参与干预组(GH)的资格标准包括怀孕(妊娠30周以上)或3个月以下婴儿的父母或主要照顾者，拥有任何类型的移动电话，能够说英语和阅读英语，年龄在18岁或以上，居住在澳大利亚。参与者通过3种方法招募:通过澳大利亚2个州社会经济弱势社区的初级保健提供者;第一次为人父母的研究人员进行面对面交流;或者网络广告。同时，通过在线论坛、社交网站和博客招募了一个非随机对照组(婴儿的第一餐，BFF)，并接受了常规护理。参与的资格标准与干预组相同，不同之处在于参与者不需要拥有手机。两组研究的入组包括完成一份基于网络的筛选表、一份同意表和一份基线调查。有关招聘程序及结果的详情，已在其他地方公布[ 34]．

简而言之，生长激素计划旨在鼓励父母参与婴儿喂养实践，促进健康而不是体重增加，重点是社会经济上处于不利地位的父母。该计划的目的如下:

该项目的主要传播媒介是一个应用程序和网站，为父母提供基于证据的文章和视频，其中包含符合婴儿从出生到9个月喂养国家指南的实用建议和策略。该计划的发展以行为改变轮和行为改变的能力、机会和动机模型为指导[ 35]．对于每个项目目标(目标行为)，使用先前的形成性工作确定了关键决定因素[ 36， 37]和文献，并映射到干预策略。参与者每周收到3条个性化的推送通知或短信(短信服务，SMS)，针对具体的干预策略和行为改变技术，详见我们的协议文件[ 33]．推送通知还根据每个婴儿的年龄、发育阶段以及喂养方式(母乳喂养、配方奶喂养或混合喂养)量身定制，将他们引导到应用程序中的相关内容。每周还会发送一封电子邮件，其中包括本周的3条消息和网站链接。这是针对打开推送通知数量较少的干预措施的一部分。参与者还被邀请加入一个Facebook小组，那里的版主每周会发布一条喂养信息，参与者被鼓励讨论有关婴儿喂养的实际经验。

通过网络调查在3个时间点收集数据:婴儿小于3个月(T1)、婴儿6个月(T2)和婴儿9个月(T3)。为了补偿参与者完成调查所花费的时间，GH参与者每完成一次调查就会收到价值20澳元的礼券，而BFF参与者完成两次或两次以上的调查就会收到40澳元的礼券。没有回应调查的人会收到三封邮件提醒，间隔一周。我们还收集了应用内部的分析数据。

计算了基本的描述性分析和交叉表。基线特征比较采用卡方检验 t根据变量类型进行适当的测试。生存分析用于评估两组(gh组和BFF组)喂养时间的差异，包括任何母乳喂养的持续时间、婴儿配方奶粉的引入时间和固体食物的引入时间。Kaplan-Meier生存曲线用于评估母乳喂养时间的平均值和中位数以及引入固体食物的时间。采用Breslow检验评估各组间差异。在母乳喂养持续时间分析中，那些报告儿童在3岁时仍在母乳喂养的病例被归类为审查观察。在分析母乳喂养持续时间和引入固体的时间时，使用Cox比例风险回归模型来解释协变量，如儿童性别、是否头胎、使用假人、母亲吸烟状况、母亲出生国家、父母教育和工作状况、家庭收入、母亲年龄和孕前BMI。考虑了母亲的自评健康和持有健康卡，但由于与其他协变量高度相关，因此被排除在最终分析之外。对对数-负对数生存曲线的评估没有证据表明比例风险假设不满足。

采用多变量logistic回归分析GH和BFF在二元结果方面的差异，包括纯母乳喂养比例;配方喂养结果;以及在4个月前、6个月后、4个月、4.5个月、5个月、5.5个月和6个月时引入固体食物的比例。

GH组和BFF组连续变量(包括出生至T3时间点的儿童BMI z-score、体重和身高)之间的差异采用非结构化协方差结构的混合效应多项式回归模型进行评估。对年龄的随机截距和随机斜率进行拟合，以允许个体生长速率。包括二次和三次年龄变量来模拟非线性增长。纳入模型的协变量包括孩子的性别、是否头胎、是否使用假人、母亲是否吸烟、母亲出生国家、父母的教育程度和工作状况、家庭收入、母亲年龄和孕前BMI。所有统计分析均使用IBM Corporation SPSS version 24进行[ 41]．

共有909名受试者开始入组研究;然而，有264人不符合条件，主要是因为他们没有完成基线调查，或者他们的孩子大于15周或早产( 图1）.最终样本包括基线时的645名照料者/儿童夫妇(GH: 301;BFF: 344)。T2(84.7%)和T3(80.3%)对研究的保留率很高; 图1）.

