系统检讨及荟萃分析是按照系统检讨及荟萃分析的首选报告项目指引进行的[gydF4y2Ba 12gydF4y2Ba]，我们的研究已在PROSPERO(一个前瞻性注册系统评价的国际数据库)中注册;注册号:CRD42022322072)，于2022年4月注册。gydF4y2Ba

我们系统检索了PubMed、Web of Science、Embase、CINAHL、中国国家知识基础设施、万方(中国传统文献数据库)和中国生物医学数据库。发表时间以建库时间为限，至2022年4月30日。出版语言限于中文和英文。我们通过使用关键字和MeSH(医学主题标题)术语的组合来进行搜索。例如，我们对PubMed的搜索策略包括使用以下搜索字符串:“((用药错误或相似用药错误或高警惕性用药错误或用药错误*)或(服药依从性或服药依从性或服药持久性或服药依从性或服药依从性))或(药物不良事件*或ADE或药物相关副作用和不良反应*或药物副作用或药物副作用或药物毒性))和(移动应用程序*或移动应用程序*或便携式软件应用程序*或智能手机应用程序或便携式电子应用程序或便携式电子应用程序)。”提供了更多的研究细节gydF4y2Ba 多媒体附录1gydF4y2Ba．gydF4y2Ba

纳入标准如下:(1)年龄≥18岁，(2)至少有一种慢性疾病，(3)使用mmApps的干预组和接受常规护理(即不使用mmApps)的对照组，以及(4)临床试验。gydF4y2Ba

排除标准为:(1)随机对照试验中存在混杂因素，如混合方法(定性与定量相结合);(2)实验程序不清晰透明(如干预程序或结果未明确表达);(3)重复出版物和我们无法联系到作者的出版物。gydF4y2Ba

我们制作了一个Microsoft Excel电子表格，从纳入的研究中提取关键信息，包括作者、发表年份、国家或地区、参与者特征、干预组、对照组、应用程序名称、应用程序功能、干预持续时间、结果和测量工具。gydF4y2Ba

研究涉及患有慢性疾病的参与者(年龄≥18岁)，包括高血压、糖尿病、冠心病、关节炎和其他单一慢性疾病。然而，涉及多种共存慢性疾病患者的研究也被纳入。gydF4y2Ba

由于干预措施不同，将参与者分为对照组和干预组。对照组接受常规护理，如记录用药日记、定期随访、参加用药安全讲座。干预组除了接受对照组提供的常规护理外，还使用mmApps。这些mmApps包括但不限于智能手机mmApps、iPad(苹果公司)mmApps和微信(腾讯控股有限公司)小程序。gydF4y2Ba

在用药安全结果方面，我们关注的是服药依从性，这是通过检查慢性疾病患者的用药剂量和频率来计算的，以验证他们是否符合医生的处方。另一个重要的结果是ADE的报告率，这取决于患者是否报告ADE的发生。第三个结果是用药错误。尽管使用了mmApps，但仍有可能出现用药错误;服用错误的药丸或剂量，给错误的病人服药，以错误的方式或在错误的时间服药都被认为是用药错误。gydF4y2Ba

文献质量评价以7项标准为依据gydF4y2Ba Cochrane干预措施系统评价手册，6.3版gydF4y2Ba，由Cochrane Collaboration于2022年更新[gydF4y2Ba 13gydF4y2Ba]。审稿人对每个项目做出单独的判断(即低偏倚风险、高偏倚风险或不明确偏倚风险)。如果一项研究完全符合这些标准，那么各种偏差的可能性就很低，质量等级为“a”。如果这些标准部分得到满足，则偏倚的概率为中等，质量等级为“b”。如果这些标准根本不符合，则偏差的可能性很高，质量等级为“c”。邀请两名接受过循证培训的研究者同时评估纳入文献的质量，当出现分歧时咨询第三名研究者。纳入综合质量水平为A或B的文章，排除综合质量水平为C的文章。gydF4y2Ba

