基于app的健康指导改善某三级医院护士饮食行为的效果:试点干预研究

简介

背景

超重和肥胖是世界各地许多非传染性疾病的主要危险因素，包括心血管疾病、糖尿病和某些类型的癌症[1-3.］．医护人员本身可能肥胖[4-6与一般人群相比，他们的健康状况较差[7，8］．研究表明，饮食行为是肥胖背后的主要因素，特别是摄入高热量、高脂肪和高糖的食物[7，9］．在工作场所，卫生保健工作者在保持健康饮食方面面临多重挑战[6，10，11］．

在这项研究之前，我们对我院5171名不同职业类别的工作人员进行了大规模健康筛查，结果显示，从2004年到2019年，肥胖患病率和中位数BMI呈上升趋势。BMI中位数从22.6 kg/m增加²2004年降至23.5公斤/米²粗肥胖率(BMI≥30 kg/m²)也相应从7.5%增加到13.2%。

将结果与新加坡2020年全国人口健康调查提供的最新数据进行比较[12]，我们医院员工的粗肥胖率为12.0%(性别标准化)，而新加坡人口的粗肥胖率为10.5%。因此，我们将医护人员人群确定为肥胖和其他与肥胖相关的长期影响风险日益增加的群体。

在我们的员工中，粗肥胖率(BMI≥30 kg/m²)高于非轮班工人(13% vs 11%)。健康饮食行为的障碍包括轮班工作、饮食不规律或由于轮班工作而没有饮食计划[11，13，14］．标准的饮食干预通常包括在白天工作时间进行面对面的培训，很少针对那些轮班工作的人。护士是医院工作人员的主要组成部分，她们很容易受到轮班工作对营养模式和肥胖的负面影响[15，16］．

一项针对护士的136项生活方式健康促进干预研究的系统综述发现，针对饮食、身体组成、体育活动或压力的干预最有可能对护士的健康或福祉产生积极的结果[17］．该综述还建议，旨在改善护士营养状况的干预措施通常会改善结果，尤其是以教育为基础的干预措施。然而，网络技术的使用主要局限于教育网站，而不是移动应用程序。一项涉及女性医护人员的研究发现，网上教育工具无助于改善和改变她们的生活方式[18］．

在新加坡当地，已经开展了一些工作，利用智能应用程序在普通人群和患者人群中解决肥胖和其他健康问题[19-21]和国际上[22-26］．基于移动应用程序的健康指导已用于一项针对糖尿病患者人群的本地研究，参与者的研究周期类似于6个月[19］．另一项针对超重孕妇的本地试点随机对照试验[20.]有一个不同的目标，控制妊娠体重增加和大量营养素的摄入，而不是体重下降。当地也提出了一项当地随机对照试验方案，以评估一个综合糖尿病管理方案的有效性，该方案涉及2个健康应用程序，为期24个月，以减肥为次要目标[21］．美国的一项研究也表明，使用饮食/营养应用程序与饮食相关的行为改变有关，即增加健康饮食的实际目标设定，增加健康食品的食用频率和一致性[27］．

然而，根据已发表的文献，针对医护人员使用智能应用程序的程序有限。因此，我们希望利用数字技术提供一个多领域的非面对面的饮食行为指导项目。这种模式使护士能够在他们方便的任何时间互动和参与项目，而不是规定的日期和时间进行物理治疗。

客观的

在新加坡健康促进委员会(HPB)的资助下，实施了一项小型试点研究，让护士在数字应用程序上参与饮食行为健康指导项目。

本研究的主要目的是评估一款移动应用程序在改善护士，特别是轮班工人的饮食行为方面的有效性，其中包括改善食物选择的质量和通过更好的饮食选择实现减肥。

第二目标是评估激励措施对改变和维持健康行为变化的有效性。

对收到的数据进行了分析，以确定项目的有效性，并让机构深入了解为此目的使用数字技术的实施挑战。这些学习点包括参与者招募策略、潜在的问题领域和现实世界的操作问题，所有这些都将允许我们在未来将该项目扩展到更大的人群时提出更改建议。