在入组时，GH组儿童的平均年龄明显小于BFF组(7.0周比7.9周)。此外，与BFF组相比，GH组的头胎比例明显更高，GH母亲更年轻(30.4岁比31.2岁)，GH母亲在澳大利亚出生的比例较低(84.1%比90.1%)，最高家庭收入类别的比例较低(29.4%比36.8%)。与BFF相比，GH中母乳喂养母亲的比例较低，配方奶和混合喂养母亲的比例较高( P<措施)。其他被考虑的特征在两组基线时没有发现显著差异。研究参与者的基线特征详情见 表1．

在301名参与者中，260人(86.4%)选择通过应用程序访问该计划，41人(13.6%)选择通过网站/短信访问该计划。应用程序参与者提供了一个代码，使他们能够从Google Play或App Store下载应用程序，74.8%(225/301)的参与者下载了应用程序。超过一半的样本使用iphone(71.6%)， 28.4%使用Android手机，11.9%使用网站和短信。在应用程序用户中，未受过大学教育的参与者使用Android手机的比例(31.7%)高于受过大学教育的参与者(24.5%)。应用程序用户每周会收到3个推送通知，在研究期间平均打开了11个推送通知(占所有通知的8.0%)。随着时间的推移，应用程序的使用率从入学时至少使用一次应用程序的92.0%下降到研究结束时的38.2%，当时婴儿年龄在8至9个月( 图2)，在整个研究期间，使用该应用程序的平均次数也出现了类似的下降( 图3）.

总体而言，参与者对该计划的满意度很高，88.1%的人同意他们喜欢该计划，84.6%的人表示他们会向朋友推荐该计划。 表2）.大多数家长(86.1%)表示，该应用程序提供了值得信赖的信息，易于理解(91.0%)和使用(78.3%)，不到5%的家长表示担心使用该应用程序时的数据使用情况。然而，略多于四分之一的家长表示，该应用程序有时无法正常工作。在完成T3的参与者中，有近20%的人表示他们禁用了手机上的推送通知。对于那些收到推送通知的人来说，大多数人认为它们很有帮助，非常适合宝宝的年龄和发育阶段，在信息的数量和时间方面也很合适。然而，超过三分之一的人报告说，消息在他们阅读之前就消失了，近40%的人不确定一旦消息从屏幕上消失后如何检索推送通知。

据我们所知，这是第一个报告移动健康干预预防婴儿肥胖的可行性和有效性的研究。我们的研究结果支持使用移动健康作为一种可行且可接受的干预方式，针对父母的婴儿喂养行为，因为参与者对该计划的满意度和保留率很高，尽管使用该应用程序存在一些技术困难，并且随着时间的推移参与度下降。然而，我们无法证明干预对目标行为和结果的任何影响，如母乳喂养持续时间或专一性、引入固体食物的时间或婴儿生长轨迹。研究结果表明，生长激素干预可能对配方制备实践产生积极影响，尽管这在完全调整的模型中并不显著，需要在充分有力的随机对照试验中得到证实。

本研究结果支持移动健康作为婴儿肥胖预防干预的一种可接受的交付模式，特别是针对婴儿喂养的干预，招募率高[ 429个月后的留存率为80%。我们必须承认，高留存率可能在一定程度上反映了为完成调查提供的报酬和使用3个提醒。用户对程序的高满意度支持了程序的可接受性。这与我们对父母进行的定性随访访谈的结果一致[ 43在那里，他们报告说，节目来源的可信度、用户友好的界面、内容的定制以及针对婴儿年龄和关键过渡点的推送通知，都促进了他们对节目的参与。我们的发现与现有的研究一致，这表明父母越来越依赖于在线信息来源来喂养和照顾婴儿[ 23- 27]．

然而，一些因素可能减少了对该计划的参与。超过四分之一的参与者报告说，该应用程序有时无法工作。研究中确实出现了技术问题，包括iOS和Android系统的操作系统更新导致该应用在短时间内无法使用。在研究期间更换手机的家长需要联系研究团队获取另一个代码来访问该应用程序，这可能进一步减少了应用程序的使用。此外，尽管推送通知被认为是相关和及时的，但近40%的参与者不确定一旦推送通知从屏幕上消失后如何检索它们。这或许可以解释为何推送通知的打开率相对较低(8%)。考虑到推送通知是促使父母参与应用内容的主要机制，这很可能会限制所接受干预的剂量及其对婴儿喂养行为和结果的后续影响。应用分析数据进一步支持了这一点，该数据表明，在研究期间，应用的使用率确实有所下降。

了解影响人们参与移动医疗项目的因素，以及如何随着时间的推移将这些因素最大化，对项目的有效性至关重要。我们对应用使用率的定量分析[ 44结果显示，与单独使用应用程序的人相比，由健康医生招募的人、在婴儿还小的时候注册的人、第一次当妈妈的人、同时使用应用程序和网站(通过电子邮件链接)的人对该项目的参与度更高。这表明，为了最大限度地发挥参与和潜在影响，未来应考虑在产后或产前早期保健从业人员的帮助下，重点招募首次父母。该计划的未来迭代应该包括设计功能，以改善推送通知的访问，并使用多种方法(如电子邮件和推送通知)最大化用户粘性，以及包含更多互动功能，如论坛和其他工具，以促进持续的用户粘性。技术问题也需要及时解决，包括适应任何操作系统更新，以确保程序在任何时候都能正常工作。

