我们对Cochrane图书馆的Ovid MEDLINE、效果评价摘要数据库(DARE)和卫生技术评估数据库(HTA)(从1966年到2012年12月)进行了文献检索，以确定所有相关的评价。在Cochrane图书馆，我们使用四个关键词(远程监控，远程医疗，远程医疗，远程家庭护理)进行了搜索。在Ovid MEDLINE上，我们将相同的关键词与以下每个术语结合使用:系统综述、元分析和综述。任何搜索都不受语言限制。

如图所示 图1，我们最初的搜索结果是240条参考文献。这些参考文献的标题和摘要由三位作者独立检查，以确定可能与本研究领域相关的文章。任何分歧都通过讨论解决，直至达成协商一致意见。根据纳入标准，185篇文献被认为不相关并被排除。其余55篇被确定为可能相关，并检索了这些参考文献的完整副本以作进一步评估。这些文章的参考文献列表是手工检查的，以识别最初搜索中没有捕获的潜在相关评论。这个过程产生了16个额外的参考文献。有几篇综述因涉及其他形式的远程医疗干预而被排除(n=24)，其中包括针对多病理患者的初步研究(n=8)，或综述了与HT有效性无关的主题(n=2)。其他研究被排除，因为它们不是SRs或MAs (n=10)， 2篇综述被排除，因为它们是用英语以外的语言发表的。 多媒体附录1提供被排除的引用的完整列表。最终纳入这一关键性综述的SRs数量为24例[ 26- 49]。请注意，一篇综述最初是作为Cochrane Collaboration综述发表的[ 31]，后来它的一个删节版出现在一本杂志上[ 50]。在我们的评估中，我们使用了前一份出版物，因为它更详细。

一位审稿人(SK)通过使用为本研究目的而开发的电子提取表格，以非盲的方式从每份综述中提取明确的细节。所有提取的数据均由2位审稿人(GP和MJ)检查其准确性，任何分歧均通过共识进行调解。所寻求的信息包括与综述特征有关的一般细节(例如，作者人数、通讯作者来源、出版年份、期刊特征、资金来源)以及关于综合现有证据方法的使用和解释的更具体细节(例如，元分析和定性技术)。

24篇综述的方法学质量由2位审稿人(SK和GP)使用修订的多系统评价评估(R-AMSTAR)工具以非盲法格式独立评估[ 51]。任何分歧都通过协商一致得到调和。选择R-AMSTAR的基础是，它是一种经过验证的工具，可以通过评估(1)先验设计、(2)重复研究选择和数据提取、(3)全面的文献检索、(4)灰色文献的纳入、(5)纳入/排除研究的列表、(6)纳入研究的概况、(7)纳入研究的科学质量的文件评估，对SRs和ma进行深入评估。(8)在形成结论时适当使用科学质量，(9)适当使用方法将研究结果结合起来，(10)评估发表偏倚的可能性，以及(11)适当记录利益冲突。后面将更详细地描述这些领域中的每一个。

图2显示了HT干预措施的SRs和MAs随时间的趋势。我们的发现表明，第一篇综述发表于2003年[ 32]。很明显，在2007年之前发表的评论很少。但从那时起，HT审查的数量大幅增加。

如图所示 表1，最大的综述(n=10)集中在HT对充血性心力衰竭患者的影响[ 26- 35]。4篇综述(17%)认为高血压患者[ 36- 39];4篇综述(17%)检查了慢性阻塞性肺疾病(n=2)、囊性纤维化(n=1)和哮喘(n=1)等呼吸系统疾病患者的HT [ 40- 43];另外4篇综述(17%)关注的是糖尿病患者[ 44- 47]。最后，我们的样本包括2个综合SRs(8%)，研究了HT对各种慢性疾病(如心力衰竭、高血压、糖尿病和呼吸系统疾病)的影响[ 48， 49]。纳入这些综述是因为对每种情况分别报道了高温疗法的影响。

除了3篇评论外，所有评论都发表在同行评议的期刊上。三个最常见的来源是 远程医疗与远程医疗杂志(n = 3), 远程医疗和电子保健(n=3) 临床实践评估杂志(n = 2)。五篇评论[ 27， 31， 42， 46， 48报告是对先前评论的更新。大多数文章的通讯作者来自北美，其中10位来自加拿大，4位来自美国。6篇评论来自欧洲(4篇来自英国，1篇来自希腊，1篇来自意大利)，3篇来自澳大利亚，1篇来自台湾。六个评论由一个多国研究小组组成。

大多数评论是由2个或更多的作者进行的，只有2个[ 35， 42都是单独撰写的。大多数审查(63%)由政府组织或卫生保健机构资助。其中5个项目获得了来自行业或学术机构的额外资金。不到一半的综述将原始研究的结果合并为MA，大多数综述(63%)使用定性方法综合现有证据。ma被引用的频率(平均103.6,SD 108.2, 95% CI 13.1-194.1)高于sr(平均61.1,SD 77.2, 95% CI 18.37-103.90)，但差异无统计学意义( P= .287)。

纳入综述的方法学质量结果见 表2。我们概述了R-AMSTAR工具涵盖的所有41个质量标准，并给出了满足每个标准的评审文章的百分比。 多媒体附录2提供每个审查的详细分析。我们以小写字母列出所有令人满意的准则[ 51]。在下面的部分中，我们将对每个R-AMSTAR域中的主要发现进行分析。

