在基于web的商业减肥计划中，退出、不使用消耗和不使用消耗的预处理预测因子

简介

通过互联网提供的公共卫生干预措施越来越受欢迎，越来越多的证据支持它们能够实现与健康有关的行为改变和积极的健康结果[1］．然而，有必要通过互联网提供健康和生活方式干预措施，以最大限度地减少人员流失，提高利用率，以提高效率[2-4］．最近一项对基于网络的减肥干预措施的系统回顾发现，这些干预措施有可能实现显著的减肥;然而，它们也可能面临高辍学率和低利用率的问题[5］．

迄今为止，基于网络的减肥计划的保留率从20%到100%不等，大多数低于80% [5］．在基于网络的干预中规定的任务数量增加或要求的参与程度增加与较低的保留率之间可能存在关联。例如，将基于网络的减肥干预参与者与对照组进行比较的研究几乎普遍报告，对照组的保持率更高[6-12］．此外，在一些研究中，将基于网络的减肥干预措施与具有更多特征的基于网络的干预措施进行比较，通常发现具有更少特征的基于网络的干预措施具有更高的保留率[13-16］．

大多数基于网络的减肥干预报告网站使用率较低，并且随着时间的推移，使用率稳步下降[2］．许多参与者也没有达到计划规定的使用水平[2，17-19］．然而，与仅提供基础教育或信息的基于网络的干预相比，在基于网络的干预中加入循证成分，如行为疗法、人类咨询或动机性访谈，似乎可能导致更多的网站使用[14-16，20.］．例如，研究表明，登陆人数明显高于[14-16，20.]以及更多的自我监督场合和更高的在线会议出席率[14]加上这些基于证据的成分。最近对基于网络的减肥干预措施的系统综述也承认了使用网站与减肥之间的反比关系。4，18］．因此，基于网络的干预措施最大限度地利用和留住参与者的能力是提高效率努力的关键组成部分。

由于参与者可能无法退出基于网络的干预，而是停止使用网站，Eysenbach [4]建议对流失率的探索应该包括退出流失率(即没有完成研究/项目的参与者)和不使用流失率(即停止使用网站的参与者)。这样的知识是提高我们对参与者如何使用基于网络的程序的理解所必需的。Eysenbach [4]也强调了在基于网络的项目中探索人员流失预测因素的重要性。以前的研究已经调查了减肥干预导致的退出损耗的前处理预测因素，并证明了关键的社会人口学特征(教育水平[21]、就业状况[21，22]，年龄[23，24]，性别[25)和行为因素(以前尝试减肥的次数[21，26，27]、膳食摄入量[26]、情绪状况[27，28]、暴食[28]，以及对减肥的期望[26)，这是预测辍学率的因素。然而，迄今为止，还没有发现基于web的减肥干预的不使用损耗的预处理预测因子的一致模式。潜在的预测因素包括性别[13，29]，年龄[13，29，30.]，动机[13]、体重指数[30.]、体力活动[30.]，以及水果和蔬菜的消耗量[30.］．

迄今为止，调查基于网络的减肥计划的研究主要是随机对照试验(rct)。然而，由于志愿者的固有特征和研究的严谨性(例如，积极的参与者、额外的评估会议、受试者保留策略、更大的问责制以及与研究人员的联系)，rct可能会高估或低估参与者的流失和网站的使用。因此，rct可能不能代表“现实世界”中的流失或网站使用情况。因此，需要对基于网络的减肥计划的真实参与者进行跟踪研究，以确定真实的退出率和不使用流失率，以提高计划的有效性。

因此，这项研究的第一个目的是描述一个基于网络的商业减肥计划的真实用户的大队列，退出和不使用减员的流行率。第二个目的是确定哪些预处理社会人口学和行为特征可以预测不使用损耗。

方法

参与者与设计

参与者是18到75岁的成年人，他们在2007年8月15日至2008年5月31日期间参加了一个基于网络的商业减肥计划，并支付了订阅费用来访问该计划。自我报告的身体质量指数(BMI)大于或等于22公斤/米²被要求参加这个项目。本研究只包括订阅了12周或52周的参与者，因为他们是最主要的订阅期限。没有为初始订阅付费的参与者(例如，免费促销计划试用)被排除在外。与免费或非连续会员(间隔≥7天)相关的数据也不包括在分析中。在订阅期间，会员状态和网站使用情况被跟踪。

