审查
摘要
背景:用于公共卫生或医疗保健目的的移动健康(mHealth)应用程序的普及极大地改变了人类的生活，改善了生活方式行为和慢性病管理。
摘要目的:本综述旨在确定移动医疗中常用的行为改变技术(bct)，根据干预措施和综述中报告的证据评估其有效性，以突出最合适的技术来设计优化策略，以提高对数据报告的依从性，并为未来的干预措施和研究提供建议。
方法:我们对2010年至2021年在相关科学数据库中发表的研究进行了系统回顾，以确定和分析使用bct的移动健康干预措施，并从用户依从性方面评估其有效性。搜索词包括通用(如数据、信息和依从性)、计算机科学(如移动健康和bct)和医学(如个性化医疗)术语。
结果:本系统综述包括24项研究，发现研究中最常用的bct是反馈和监测(n=20)、目标和计划(n=14)、关联(n=14)、塑造知识(n=12)和个性化(n=7)。然而，我们发现这些技术在移动健康结果方面的效果好坏参半，在评估应用程序实施技术时，从反馈和监测、目标和规划、关联和个性化类别中获得的效果比无效的结果更有效，但我们无法推断结果之间的因果关系，并建议仍需要改进这些技术和许多常见bct的使用，以获得更好的结果。
结论:个性化、关联、目标和计划技术是在关于坚持使用移动健康应用程序的有效试验中最常用的bct。然而，它们并不一定是最有效的，因为有些研究使用了这些技术，并且没有报告拟议目标的显著结果;在实施的应用程序组件中，bct有明显的重叠，这表明需要更好地理解应用(组合)此类技术的最佳实践，并获得移动医疗干预中使用的特定bct的详细信息。未来的研究应侧重于随访时间较长的研究，以确定移动健康干预对行为改变的有效性，以克服目前文献中证据有限的问题，这些文献大多是随访时间较短的小型单臂实验。
doi: 10.2196/33247
关键字
简介
概述
在现代社会，匆忙的生活方式和过度掺假的食品造成了与健康有关的疾病，使它们成为现代生活不可避免的一部分[］．这与非传染性疾病的发展有关，这些疾病每年导致全世界1600万人过早死亡。这些与生活方式相关的疾病的治疗需要长期的临床帮助，可能持续一生[］．
此外，智能手机已成为我们日常生活中必不可少的工具，影响着全球72亿用户，其中70%以上来自低收入和中等收入国家[］．智能手机传感器技术有了显著的改进，在收集实时数据方面变得更加稳定，这些数据可以保存和处理以进行多次分析，从而可以通过移动健康(mHealth)应用程序监测我们的健康状况[，］．
近年来，用于公共卫生或医疗目的的移动健康应用程序的普及，极大地改变了人类的生活。提醒、咨询、强化或教育等策略已被用于提高人们对应用程序的依从性，从而改善生活方式行为[]和慢性疾病管理(CCM)。这些策略被称为行为改变技巧(bct)。
有必要加强对个人福祉的坚持，定期进行健康监测，并由专家参与[］．世界卫生组织(世卫组织)估计，在高收入国家，慢性疾病患者的平均依从率为50% [，低收入国家的税率甚至更低。它考虑一个人的行为——服药、节食或改变生活方式——在多大程度上符合直接或通过移动应用程序与卫生专业人员商定的建议。不遵守会导致相当大的发病率、死亡率和可避免的医疗费用[，它可能是由人们有意或无意的行为引起的。故意不遵守是指基于个人的认知，如不完整的疾病相关知识，决定不报告数据。相反，非故意不遵守是指这个人打算报告数据，但由于健忘或粗心而失败。有必要对目标人群的这些有意和无意决定因素进行认识和适当筛选，以设计和开发量身定制的解决方案，以确保采用一种方法，提高对数据报告的遵守程度。
移动健康有改善生活方式和CCM的潜力，可以迅速大规模、低成本地采用[]，但关于其有效性的研究结果并不一致。总结了文献中关于在不同背景和人群中使用bct的移动健康干预措施的有效性的系统综述。
虽然这些综述包括针对特定人群、活动或疾病的移动健康研究，但大多数这些研究都是根据为实现干预目标而获得的结果来评估有效性的。因此，很难判断干预无效是因为参与者缺乏依从性，还是35个bct的组合不足以解决所解决的问题。因此，本系统综述的动机是确定当前的研究，这些研究特别报告了在有效研究中提取最常用bct的依从性结果。这将有助于结合这些bct设计以坚持为中心的策略。