在开始检索、收集和数据提取之前，我们样本中的所有综述都建立了其综述设计(Q1.a)和研究选择的资格标准(Q1.b)。然而，根据方法学家和PRISMA声明推荐的“PICO”框架(人口、干预、比较、结果)，大多数综述缺乏清晰的研究问题/目标框架[ 16， 52]。虽然在所有纳入的综述中都明确说明了患者群体或慢性疾病和被审查的干预措施，但较少的病例中明确了比较组(对照组)和被评估干预措施的结果:分别为25%和67%。仅3篇综述文章(15%)确定了针对所有4种PICO成分的精心制定的研究目标。总的来说，大多数(67%)的综述报告了患者群体、干预措施和感兴趣的临床结果，因此，被判断为令人满意地涵盖了Q1.c项。

筛选主要研究的过程在大多数情况下(67%)是独立进行的，至少由2名审稿人进行。然而，据报道，在不到一半的综述(Q2.a)中，从主要研究中提取的数据是独立进行的，并且是重复的。根据方法学家的建议，评估资料抽取的准确性，以对照至少一个样本的初步研究[ 53]，我们在1ma [ 28] 1项随机对照试验(RCT)的数据提取与原始发表之间的差异[ 54充血性心力衰竭住院的结果对照组与实验组之间的事件总数反向记录。因此，估计的汇总效应似乎略高，而I²异质性缩小点估计(RR 0.73 [0.62-0.87]) P= .0004;我²=0 vs RR 0.78 [0.65-0.93] P= 04;我²= 46%)。没有报告在此MA中重复数据提取。

在24篇评论中，11篇(46%)陈述了是否存在共识程序或第三方评论者来解决任何分歧(Q2.b)， 9篇(38%)包含了关于评论者之间现有分歧的适当解决的声明(Q2.c)。总的来说，如下所示 多媒体附录2，只有三分之一的审查令人满意地涵盖了这一领域中包括的所有标准。关于数据提取过程中所采用的方法，如使用试点表格/编码表，为避免重复计算已发表报告而采取的步骤，以及从原始研究的作者那里收集额外信息所使用的方法的补充信息很少。

对领域3(包括5个标准)的分析显示，几乎所有的综述(96%)使用至少2个电子数据库来搜索主要研究(Q3.a)。最流行的数据库是Medline(100%)、Cochrane Library(70%)和EMBASE(60%)。总的来说，22篇综述(92%)报告了检索的年份和数据库(Q3.b);22个(92%)表示使用的关键字(Q3.c);19人(79%)表示通过查阅已发现研究中的参考文献来补充搜索(Q3.d)。只有3篇(13%)综述(Q3.e)对高度相关的期刊进行了人工检索，以确定符合条件的研究。14篇综述(58%)使用QUOROM/PRISMA流程图以图形方式描述和描述搜索和选择相关文章的步骤顺序。然而，只有5篇评论(21%)提供了至少1个主要数据库的完整电子搜索策略，以便人们可以重复搜索或评估其全面性。如图所示 多媒体附录2，只有2次审查(8%)在该特定领域满足R-AMSTAR仪器的所有5项标准。

有趣的是，大多数评论都集中在发表在英语期刊上的同行评议的初步研究上。在我们数据库中的24篇文章中，只有2篇(8%)考虑了灰色文献的纳入，并搜索了原始研究，而不考虑其发表类型(Q4.a)。在20篇综述(83%)中，作者表示他们根据发表状态(如摘要、会议论文集和语言)排除了初步研究(Q4.b)。只有一篇综述(4%)报告翻译了非英语论文(问题4.c)，而5篇综述(21%)报告在搜索和纳入研究时没有应用语言限制(问题4.d)。

大多数综述(92%)提供了纳入研究的列表(Q5.a)，但只有25%的综述在文章或补充来源(如在线附录)中报告了排除研究的列表(Q5.b)。因此，只有6篇综述(Q5.d)可追溯纳入和排除的研究。在15篇(63%)文章中，作者明确报告了排除研究的主要原因(Q5.c)，随后报告了与每个排除标准相关的文章数量。后一项的检讨结果令人满意，检讨提供了类似prisma的流程图[ 52]。

来自参与者、干预措施和结果的原始实证研究的研究水平数据以汇总形式呈现，如21篇综述(88%)中的表格(Q6.a)。所有这些表格的资料似乎都是完整的(问题6.c)。在20篇综述(83%)中，作者在表中纳入了来自主要研究的相关PICO特征的范围(例如，患者的平均年龄、随访时间、疾病严重程度)(Q6.b)。

24篇综述中有9篇(38%)对初步研究的方法学质量或偏倚风险进行了正式评价。在所有这些研究中，作者提供了一种先验的评估方法，要么以质量量表/综合评分清单的形式，要么以预定义的偏倚风险标准的形式(Q7.a)。总而言之，8个评论(33%)以有意义的格式记录了每个研究的质量评估的最终结果，即以等级/分数或每次评论满意地涵盖的标准总数的形式(Q7.b)。在一个特别的评论中[ 40]，作者表示，根据Cochrane协作标准进行了偏倚风险评估，但对每个单独研究的评估结果没有记录。在评估主要研究质量的9篇综述中，只有5篇根据研究设计(如RCT、观察性)和单个研究的科学质量或偏倚风险对研究的证据水平或结果进行了评级(Q7.c)。所有5篇综述(21%)使用各种特征工具来评估证据的总体质量(Q7.d)。最普遍的是GRADE工具，在3篇综述中使用。