方法

研究设计

这是2019年6月至2020年3月在新加坡一家三级急性病医院进行的一项试点研究。作为公司健康改善计划的一部分，作为工作场所健康联盟计划的延伸，医院的职业和环境医学部与国家HPB合作，启动了一个使用商用移动应用程序干预的项目，以促进和改善护士的饮食行为。

该手机应用程序是一款专有的健康生活方式管理程序，最初由新加坡一家私人公司开发，用于患有2型糖尿病(T2DM)的成年人[28］．手机应用的截图显示在多媒体附件1而且多媒体附件2．这是一款可以从苹果app Store或谷歌Play Store下载的商业应用程序，用户可以通过付费订阅使用它的功能。它包括以下2个组成部分:(1)通过在线课程提供的综合2型糖尿病教育课程;(2)带有健康教练功能的移动应用程序。这款手机应用可以让用户记录和监控自己的血糖水平、体重、饮食和体育活动，这些都是通过手机内置的计步器记录下来的。该应用程序还可以作为被称为健康教练的认证营养师的工具，就参与者的进展向他们提供个性化反馈，并提供改进的机会。

根据获得的资金数量，我们只能使用移动应用程序提供的部分功能，如体重和用餐记录、实时健康指导和一般健康信息，最多可为145名用户提供这些功能。

参与者

我们招募了145名目前在医院工作的护士。招聘入职过程按计划进行了3个月。这是一个公开的招聘过程，注册的指示通过护理领导级联。报名以先到先得方式进行。如果参与者(1)是医院内的护士(2)拥有智能移动设备，他们就会被纳入研究范围。我们没有具体设定轮班工人、超重或肥胖工人的目标比例。如果参与者(1)不是医院的固定工作人员或(2)没有智能移动设备，则被排除在外。所有成功注册的参与者都获得了6个月的免费、不受限制的基于移动应用程序的健康指导。该应用程序允许他们(1)通过照片或文字评论自愿记录自己的体重和食物摄入量，(2)通过安全的应用内消息功能与专门的健康教练实时交流，(3)接收应用程序内提供的一般健康信息，如穆斯林斋月期间的食物选择。

参与者也被随机分为低激励组(A组)和高激励组(B组)，分配比例为73:72。两组参与者均可完全使用基于移动应用程序的健康指导及其服务6个月。A组在前3个月结束时从HPB的Healthy 365应用程序中获得了价值15新元(10.70美元)的健康积分，在接下来的3个月没有进一步的奖励，而B组在6个月结束时从HPB的Healthy 365应用程序中获得了价值30新元(21.40美元)的健康积分。Healthy 365是新加坡HPB开发的一款手机应用，旨在通过游戏化和奖励鼓励用户采用更健康的生活方式[29］．这款应用与健身跟踪设备无缝对接，帮助用户记录每天的步数和进行积极锻炼的时间。用户可以注册应用内挑战和健康项目来获得健康积分，他们可以用这些积分从目录中兑换健康生活方式奖励。A组奖励的标准是，在项目的前12周中，有8周是用户参与应用的时间。B组激励的标准是(1)在项目的最后12周中至少工作4周，(2)有资格获得第一个激励。

数据

数据，如生物数据、年龄、身高和体重，由参与者在应用程序中自我报告，BMI是根据自我报告的身高和体重计算的。这款手机应用的营养师和营养学家根据用户上传的照片或文字评论给食物打分。这些食物被分为1到5分，每0.5分递增，1分是最不健康的，5分是最健康的。食物日志餐量读数的改进是由前5个食物日志的平均值减去后5个食物日志的平均值得到的。健康教练还关注了参与应用的频率，并联系了那些对应用参与度降低的参与者。“参与一周”的定义是，用户在应用中至少记录了一种食物、体重或信息。然而，生化数据，如空腹血糖和血脂情况，没有收集。

