基于智能手机应用程序的高血压相关行为自我监测与高血压降低之间的关系:系统回顾和meta分析

介绍

高血压影响着全球超过10亿成年人，是导致过早发病和死亡的主要危险因素[1，2］．然而，只有大约一半的成年高血压患者血压得到了适当的控制，这增加了医疗资源和治疗所需的费用[3.］．据估计，在英国，高血压每年花费国民健康服务超过20亿英镑(24亿美元)。4］．虽然各种风险因素导致血压控制不佳，但不遵守规定的健康行为，如遵医嘱[5]，身体活动的改善[6，7]，低盐摄入量[8，9]、水果和蔬菜的摄入量[10]，低酒精摄入量[11]，以及戒烟[12]，独立地解释了这些无法控制的病例中的大多数。

改变与健康相关的行为以解决高血压的潜在危险因素可能会导致临床上显着的健康改善，并降低发病率、死亡率和治疗成本。医生在改变生活方式方面发挥着重要作用;然而，他们能够提供关于支持遵守改变健康行为建议的建议的时间是有限和昂贵的[13]，目前关于支持高血压治疗患者健康行为改变的有效干预措施的证据有限[14-16］．

人们对数字创新的潜力越来越感兴趣，因为它是一种廉价且可扩展的方法，可以向患有长期健康状况的人提供个性化建议，使他们能够更好地遵守所建议的健康行为改变并实现健康改善[17-19］．通过电脑、智能手机、平板电脑和其他移动设备等数字技术促进的移动应用程序可供大量人群在不同环境中使用[20.］．智能手机应用程序似乎很有前途，因为它们有可能补充医生的努力，并使患者参与有关其医疗保健的决策过程。21，22］．基于应用程序的干预措施的用户可以收到有关影响其长期健康状况的健康行为模式的实时建议[23]，有可能消除依赖记忆、容易出现不准确和回忆偏差的障碍，并在常规护理咨询中更好地为共同决策提供信息。

此外，使用app报告和监测健康行为可以作为一种行为改变策略，支持个体自我调节健康行为，从而导致临床健康指标的持续改善[23，24］．行为的自我监控可以通过修改自我调节过程来支持个人行为的改变，例如，通过使患者能够根据行为表现反思和改变他们的健康行为[24-26］．提供建议以支持患者自我调节过程的干预措施在改善长期治疗依从性方面可能更有效，因此可能是一种具有成本效益的持续保健解决方案。

虽然基于智能手机应用程序的健康行为自我监测有可能对患者的健康产生直接的积极影响，并对服务提供产生间接影响，但迄今为止，缺乏证据表明基于应用程序的行为自我监测在支持高血压患者治疗方面的临床有效性。

以前的系统综述已经评估了基于应用程序的干预措施对支持行为或临床结果变化的影响，并提出了一些有希望的证据表明其潜在有效性[18，27-30.］．此外，对公开应用程序的内容分析表明，此类干预措施很复杂，通常由以下一个或多个组成部分组成:关于健康状况的一般性教育、提供社会支持、有关行为的提醒和反馈、血压测量的反馈，或提供有关药物调整的临床建议。然而，之前的综述既没有调查通过智能手机应用程序进行行为自我监测对临床和行为有效性的影响，也没有理清高血压患者临床有效性的组成部分。

本文旨在探讨基于app的健康行为自我监测是否能降低高血压患者的血压并改善其健康行为。本综述还探讨了与行为自我监测干预相结合的干预成分，并估计它们是否以及在多大程度上解释了干预的临床效果。

方法

系统搜索，研究资格和选择，和数据编码

本系统文献综述包括于2021年8月检索电子数据库MEDLINE(通过Ovid)、Embase(通过Ovid)、Web of Science、PsycINFO、Scopus、CINAHL和Cochrane Central Register of Controlled Trials (Central)，以确定符合条件的研究。其他试验的参考文献涉及1个额外数据库的搜索:JMIR Publications [卡塔尔世界杯8强波胆分析31］．

搜索策略是使用以前的评论和相关文献中的关键字开发的(参见多媒体附录1）.该综述包括随机对照试验，测试干预对高血压患者行为改变的影响和临床效果。2000年以后发表的以英语发表的成人试验研究也被纳入考虑范围。该审查在PROSPERO (CRD42019136158)上进行了预注册。