表3和 4总结不同的方法、工具和策略([ 55- 61])，用于评估纳入的初步研究的质量和证据的总体质量。基于这些方法的组合，我们将评论分为两大类。第一组侧重于评估每项研究的方法学质量，但没有考虑证据的整体质量，而第二组进行了两项评估。证据质量考虑了纳入研究的内部有效性评估(质量或偏倚风险)和设计(例如，随机对照试验，观察性研究)，以及其他潜在方面(例如，结果的一致性和直接性)，以评价或表明我们可以确信的程度，估计的效应大小或审查的最终结论关于HT干预的有效性在每个结果或单个研究中是正确的[ 55]。

值得注意的是，除了通过仪器正式评价初步研究的质量或偏倚风险的综述外，还有3篇综述[ 29， 43， 48]使用了评定量表[ 62来判断所纳入研究的证据强度。根据该量表，在考虑两个重要因素后，可以确定证据的强度，并在9个等级水平中的1个等级中适当排名(按降序出现):(1)每个主要研究采用的设计类型(例如，大RCT，小RCT，队列);(2)基于一系列科学严密性条件的研究的有效性，包括研究质量。然而，这三次审查都没有进行或考虑上述比额表建议的后一个组成部分。在分析和制定结论的过程中，所有3篇综述仅根据每项研究的研究设计“标签”对证据进行分层排序。他们没有批判性地评价或考虑到实际情况 特性这些个体研究最终会影响偏倚的风险。因此，与非随机对照试验、队列研究等相比，大样本和小样本随机对照试验在证据层次上的排名更高。

在正式评估初步研究的科学严谨性的9篇综述(见问题7)中，有6篇将方法学质量的结果纳入最终结论(问题8.a)和为未来研究提出的建议(问题8.b)。总的来说，75%的综述在没有考虑或反映纳入研究的潜在偏倚风险的情况下得出了关于HT治疗慢性患者有效性的结论。重要的是，没有一篇纳入的综述将质量评估的结果(问题7中的项目)纳入到综述的实际分析中，以探讨如果将高偏倚风险的研究纳入或排除在分析之外，结论可能会受到何种影响。

我们数据库中的大多数综述(63%)使用叙述性综合对主要研究的结果进行定性汇总。然而，所选择的方法背后的基本原理和作者用来指导他们的决定的方法一般没有提到。在15份叙述性报告中，8份(53%)提供了关于为什么选择定性综合证据而不是荟萃分析的陈述[ 26， 29， 33， 37， 40- 42， 48]。所有这些综述的主要原因一般都是围绕纳入研究之间存在的“异质性”。然而，方法、标准或具体规则(例如，基于PICO框架的逻辑模型)被用来客观地支持meta分析不合适或不明智，因为主要研究在临床或方法学上过于多样化。

在15个SRs中，只有3个(20%)提供了一个分析计划，其中包含了在合成过程的每个阶段使用的方法、工具或总体框架的信息[ 26， 29， 48]。在其余的审查中，没有具体说明决策过程的逻辑和作者为初步研究分配权重以得出最后结论所依据的标准。此外，绝大多数(93%)的SRs使用原始研究中报告的原始数据的变体(例如百分比、平均差异、 P值和计数)。只有一个[ 26]将提取的数据转化为共同的统计度量(例如，风险比)，以便在观察到的治疗效果和感兴趣的主要结果之间进行更透明和直接的比较。

如图所示 表5， SRs的作者使用了四种不同的方法来定性地组织和综合现有的证据。最常用的方法(在10个研究报告中)是“报告结果”法，即根据原始研究中评估和报告的最常见结果对结果进行分析和综合。四篇综述采用“证据水平”方法，其中纳入研究的研究设计作为分层的基础，并按降序排列现有证据(例如，大型随机对照试验、小型随机对照试验、队列研究和病例对照研究)。其中两种方法将“证据水平”与“报告结果”方法结合在一起，而第三种方法使用“计票”来呈现每个研究中干预效果的方向(例如，积极，消极和相互矛盾的证据)。在我们检查的两个SRs中，作者根据远程监测干预的主要模式(例如，体征和症状的自动监测和基于电话触摸板的HT模式)对研究进行了分组和分析。

在24篇综述中，有9篇综述使用元分析方法定量地结合了主要研究的结果。然而，没有一个MAs明确说明在研究问题的背景下使用了什么标准来客观地支持所分析的HT试验在临床和方法上足够相似，可以进行定量结合(Q9.a)。在一个MA [ 34]，有人指出，当大量的统计异质性(1²≥50%)，这种异质性不能用亚组分析来解释。然而，从方法论的角度来看(如后面所述)，过度依赖I²可能特别具有误导性，因此，使用统计异质性和I²作为决定MA是否合适的唯一标准，是一个相当有问题的策略[ 63- 65]。在MA中汇总和提供治疗估计的决定不符合统计检验，而应基于任何异质性的临床和方法学相关性(例如，患者年龄、疾病严重程度、随访时间、使用的技术和研究设计)。

如图所示 表5，在每个MA中使用的效应测量的汇总统计通常与调查结果的类型和原始试验中的可用数据(即二分类、计数或连续)相关。通过正式的统计检验(Q9.b)，评估和量化所有MAs中每个感兴趣的结果在研究中HT效应的一致性。最常见的方法是8ma ( 表5)涉及到I的使用²统计量，由卡方检验(Cochran’s Q统计量)得出。但豁免一人[ 39]，只报告了计算出的I的范围²其余的MAs报告了森林样地或文章文本内的精确结果，并提供了对每个调查结果的异质性估计的解释(Q9.c)。