基于网络的商业减肥计划

SP健康有限公司(澳大利亚悉尼)开发了基于网络的减肥平台，该平台名为“最大的减肥者俱乐部”。总之，在线课程包含了基于证据的体重管理策略，并与社会认知理论的关键要素相一致[31]包括自我管理、社会支持、自我效能、结果预期和期望，以及感知障碍/促进因素。该项目的主要功能包括目标设定(目标体重、每日卡路里目标和每周运动目标)、通过每周称重自我监测体重、使用在线日记记录食物和运动、通过每周电子邮件提供教育材料以及在线讨论论坛．参加该计划的参与者将购买特定的订阅计划。订阅计划的期限为4周、12周、16周或52周，可以在注册时预先支付，也可以按月分期付款。2007-2008年，该项目的费用为每月16.50澳元至79.95澳元。如果参与者订阅时间更长和/或预先付款，每月的成本就会更低。参与者主要是通过电视真人秀节目的营销来招募的，最大的输家，澳大利亚．

数据收集

计划的所有者SP Health Co存储访问计划网站的参与者输入的所有数据。存储的数据包括对注册调查的回复、持有的订阅计划以及对一些网站功能的使用(登录、在线食物和活动日记条目、体重和论坛帖子)。SP Health Co从所有符合纳入标准的参与者中以“可识别”的形式提取了长达52周的存储数据。这项研究得到了纽卡斯尔大学人类研究伦理委员会的伦理批准。

预处理的特点

从登记调查中捕获了参与者的预处理特征。参与者自我报告的身高和体重被用来计算BMI(体重单位为千克除以身高单位为平方米)，并根据世界卫生组织的BMI分类将其分为健康、超重或肥胖。32］．报告的邮编按社会经济优势与劣势相对指数(IRSAD)十分位数排序(从1 =劣势到10 =优势)，作为社会经济地位的指标[33］．参加者所居住地区的偏远程度是根据其邮政编码的澳洲无障碍/偏远指数(ARIA) [34］．参与者想要减肥的原因被分为与健康相关的原因(如医生的建议或健康担忧)和与健康无关的原因(如看起来漂亮或增强自己的爱情生活)，参与者被分为有一个或多个与健康相关的原因或没有与健康相关的原因想要减肥。参与者还选择了他们进食的原因(为了缓解情绪不安，为了快乐，为了减轻压力，出于无聊)，他们是否有与体重增加有关的饮食习惯(油炸食物，烹饪时使用黄油，喝全糖软饮料，不吃饭，喝加糖的茶或咖啡，不吃早餐，不使用低脂产品，在家里放零食，每天不喝6杯水)以及每周锻炼的天数。年龄和性别也包括在入学调查中。

网站使用

网站使用情况通过汇总可用的使用数据进行评估。参与者被归类为在任何一天使用过该网站，只要他们登录、在日记中记录、在论坛上发帖和/或参与了讨论。计算每个参与者每4周“使用”网站的总天数，并将其分为0天，1至3天，4至7天，8至15天和16天或更多天。所有网站使用变量分别计算了12周和52周订阅者的注册至12周和52周。

辍学磨损

参与者加入计划的日期和会员资格终止的日期被用来计算每个参与者成为计划成员的天数(即会员资格的持续时间)。会员资格终止的日期是参与者订阅计划的结束日期，除非有特殊情况阻止参与者完成订阅(如怀孕或经济拮据)。如果参与者在12周或52周持有活跃的订阅计划(12周订阅≥78天，52周订阅≥359天)，则在12周或52周时被归类为计划成员。否则他们就被归为辍学生。

Nonusage磨损

不使用减员只考虑那些完成了订阅的参与者(即他们没有退出)。如果参与者在12周或52周时停止使用网站功能(即，不登录，不记录食物/活动日记，不称重，或在论坛上发帖)，他们就会被归类为非用户。参与者被归类为非用户的那一周就是他或她停止使用网站并且不再返回的那一周。

数据分析

使用Stata 11 IC (StataCorp LP, College Station, USA)进行数据分析。参与者预处理特征描述为连续变量的均值(SD)和分类变量的百分比。订阅时间(12周和52周)组间差异采用独立的方法进行测试t连续变量的检验和分类变量的卡方检验。使用Cox比例风险回归分析，研究参与者的前处理特征作为12周和52周用户不使用损耗的预测因素。时间变量是使用的持续时间(以周为单位)，不使用被认为是故障。对所有感兴趣的预处理预测变量进行单因素分析P< .2被纳入逐步回归分析，以找到最节俭的模型。使用Schoenfeld残差检验每个模型的比例风险假设。显著性水平设为alpha = .05。