| 作者 | 研究中,n | 客观的 |
| 肖尔等[］ | 26 | 确定使用移动健康的研究一个二次CVDb预防的重点是生活方式的改变和药物依从性 |
| Akinosun等[］ | 25 | 在随机对照试验中识别和测量数字技术干预(如移动电话、互联网、软件应用程序或可穿戴设备)的有效性，并确定哪些行为改变结构对CVD患者的风险因素改变有效 |
| 戈迪尼奥等人[］ | 29 | 审查移动卫生的实施和评估，以支持世界卫生组织西太平洋区域以人为本的卫生服务的整合 |
| Monteiro-Guerra等[］ | 17 | 研究实时PAc使用个性化机制指导移动应用程序 |
| 王等[］ | 17 | 评估综述和荟萃分析中报告的移动健康干预对糖尿病和肥胖的治疗和管理的有效性，为未来的干预和研究提供建议 |
| 托马斯·克雷格等[］ | 30. | 确定情境感知的数字行为改变干预措施，提供个性化干预措施以改善健康 |
| 贝恩等人[］ | 4 | 确定有助于成人类风湿性关节炎患者进行PA的应用程序，并比较这些应用程序的质量和内容，以纳入相关的bctd针对心肺、阻力、柔韧性、神经运动PA和锻炼的建议 |
| 卡尔克等[］ | 30. | 确定支持改变行为的乳腺癌应用程序，并评估这些应用程序在多大程度上解决了癌症护理内容 |
| 泰赫等人[］ | 7 | 确定类似数字平台的干预措施，并审查其在支持非传染性疾病自我管理和健康行为改变方面的潜力 |
| 阿米蒂奇等[］ | 9 | 评估旨在支持药物依从性的基于应用程序的干预措施的疗效，并调查这些应用程序使用的哪些bct与疗效相关 |
| 戴尔等[］ | 7 | 确定移动健康干预对CVD自我管理的行为生活方式改变和药物依从性的有效性 |
一个移动健康:移动健康。
bCVD:心血管疾病。
c体育活动。
dBCT:行为改变技术。
背景
移动健康是一个用于收集和监控用户医疗信息的移动应用程序和其他可穿戴设备的术语[］．从他们的日常生活中收集的数据导致了数据的积累，这取决于用户的数量和他们手动报告数据的频率(例如，问卷调查)和通过他们的可穿戴传感器。因此，在移动健康上使用大数据分析可能有希望提供医疗信息，改善人们在非临床和临床环境中的健康状况[，并以负担得起的成本改善获得高质量护理和及时监测的机会，并取得丰富的成果。在移动健康应用程序中，BCT指的是干预的可观察、可复制和不可简化的组成部分，旨在改变或重定向调节行为的因果过程(例如，反馈、自我监控和强化)[］．bct使用“干预中使用的行为改变技术分类法”中提供的93种既定技术分类法进行编码[]——为此已提出标准化——并最初被分为16类[，］．此外，Dugas等人[]在2020年扩展了bct的分类，增加了2个类别，个性化和游戏化，包括9个bct。显示本次研究将使用的18个类别的最终分类。
依从性由世界卫生组织定义[一个人的行为——服药、节食和/或改变生活方式——在多大程度上符合卫生保健提供者的商定建议。此外，从技术角度来看，黏性被定义为开发人员的期望，指的是用户在应用程序中的活动与开发人员预期的活动模式相匹配的程度，与使用的定义不同，后者指的是应用程序中的活动水平。例如，用户完成程序中的5个模块的使用指标将获得100%的使用。然而，如果这些模块应该每周完成一次，而用户只按时完成了其中的3个，那么用户就达到了60%的模块遵守指标。另一方面，如果用户在预定时间内完成了应用程序中的所有活动，则用户的依从性为100% [］．如果人们没有像预期的那样经常报告数据或停止使用应用程序，待处理数据的数量和同质性将会降低，产生较低质量的结果。在回顾研究的有效性时，我们将考虑这两个定义。
方法
研究问题
本系统综述的目的是识别和分析用于移动健康干预的bct的相关研究，重点关注bct在使用方面的有效性，并特别注意提高对数据报告的依从性。因此，指导本综述的研究问题(rq)是:
- RQ1:在移动健康应用程序中最常用的bct是什么?如何对这些技术进行分类?
- RQ2:这些技术在终端用户依从性方面的表现如何?
- RQ3: bct(个性化、反馈和监控策略)是否有助于提高移动健康应用程序中数据报告的依从性?
