这是一篇开放获取的文章,根据创作共用署名许可(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
近年来,移动医疗技术的快速发展,为慢性疾病特别是糖尿病的长期管理提供了多种途径。智能手机应用作为一种新型的管理模式,具有全球化、便捷性、便捷性、便捷性、互动性等特点。虽然应用程序已被证明在血糖控制方面更有效,但与传统的计算机和基于网络的远程医疗技术相比,如何获得进一步和持续的改进仍在探索中。
本研究旨在探讨专业医疗团队基于app的互动管理模式对中国控制不良糖尿病患者血糖控制的有效性。
这项研究是一项为期6个月的单中心前瞻性随机对照试验。共纳入276名1型或2型糖尿病患者,按1:1:1的比例随机分为对照组(A组)、应用程序自我管理组(B组)和应用程序交互管理组(C组)。主要结果是糖化血红蛋白(HbA)的变化1 c)的水平。缺失数据采用多重imputation处理。
3个月和6个月时,3组的HbA均显著降低1 c水平(所有
在中国控制不良的糖尿病患者中,仅使用app自我管理很难实现长期有效的血糖改善,但结合互动管理可以帮助实现快速、持续的血糖控制。
ClinicalTrials.gov NCT02589730;https://clinicaltrials.gov/ct2/show/NCT02589730。
移动医疗技术的快速发展,为慢性疾病特别是糖尿病的长期管理提供了多种途径[
中国是世界上糖尿病患者最多的国家。
因此,本单中心、开放标签、前瞻性随机对照试验在中国控制不良的糖尿病患者(包括1型和2型糖尿病)中进行,以调查基于应用程序的交互式血糖控制管理模式的有效性,并探索中国糖尿病管理的个性化方法。
这项研究是一项为期6个月、单中心、开放标签、前瞻性随机对照试验。受试者于2015年7月至2016年2月在上海交通大学附属第六人民医院内分泌代谢科门诊招募。根据糖尿病类型(1型或2型糖尿病),采用分层随机化方法生成随机数字表,将参与者按1:1:1的比例随机分为3组:a组(对照组)、B组(智能手机应用程序自我管理组)、C组(智能手机应用程序交互管理组)。该研究在ClinicalTrials.gov网站注册,注册号NCT02589730。
门诊诊断为1型或2型糖尿病的患者(年龄18-65岁)根据2010年美国糖尿病协会标准入选[
根据以下标准排除患者:(1)胰岛素泵使用者;(2)在研究期间已怀孕或计划怀孕;(三)酗酒、吸毒的;(4)入组前3个月使用糖皮质激素、甲状腺激素等可能影响血糖的药物;(5)精神病患者正在接受治疗;(6)严重并发症或全身性疾病;(7)入组前6个月内发生过心脑血管事件;(八)听力、视力严重受损的;(9)无法访问Web或无法学习使用智能手机上的应用程序;(10)经研究者判断不适合本研究。
本研究得到了上海交通大学附属第六人民医院伦理委员会的批准,符合《赫尔辛基宣言》的规定。所有参与者在入组前均提供书面知情同意书。
本研究中基于智能手机的糖尿病管理平台为Welltang,由上海歌平信息技术有限公司设计,患者和临床医生都在使用。对于患者,Welltang主要包括4个部分:教育、自我管理(包括SMBG记录、饮食、运动、用药、体重等糖尿病数据)、患者社区、患者与临床医生的沟通。对于临床医生,Welltang主要提供患者数据的实时上传。
在A组中,患者接受常规护理,并没有在智能手机上安装Welltang。他们通过自我学习和总结的方式学习糖尿病相关知识和技能,主动采取生活方式和行为方式。
在B组中,每位患者都被要求在智能手机上安装Welltang。他们通过应用程序学习了糖尿病相关的知识和技能,包括血糖控制、饮食、运动、药物治疗和胰岛素的使用。除1名临床医生外,无其他工作人员参与该组的护理。
C组除应用程序自我管理外,患者还接受在线互动管理(服务稳定glucose×180天)。随机分组后,由1名营养师和1名健康经理组成的第三方糖尿病专业保健团队通过Welltang平台与患者进行互动管理。营养师负责日常饮食指导,健康经理根据患者上传的数据进行综合干预,如运动、血糖监测、糖尿病教育等。该服务具有标准化的操作流程。第一个月对血糖控制不好的原因进行集中管理,帮助患者养成良好的血糖控制习惯。之后,患者每月进行一次评估。当血糖(BG)波动较大时,分析波动的原因,以改善血糖控制。当患者取得一定的改善和惯性时,及时提供提醒,以防止出现较大波动。最后,该团队还帮助患者实现了一个相对稳定的糖尿病管理时期。服务期间,每周生成一份血糖控制报告,并根据报告提出相应的建议。
入组后,每位患者均根据研究结果提供最佳血糖控制目标
每个患者都配备了一个指定的BG计和足够数量的试纸。要求app自我管理组和app互动管理组患者定期记录Welltang的血糖结果;对照组的患者被要求在日志簿上记录他们的血糖结果。需要的SMBG频率为每周至少6次,没有上限。测试行程由调查人员免费提供。