结果

预处理特征与网站使用

2007年8月15日至2008年5月31日期间，11341名参与者参加了基于网络的商业减肥计划，其中9599人符合纳入研究的条件，1742人被排除在外(图1)．总而言之，72%(6943/9599)的合格参与者订阅了该计划12周，2656人订阅了52周。

‎ 查看此图

合资格参加者的特征载于表1．总之，31%(2975/9599)的参与者超重，61%(5866/9599)的参与者肥胖，86%(8279/9599)的参与者是女性。参与者的平均(SD)年龄为35.7(9.5)岁，85%(8022/9455)的参与者具有中等到较高的社会经济地位(即IRSAD得分在5到10之间)，75%(7125/9456)来自澳大利亚的主要城市。大多数人报告了一些健康的饮食习惯，如吃早餐(7052/9599或74%)和使用低脂产品(6269/9599或65%)，但许多人(5098/9599或53%)也报告了不良的饮食习惯，如不吃饭。大多数参与者在注册时报告身体活动水平不足，51%(4875/9569)每周锻炼少于2天。

12周组和52周组的前处理特征差异有统计学意义，52周组的平均(SD)年龄明显更大(35.8[7.1]岁vs 31.8[6.1]岁)，平均(SD) BMI更高(36.7 [9.6]vs 35.3[9.4])，社会经济地位更低(ISRAD为5至10的82% vs 86%)，与12周订阅者相比，居住在澳大利亚主要城市的比例较低(73% vs 76%)。52周的订阅者中有更高比例的人报告了不良的饮食习惯(例如油炸食品或喝全糖软饮料)，每周锻炼不到2天，出于情感原因或为了快乐而进食，以及有与健康有关的原因想要减肥。

图2描述网站的整体使用情况。对于12周和52周的订阅者来说，在项目的第1周到第4周，使用网站的时间超过16天的参与者比例最高。在第5 - 8周和第9 - 12周，第12周用户不使用网站的比例最高。然而，在使用网站的参与者中，大多数人在每4周的时间内使用1到3天。对于52周的订阅者，在第5 - 8周的1 - 3天使用该计划的参与者比例最高。在这段时间之后(即第9至52周)，最高比例的参与者从未使用过网站，第二高比例的参与者在每4周期间使用网站1至3天。

‎ 查看此图

‎ 查看此图

辍学磨损

图4而且5分别给出12周和52周订阅者的退出曲线。在6943名订阅了该计划12周的参与者中，12周的保留率为97%，有238名参与者(3%)在12周期间退出(图4)．在订阅了52周课程的2656名参与者中，保留率为77%，其中605人在52周期间退出(图5)．

‎ 查看此图

‎ 查看此图

Nonusage磨损

图4而且5同时也为那些订阅和完成了12周或52周订阅的用户分别提供了不使用损耗曲线。在6705名订阅并完成了12周课程的参与者中，35%(2317人)的参与者在12周时被归类为课程的“用户”。在第1周和第2周停止使用该计划的参与者比例最低。停止使用该项目的参与者比例从第3周到第10周保持稳定(每周停止使用6%到7%)，但在第11周增加到8%。在6705名12周订阅者中，50% (n = 3398)在第9周时不再使用该计划(图4)．

在完成52周订阅的2051名参与者中，622名参与者(30%)在52周时成为该计划的“用户”。从第1周到第44周，停止使用该计划的参与者比例保持稳定(每周停止使用1%到2%)，但此后迅速增加。到第46周，52周的订阅者中有超过50%的人不是该计划的用户(图5)．

不使用流失预测因素:12周订阅者

表2描述单变量分析中12周订阅者不使用减员的未调整预测因子。在多元回归分析中(表2)、不吃饭(风险比= 1.12,95%可信区间(CI) 1.04 - 1.19，P(风险比= 1.11,95%可信区间1.04 -1.18，P= .001)是发现显著增加参与者不使用的风险的2个预处理特征。每周运动超过1天的参与者成为不运动者的风险显著降低(风险比= 0.76,95% CI 0.72 - 0.81，P<措施)。吃早餐的参与者(风险比= 0.88,95% CI 0.82 - 0.95，P= .001)的不使用风险也降低，45 - 65岁的参与者(45 - 55岁的风险比= 0.83,95% CI 0.73 - 0.93，P=措施;55 - 65岁的危险比= 0.80,95% CI 0.66 - 0.99，P= .04点)。