搜索策略
本系统评价是根据PRISMA(系统评价和元分析首选报告项目)声明进行的[］．搜索策略的细节如下。
合格标准
符合条件的研究是2010年1月1日至2021年12月间以英文发表的同行评审文章。随着移动医疗技术的发展，选定的时间使我们能够评估使用最相关技术的研究。研究的参与者是任何年龄的患者，既健康又患有任何类型的慢性疾病。此外，使用任何类型移动设备支持的健康实践进行干预的研究符合纳入条件。此外，干预措施可以包括多种交付方法和非数字元素。评估的结果是在任何随访期间以任何指标衡量的任何结果(如身体活动、药物依从性和数据报告)的依从性。
来源的选择
本文选择的科学数据库为Scopus、PubMed、Web of Science和IEEE Xplore。这些数据库的组合提供了医学信息学背景下出版物的全面覆盖、高相关性和完整的高级搜索。搜索字符串和搜索方法在所有数据库中都是一致的。
搜索条件
通过初步的文献综述，得出了第一个搜索方程，旨在找出移动健康在个性化医疗中的不同应用。这使我们能够识别相关的关键字和搜索词，并在每次迭代中通过关注相关主题(如依从性和数据报告)来优化搜索方程，但不局限于个性化医疗领域。最后，行为改变被发现是提高依从性的一个流行方面，因此研究的有效性。我们只包括术语“行为改变”，因为它不局限于技术，因为有不同的理论和模型包含它们。结果，执行了四次搜索迭代。这些迭代显示在．
| 搜索方程及来源 | 总记录，n | ||
| 1(“移动医疗”和“个性化医疗”) | |||
| 斯高帕斯 | 124 | ||
| PubMed | 19 | ||
| 科学网 | 4 | ||
| IEEE Xplore | 15 | ||
| 2(“移动医疗”或“移动医疗”)、“依从性”和“个性化医疗”) | |||
| 斯高帕斯 | 23 | ||
| PubMed | 2 | ||
| 科学网 | 0 | ||
| IEEE Xplore | 5 | ||
| 3(“移动健康”和(“数据”或“信息”)以及“注册”和“坚持”) | |||
| 斯高帕斯 | 52 | ||
| PubMed | 152 | ||
| 科学网 | 35 | ||
| IEEE Xplore | 1 | ||
| 4(“移动医疗”或“移动医疗”)以及“坚持”和“行为改变”) | |||
| 斯高帕斯 | 156 | ||
| PubMed | 120 | ||
| 科学网 | 23 | ||
| IEEE Xplore | 9 | ||
包含/排除标准
在初步收集和筛选研究后，根据预先定义的资格标准选择文章。
入选标准
纳入的研究符合移动健康干预的标准。此外，他们至少符合下列条件之一:
- 本研究实施了至少一个BCT。
- 这项研究比较了几种bct。
- 该研究使用至少一个坚持指标评估bct。
排除标准
被排除的研究至少满足以下条件之一，目的是将不相关的研究排除在本系统综述中:
- 这项研究没有涉及bct在移动医疗环境中的使用，反之亦然。
- 在依从性方面，该研究没有给出至少一项结果。
- 这项研究没有在2010年至2021年之间发表。
- 这项研究不属于这些类别之一:期刊论文、会议论文或评论。
- 这项研究没有经过同行评审。
- 这项研究不是用英语或西班牙语写的。
bct数据提取与编码
棱镜(]指南用于数据提取。我们收集了有关研究背景(年份、作者等)、资格标准(人群)、参与者数量、干预描述、技术和结果的信息。
每项研究中使用的行为策略都使用背景部分中介绍的18个类别的分类法来确定和编码，以回答RQ1。为了进行正确的识别和编码，使用网上提供的材料接受了免费的分类学培训[］．使用任何依从性评估指标的结果被提取来解决RQ2。最后，为了回答RQ3，在讨论部分执行了更深入的分析，以回答前面的rq。
结果
本节介绍从方法中描述的方法获得的结果。首先，概述所选研究及其主要特点，然后对这些研究进行分析。
搜索结果和研究选择
的PRISMA流程图中总结了搜索结果和研究选择．从搜索引擎中总共获得了368项研究。随后，使用Mendeley工具排除了从数据库结果组合中获得的88项重复研究。在筛选阶段，我们有269项研究，其中171项研究在经过抽象审查后因不符合纳入标准而被排除。在资格阶段，我们有98项研究，其中74项研究在全文审查后因不符合纳入标准而被排除。最后纳入13项研究;中所列的系统综述采用了滚雪球策略，结果又增加了11项研究。这些研究在我们最初的搜索中没有找到，因为它们在标题、摘要或关键字中没有使用“坚持”一词。
结果和特征
我们总结了所选的24项研究[-]以了解哪些技术和bct最常用于移动医疗研究。根据bct数据提取和编码部分中定义的方法从每个研究中提取的数据见表S1［-］．第一列是研究标识符，接下来的两列指定样本，其余四列对应于干预的持续时间、描述、技术和评估。
我们在回顾的论文中观察到，最具针对性的行为是药物依从性(67% (n=16)的研究中存在)，这对于防止再住院、发病率、死亡率和增加的医疗成本很重要[］．我们还发现，最常见的人群是被诊断为慢性疾病的患者，参与了83% (n=20)的研究，研究中最流行的技术形式是应用程序的使用，在71% (n=17)的研究中出现，可穿戴支持越来越受欢迎。尽管如此，29% (n=7)的研究检查了基于短信的干预措施的效果，这表明通过短信提供的更简单的健康干预措施仍然很受欢迎。在技术方面，研究中最常用的bct是反馈和监测(n= 20,83%)、目标和计划(n= 14,58%)、关联(n= 14,58%)和塑造知识(n= 12,50%)。另一方面，个性化(n= 7,29%)以一种简单的方式进行，考虑到它们的功能，包括根据人口统计信息、健康状况(例如，酒精或非酒精)和通知时间进行定制。每次移动卫生干预措施平均包括4个bct;每项研究最少使用1项技术，最多使用8项技术。的表S2显示了这一点［-]，其中列出了每项研究使用的bct。