我的²统计( 66， 67]衡量一组治疗效果估计中总变异性的大致比例，这些变异性可归因于所纳入研究之间的实际临床或方法学差异，而不是抽样误差。它的取值范围从0到100%，通常使用阈值(如25%、50%和75%)来推断试验结果之间不一致的程度[ 67， 68]。然而，模拟表明，I²统计量与Q统计量具有类似的功率和精度缺点[ 64， 65]。因此，在包含少量试验(例如，k<15)且精度较差(即，少量患者和事件)的MAs中，它可能产生不可靠的估计。为此，有关指引[ 68]和方法学家[ 64， 66， 67， 69， 70]建议研究人员在解释结果时应调查、呈现和考虑I的95%置信区间(CI)²估计，以便充分反映其周围的不确定性(证据的强度)。也就是说，就治疗效果而言，试验之间可能存在的真正差异程度的范围。然而，在我们的数据库中，没有一个MAs报告执行了这一统计程序。虽然纳入的激素疗法试验数量一直低于12项，而且由于登记患者数量少，大多数试验的准确性较差，但关于纳入试验中激素疗法效果的一致性或不一致性的推断是基于I²仅仅是点估计。

鉴于这种方法学上的限制对MAs的可靠性在结果解释和统计模型选择方面的潜在负面影响[ 70， 71])，我们试图进行事后分析，以经验评估所提供异质性的不确定性程度(1)²)的估计。按照建议[ 69]，我们使用非中心χ进行所有计算²的方法，该方法在Stata(12.1版)的heterogi模块中实现[ 72]。总的来说，我们可以计算出I²统计数据及其相关的95% ci(除一个MA外)[ 39]， 4项及以上研究共22项结果。基于对每个MA中使用的统计方法的应用和解释的仔细评估，我们确定了以下方法问题。

6个月[ 27， 28， 31， 34， 44， 47，其中I²估计某一特定结果的统计量为0% ( 表6)，一个常见的推论是不存在异质性或试验之间的异质性很低。因此，临床HT效应强度的方向和分布被解释为在所有纳入的试验中是一致的。然而，95% ci反映了这些异质性估计的不确定性，在所有这些ma中尤其广泛，从低到高异质性不等。如图所示 表6， 95% CI的上限进入了大异质性(I²≥50%)，在3 ma时也均超过或达到75%范围(异质性较强)，而区间下限均低至0%。这表明，由于普遍缺乏证据，很难确定地对研究结果的相似性或可比性做出任何强有力的推论和结论性陈述。考虑到所有这些ma中包含的试验的精度很低，有可能I²估计数已被掩盖及缩减[ 73]。因此，不应排除或低估HT试验之间存在一些中度甚至相当大的异质性。

我们发现的第二个方法学问题与相反的问题有关，即对异质性的高估。在4个MAs的5个森林样地[ 28， 38， 46， 47]，其中I的点估计²是中等(例如，33.8%)还是相当大(例如，1%)²≥50%)( 表6)，一个常见的推论是，由于真正的差异，在试验的HT效应大小之间存在高度甚至实质性的不一致。然而，如 表6，在所有这些ma中，I的95% CI的下限²点估计进入小异质性的范围(I²≤25%)，反映了大异质性的证据可能不足以支持观察到的I的重要性²价值。对异质性的高估和对I的过度依赖²在一项研究中，研究人员得出 47]用尽亚组分析的所有可能性，并屈服于一个缺乏支持的事后分析，以寻求异质性的原因，而在另一篇综述中，它阻止了作者进行MA [ 34]。

最后，一个稍微微妙但却很重要的方法错误涉及在MA中通过重复计算其研究小组而高估研究的问题[ 24， 74， 75]。具体来说，我们的数据库中有一个MA [ 38比较了HT与常规治疗对高血压患者的影响，其中包括一项随机对照试验[ 76]，其中有1个对照组(常规护理247例患者)和2个干预组:(1)血压HT与网络培训服务(246例患者)，(2)血压HT与通过网络交流的药剂师辅助护理(237例患者)。作者选择在他们的MA中处理这个特定试验的方式，对于所有报告的结果，是通过重复计算其对照组，在每个森林图中包括两次。然而，这样做的结果是，这个特殊的试验被压倒了。一次统计493名患者，一次统计484名患者。因此，它的有效样本量看起来是977，而实际上真正的样本量是730。这对这一特殊综述的结果构成了重要的效度威胁，因为该试验在所有感兴趣的森林样地中都被赋予了相当大的权重。

使用的统计模型中，6个(67%)进行了随机效应分析，3个进行了固定效应分析(Q.9c)。后两项研究[ 28， 31]使用了固定效应模型，即使一些潜在的温和证据(例如，I²>30%)到实质性(例如，1²研究间存在异质性。然而，为什么固定效应模型仍然被认为是合适的，这是不合理的。在大多数评论中，指导研究人员选择两种统计模型之一的基本原理、标准或一般假设没有规定。在9个ma中，只有2个(22%)提供了明确的声明来证明用于计算汇总效应的统计模型的合理性[ 27， 31]。这两篇综述都是由同一组研究人员撰写的，重点关注HT和结构化电话支持(单独)与常规护理对充血性心力衰竭患者的影响。然而，有趣的是，尽管作者所陈述的原因或假设几乎相同，但每次综述中所选择的模型却不同。