所有数据都是由项目参与者自己输入到应用程序中。来自该应用程序的数据被严格保密，存放在有密码保护的安全服务器上，程序教练只能有限地访问。对数据的访问仅限于项目团队。医院团队只获得了用于项目评估的识别数据。没有可识别的数据用于分析。

伦理批准

我们根据《赫尔辛基宣言》的原则进行了研究，并获得了SingHealth中央机构审查委员会(CIRB 2019/2456)的批准。同意书被嵌入到移动应用程序中，作为在应用程序中创建账户的入职/注册过程的一部分。只有在按下同意页面上的接受按钮后，潜在的候选人才被认为注册了该项目。

统计分析

连续变量的数据以中位数(IQR)报告，因为大多数数据具有偏态分布，分类变量以计数(%)报告。超重护士、轮班工人和随机组之间的分类数据比较采用卡方检验，连续变量采用Mann-Whitney检验。所有试验均为双侧试验P值<。以05为显著性。使用IBM SPSS Statistics Version 19软件(IBM Corp)进行统计分析。

结果

共有145名医院护士参加了该项目。表1显示了我们研究人群的人口统计学特征。其中女性129例(89.0%)，男性16例(11.0%)。中位年龄34岁(IQR 30-43岁，范围22-66岁)。大部分护士为华人(67/ 145,46.2%)及马来人(48/ 145,33.1%)。114名(78.6%)护士超重(BMI≥23 kg/m)²)．起始体重中位数为67 kg (IQR 57-78 kg，范围38-125 kg)，起始BMI中位数为26.0 kg/m²(IQR 2.3 -30.0 kg/m²，范围17.0-45.0 kg/m²)．总体而言，85名(58.6%)护士是轮班工作者。

在145名参加该项目的护士中，49名(33.8%)工作时间≥8周，38名(26.2%)工作时间≥12周。每个参与者的总日志中位数(餐数和体重日志)为17 (IQR 4-37)，总触点中位数(Ask Coach)为47 (IQR 17-104)。在最终分析的61名护士中，体重日志之间的中位数间隔为10周(IQR 5-21周)。

61名(42.1%)参与者的结果纳入最终分析(表2)．其他84名参与者被排除在外，因为他们没有自我报告之前和之后的体重。中位体重减轻0.8 kg (IQR 0-2.3 kg;P<.001)，体重减轻百分比中位数为1.2% (IQR为0%-2.9%;P<措施)。在61名参与者中，38人(62.3%)减肥成功。BMI的中位数下降为0.35 (IQR−0.15至0.82;P<措施)。食物评分改善的中位数为0.4 (IQR 0-0.8;P= . 07)。在84名因体重数据不足而被排除在外的参与者中，有16人有足够的食物日志可供分析。当与61名有体重数据的参与者一起分析时，食物评分的中位数改善(77名有食物评分数据的参与者)为0.4 (IQR−0.1到0.8;P= . 07)。

61例受试者中，超重或肥胖护士49例(80.3%)(BMI≥23 kg/m)²我们观察到63.3%(31/49)的护士体重减轻，而非超重或非肥胖的护士体重减轻的比例为58.3%(7/12)。超重或肥胖组体重减轻百分比的中位数为1.2% (IQR−0.2% ~ 3.1%)，高于非超重或非肥胖组的0.5% (IQR 0 -1.9%)。超重或肥胖护士的BMI (0.41, IQR−0.14 ~ 0.9)较非超重或非肥胖护士(0.24,IQR−0.11 ~ 0.57)下降更大。超重或肥胖组在食物评分方面也有更好的改善，与非超重或非肥胖组的0.2 (IQR−0.1至0.6)相比，中位数改善为0.5 (IQR 0.1-0.9)。然而，这两种差异在统计上都不显著。