关于依从性评估指标，值得一提的是，这种测量使用了不同的方法，从日常使用移动应用程序到莫里斯基药物依从性量表。为了对这些研究进行同质性分析，在依从率方面考虑了有效性的截止点。高依从性定义为依从率≥80%，非依从性定义为依从率<80%。在依从性文献中，这个切点是常规的[，]并被认为对长期治疗的有效性至关重要[];然而，有趣的是，许多研究使用了80%的任意阈值[]，表明坚持的最佳切点在58%到85%之间。
此外，在每项研究中使用的bct确定后，我们使用80%的切点将研究分为有效和无效，以进一步了解为什么某些干预措施会产生显著改善。结果，显示每个BCT在有效和无效研究中使用的次数。
该比较显示，在研究中使用最多的五种bcct中，反馈和监测(60%-40%)以及关联(57%-43%)在有效和无效的研究中被均匀使用，目标和规划(79%-21%)和个性化(71%-29%)提高了干预措施的有效性，因为它们在有效研究中的存在率高于无效研究，而塑造知识(42%-58%)在有效研究中的存在率低于无效研究。
据观察，用于有效干预的2个主要bct(目标和规划，以及关联)在100%的移动应用程序坚持导向研究中都存在，而在任何无效研究中都没有[，，，］．与此同时，在100%的药物依从性无效研究中都存在塑造知识，而在任何有效研究中都没有[，，，，，］．这是设计一般BCT策略的一个很好的起点。
| 行为改变技术 | 有效研究(坚持率≥80%)，n (%) | 无效研究(<80%依从率)，n (%) |
| 反馈和监测 | 12 (50) | 8 (33) |
| 目标和计划 | 11 (46) | 3 (13) |
| 协会 | 8 (33) | 6 (25) |
| 塑造知识 | 5 (21) | 7 (29) |
| 个性化 | 5 (21) | 2 (8) |
| 监管 | 4 (17) | 3 (13) |
| 奖励和威胁 | 4 (17) | 1 (4) |
| 社会支持 | 4 (17) | 1 (4) |
| 行为比较 | 2 (8) | 3 (13) |
| 自然后果 | 3 (13) | 0 (0) |
| 重复和替代 | 2 (8) | 0 (0) |
| 先行词 | 1 (4) | 1 (4) |
| 结果比较 | 0 (0) | 1 (4) |
讨论
主要研究结果
我们回答了与移动医疗干预中使用的bct相关的三个rq(在方法部分中定义)。为了回答RQ1，由Michie等人提出的bct分类[]，并在过去数年不断更新[]，被确认。在此基础上，将所选研究中使用的bct提取并编码为18个类别，以提高对比较的理解和意义。我们发现在移动医疗干预中最常用的bct是反馈和监测，目标和计划，协会，塑造知识,个性化．在针对CCM的身体活动和久坐行为、生活方式和药物依从性的移动健康干预措施的回顾中，也发现类似的bct很常见[，］．
对于RQ2，在有效研究中存在率最高的bct类别是目标和计划、关联、反馈和监测以及个性化(如结果部分所述)。然而，与其他综述一致的是，移动健康结果的效果好坏参半[，]，他们建议仍然需要改进这些和许多常见bct的使用，以获得更好的结果。导致bct效果混杂的可能原因包括:需要了解研究中使用的特定bct的详细信息，因为当前的移动健康干预措施往往将大量bct混为一谈，这使得很难辨别导致研究有效或无效的特征，以及针对不同人群亚组(例如，患有特定心理健康障碍(如焦虑)的人，在干预环境中与心理健康的人(如冠心病患者)的反应可能不同。这反映在研究结果中，一些bct对所有群体都没有相同的效果，抑郁或焦虑水平较高的人从一些bct中获益较少。
关于RQ3，考虑到RQ1和RQ2的回复，观察到，尽管移动健康环境中的一些研究将用户的依从性评估为实施bct的补充结果，但没有一项被回顾的研究将bct应用于数据报告的依从性或移动健康应用程序的使用;这些研究通常旨在改善慢性病患者或健康人的活动结果。然而，设计一种方法，结合之前在RQ2中确定的最有效的bct(反馈和监测、目标和规划、关联和个性化)，可能有助于改善移动健康应用程序中的数据报告。
限制
我们发现了几个需要强调的局限性。本综述主要关注包括bct在内的移动健康干预措施，以及它们如何影响用户的依从性。因此，我们发现结果样本中缺乏异质性，这证明大多数干预措施的重点不是提高用户对数据报告或应用程序的依从性，而是实现研究目标的改善，无论是生活方式行为的改善还是CCM的改善。
此外，移动健康应用的设计相对较新，在最佳实践方面几乎没有达成一致。研究人员仍在试图了解通过应用程序传递bct如何以及为什么会导致积极的健康结果。越来越多的证据支持移动医疗干预措施对健康结果的有效性。尽管证据越来越多，但仍然相对薄弱。这在一定程度上可能是因为难以设计和开展移动卫生干预措施的严格研究，尤其是在COVID-19大流行的背景下。
此外，用于总结干预措施特征的BCT分类法仍有一些局限性，尽管包含了Dugas等人提出的扩展[］．这种分类法允许对不同的bct进行编码，但不评估干预的强度或剂量。尽管如此，分类法作为一个很好的起点和标准，可以系统地描述移动健康干预措施。
最后，我们发现大多数研究都是随访时间较短的小型单臂研究。未来的研究应侧重于随访时间较长的研究，以确定移动健康干预对行为改变的有效性。
结论
近年来，改善生活方式行为和CCM的移动健康干预已经变得流行起来，随着不同的技术而改善。虽然基于短信的移动健康干预措施因其已被证明的高有效性而仍然很受欢迎，但这篇综述表明，移动健康正在逐步转向实施移动应用程序和可穿戴干预措施，以通知取代短信。该综述还显示，移动健康正被应用于解决多种生活方式行为和健康结果，显示其适用于各种医疗保健环境，其重点之一是药物依从性。另一方面，我们发现在移动健康干预中最常用的bct是反馈和监测、目标和规划、关联、塑造知识和个性化。然而，这并不一定意味着它们是最有效的，因此我们进行了进一步的分析，发现在无效研究中经常使用的bct通常在健康行为改变文献中得到了很好的支持[，]，表明需要更好地理解应用此类技术的最佳实践，并获得移动卫生干预措施中使用的具体bct的详细信息。
