CrossRef］
    186. Petticrew M, Tugwell P, Kristjansson E, Oliver S, Ueffing E, Welch V.做了也糟，不做也糟:子群体分析与公平。流行病学与社区卫生杂志，2012,36(1):95-98。(CrossRef] [Medline］
    187. Dobkin BH, Dorsch A.移动健康的前景:日常活动监测和可穿戴传感器结果评估。神经康复杂志;2011;25(9):788-798 [j]免费全文] [CrossRef] [Medline］
    188. mio evovic M, MacKinnon DP, Levy R. Power在贝叶斯中介分析中的小样本研究。结构方程模型2017 4月25日;24(5):666-683。(CrossRef］
    189. Ferguson T, Rowlands AV, Olds T, Maher C.自由生活条件下健康成人佩戴消费者水平活动监测仪的有效性:一项横断面研究。[J]行为与营养物理法案2015;12:42 [免费全文] [CrossRef] [Medline］
    190. Mack H. Mobihealthnews. 2016。Fitbit与Fitabase合作创建研究图书馆，发布企业健康研究结果http://www.mobihealthnews.com/content/fitbit-creates-research-library-fitabase-publishes-results-corporate-wellness-study[访问日期:2017-06-14][WebCite缓存］
    191. Mohr DC, Schueller SM, Riley WT, Brown CH, Cuijpers P, Duan N，等。干预原则的试验:行为干预技术发展的评价方法。医学互联网研究，2015;17(7):e166 [J]免费全文] [CrossRef] [Medline］
    192. Mohr DC, Lyon AR, Lattie EG, Reddy M, Schueller SM。加速数字心理健康研究，从早期设计和创造到成功实施和维持。[J]医学互联网研究，2017,10;19(5):e153 [J]免费全文] [CrossRef] [Medline］
    193. O'Connor S, Hanlon P, O'Donnell CA, Garcia S, Glanville J, maair FS。了解影响患者和公众参与和招募数字卫生干预措施的因素:对定性研究的系统回顾。BMC Med Inform Decis ma2016 Sep 15;16(1):120 [j]免费全文] [CrossRef] [Medline］
    194. 国际标准化组织(ISO)。ISO。1998.9241-11可视显示终端(vdt)办公工效学要求https://www.iso.org/standard/16883.html[访问日期:2018-02-26][WebCite缓存］
    195. 可用性的五个维度。中:内容与复杂性:技术沟通中的信息设计。美国新泽西州莫瓦:Lawrence Erlbaum Associates;2003:81 - 102。
    196. Schulz KF, Altman DG, Moher D. CONSORT 2010声明:平行组随机试验报告的最新指南。中国生物医学工程学报，2010;33 (2):349 - 349 [J]免费全文] [Medline］
    197. Eysenbach G, concont - ehealth集团。conber - ehealth:改进和标准化基于网络和移动的卫生干预措施的评估报告。中国医学杂志，2011;13(4):e126 [J]免费全文] [CrossRef] [Medline］
    198. Michie S, Thomas J, Johnston M, Aonghusa PM, Shawe-Taylor J, Kelly MP等。人类行为改变项目:利用人工智能和机器学习的力量进行证据合成和解释。实施科学2017 Oct 18;12(1):121 [j]免费全文] [CrossRef] [Medline］
    199. Direito A, Dale LP, Shields E, Dobson R, Whittaker R, Maddison R.体育锻炼和饮食智能手机应用是否包含基于证据的行为改变技术?中华卫生杂志2014;14:6 6 [j]免费全文] [CrossRef] [Medline］
    200. Cowan LT, Van Wagenen SA, Brown BA, Hedin RJ, Seino-Stephan Y, Hall PC，等。钢铁般的应用程序:锻炼应用程序是否为消费者提供了现实的期望?:针对存在行为改变理论的运动app内容分析。健康教育行为，2013,40(2):133-139。(CrossRef] [Medline］
    201. Lyons EJ, Lewis ZH, Mayrsohn BG, Rowland JL。在电子生活方式活动监视器中实现的行为改变技术:系统的内容分析。中国医学杂志，2014;16(8):e192 [J]免费全文] [CrossRef] [Medline］
    202. 王晓东，王晓东，王晓东，等。行为改变技术在心血管疾病预防和治疗中的应用综述。中华心血管病杂志，2016;58(6):605-612。(CrossRef] [Medline］

    ‎
    ACM:计算机协会数字图书馆
    人机交互:人机交互
    IEEE:电气和电子工程师学会
    健康:移动健康
    :多阶段优化策略
    相关的:随机对照试验

    编辑:A阿奎莱拉;提交27.09.17;S . Winter、L . Yardley的同行评议;对作者09.11.17的评论;收到修订版本01.01.18;接受07.01.18;发表23.03.18

    版权

    ©Claire McCallum, John Rooksby, Cindy M Gray。最初发表于JMIR Mhealth和Uhealth (http://mhealth.www.mybigtv.com)， 2018年3月23日。

    这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首先发表在JMIR mhealth和uhealth上，并适当引用。必须包括完整的书目信息，到http://mhealth.www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。
    Baidu
    map