4位审稿人(MW、VM、SS和RH)独立对标题、摘要和全文进行筛选，并由另一位审稿人(AK)讨论异议。文章必须满足以下所有标准才有资格进行全文筛选:(1)人群包括接受高血压治疗的成年人;(2)通过手机app对高血压相关健康行为进行自我监测;(3)干预旨在支持血压和相关健康行为的改变;(4)比较者接受常规护理、强化常规护理或最小的行为干预;(5)研究包括血压和健康行为的测量;(6)研究设计为随机对照试验。

提取结果数据，测量收缩压和舒张压(分别为SBP和DSP)，以及药物依从性、身体活动、健康饮食、饮酒和戒烟等健康行为。大多数研究提取了血压和健康行为的结果数据作为基线值和随访值;否则，只提取后续值。当缺少随访值(如SD)时，选择基线值来评估干预效果。

行为改变技巧的分类[32]被选择来概念化和指导自我监控干预的编码。我们还为那些根据获得的信息向不同参与者传递不同信息的干预措施“剪裁”组件进行了编码[17，18]，以及当这些被报道时行为改变的假设机制。主要研究的作者通过电子邮件联系，以弥补遗漏的信息。偏倚风险采用Cochrane风险偏倚工具第2版进行评估，评估血压主要结局引入的风险[33，34］．两位评论者独立编码研究设计和干预成分，并提取结果数据。分歧由第三位审稿人讨论并解决。

分析

进行了随机效应荟萃分析，以估计血压和行为结果的加权综合效应，以解释在各个研究中可能存在差异的真实效应[35］．使用血压的平均差异和行为结果测量的标准化平均差异(SMD)计算连续结果的效应量。血压选择平均差是因为测量单位相似，而行为结果选择平均差是因为测量使用不同的方法、量表、单位或这些的组合。例如，在体力活动方面，这些是每天的体力活动分钟数和每周的锻炼次数;对于药物依从性，这些是每周坚持服药的天数，对5分制，8项问卷的总结得分。使用血压和行为结果的比值比(OR)计算二分类结果的效应量[35，36］．在大多数情况下，血压结果根据收缩压阈值140 mmHg和舒张压阈值90 mmHg进行分组(超过阈值表明血压控制不良，而低于阈值表明血压控制良好)，除非应用分层变量并报告(例如，年龄或性别特定阈值，临床与远程测量阈值，多病阈值)。行为结果根据个别研究采用的相应健康行为改变指南进行分组。

除非缺少基线数据，否则计算基线变化的结果，在这种情况下，随访时的变化包括在分析中。随机效应荟萃分析方法用于解释研究间效应的分布[37］．

的我²统计数据用于估计效应估计中由于异质性而非偶然性而引起的变异性的百分比[35］．通过亚组分析进一步探讨异质性，以调查研究水平变量是否可以解释观察到的异质性。

频率用于总结每个干预组和比较组编码的行为策略[38］．编码次数超过3次(频率高于3次)的干预策略被考虑纳入分析。进行亚组分析以检验定量相互作用，即干预行为策略是否可以解释效应大小的变化。

发表偏倚采用漏斗图的目视检验和Egger检验。meta分析使用RevMan (version 5.4;Cochrane协作网)[39］．

结果

概述

系统检索到7个数据库共4638篇文章，其中227篇纳入全文筛选。从另一个来源确定了另一项试验。共有15项随机对照试验，共有7415名受试者符合所有资格标准，纳入分析(图1）.

大多数纳入的试验都是在美国进行的[40-45]，而在澳大利亚进行的两项研究[46，47]，并分别在以下国家学习:加拿大[48]，中国[49]，新西兰[50]，加纳[51]，印度[52]、中国和印度[53]和挪威[54］．参与者(年龄>18岁的成年人)从初级和二级卫生保健机构招募(多媒体附录2）.

‎ 查看此图

荟萃分析

血压

荟萃分析表明，通过智能手机应用程序进行的行为自我监测干预对减少SPB有小而显著的影响，平均减少1.64 mmHg (95% CI 2.73-0.55, n=7301;图2)，与对照组相比，干预组的研究结果有所不同。在基于推荐阈值测量收缩压变化的研究中发现了类似但不显著的影响;与对照组相比，接受干预的参与者平均有60%的可能性达到推荐的收缩压水平(例如，临床测量的收缩压低于140 mmHg) (OR 1.60, 95% CI 0.74-3.42, n=114;图3）.