与其他发现移动健康异质性有效性的综述一致，结果还表明，仍然需要优化bct的使用或找到更好的组合以获得更好的结果，本综述旨在帮助确定最合适的技术，以提高对数据报告的依从性，从而设计出最佳策略，同时考虑到人群亚组之间的差异。指出需要超越“一刀切”的想法。作为向前迈出的一小步，可穿戴活动追踪器和无线传感器等更复杂的技术已被纳入移动健康干预措施。
致谢
这项研究是在巴斯克政府经济发展和基础设施部在Elkartek计划下资助的BG19(2019-2020/拨款号KK-2019/00032)和BG21(2021-2022/拨款号KK-2021/00005)研究项目中开发的。
利益冲突
没有宣布。
描述样本标准(人口)、样本量(N)、研究持续时间(持续时间)、使用的技术(技术)和结果的移动健康研究。
DOC文件，38kb
移动健康研究中的行为改变技术。
DOC文件，34 KB参考文献
- Saxena M, Saxena a .移动健康生态系统的进化:向个性化医疗迈出的一步。在:Khanna A, Gupta D, Bhattacharyya S, Snasel V, Platos J, Hassanien AE，编辑。ICICC 2019年国际创新计算与通信会议论文集第1卷。新加坡:施普林格;2020:351 - 379。
- Lapao LV。医疗保健的未来:数字化对医疗保健服务绩效的影响。入:Neto AP, Flynn MB，编辑。巴西的互联网与健康:挑战与趋势。可汗:施普林格;2019:435 - 449。
- 帕格里亚隆加A，马斯特彼得罗A，斯卡尔科E，里佐G.移动健康。见:Andreoni G, Perego P, Frumento E，编辑。m_运行状况当前和未来应用程序。可汗:施普林格;2019:5-17。
- 移动健康和大数据将为患者报告的结果带来意义和价值。移动医疗2016;2:2。［CrossRef] [Medline］
- Kubben P.移动应用。入:库本P，杜蒙蒂埃M，德克尔A，编辑。临床数据科学基础。可汗:施普林格;2019:171 - 179。
- 谢伟，苏勇，韩华，黄敏。台湾以病人为中心的医疗与健康管理系统之新型移动健康方法:先导研究。JMIR Mhealth Uhealth 2018年7月03日;6(7):e154 [免费全文] [CrossRef] [Medline］
- Donkin L, Hickie IB, Christensen H, Naismith SL, Neal B, Cockayne NL，等。重新思考抑郁症在线干预中使用和结果之间的剂量-反应关系:随机对照试验。J Med Internet Res 2013 10月17日;15(10):e231 [免费全文] [CrossRef] [Medline］
- 坚持长期治疗:行动的证据。世界卫生组织，2003年5月28日。URL:https://apps.who.int/iris/handle/10665/42682?locale-attribute=es&[2022-09-01]访问
- 麦克唐纳HP，加格AX，海恩斯RB。提高患者服药处方依从性的干预措施:科学回顾。美国医学杂志2002年12月11日;288(22):2868-2879。［CrossRef] [Medline］
- Marcolino MS, Oliveira JAQ, D'Agostino M, Ribeiro AL, Alkmim MBM, Novillo-Ortiz D.移动健康干预措施的影响:系统评价的系统评价。JMIR Mhealth Uhealth 2018年1月17日;6(1):e23 [免费全文] [CrossRef] [Medline］
- Schorr EN, Gepner AD, Dolansky MA, Forman DE, Park LG, Petersen KS，血栓与血管生物学;以及生活方式和心脏代谢健康委员会。利用移动医疗技术预防老年人的二级心血管疾病:来自美国心脏协会的科学声明。Circ心血管质量结果2021年5月;14(5):e000103 [免费全文] [CrossRef] [Medline］
- 李文杰，李志强，李志强，等。心血管疾病患者危险因素改变的数字技术干预:系统综述和荟萃分析JMIR Mhealth Uhealth 2021 3月03日;9(3):e21061 [免费全文] [CrossRef] [Medline］
- Godinho MA, Jonnagaddala J, Gudi N, Islam R, Narasimhan P, lilaw S.西太平洋综合以人为本的卫生服务:系统综述。Int J Med Inform 2020年10月;142:104259。［CrossRef] [Medline］
- Monteiro-Guerra FM, Rivera-Romero O, Fernandez-Luque L, Caulfield B.使用移动应用程序进行实时体育活动指导的个性化:范围综述。IEEE生物医学健康通报2020年6月;24(6):1738-1751。［CrossRef] [Medline］
- 王勇，闵俊，胡丽，薛华，谢波，A Kaminsky L，等。移动健康干预对糖尿病和肥胖治疗和管理的有效性:系统评价的系统评价JMIR Mhealth Uhealth 2020年4月28日;8(4):e15400 [免费全文] [CrossRef] [Medline］