该问题中包含的三个标准侧重于用于评估发表偏倚可能性的元分析方法，即研究结果的发表或不发表取决于主要研究结果的方向。在我们的综述中纳入的9个MAs中，5个在评估中考虑了发表偏倚(Q10.a)，只有3个在已发表的文章中呈现了实际的漏斗图(Q10.b)。在这5个MAs中，作者依靠视觉检查和解释漏斗图。任何ma (Q10.c)均未使用评估偏倚存在的正式统计检验(例如，Egger回归检验)。考虑到每次综述中纳入的试验数量较少，这是合理的。理论上，这样的测试需要相当数量的初步研究，才能有足够的能力发现偏倚;很少被满足的标准。然而，没有一个MAs承认与目视检查漏斗图相关的主观性的巨大风险[ 70， 77]以及当研究数量较少(例如，k<10)或异质性显著时，该方法在检测偏倚(更不用说发表偏倚)方面的不足[ 78， 79]。因此，在所有情况下，关于存在或不存在强烈发表偏倚的陈述都比所允许的证据更有力。

在我们的样本中，大多数评审(79%)明确披露了评审过程中获得的所有支持来源。在50%的调查中，至少有一名或多名调查人员直接隶属于在各自审查结果中具有竞争利益的实体，或与实体有其他积极参与，例如HT解决方案提供商(Q10.b)。只有一篇综述(4%)检查并报告了所纳入实证研究的作者是否存在潜在的利益冲突(Q10.c)。

这篇重要的综述首次对已发表的研究HT对慢性疾病患者影响的综述进行了正式和全面的质量评估。我们应用R-AMSTAR工具严格检查每个综述的方法严谨性和报告特征，并在该特定工具的11个领域内进行了仔细评估，以确定可能影响其内部有效性的推断或结果中的偏倚风险(即系统错误)。为此，R-AMSTAR被用作指导和支持我们评估的一般框架，而不是为每次审查计算质量分数的特定工具。这样的评分可能并不总是反映每一篇综述的真实科学质量，而且有证据表明，由于可能存在假阳性或假阴性，在判断是否信任个别分析时，使用这些评分可能会出现问题[ 58]。

我们的文献检索结果表明，与其他临床领域相比，该领域的SRs和MAs是相当新的(例如，[ 18， 80])。第一篇综述发表于2003年，主要针对充血性心力衰竭患者。从那时起，特别是在过去6年中，发表的综述数量大幅增加，同时审稿人的重点也扩大到包括其他慢性疾病，如慢性阻塞性肺病、高血压和糖尿病。尽管如此，最大的评论仍然集中在充血性心力衰竭患者身上。

根据我们的评估，我们发现随着最近对高温疗法干预的评论的增加，由于内在的方法问题，这些文章中有相当一部分似乎缺乏最佳的科学严谨性。此外，他们的整体素质似乎并没有随着时间的推移而提高。尽管重要的方法指引广泛提供和传播[ 52， 81]，可以用来指导系统评价过程并消除潜在的偏见风险，但似乎这些知识尚未完全整合到HT领域。虽然所有或大多数评价满意地满足了一些标准(例如，建立先验设计(100%)，报告纳入/排除标准(100%)和研究特征(88%)，使用多种电子搜索和数据库(96%))，但还有其他重要领域需要改进。未来的SRs和MAs应该考虑这些领域，以促进科学进步，提高快速发展的高温疗法领域的研究严谨性。正如R-AMSTAR仪器的应用和我们的分析所表明的那样，许多综述没有执行关键的方法学程序来降低偏倚风险(例如，重复数据提取(42%)，纳入灰色文献(8%)和非英语文献(21%)，纳入研究的方法学质量评估(38%))，并且一些综述在研究结果的综合方面存在局限性，这可能会影响其结果和结论的有效性。我们将在下面解释这些问题的潜在影响，并为该领域的未来审查提供建议。

虽然大多数综述使用了2个以上的电子数据库来检索相关研究，但很少使用其他重要的方法来减少偏倚和增强检索策略。只有2篇综述试图识别灰色文献中的主要研究，绝大多数将所有搜索限制在英语文章中，尽管已经证明，在专门关注英语出版物的SRs和ma中可能会引入偏见[ 82， 83]。所有综述都明确地报告了为选择初步研究而建立的先验的纳入和排除标准，但大多数综述没有提供被排除研究的参考文献清单，这是方法学家和PRISMA声明所建议的[ 16， 52]。这些方法学问题表明，对现有证据的审查可能有限，并且存在选择和语言偏差的高风险。我们对引文模式进行的书目分析证实了这些担忧。事实上，由于在检索过程中应用的各种语言、出版类型和日期限制，我们数据库中包含的绝大多数综述在识别已发表研究方面都存在不足。Inglis等人的Cochrane综述[ 31]，在其他关于心力衰竭的SRs和MAs中进行了最全面的搜索，提供了具体的证据( 多媒体附录3）.具体地说，这些作者确定了3个相关试验，其中2个用英语以外的语言发表(一个用德语，一个用意大利语)。德国的这篇论文是同行评议的，是其他综述确定的所有试验中最大的随机对照试验(502例患者)。然而，在2007年以后发表的任何其他综述中都没有包括它，另外2个作为摘要发表的随机对照试验也没有包括它，因为几乎所有的综述都将其搜索限制在英文出版物中，没有考虑灰色文献。为了尽量减少选择和语言偏差的风险，未来的HT审查应避免应用此类限制，因为这些限制与srr和MAs的概念不一致，其目的是对所有可用的经验证据提供彻底和公正的概述。