基于应用程序的行为自我监测干预在改变DBP方面的影响也有类似的方向，但并不显著。干预措施对舒张压的影响较小，平均为0.39 mmHg (95% CI -2.01 ~ 1.23, n=1368;多媒体附录3)与对照组相比。干预组支持舒张压降低(如舒张压低于90 mmHg)的可能性平均比对照组高41% (OR 1.41, 95% CI 0.66-3.01, n=114;多媒体附录4)，但两组之间的变化并无差异。

大多数血压结果测量(收缩压，连续)的研究间异质性较低;我²= 29%,Τ²= 0.87,P=含量;SBP二分:我²= 0%,Τ²= 0,P= 58;菲律宾持续:我²= 53%,Τ²= 2.56,P= .04点;菲律宾,二分:我²= 0%,Τ²= 0,P=.54)，这表明在两项使用分类阈值对血压结果进行操作的研究中，除了偶然性之外，存在潜在的小的、不重要的差异。

‎ 查看此图

‎ 查看此图

药物依从性

干预组与对照组之间的SMD为中到大(SMD 0.78, 95% CI 0.22-1.34, n=688;多媒体附录5)，这表明与对照组相比，基于应用程序的行为自我监控在支持改善药物依从性行为方面明显更有效。在使用分类操作化的研究子样本中发现了类似的效应方向，并表明接受基于应用程序的行为自我监控干预的患者达到临床有意义的药物依从性的可能性平均是未接受干预的患者的3.8倍(OR 3.83, 95% CI 1.25-11.76, n=6428;多媒体附录6）.

体育活动

回顾发现，基于app的行为自我监测干预在改善身体活动方面有中等但不显著的效果(SMD 1.63, 95% CI -0.35 ~ 0.87, n=501;多媒体附录7)，尽管只有4项研究提供了相关数据，其中一项研究表明，干预组患者坚持改变生活方式的可能性是干预组患者的1.6倍。

饮食

meta分析包括4项关于健康饮食的研究，结果表明行为自我监测通过减少高钠食物的摄入来改变饮食习惯，SMD为0.44 (95% CI 0.08-0.79, n=382;多媒体附录8）.尿分析的客观指标表明，行为干预在减少盐摄入量方面有积极但不显著的趋势。虽然这些结果很有希望，但由于荟萃分析的研究数量和样本量较少，因此应谨慎解释这些结果。

吸烟和饮酒

一项研究发现，与对照组相比，接受基于应用程序的自我监控干预的患者戒烟成功率平均提高53% (OR 1.53, 95% CI 0.76-3.09, n=3698) [52］．对饮酒的影响非常小，不显著。

亚组分析

在基于应用程序的行为自我监控干预中，最常见的行为改变技术是行为反馈(n=13)。许多基于应用程序的干预措施(n=8)促使参与者在行为测量后从医疗保健提供者那里获得建议，一些(n=6)提供量身定制的建议，以解决行为改变的潜在机制。行为目标设定、健康后果信息和高血压的一般信息是在少数干预措施中编码的策略(n=4)。在干预组和对照组中，最常见的策略是报告血压和反馈血压。多媒体附录9）.

亚组分析发现，与非定制干预相比，定制干预导致收缩压和舒张压发生更高且显著的变化(收缩压:-2.92 mmHg, 95% CI -3.94至-1.90,n=3102 vs -0.72 mmHg, 95% CI -1.67至0.23,n=4199;χ²= 9.65,P= .002;DBP: -2.05 mmHg, 95% CI -3.10 ~ -1.01, n=968 vs 1.54 mmHg, 95% CI -0.53 ~ 3.61, n=400;χ²= 9.19,P= .002)。两种情况的差异具有统计学意义和临床意义(多媒体附录10和11）.

对数据的进一步调查显示，预选的可能影响血压结果的变量(如样本量、随访时间、在诊所或远程获得的血压结果测量)对观察到的效果没有影响。

偏倚风险

偏倚风险分析提示研究偏倚风险较低。漏斗图检验和Egger检验提示发表偏倚风险低(多媒体附录12）.