- Thomas Craig KJ, Morgan LC, Chen C, Michie S, Fusco N, Snowdon JL，等。系统回顾情境感知数字行为改变干预措施以改善健康。Transl Behav Med 2021年5月25日;11(5):1037-1048 [免费全文] [CrossRef] [Medline］
- Bearne LM, Sekhon M, Grainger R, La A, Shamali M, Amirova A，等。针对类风湿关节炎患者身体活动的智能手机应用程序:系统质量评估和内容分析。JMIR Mhealth Uhealth 2020年7月21日;8(7):e18495 [免费全文] [CrossRef] [Medline］
- Kalke K, Ginossar T, Bentley JM, Carver H, Shah SFA, Kinney AY。在乳腺癌应用程序中使用基于证据的最佳实践和行为改变技术:系统分析。JMIR Mhealth Uhealth 2020年1月24日;8(1):e14082 [免费全文] [CrossRef] [Medline］
- Tighe SA, Ball K, Kensing F, Kayser L, Rawstorn JC, Maddison R.迈向非传染性疾病自我管理的数字平台:对平台式干预措施的系统回顾J Med Internet Res 2020年10月28日;22(10):e16774 [免费全文] [CrossRef] [Medline］
- Armitage LC, Kassavou A, Sutton S.设计用于支持药物依从性的移动设备应用程序是否证明了有效性?系统回顾随机对照试验，并进行荟萃分析。英国医学杂志公开赛2020年1月30日;10(1):e032045 [免费全文] [CrossRef] [Medline］
- Pfaeffli Dale L, Dobson R, Whittaker R, Maddison R.移动健康行为改变干预对心血管疾病自我管理的有效性:一项系统综述。2016年5月;23(8):801-817。［CrossRef] [Medline］
- Perego P.移动医疗设备。见:Andreoni G, Perego P, Frumento E，编辑。m_运行状况当前和未来应用程序。可汗:施普林格;2019:87 - 99。
- 范登伯格A，戏子CL, Passier R，范德米尔AD。芯片上的个性化器官:精准医疗的功能测试。Lab Chip 2019 1月15日;19(2):198-205 [免费全文] [CrossRef] [Medline］
- Michie S, Richardson M, Johnston M, Abraham C, Francis J, Hardeman W，等。93个层次聚类技术的行为改变技术分类(v1):为报告行为改变干预建立国际共识。Ann Behav Med 2013 Aug;46(1):81-95。［CrossRef] [Medline］
- 亚伯拉罕C，米基S.行为改变技术的分类学在干预中使用。《健康心理》2008年5月;27(3):379-387。［CrossRef] [Medline］
- BCT分类法(v1): 93个层次集群技术。Digitalwellbeing.org。URL:https://digitalwellbeing.org/wp-content/uploads/2016/11/BCTTv1_PDF_version.pdf[2021-08-05]访问
- Dugas M, Gao GG, Agarwal R.打开移动健康干预:在评估移动健康有效性的随机对照试验中使用的行为改变技术的系统综述。数字健康2020;6:2055207620905411 [免费全文] [CrossRef] [Medline］
- Liberati A, Altman DG, Tetzlaff J, Mulrow C, Gøtzsche PC, Ioannidis JPA，等。PRISMA用于报告评估卫生保健干预研究的系统回顾和元分析的声明:解释和阐述。PLoS Med 2009 7月21日;6(7):e1000100 [免费全文] [CrossRef] [Medline］
- 旅级战斗队分类法。URL:http://www.bct-taxonomy.com/[2021-08-05]访问
- Klasnja P, Rosenberg DE, Zhou J, Anau J, Gupta A, Arterburn DE. BariFit的质量改进优化试点，这是一种促进减肥手术后身体活动的移动健康干预措施。中华医学杂志2021年3月16日;11(2):530-539。［CrossRef] [Medline］
- 贾汉，王志强，王志强，王志强，等。孟加拉国农村社区高血压患者对移动医疗技术的认识发展和使用:随机对照试验J Med Internet Res 2020年12月07日;22(12):e19137 [免费全文] [CrossRef] [Medline］
- Eaton C, Comer M, Pruette C, Psoter K, Riekert K.青少年和年轻人慢性肾病的短信依从性干预:试点随机对照试验和利益相关者访谈J Med Internet Res 2020年8月14日;22(8):e19861 [免费全文] [CrossRef] [Medline］
- 马晓燕，王晓燕，王晓燕，等。一种移动设备应用程序(app)，以提高结肠直肠手术增强恢复计划的依从性:一项随机对照试验。外科内镜2020年2月;34(2):742-751。［CrossRef] [Medline］