采用RevMan 5.2软件(Cochrane Collaboration)对数据进行分析。连续变量效应量分析采用加权平均差，二分类变量效应量分析采用相对风险(relative risk, RR)。此外，95% ci用于表示联合效应的大小。此外，还检验了异质性。如果gydF4y2Ba 我gydF4y2Ba^2gydF4y2Ba<50%，认为均匀性较好，采用固定效应模型进行分析。如果gydF4y2Ba 我gydF4y2Ba^2gydF4y2Ba>50%，认为异质性较大，采用随机效应模型进行分析。异质性根据临床和方法学异质性进行解释，必要时进行亚组分析。gydF4y2Ba

进行敏感性分析以评估数据的稳定性。稳定性的计算采用不同的统计方法，排除大样本研究，以验证我们的结果是否稳健可靠。gydF4y2Ba

我们检索了7个数据库，获得936篇文献。第一步是通过NoteExpress软件(爱琴海软件公司)排除重复的文章，剩下698篇文章。第二步，通过筛选题目和摘要排除研究，剩下90篇。第三步，通过仔细筛选文章全文排除研究。最后，我们纳入了8篇文章。检索和选择过程示于gydF4y2Ba 图1gydF4y2Ba．gydF4y2Ba

8项研究共有1355名参与者，来自5个国家(中国、美国、法国、加拿大和西班牙)。发表时间为2014年1月1日至2021年12月31日。中位样本量为169例(范围61-268)，以下慢性疾病被纳入研究:肺结核[gydF4y2Ba 14gydF4y2Ba]、肾癌或前列腺癌[gydF4y2Ba 15gydF4y2Ba]、流行性感冒[gydF4y2Ba 16gydF4y2Ba]、多发性硬化[gydF4y2Ba 17gydF4y2Ba]、口腔癌[gydF4y2Ba 18gydF4y2Ba]和多种慢性疾病[gydF4y2Ba 19gydF4y2Ba-gydF4y2Ba 21gydF4y2Ba]。中位干预持续时间为6个月(1-25个月)。干预组使用mmApps，对照组接受常规护理(即不使用mmApps)。结果方面，有3项研究报道了ADEs [gydF4y2Ba 16gydF4y2Ba，gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 19gydF4y2Ba]， 4项研究测量了药物依从性[gydF4y2Ba 14gydF4y2Ba，gydF4y2Ba 15gydF4y2Ba，gydF4y2Ba 18gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba]， 4项研究计算了用药错误的发生频率[gydF4y2Ba 15gydF4y2Ba，gydF4y2Ba 17gydF4y2Ba，gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba]。详情见gydF4y2Ba 表1gydF4y2Ba．gydF4y2Ba

在所有8项研究中，干预组都使用mmApps，每个应用程序都有自己的特点。Mira等[gydF4y2Ba 20.gydF4y2Ba，gydF4y2Ba 21gydF4y2Ba关注mmApps对慢性疾病患者药物自我管理的影响。他们在2014年发明了一款名为“ALICE”的应用程序，可以提供处方和医疗建议，显示药物图像，并发送多个提醒。2015年，mmApp进行了改进和优化，增加了二维码扫描功能，更名为“TUMEDICIN”。该应用程序可以扫描医疗产品上的二维码，并提供信息，包括药物的用途、每日剂量、可能的副作用和主要注意事项等信息。gydF4y2Ba

Wei等[gydF4y2Ba 14gydF4y2Ba]实施了基于微信(一种已实现大规模人口覆盖的本地社交软件)的电子监测干预，可用于监测患者的依从性和门诊就诊情况，报告药物不良反应，并提醒人们服药。美国学者主要关注癌症治疗患者的用药安全。Agboola等[gydF4y2Ba 15gydF4y2Ba]开发了化疗助手(CORA)，帮助肾癌或前列腺癌患者通过提高自我效能来报告和控制他们的症状。Greer等[gydF4y2Ba 18gydF4y2Ba]使用智能手机移动应用程序来执行药物计划，该应用程序包括提醒、症状报告功能和患者教育。gydF4y2Ba