讨论

主要研究结果

这项系统的文献回顾和荟萃分析包括15项随机对照试验，共有7415名参与者，发现接受基于app的行为自我监测干预的高血压患者的收缩压平均降低了1.64 mmHg (95% CI 2.73-0.55)，与对照组相比，收缩压降至<140 mmHg和舒张压降至<90 mmHg的可能性平均增加了60%。进一步的亚组分析表明，行为自我监测干预与量身定制的建议相结合，在降低收缩压(平均降低2.92 mmHg)和舒张压(平均降低2.05 mmHg)方面具有更高的潜在临床意义[55，56］．

本研究发现，与对照组相比，基于应用程序的行为干预自我监控使干预组实现药物依从性的几率增加了3倍。基于应用程序的行为自我监测干预在支持改善血压和药物依从性方面的显著效果使我们相信，此类干预措施可能是支持健康行为改变的有效解决方案，从而在血压检查或类似临床咨询期间降低高血压患者的血压。

行为干预表明，通过减少高钠食物的摄入，对改善健康饮食有积极影响，同时在支持体育活动、戒烟和饮酒方面也有积极趋势。虽然有希望，但少数研究对这些荟萃分析做出了贡献，因此应该谨慎对待结果。

优势与局限

这篇综述有几个优点和局限性。它不包括灰色文献或未发表的研究，并且仅限于搜索少数可公开访问的数据库。尽管如此，本综述总结了目前可用的证据，并表明与常规护理、强化常规护理或最小的行为干预相比，行为量身定制的自我监测干预可有效地将收缩压和舒张压分别平均降低-2.92 mmHg和-2.05 mmHg。

纳入研究的一个局限性是使用自我报告的行为结果测量，这是固有的偏见。这可能降低了观察到的干预对健康行为影响的有效性。未来的试验应采用有效的测量方法来评估行为结果，从而为政策制定和实践提供建议。

本综述评估了将行为自我监测干预与常规护理、强化常规护理或最小行为干预进行比较的随机对照试验。我们使用了广泛的搜索策略，并确定了所有公开的证据。我们采用了严格的方法进行数据提取和干预编码，以产生结果并形成最佳实践和未来干预开发的建议。

对实践和干预发展的影响

纳入的试验持续时间为1至12个月;因此，干预的持续效果的证据仍然不确定。然而，有限数量的长期测量研究显示出血压降低的积极趋势。考虑到移动技术的广泛覆盖和低成本使用，这一证据表明行为干预对高血压相关的总体发病率和死亡率有潜在影响。

比较组包括常规护理(如临床血压检查)，增强常规护理(如定期血压检查和药物调整)，或最小的通用生活方式干预(如生活方式提示和建议)，这表明量身定制的行为自我监测是常规护理的可接受的补充，并且在降低血压方面具有小的，尽管临床意义重大，超出常规护理临床实践。

许多研究涉及临床医生向参与者提示基于应用程序的行为干预，这可能影响了参与者对干预和他们的医疗保健的参与。此外，据报告，与行为自我监测干预措施一起使用的最常见策略是对健康行为的反馈，并提示在需要进一步支持和监测的行为测量后获得卫生保健提供者的建议。虽然这些策略都不能单独解释临床效果，但它们可以在支持患者参与自我监测过程方面产生协同效应，从而产生观察到的健康行为改善和血压降低。

然而，由于初步研究报道的信息有限，本综述无法就自我监控干预实现临床疗效的机制提供全面的、基于理论的证据[23-26］．只有少数研究明确报告了健康行为改变干预的理论概念。例如，Chandler等人[40]和Dorsch等[42]报告说，干预措施旨在改变信念和态度，以支持自我调节过程，并改变健康行为。然而，没有证据表明干预措施的效果是关于修改这些理论影响来实现健康行为和血压的改变。如果未来的研究报告的理论基础，并使用有效的测量参与干预策略，以及健康行为的基础，这将是有益的，以促进生成严格和可复制的证据，通过使用数字干预的行为自我监测支持健康行为改变和临床效果的机制[57］．

结论

这项系统的文献综述表明，通过智能手机应用程序对高血压相关行为进行量身定制的行为自我监测，可以有效地将血压平均降低2毫米汞柱，高于常规护理、增强常规护理或最小的行为干预。因此，临床实践应推荐行为自我监测结合针对性的行为建议，以达到临床效果。考虑到智能手机应用程序的广泛使用及其对大量人群的潜在影响，基于应用程序的行为自我监测干预与量身定制的行为建议相结合，可能是常规护理血压咨询之外的一种具有成本效益的补充。然而，由于本综述中纳入的试验质量有限，未来需要采用严格的方法进行研究，以确定此类干预措施对健康行为改变和血压的直接影响，以及它们对服务提供和高血压相关发病率和死亡率的间接影响。