不使用流失预测因素:52周订阅者

表3使用单变量分析描述未调整的52周订户不使用减员的潜在预测因素。在多元回归分析中(表3)，吃早餐(危险比= 0.88,95% CI 0.79 - 0.99，P= .04)被证明与降低不使用减员的风险相关。在52周的参与者中，饮用加糖的茶或咖啡会增加不使用的风险(风险比= 1.23,95% CI 1.11- 1.37，P<措施)。

讨论

这项研究是为数不多的研究之一[29，35-42]跟踪一组基于网络的减肥计划的真实参与者，这是第一个全面评估大队列中不使用减员的患病率和预测因素的研究。该研究表明，不使用的流失率很高，并强调需要以证据为基础的策略来降低流失率。值得注意的是，我们发现参与者的年龄，以及他或她在注册时的饮食和体育活动习惯可以预测不使用的损耗。

这项研究的结果与其他研究一致，这些研究表明，中老年人群(45岁至65岁)不使用手机的风险较低[13，29，30.］．这个年龄段的人的互联网接入水平较低[43]，使用互联网的时间较低，使用用户自制网站的可能性较低[43，44］．然而，他们接触及使用互联网的人数正迅速增加[43，44］．因此，这表明基于网络的干预可能非常适合中老年群体。

研究结果表明，在参加基于网络的商业减肥计划之前，饮食或体育活动习惯不佳的人最有可能停止使用该计划。这包括每周锻炼不到2天、不吃饭、不吃早餐、喝添加糖的茶或咖啡，或以饮食来缓解情绪不安的参与者。这表明这些有风险的人可能需要替代或额外的支持来保持基于网络的项目的积极参与者，特别是在短期内。另一种可能是，基于网络的项目目前的形式并没有吸引到这组参与者。因此，研究的重点是确定不同或额外的网站功能是否可以提高这类高危人群的网站使用。

这项研究强调了调查不使用流失率对准确描述流失率的重要性。基于网络的商业减肥计划12周后的保留率为97%，52周后的保留率为77%，与观察结果相比较高[29，37，40，41]和实验性的[5基于网络的减肥干预研究，以及所有类型的行为减肥干预[45］．然而，由于参与者购买了特定的订阅计划，并且只有在有特殊情况阻止他们完成订阅的情况下才能取消订阅，因此留存率并没有包括那些不希望继续使用该计划的参与者。12周的不使用损失率为65%，52周的损失率为70%，高于退出损失率，这表明许多参与者在订阅期间不会继续使用基于web的商业减肥计划。商业网站的使用情况与通过互联网提供的其他公共卫生干预措施一致，在干预措施的最初几周后，使用情况有所下降[17］．对于12周和52周的订阅者，在干预的大部分时间内，不使用减员率都是稳定的，但在干预的最后几周，不使用减员率略有增加。这与之前的假设相反，该假设认为，在干预的最后阶段，应该存在一个稳定的用户群体，从而减少不使用[4］．本研究中不使用人员流失率的模式很可能是几个因素的相互作用，这些因素可能对不使用人员流失率产生积极影响(例如，程序成本、程序功能和可用性)，也可能产生消极影响(例如，没有提示或个人接触、自我导向的性质)[4］．