- Janevic MR, Shute V, Murphy SL, Piette JD。商用活动追踪器用于老年非裔美国成年人慢性疼痛管理的可接受性和效果。Pain Med 2020 Feb 01;21(2):e68-e78 [免费全文] [CrossRef] [Medline］
- 费乔，马蒂内斯-米拉娜A，卢特里茨J, Fioravanti A, Beltrán-Jaunsarás我，Traver V，等。以用户为中心的设计，通过电子健康改善糖尿病护理的信息交换:来自小规模探索性研究的结果。中华医学杂志2019年11月18日;44(1):2。［CrossRef] [Medline］
- Chandler J, Sox L, Kellam K, Feder L, Nemeth L, Treiber F.文化定制的mHealth药物治疗方案自我管理计划对高血压西班牙裔成年人血压的影响国际环境与公共卫生2019年4月06日;16(7):1226 [免费全文] [CrossRef] [Medline］
- Coorey G, Peiris D, Usherwood T, Neubeck L, Mulley J, Redfern J.以消费者为中心的电子健康干预与电子健康记录集成的说服性设计特征:有效性和可接受性的混合方法研究PLoS One 2019;14(6):e0218447 [免费全文] [CrossRef] [Medline］
- Hovland-Tånneryd A，梅林M, Hägglund E，哈格曼I，佩尔松HE。从随机对照试验到现实世界中新型家庭心衰工具的实施:两项临床对照试验的汇总和比较分析。Open Heart 2019;6(1):e000954 [免费全文] [CrossRef] [Medline］
- 莫劳斯基K, Ghazinouri R, Krumme A, Lauffenburger JC, Lu Z, Durfee E，等。智能手机应用程序与药物依从性和血压控制的关联:MedISAFE-BP随机临床试验JAMA Intern Med 2018 Jun 01;178(6):802-809 [免费全文] [CrossRef] [Medline］
- 史文森MT，安徒生F，安徒生KH, Pottegård A, Johannessen H, Möller S，等。支持牛皮癣患者的智能手机应用程序提高了对局部治疗的依从性:一项随机对照试验。中国皮肤医学杂志2018年11月;179(5):1062-1071。［CrossRef] [Medline］
- Labovitz DL, Shafner L, Reyes Gil M, Virmani D, Hanina A.使用人工智能降低抗凝治疗患者不坚持的风险。2017年5月;48(5):1416-1419 [免费全文] [CrossRef] [Medline］
- 拉克什米纳拉亚纳R，王东，Burn D, Chaudhuri KR, Galtrey C, Guzman NV，等。使用基于智能手机的自我管理平台支持帕金森病的药物依从性和临床咨询。NPJ帕金森病2017;3:2。［CrossRef] [Medline］
- Mertens A, Brandl C, Miron-Shatz T, Schlick C, Neumann T, Kribben A，等。移动应用程序提高了接受康复治疗的老年患者的治疗依从率:一项交叉设计研究，比较了通过iPad和纸质控制的文档。医学(巴尔的摩)2016年9月;95(36):e4446。［CrossRef] [Medline］
- Recio-Rodriguez JI, Agudo-Conde C, Martin-Cantera C, González-Viejo MN, Fernandez-Alonso MDC, ariietaleanizbeaskoa MS, obviously Investigators。在初级保健中增加身体活动和坚持地中海饮食的手机应用程序的短期有效性:一项随机对照试验(evidence II研究)。J Med Internet Res 2016年12月19日;18(12):e331 [免费全文] [CrossRef] [Medline］
- Pfaeffli Dale L, Whittaker R, Jiang Y, Stewart R, Rolleston A, Maddison R.冠心病自我管理的短信和互联网支持:来自Text4Heart随机对照试验的结果。J Med Internet Res 2015 10月21日;17(10):e237 [免费全文] [CrossRef] [Medline］
- Ammenwerth E, Woess S, Baumgartner C, Fetz B, van der Heidt A, Kastner P，等。冠心病患者综合远程监护系统的评价。方法中华医学杂志2015;54(5):388-397。［CrossRef] [Medline］
- Safran Naimark J, Madar Z, Shahar DR.基于web的应用程序(eBalance)在促进健康生活方式方面的影响:随机对照试验。J Med Internet Res 2015 Mar 02;17(3):e56 [免费全文] [CrossRef] [Medline］
- Hammonds T, Rickert K, Goldstein C, garight E, Gilmore S, Derflinger B，等。坚持服用抗抑郁药物:一项大学生药物提醒的随机对照试验。中西医结合杂志，2015;29(3):344 - 344。［CrossRef] [Medline］