Wilson等[gydF4y2Ba 16gydF4y2Ba]和Montastruc等[gydF4y2Ba 19gydF4y2Ba]对不良事件报告表现出极大的兴趣，并分别独立开发了CANVAS(自动报告不良事件和评估用户体验的应用程序)和VigiBIP(自发报告药房警惕性和药物安全信息的应用程序)。本研究报道的mmApps均基于实时通信技术和智能自动识别技术开发，简化了复杂的临床操作，为医护人员提供了方便。gydF4y2Ba

所有8篇文章都报道了充分的随机序列生成，因此这方面的偏倚风险较低。此外，有5项研究报告了分配隐蔽性，因此在这方面的偏倚风险较低，有2项研究没有提到隐蔽性，因此在这方面被评为高偏倚风险。至于表现偏倚，有6项研究没有盲法，因此被评为高偏倚风险，另外两项研究是否存在盲法尚不清楚。大多数研究(7/ 8,88%)报告了结果和随访，因此损耗偏倚的风险较低。在报告偏倚方面，2项研究因未明确表达受试者特征，偏倚风险不明确，其余研究偏倚风险较低。综上所述，8项研究均部分符合质量标准，质量等级为“b”。因此，他们都被纳入了本研究。具体的偏倚风险和质量评价结果见gydF4y2Ba 图5gydF4y2Ba．gydF4y2Ba

为了探究我们研究结果的稳定性和稳定程度，我们使用了不同的统计方法来分析结果。我们发现，在改变不同结局指标的统计分析方法后，ADE报告和药物依从性结果没有差异，敏感性较低，结果稳健可靠，见gydF4y2Ba 表2gydF4y2Ba．gydF4y2Ba

对于用药错误结果，我们的原始结果(RR 1.54, 95% CI 0.33-7.29;gydF4y2Ba PgydF4y2Ba=.58)在剔除大样本研究后发生了变化(RR 0.69, 95% CI 0.38-1.24;gydF4y2Ba PgydF4y2Ba= . 21) (gydF4y2Ba 17gydF4y2Ba]。结果变化不大，灵敏度低，结果鲁棒可靠。gydF4y2Ba

我们的研究结果验证了我们的假设- mmapps可以有效提高患者的不良事件报告意愿(RR 2.59, 95% CI 1.26-5.30;gydF4y2Ba PgydF4y2Ba= .009)。这是一个全新的结果，没有其他人报道过。报告不良事件和未遂事件被认为是确保用药安全的重要措施，有关这些事件的信息是有价值的，可用于预防不良事件。经济合作及发展组织[gydF4y2Ba 23gydF4y2Ba]建议患者报告不良事件，因为报告不良事件不需要巨大的财务成本和人力资源。此外，ADE报告在其价值方面非常出色;如果做得好，ADE报告可以减少15%的伤害发生率，减轻经济负担，从而每年节省数百万美元[gydF4y2Ba 24gydF4y2Ba]。mmApps在提高ADE报告意愿方面有一些优点。首先，它们促进了医患之间的交流[gydF4y2Ba 25gydF4y2Ba]。当患者遇到专业术语和令人困惑的问题时，会向医生寻求帮助。二是患者对ADE的报告更加重视。医务人员鼓励患者参与不良事件的报告，因此，患者普遍意识到他们的用药安全被认为是重中之重。第三，结果的处理是透明的[gydF4y2Ba 26gydF4y2Ba]。患者可以使用mmApps获取有关提交情况的反馈，例如提交是否成功以及有多少人提交了相同的问题。此外，患者可以方便地通过应用程序浏览检查结果。我们希望探索更多有助于提高患者ADE报告率的功能，例如通过精神鼓励和物质奖励来提高患者积极性的措施。gydF4y2Ba