除了干预剂量外，缺乏干预效果也可能是因为该可行性研究的样本量，无法检测组间差异，而是为后续更大的随机对照试验提供样本量计算信息。研究的局限性在于研究组之间的一些基线特征存在显著差异。虽然在统计分析中控制了基线差异，但这降低了检测组间关键结果差异的能力。

干预的时机可能导致该计划对结果的影响有限，尤其是对母乳喂养的影响。婴儿入组时的平均年龄为7至8周，这表明干预错过了母乳喂养支持的关键时期，全国数据显示，40%的母亲在1个月大时引入配方奶粉[ 14]．研究还表明，关于母亲是否会母乳喂养以及母乳喂养多长时间的计划是在产前制定的。 45]，这与我们的定性研究结果一致[ 43在那里，母亲们报告说，她们在参加这个项目之前就制定了喂养婴儿的计划。这突出了在出生前开始该方案并在产后早期提供母乳喂养支持以影响母乳喂养结果的重要性。

由于婴儿早期出现肥胖风险的社会经济差异，GH项目专门针对社会经济上处于不利地位的父母[ 17]．我们的研究结果表明，我们在接触这些父母方面取得了一些有限的成功，只有超过一半的母亲(51.6%)和近70%的父亲没有接受过大学教育，教育程度通常被用作社会经济地位的代表。 46]．这与全国平均水平相似[ 47但比其他以群体为基础的婴儿肥胖预防试验的报告要高。例如，在婴儿试验中，没有受过大学教育的母亲比例为46% [ 48]，而在滋养试验中这一比例为42% [ 49]．然而，在贫困社区进行的家访试验成功地招募了四分之三没有受过大学教育的参与者[ 50]．令人惊讶的是，我们发现由弱势社区的初级卫生保健从业人员招募的母亲和通过社交媒体招募的母亲的教育水平没有差异[ 42]．这可能是因为初级卫生保健从业人员在向不那么脆弱的父母提供该计划时更有选择性。我们的研究结果表明，如果移动健康计划的目标是社会经济上处于不利地位的父母，那么迎合安卓手机用户的重要性。在我们的样本中，与受过大学教育的母亲相比，没有受过大学教育的母亲使用安卓手机的比例更高。考虑到社会经济上处于不利地位的父母有更大的需求，需要进一步的研究来确定如何最好地让这些父母参与预防肥胖的干预措施，以及移动健康项目是否提供了一种有用的交付模式。

在儿童早期使用移动医疗预防肥胖是一个快速发展的领域，有许多试验正在进行中[ 51- 54]．然而，我们不知道有任何其他研究报告了针对父母健康婴儿喂养实践的手机应用程序的结果。最近一项对发达国家16项研究的荟萃分析表明，电子技术(包括短信、网络和交互式计算机代理)在提高母乳喂养开始率、持续时间和专一性方面是有效的[ 55]．然而，这篇综述没有包括任何使用手机应用程序的研究。只有一项已发表的研究[ 56报道了一项针对婴儿喂养的移动健康计划的有效性。那个研究[ 56]，中国上海的Jiang等人发现，从妊娠晚期到产后12个月，每周发一次短信，6个月时的纯母乳喂养率显著提高，4个月前的固体食物引入率显著降低。然而，这种干预对其他婴儿喂养方式没有影响，包括用奶瓶睡觉，用杯子喝水，或者用食物作为奖励。

这项研究的关键优势在于，干预是通过行为改变理论和广泛的形成性工作来告知的，并且保留率很高。准实验研究设计的使用存在局限性，干预组和对照组之间存在许多基线差异;然而，这些差异在统计分析中得到了控制。还有一种可能的选择偏差，即参加两组的母亲可能更感兴趣，更有动力实现理想的婴儿喂养方法，因为她们对这项研究感兴趣，尽管她们的教育水平与全国平均水平相似[ 47]．这一点得到了高基线纯母乳喂养率的支持(BFF为84%，GH为82%，而3个月以下婴儿的全国平均水平为48% [ 14])，早期引入固体食物的比例较低(两组在4个月时均为13%，而全国平均水平为35% [ 14])。这可能限制了检测干预效果的能力。采用更具代表性的母亲样本随机招募策略，可能更有可能显示婴儿喂养做法的改善。两组婴儿喂养行为的自我报告测量无疑受到社会期望偏差的影响。父母报告的体重和长度可能会出现转录错误，研究者可以更准确地收集。

我们的研究设计是可行的，因为完成登记调查的参与者在一段时间内有很好的保留率，并且结果提供了一个有用的估计，在此基础上计算更大的研究的样本量。使用智能手机应用程序促进健康的婴儿喂养行为的移动健康干预是向父母提供预防肥胖干预的可行和可接受的模式，但需要进一步的工作来持续参与和使用。该计划对关键可测量的婴儿喂养结果的有限影响可能反映了由于不可预见的技术问题、计划的时间、参与者选择偏差和/或研究设计的局限性，一些参与者接受了低干预剂量。建议以婴儿喂养为目标的移动医疗项目从产前开始实施，并且该项目的未来迭代有应急措施，以及时解决技术问题，并设计功能，以最大限度地提高用户的参与度。未来的研究需要使用更大的随机对照试验设计来确定移动健康计划在婴儿肥胖预防方面的有效性。