在过去的十年中，HT作为一个研究领域有了长足的发展。然而，从概念的角度来看，SRs和ma的作者在他们使用的术语(例如，“远程医疗”)方面似乎缺乏共识[ 47]，“远程医疗”[ 44]，“远程医疗”[ 41]、"远程保健和远程监测" [ 29])，最重要的是，干预措施的类型和技术符合高温疗法的标准。例如，乔杜里等人[ 26[]在他们的评论中认为，没有明确的理由排除护士和病人之间使用一对一电话的电话干预，而其他评论者则持相反的观点(例如，[ 31， 32， 48， 49]。我们的批判性评估方案，特别是对引用模式的检查，揭示了在某些干预措施的纳入、分类和分析方面，所纳入的综述之间存在一些不一致的观点。大多数审查强烈倾向于纳入基于遥测设备的干预措施，这些设备通过通信网络提供自动或基于信息的监测和传输生理体征或症状(见 多媒体附录3）.然而，在纳入和分析其他干预措施方面，综述之间存在重要分歧，如独立电话支持(52,63)、自动电话、免费计算机语音应答系统(13,31)、可视电话(70)、基于电视的支持(4)、视频会议(46)和基于网站的支持(35)。

下面的例子很好地说明了目前存在的问题及其对HT审查结果和直接比较结果的影响。一项随机对照试验被纳入了三篇关于治疗心力衰竭的HT的综述[ 28， 29， 31]， ma 2例，SR 1例，由常规护理对照组和2个干预组组成。第一组干预被分配到结构化电话支持，而第二组被分配到不涉及任何自动监测或传输生命体征和症状的可视电话。两篇评论[ 28， 29认为可视电话干预是家庭远程监控，而第三个不认为[ 31]。第三篇综述选择处理本研究的方式是将两个干预组合并为一个，并将其定量分析为结构化电话支持。这表明，对高温合金及其核心性质的定义尚未达成共识。未来的研究应该通过提出和验证一种分类法来解决这一重要问题，该分类法将捕获不同类型/形式的HT，并使试验之间能够进行可靠的比较。

先前综述结果的有效性及其结论的可信度在很大程度上取决于纳入研究的质量。有充分证据显示，初步研究的科学质素并不总是足够，而方法上的缺陷如未加以识别和考虑，可能会夸大或降低研究评估的结果[ 84- 86]。现行指引[ 52， 58建议审稿人在每次审评中必须进行两种不同的质量评估:原始研究的方法学质量(或偏倚风险)和证据质量[ 55]来表明我们在多大程度上可以确信对每个结果的效果估计或最终结论是正确的。也存在各种策略[ 58]，可用于将这些评估的结果纳入审查的分析和结论。不幸的是，我们在HT特定领域的发现相当令人失望，并引起了重要的关注。在24篇综述中，只有9篇(38%)评价了纳入研究的方法学质量，其中5篇(21%)评价了现有证据的总体质量。此外，只有4篇综述在其最终结论中考虑了质量评估的结果。因此，不能排除有偏见的研究夸大或低估了先前对HT的评价结果的可能性。

关于选择最适合解决综述研究问题的数据合成方法的决定需要深思熟虑和临床判断，并应基于明确的临床和方法标准，尽可能减少主观性[ 68]。根据我们的评估结果，用于指导和支持研究人员决定以叙述或定量方式综合现有证据的基本原理和标准并不总是显而易见的。在15个定性SRs中，8个(53%)提供了不进行MA的一些解释，但即使在这些病例中，用于确定研究在临床或方法学上不够相似的标准也没有透露。在他们这方面，HT的MAs没有提供一个基本原理或声明，说明使用什么标准来支持合并统计研究的决定，这些研究可能在患者的严重程度阶段、家庭远程监测方法、实施设置和其他重要方面有所不同。这一发现表明，大多数审稿人可能会基于方法论偏好或先前的经验，而不是明确的临床相关标准，将主观性最小化，将叙事综合或元分析作为“默认操作”。然而，若能明确指明用于指导选择特定综合方法的任何方法或具体规则(例如，基于PICO框架的逻辑模型)，将有助于今后的审查解决这一问题[ 6， 22]。

采用叙述性或定性综合的作者应明确描述支撑证据综合过程每个阶段的分析计划，以便阐明和支持用于得出最终结论的逻辑。提交一份分析计划是至关重要的，并且应该成为未来HT的SRs中方法部分的组成部分，因为它澄清了合成过程，提高了审查的透明度和可靠性，并作为防止因不适当地强调一项研究的结果而产生的偏见的保障[ 87- 89]。这种分析计划除其他外，必须采用适当的技术，以便在选择纳入的研究中将原始数据转换为共同的统计或数值度量(例如，风险比、平均差异)[ 87]。这将允许审稿人对效应大小进行有意义的总结，从而促进在所研究的效应范围内进行稳健和透明的比较。不幸的是，大多数叙事性社会报告未能满足这些标准，在大多数情况下，综述作者倾向于过度依赖报道 P值，这些值有误导的臭名昭著的记录，特别是在小规模的初级研究的情况下，这些研究有很大的研究内方差(即精度差)，并且没有足够的动力来获得显著的结果[ 74]。鉴于将不显著的结果误解为无效果的证据的固有风险，该领域未来的SRs最好通过估计每个主要研究的效应量来综合现有数据(正如其中一个SRs [ 26])而不是报道 P值。