- Goldstein CM, Gathright EC, Dolansky MA, Gunstad J, Sterns A, Redle JD，等。两种远程医疗药物提醒系统用于老年心力衰竭的随机对照可行性试验。J Telemed Telecare 2014 9月;20(6):293-299 [免费全文] [CrossRef] [Medline］
- 孙文杰，孙文杰，李文杰，等。应用药物提醒改善冠心病依从性:一项随机临床试验心脏2019 Feb;105(4):323-329。［CrossRef] [Medline］
- Varnfield M, Karunanithi M, Lee C, Honeyman E, Arnold D, Ding H，等。基于智能手机的家庭护理模式改善心肌梗死后患者心脏康复的使用:来自一项随机对照试验的结果。心2014年11月;100(22):1770-1779 [免费全文] [CrossRef] [Medline］
- Hartman SJ, Nelson SH, Weiner LS。运动干预过程中Fitbit的使用模式和活动水平:来自随机对照试验的探索性分析。JMIR Mhealth Uhealth 2018 Feb 05;6(2):e29 [免费全文] [CrossRef] [Medline］
- Párraga-Martínez I, Rabanales-Sotos J, Lago-Deibe F, Téllez-Lapeira JM, Escobar-Rabadán F, Villena-Ferrer A，等。提高高胆固醇血症患者治疗依从性和控制程度的联合策略的有效性:一项随机临床试验BMC心血管疾病2015年1月19日;15:8 [免费全文] [CrossRef] [Medline］
- 甘达波，李志强，李志强，等。移动健康对改善心血管疾病患者药物依从性的作用:一项系统综述。2016年10月1日;2(4):237-244 [J]免费全文] [CrossRef] [Medline］
- 魏林，王杰，Thompson P, Wong S, Struthers AD, MacDonald TM。心肌梗死患者坚持他汀类药物治疗和再入院:一项为期6年的随访研究。心脏2002年9月;88(3):229-233 [免费全文] [CrossRef] [Medline］
- 查普曼RH, Benner JS, Petrilla AA, Tierce JC, Collins SR, Battleman DS，等。抗高血压和降脂治疗依从性的预测因素。2005年5月23日;165(10):1147-1152。［CrossRef] [Medline］
- 刘志刚，王志刚，王志刚，等。评估药物依从性对长期心血管结局的影响。J Am Coll Cardiol 2016 Aug 23;68(8):789-801 [免费全文] [CrossRef] [Medline］
- Karve S, Cleves MA, Helm M, Hudson TJ, West DS, Martin BC。良好的依从性和不良的依从性:使用行政索赔数据的最佳依从性度量分割点。2009年9月25日(9):2303-2310。［CrossRef] [Medline］
- Direito A, Carraça E, Rawstorn J, Whittaker R, Maddison R. mHealth技术影响身体活动和久坐行为:行为改变技术，随机对照试验的系统回顾和元分析。Ann Behav Med 2017 april;51(2):226-239。［CrossRef] [Medline］
- Morrissey EC, Corbett TK, Walsh JC, Molloy GJ。用药依从性应用中的行为改变技术:内容分析。Am J Prev Med 2016 5月;50(5):e143-e146。［CrossRef] [Medline］
- 乐柏克，王杰，马世伟。减肥中的自我监控:文献的系统回顾。美国饮食学会2011年1月;111(1):92-102 [免费全文] [CrossRef] [Medline］
- Michie S, Abraham C, Whittington C, McAteer J, Gupta S.健康饮食和体育活动干预的有效技术:元回归。健康心理杂志2009年11月28日(6):690-701。［CrossRef] [Medline］
缩写
| 旅级战斗队:行为改变技术 |
| CCM:慢性病管理 |
| 健康:移动健康 |
| 棱镜:系统评价和元分析的首选报告项目 |
| 中移动:研究问题 |
| 人:世界卫生组织 |
L Buis编辑;提交09.09.21;L Park, J Lauffenburger, A Fioravanti的同行评审;对作者01.11.21的评论;订正版本收到15.03.22;接受03.08.22;发表09.09.22
版权©Maria Aguiar, Maria Trujillo, Deisy Chaves, Roberto Álvarez, Gorka Epelde。最初发表于JMIR mHealth和uHealth (https://mhealth.www.mybigtv.com)， 09.09.2022。
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 mHealth和uHealth上的原创作品。必须包括完整的书目信息，https://mhealth.www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。