在61名参与者中，轮班工人有33人(54.1%)。我们观察到，倒班工人的体重减轻百分比中位数为1.6% (IQR为0%-3.6%)，而非倒班工人的体重减轻百分比中位数为0.4% (IQR为0.1% - 2%)。轮班工人的BMI指数(0.43,IQR−0.8 ~ 0.96)比不轮班工人(0.23,IQR−0.20 ~ 0.59)的下降幅度更大。然而，这两种差异在统计上都不显著。轮班工人和不轮班工人在膳食改善方面也没有差异。

B组(n=30)接受了2个奖励(第3个月和第6个月)，A组(n=31)接受了1个奖励(第3个月)，相比之下，在减重百分比和食物评分改善方面没有差异。

讨论

主要研究结果

智能应用程序正越来越多地被用于解决普通人群和患者群体的肥胖和其他健康问题。基于应用程序的干预已被证明可以有效地通过塑造积极的饮食行为改变来促进体重控制，从而导致预期的长期健康结果[30.，31］．智能应用程序关注的一个主要方面是饮食自我监测，这是行为减肥治疗的基石，与更大的减肥效果有关。31-34］．本试点研究中的健康指导移动应用程序最初是为新加坡开发的，用于2型糖尿病成人的专有生活方式管理项目[19］．

世界卫生组织还建议在肥胖治疗中使用非食物奖励[35］．然而，之前的试验和系统综述报告了好坏参半的结果[36-39]，一些研究表明，在管理得当的情况下，财务激励可能是合适的，但在大多数情况下，行为维持仍然是一个弱点[40，41］．在本地，全国步数挑战[42]是一项以奖励性为基础的国家计划，旨在鼓励新加坡人多锻炼身体。90%已获得所有奖励性奖励的人将继续坚持至少2个月。

经过6个月基于应用程序的健康指导，超重参与者的体重减少百分比中值为1.2%，而Koot等人在当地的一项研究中，基线体重减少了2.3% [19］．在DiFilippo等人的系统文献综述中[23]， 3个随机对照试验中有2个报告的减重百分比值分别为3.2%和2.7%。这低于5%的最低临床意义体重减轻，尽管体重减轻在统计学上是显著的。国家心肺和血液研究所的指南建议超重和肥胖的人减少10%的体重[43]，尽管大量文献表明，5%的体重减轻在临床上是有意义的，并与降低健康风险有关[44］．

Flores Mateo等人对12项研究的另一项元分析[24]发现，使用手机应用程序的人体重显著下降了1.04公斤，BMI下降了0.43公斤/米²与对照组相比。这高于体重下降0.8公斤和体重指数下降0.35公斤/米的中位数²在我们的研究中。虽然荟萃分析包括持续时间为6周到9个月的研究，但超过一半的研究在移动应用程序中嵌入了体育活动干预。大多数研究只涉及超重患者，12项研究中只有2项报告了高流失率。这或许可以解释其他研究中体重减轻幅度较大、BMI指数中值下降的原因。虽然在我们的研究中，体重百分比的下降中值是适度的，但与多重干预方案相比，单次减肥干预不应期望实现有临床意义的体重减轻[45，46］．我们认识到，健康行为矫正是复杂的，需要一个多方面的综合方法。然而，本研究的目的并不是深入研究周围的健康行为变化，例如通过使用健康信念模型作为解释框架。该移动应用程序可以快速上手，并可以方便地使用该应用程序完整版本中提供的其他多种干预措施，如血糖监测和体育活动跟踪。进一步的研究可以评估综合方案或工作场所健康促进方案的有效性，其中包括移动干预措施及其全套功能。

系统回顾Wang等人的12项研究[25的研究发现，在减肥策略中采用多种策略的患者，减重差异最大。作者假设，虽然联合的非技术干预的净效果是未知的，但它表明，即使应用单独促进了减肥行为的自我调节方面，它们应该与其他减肥途径结合使用。Ghelani等人最近的研究[26]还发现，随机对照试验报告称，智能手机应用程序作为独立干预手段对体重管理无效，因为据报道，它们无法达到5%的临床显著减重目标。作者认为，移动应用程序显示出了作为其他体重管理干预措施的辅助工具的潜力。