据我们所知，只有另外两项研究在旨在实现减肥的基于网络的干预措施中调查了不使用损耗率[29，42］．第一项是观察性研究，描述了一个以体育活动为重点的基于网络的项目(MiLife)的不使用流失率，发现79%的参与者在12周后仍在使用该网站[42］．第二项研究比较了RCT和基于网络干预(Active-Online)的真实参与者之间的不使用流失率，以促进身体活动超过18个月。超过50%的试验参与者在大约11个月和现实世界参与者1个月后成为非用户[29］．这个基于网络的商业减肥计划的不使用损耗率优于Active-Online的真实参与者，但高于MiLife [29，42］．然而，Active-Online和MiLife都纳入了以前提出的作为影响不使用减员因素的策略[4］．一项干预措施是基于工地的[42]，这可能增强了网络和/或同伴压力和同伴支持，因此，扭转了通常不使用的下降趋势[4］．若干“推动因素”[4]，包括使用提醒电邮及短讯服务[29，42];因此，参与者可能会觉得有义务继续使用基于网络的课程[4］．其中一项研究的参与者使用加速计来监测身体活动水平[42]可能提高了程序的可用性，从而提高了使用率[4］．相比之下，基于网络的商业减肥计划主要是一种自我指导的干预。这可能对使用率产生了负面影响，因为它使参与者更容易停止使用该程序[4］．然而，参与者支付了商业费率来访问该计划，这已经被认为对使用率有积极影响[4］．由于该计划的费用各不相同，而且取决于订阅时间的长短，以及参与者是预先付款还是分期付款，对不使用的影响可能也各不相同。因此，考虑到可能影响不使用流失率的因素的存在，本研究报告的不使用流失率与以前的研究相比似乎是可以接受的。

限制

本研究的潜在局限性包括，只有预处理特征被认为是不使用损耗的潜在预测因素。其他因素，如对计划的满意度，最初和持续的体重减轻，以及外部因素也可能影响计划的使用。然而，这项研究的目的是确定是否有可能预测谁将在注册时使用该计划。此外，尽管大量的前处理特征被探索为不使用消耗的潜在预测因素，但本研究可以通过包括更大范围的前处理特征(例如，动机和变化阶段)，以及通过使用经过验证的措施来更全面地评估饮食和身体活动行为来改进。此外，这项研究没有跟踪基于网络的商业减肥计划的所有功能的使用情况(例如，每周教程和菜单计划)，因为在研究期间这些数据还无法获得。这可能高估了非使用流失率。此外，该方法假定不使用是一种消极行为。然而，有人建议参与者可能会将基于网络的干预与其他治疗方案区别对待[3.］．停止使用网站的参与者可能已经取得了积极的结果，因此减少了他们参与网络项目的频率[3.］．因此，需要进一步研究参与者退出和不使用减员的原因，以及退出和不使用减员对长期减肥的影响。

影响

依从性已被公认为有效性的主要决定因素之一[46];因此，需要策略来提高基于网络的减肥计划参与者的不使用损耗率。以往研究[5]，包括与该队列的研究[47]的研究表明，使用不同的网站功能(如登录、使用论坛、在线日记和自我体重监测)与体重变化之间存在显著相关性。因此，通过建立有效的方法来改善不使用的损耗，从而使大多数参与者长期继续使用网站功能，有可能提高基于web的减肥计划参与者的减肥效果。由于这项基于网络的减肥计划的参与者在12周和52周后实现的平均体重变化被发现具有临床重要性和统计学意义[48，49]，如果战略能够成功地改善参与，公共卫生影响可能是巨大的。

本研究的结果还强调了不使用损耗的关键预处理社会人口学和行为预测因素。研究结果与其他减肥方法相似。21，26-28]和基于网络的干预研究[30.]，因此最需要治疗的个体不太可能完成和/或参与干预。之前的一些基于网络的干预研究已经调查了网络和非网络策略，以提高网站参与度，包括定期提示、激励、自我监控、参与者期望管理、提高干预可用性、提供反馈，以及与服务提供商联系[2］．鉴于这种干预的自我导向性质，研究结果表明，明确的基于证据的指南概述了实现显著结果所需的网站使用，也可能改善不使用流失率。这些策略中的一种或一种组合可以提供给参加该计划的参与者，这些参与者具有预测减员的预处理特征。然而，我们不知道改善基于网络的项目使用的最合适的策略或策略的组合，也不知道所需要的策略是否在人群中一致。在未来，这些知识可能会被用作注册过程的一部分，以确保最适合这种方法的个人注册，并为他们提供访问基于web的计划功能，以满足他们的需求。因此，研究的重点是开发和评估策略，以提高基于网络的项目的非使用流失率，包括他们对不同人群的影响。

结论

之前的研究已经确定，优化参与者留存率和网站使用是所有基于web的干预措施的关键挑战[2-4］．这项研究证明了基于网络的干预具有高流行率的不使用减损特征，因此，强调了需要基于证据的策略来改善网站使用。研究人员应调查在具有预处理人口统计和行为特征的参与者中使用新的或额外的干预策略，这些特征在本研究中被发现可以独立预测不使用减员。