在HT干预的MAs中使用的统计方法的主要目的之一是评估纳入研究结果之间的离散性，即研究间效应量的异质性，以评估研究结果的一致性。鉴于观察到的异质性，重要的是调查和解释，只要可能，是什么导致了它，以增加科学认识和临床相关性。关于第一个目标，我们样本中的所有9个MAs都严格遵守推荐的指南，并通过计算Cochran ' s Q, I, I, I来正式评估HT研究结果的变异性(异质性)²，或者在大多数情况下都是异质性统计。这尤其令人鼓舞，反映了一种与医疗保健领域的其他ma大体一致的良好做法[ 17]。然而，这些指标的局限性[ 64- 67， 70， 71以及围绕I的不确定性²可以用95%置信区间表示的点估计在任何纳入的ma中都没有被考虑。因此，在大多数情况下，关于试验之间的高温疗法效应不一致程度的坚定主张或推论比所允许的证据更有力。也许这种限制可以归因于这样一个事实，即在超过一半的ma中使用的Review Manager (RevMan)软件没有向用户提供计算I的置信区间的功能²。其他研究人员也强调了这一问题，并希望该软件的未来更新将使置信区间成为I的一个组成部分²异质性计算[ 73]。

该领域的未来MAs应继续使用统计数据来衡量观察到的效应的统计显著性和异质性的比例。然而，必须考虑到这些度量的局限性。与所有显著性检验一样，Q统计量也有同样的注意事项，在解释时应根据分析中纳入的HT研究的数量谨慎进行[ 70]。我的²是不精确的，因此，I²应始终谨慎报告和解释估算值，因为它们对于反映与实际异质性与观测效应总变异的估计比率有关的不确定性是有价值的[ 69]。当纳入MA的主要研究数量有限(例如，k<15)且研究内方差较大时，I²应谨慎解释估计，而任何关于观测到的高温效应的一致性的强烈陈述“应避免或适当缓和，无论结果如何”[ 70]。此外，当高温效应的大小变化很大时，如某些ma的某些结果(例如，[ 31， 38])，结果的差异应该成为MA讨论的主要焦点，而总结效应应该不那么重要，甚至根本不重要[ 74]。

当结合来自各种HT研究的数据时，一个主要的难题是决定是进行固定效应还是随机效应的meta分析。这一决定尤其重要，因为模型的选择可能会影响对效应大小的估计，并最终影响对结果的解释[ 79， 90]。HT干预的固定效应MA是基于以下前提:纳入综述的所有研究在功能上是相同的，并且正在估计一个共同的(固定的)治疗效果[ 74， 91]。也就是说，没有真正的区别;所有可能影响观察到的效应大小的因素，如干预的性质(如技术的复杂程度、数据传输的频率、家访和教育支持)在所有研究中的功能都是相同的。因此，在结果中观察到的任何研究之间的差异(即统计异质性)只能归因于抽样误差。另一方面，随机效应MA的前提是，在纳入的HT研究中，观察到的治疗效果估计并不相同，但遵循一定的分布。也就是说，由于真正的差异(例如，干预的性质)以及抽样变异性(机会)，它们在不同的研究中有所不同。研究可能在参与者的混合(例如，严重程度的阶段)、质量或干预措施的实施等方面有所不同。因此，每项研究都在估计不同的潜在影响。因此，固定效应MA提供了对“一般”治疗效果的估计，而随机效应MA产生的汇总结果提供了对“平均”治疗效果的估计[ 74， 90]。同样值得注意的是，从统计学的角度来看，当研究间方差(统计异质性)为0%时，随机效应分析减少，与固定效应分析重合，无论如何都显示出相似的效果。然而，在存在研究间异质性的情况下，固定效应荟萃分析提供的汇总结果过于精确，置信区间比随机效应荟萃分析窄[ 90]。正如我们接下来要介绍的，这可能会导致总体效应的统计显著性水平虚假降低，并可能错误地暗示存在“共同”治疗效果，而实际上不同研究的治疗效果确实存在差异[ 79， 90]。

我们的评估结果显示，随机效应模型总结了不同研究的干预效应分布，具有更广阔的前景，似乎是HT干预中最可取的统计模型。事实上，从临床角度来看，固定效应模型的“一刀切”方法似乎很难证明是正确的。在大多数情况下，HT干预的参与者和背景特征在许多实际方面存在差异，这可能对结果产生影响[ 22]。在所有纳入的试验中，技术、患者、项目特征和偏倚风险等影响因素在功能上是相同或相等的，这是不可信的。在过去的15年中，传统疗法和常规疗法都发生了巨大的变化，这些时间变化可能影响了纳入试验的结果，导致更大的异质性。然而，2 ma对心力衰竭的影响[ 28， 31]应用了固定效应模型，尽管试验之间存在功能差异，并且存在中度(例如，I²>30%)到实质性(例如，1²>75%)观察到的效应存在统计学异质性。使用固定效应模型而不是随机效应模型影响了他们的结果，因为它产生了更紧密的置信区间和伪低水平的高温效应统计显著性。具体来说，在Cochrane综述中，使用固定效应模型对全因住院的效应估计显示， P= 0.02)，支持HT的患者减少9% (RR 0.91, 95% CI 0.84-0.99)。而随机效应模型产生了一个不显著的( P= 0.22)效应大小相同，置信区间更宽(RR 0.91, 95% CI 0.78-1.06)，平均反映了HT积极效应背后的不确定性。同样，在Clarke等人的MA中[ 28]，使用固定效应模型对死亡率的效应估计显示了显著的( P= 0.02)，使死亡率降低23% (RR 0.77, 95% CI 0.61-0.97)。然而，随机效应模型产生了更为保守和不显著的( P =0.30)效应大小平均为17%，置信区间更宽(RR 0.83, 95% CI 0.58-1.19)，再次反映了HT的潜在效应可能并不总是在所有患者和环境中都是积极的。考虑到这两个ma中包含的HT试验的临床和方法学差异，固定效应模型的使用似乎是违反直觉的，应该重新审视导致其选择的先验假设，特别是在检测到统计异质性之后[ 74]。未来HT干预的MAs应遵循方法学指南，并明确描述用于选择固定效应和随机效应meta分析的基本原理和标准。此外，当使用随机效应方法时，汇总结果应适当地解释为高温疗法干预的“平均”效果[ 90， 91]，就像在一个MAs中所做的那样[ 34在我们的样本中。