我们的研究结果显示mmApps可以改善药物依从性(RR 1.17, 95% CI 1.04-1.31;gydF4y2Ba PgydF4y2Ba= .007)。这可能是因为mmApps提醒患者定期服药，提供教育支持，记录患者病史。在一定程度上，mmApps还增强了慢性疾病患者的自我效能，改善了生活质量。退行性记忆、多种药物和合并症在慢性疾病患者中很常见。因此，他们有很高的药物依从性风险，并且在这一人群中提高药物依从性并不容易。幸运的是，我们可以通过无线移动网络传达医疗解决方案，跟踪药物，甚至在mmApps的帮助下进行远程咨询。智能mmApps为患者赋能，为国内外患者自我管理提供便利。mmApps作为医生干预的辅助手段，鼓励更多患者参与医疗决策，从而提高患者的疾病控制能力[gydF4y2Ba 7gydF4y2Ba]。此外，mmApps是一种负担得起且方便的技术，它依靠现有的移动网络来远程监测难以联系或需要严格监测的患者。这类应用程序也有可能改善对风险因素和健康状况的控制。它们对患有慢性疾病的病人尤其有效，如动脉高血压[gydF4y2Ba 27gydF4y2Ba]，糖尿病[gydF4y2Ba 28gydF4y2Ba和心力衰竭[gydF4y2Ba 29gydF4y2Ba]。gydF4y2Ba

我们的荟萃分析显示，mmApps对减少用药错误没有显著影响(RR 0.41, 95% CI 0.13-1.33;gydF4y2Ba PgydF4y2Ba= 58)。这一发现与其他研究不同。例如，Baumann等[gydF4y2Ba 30.gydF4y2Ba]验证了一个移动应用程序，它是一个适当和可行的工具，可以减少药物管理中的简单计算和处理错误。此外，Siebert等[gydF4y2Ba 31gydF4y2Ba研究了一款通过提供模拟儿科复苏教育来减少院前用药错误的移动应用程序。对于我们的不同结果，我们认为有以下原因。首先，有可能患者不能很好地识别用药错误类型，导致仅捕获小样本用药错误。其次，所研究的mmApps可能在功能方面受到限制(例如，缺乏准确的识别功能)。例如，一款扫描药瓶标签上条形码的应用程序只有在患者服药前使用时才有用。此外，这些应用程序只能提供特定的患者和药物信息，不能用于确定药瓶是否已经打开。然而，如果药瓶条形码可用并且患者正确使用这些应用程序，这些应用程序可以减少54%至87%的用药错误[gydF4y2Ba 21gydF4y2Ba]。其三是mmApps尚未形成全面及时的信息传播网络，未完全覆盖所有慢性病，导致医疗信息传递不均，容易遗漏用药差错病例[gydF4y2Ba 32gydF4y2Ba]。虽然我们的研究表明mmApps不能直接减少用药错误的发生率，但可以通过提醒患者定期服药和提供健康信息来实现用药安全。因此，在某种程度上，手机应用可以间接减少用药错误。到目前为止，对于mmApps是否能减少用药错误还没有达成共识。因此，未来需要更多和更高水平的研究来验证它们对用药错误的影响。gydF4y2Ba

本研究可能存在一些局限性。首先，在质量评估方面，纳入文章的质量较低，证据的总体强度中等。其次，大多数研究(5/ 8,63 %)缺乏随机化和双盲。因此，未来应考虑更严格的纳入标准和更严格的随机对照试验研究。第三，干预持续时间不一致。最短的研究只进行了1个月，这可能会对结果产生影响。我们希望纳入研究的干预时间至少为6个月。最后，我们没有对mmApp进行成本效益分析，这对于帮助患者决定是否使用mmApp很重要。因此，我们计划对mmApps的经济成本和时间成本进行更多的研究。gydF4y2Ba

本研究共纳入8篇文章。我们重点研究了mmApps对用药安全性的影响，结果表明mmApps可以提高不良事件报告意愿(gydF4y2Ba PgydF4y2Ba= 0.009)并显著改善药物依从性(gydF4y2Ba PgydF4y2Ba=.007)，但对减少用药错误(gydF4y2Ba PgydF4y2Ba= 58)。我们分析了mmApps的几个优点，关于促进报告不良事件的意愿;获得mmApps如何改善慢性病患者服药依从性的数据;并发现了我们的用药错误结果与其他研究不同的三个潜在原因。gydF4y2Ba