我们观察到，在3个月的短期用户粘性期后，用户粘性水平大幅下降，这与其他使用智能手机应用的本地研究结果一致[19，20.］．这可能会潜在地削弱持续生活方式管理的长期益处，因此在这些研究中，临床体重减轻微不足道。持续接触的下降发生在新加坡出现首例COVID-19病例之前[47]，而在此之前，当地医院已经开始了准备工作和工作强化。不到一半(61/145,42.1%)的参与者成功记录了他们的前后体重。考虑到饮食和体重数据的自我报告性质，其准确性受到社会期望偏差和回忆偏差的影响。根据所进行的系统回顾，在减肥干预项目中，高流失率并不罕见，原因多样且复杂[48-51］．我们还假设，低依从性可能是由于自我监测饮食比通过使用运动传感器或计步器等被动方法监测身体活动需要更大的努力[34，46，52］．我们建议任命内部大使来支持这项工作，并增加同伴驱动的参与度，同时通过面对面的活动来吸引用户，比如在未来的研究中提供面对面的应用程序支持、接收反馈和提供健康零食作为激励。

优势与局限

我们研究的优势在于其前瞻性研究设计和由合格的营养师在膳食食品评分评估中使用的标准方案。该研究的局限性包括:与登记的参与者数量相比，用于分析的样本较少，以及由于不完整的自我输入数据而排除了一组参与者。由于这是一项试点研究，样本量相对于医院的护理人口(约4000名护士)比例较小。此外，应用程序功能的使用和与健康教练接触的频率完全是自愿的，由个人决定。因此，饮食调整的好处和体重管理的程度很大程度上取决于使用者的主动性。这项研究的时间也很短，不能证明健康行为改变的长期可持续性及其带来的好处。

有趣的是，我们还观察到，在低激励组和高激励组之间，在体重减轻的百分比、食物评分的改善和接触点的数量方面没有差异。然而，这可以归因于从货币价值上来说，激励并不太重要。根据Purnell等人的系统回顾，更大的激励与更好的结果相关，尽管行为改变似乎没有保持。36］．正如Burns等人所建议的，行为的维持可以通过使用经济激励来促进预期的行为结果，而不是奖励完成所述行为。[53］．为了增加体重报告的符合性，并减少参与者的激励和自我报告减肥之间的利益冲突，体重应该在监督下亲自测量。

未来的发展方向

尽管我们的研究采用了健康饮食指导作为主要干预措施，但体育活动在减肥方面也发挥着重要作用[54-56］．我们假设，参加这个项目可能会导致其他积极的生活方式措施的提高，如体育活动，这是没有监测和测量的。我们希望观察多方面的健康寻求行为，以更好地理解我们未来的环境，并包括定性方法，如深度访谈和焦点小组讨论，以更好地关注我们的目标人群。未来的研究还可以包括对护理职业的更深入的洞察，并可以在考虑到工作条件和环境的情况下分析结果。这样的分析将有助于告知我们如何影响卫生保健工作者的健康行为，并调整健康促进干预措施，以实现更好的结果。

结论

我们的研究表明，在护士中实现减肥有一些好处，在轮班工人和超重参与者中也有一些好处增加的迹象，即使食物评分没有显著改善。我们建议缩短激励时间(3个月)，因为随着时间的推移，参与率会下降。我们发现，激励措施可能会推动员工入职，但不会让他们长期保持敬业精神。未来的工作应该通过至少12个月的随机对照试验来评估基于移动应用的健康促进的有效性，以评估长期的健康行为变化和健康结果。包括更多的结果参数也可能是有用的，如血压、随机血糖和血脂情况。移动应用程序应该与其他非技术干预措施一起使用，如体育活动、小组会议和面对面的健康指导，以达到更积极的总体效果。