如果我们将批判性综述方法应用于我们自己的综述，我们意识到在评估纳入的SRs和ma的方法学质量的过程中面临许多挑战，这些挑战可能反过来影响我们的研究结果。首先，我们的评估是在每次审查中明确或含蓄地报告的信息的基础上进行的。因此，在所有的方法学质量或偏倚风险评估中，评估者所做判断的准确性在很大程度上依赖于报告审查的充分性。有可能作者们进行了更严格的审查。然而，由于意识到期刊施加的篇幅限制，并且考虑到报告其综述的主要发现的竞争性要求，他们可能决定省略一些被认为是微妙的或不太重要的方法信息。也有可能是同行评议过程本身导致了文本的缩写，以满足篇幅限制。为缓解这一问题，对未来的综述的一个建议是在电子版中提供关于综述方案的基本细节，就像今天一些同行评议期刊的做法一样，以帮助理解所考虑的系统综述过程。另一方面，对发表科学技术领域的科学论文和硕士论文感兴趣的同行评议期刊应该腾出空间发表在线补充材料，并采用适当的机制，一旦发现错误或其他重要缺陷，就可以标记先前工作的问题并允许对其进行更正[ 24]。此外，科研团体必须准备好验证评审的结果，以便在必要时纠正它们，并且结果必须以有利于这一过程的方式发表[ 24]。我们进行了一项事后分析，发现在发表了纳入综述的16种期刊中，有10种(63%)允许发表在线附录，但只有3种提供了附录或补充文件。

其次，重要的是要注意，我们评估的结果仅限于符合方法部分中描述的纳入标准的综述。虽然我们的文献检索发现了一些“叙述性综述”，这些综述关注的是HT干预对各种慢性疾病患者的有效性，但当这些综述不被自我认定为系统性的或不具有SR或MA的基本特征时，它们被排除在我们的研究之外。正如R-AMSTAR仪器和我们的分析所反映的那样，这种严格的选择过程可能导致了对高温疗法评价方法质量的高估。同样被排除的还有几篇综述，这些综述对HT干预措施以及其他各种“远程监测”干预措施(例如，结构化电话支持和独立视频咨询)进行了全面和混合的概述，但在分析结果时没有明确区分它们。因此，我们的研究结果不能推广到将HT作为远程患者监测的许多其他多学科干预措施之一的综述中，尽管大多数人都同意，突出的方法缺陷具有重要的相关性，并且也适用于这些综述。

本研究首次尝试评估HT干预的既往SRs和ma的整体质量。用于识别相关评论的搜索策略的全面性，与研究选择、数据提取和质量评估相关的重复过程，以及使用能够进行深入质量评估的有效工具，是本研究方法学合理性的关键指标。

在过去的十年中，在HT领域发表的SRs和ma的数量大幅增加，为广泛的卫生保健利益相关者提供了广泛的“大规模证据”基础，这些证据来自对HT对慢性疾病患者的临床、行为、结构和经济影响的多项初步研究的综合。然而，尽管已经发展了大量的知识，但付款人和护理提供者的广泛接受以及将HT作为一种有效的患者管理方法的整合仍然存在问题。这主要是因为现有的知识库仍然显示出一些重要的方法上的弱点和研究差距。

最重要的是，我们的关键评估显示，现有的SRs和ma的整体质量和严格性是高度可变的，随着时间的推移没有改善的迹象。大量的综述包含几个常见的方法缺陷，这些缺陷损害了它们的内部有效性，限制了它们在临床、教育、研究和政策目的方面的有用性。因此，关于HT对慢性疾病管理的有效性的一系列问题仍然没有答案，包括哪种是病例管理和远程监测的理想和最有效的组合，哪种行为改变技术和模式最有效，干预措施的有效性是否受到参与者人口统计和环境的影响，以及从经济角度来看HT是否是一种有效和可行的解决方案。因此，我们建议今后在这一领域的审查应严格遵守现有的方法准则，从而提高其总体严谨性及其报告方面。更准确地说，它们至少应包括以下要素:(1)明确陈述的研究问题，明确描述患者群体、干预措施、比较干预措施和结果;(2)全面而明确的搜索策略;(3)对初步研究的有效性进行正式评估(即偏倚风险评估)，并适当尝试探讨高偏倚风险的研究对HT估计效应的影响;(4)更严格的数据合成方法，对所使用的技术或统计数据进行透明的描述和证明。

总之，我们希望本研究能够通过帮助作者最大限度地减少各种偏倚风险和避免以前的方法缺陷，从而有助于提高远程医疗领域以及更广泛的远程医疗领域的sr和ma的整体质量。尽管如此，我们认为，在高温疗法领域建立更严格、更有力的证据需要研究人员、临床医生、资助者、期刊编辑和同行评议人员付出前所未有的努力。这些努力包括但不限于让具有临床和方法学专业知识的个人参与SRs和MAs的实施;对期刊发表的一般说明进行修订，其中包含具体指南或方法和报告建议的链接;在同行评议过程中，让具有社会责任报告和社会责任评估方法经验和知识的个人参与;采用允许更新或更正在线出版材料的机制，以解决出版后发现的重要缺陷甚至错误。