随访6个月。在基线时,所有患者都被要求完成一份关于人口统计学特征、个人史和病史的问卷。在基线、干预后第3个月和第6个月收集所有患者的人体测量和临床测量数据。
身体质量指数(BMI)计算为BMI=体重(kg)/身高2(m2).在受试者休息至少10分钟后,用水银血压计测量血压。当受试者处于站立姿势时,测量腰围(W)在最低肋骨和髂骨之间。
在夜间禁食10小时后,在早上采集静脉血。空腹血糖(FPG)、HbA1 c、总胆固醇(TC)、甘油三酯(TG)、高密度脂蛋白胆固醇(HDL-c)、低密度脂蛋白胆固醇(LDL-c)、丙氨酸转氨酶、天冬氨酸转氨酶、γ -谷氨酰转肽酶、肌酐、尿酸、白蛋白/肌酐比值采用标准方法进行评估,如前所述[
本研究主要不良事件为低血糖。低血糖定义为BG≤3.9 mmol/L。每位患者入组后均接受了相关教育和治疗措施,并可在需要时向医生求助。记录所有不良事件。
主要结果是血糖控制,包括HbA的变化(从基线到第3和第6个月)1 c的水平。次要结果包括FPG、体重和血脂的变化。
在本试验前进行的一项小样本(n=9)观察性研究中,HbA1 c在对照组、应用程序自我管理组和应用程序交互管理组中,随访3个月后分别为0.9% (SD 0.9%)、1.3% (SD 1.1%)和1.6% (SD 1.3%)。基于这些小样本观察研究的结果,α =。05和=。10,we calculated a required sample size of 65 patients per group by PASS 11.0 (NCSS LLC) software. Considering a dropout rate of 20%, a sample size of 78 patients per group was required.
根据意向治疗原则进行统计学分析。缺失数据采用多重imputation处理[
除非另有说明,数据报告为平均值(SD)。对未配对的学生进行组间比较
在本研究中接受筛查的276名参与者中,234人被随机分为A组(n=78)、B组(n=78)或C组(n=78)。其中209例(209/234,89.3%)完成了第3个月的随访,194例(194/234,82.9%)完成了第6个月的随访。随机分组后,A组15例患者、B组11例患者和C组14例患者因撤回同意或失去随访而中止研究(
研究设计和参与者流程图。
3组的人口统计学和基线临床特征显示在
3组研究参与者的基线特征。
基线特征 | A组一个 | B组b | C组c | |
性别(男/女),名词 | 78 (49/29) | 78 (50/28) | 78 (46/32) | |
年龄(年),平均值(SD) | 55 (11) | 52 (10) | 52 (12) | |
糖尿病病程(年),平均(SD) | 12.7 (7.1) | 11.2 (5.6) | 10.1 (5.5) | |
1型糖尿病,n (%) | 7 (9) | 7 (9) | 7 (9) | |
体重指数(kg/m2),平均值(SD) | 24.63 (2.79) | 25.36 (3.32) | 25.09 (3.88) | |
腰围(cm),平均值(SD) | 85.2 (7.7) | 87.2 (8.9) | 87.0 (10.6) | |
|
||||
|
收缩压 | 127 (13) | 127 (12) | 127 (15) |
|
舒张压 | 79 (9) | 81 (9) | 80 (7) |
空腹血糖(mmol/L),平均值(SD) | 9.86 (3.17) | 10.06 (3.03) | 10.14 (2.92) | |
糖化血红蛋白(%),平均值(SD) | 9.27 (1.25) | 9.46 (1.18) | 9.58 (1.62) | |
总胆固醇(mmol/L),平均值(SD) | 4.92 (1.10) | 4.65 (0.87) | 5.01 (0.79) | |
甘油三酯(mmol/L),平均值(SD) | 1.84 (1.05) | 1.87 (1.14) | 2.39 (1.63) | |
|
||||
|
高 | 1.11 (0.27) | 1.08 (0.27) | 1.07 (0.28) |
|
低 | 2.97 (0.94) | 2.79 (0.75) | 2.90 (0.79) |
|
||||
|
丙氨酸 | 27 (19) | 28 (24) | 35 (28) |
|
天冬氨酸盐 | 21日(8) | 22日(12) | 25 (15) |
γ -谷氨酰转肽酶(U/L),平均值(SD) | 36 (21) | 39 (25) | 40 (23) | |
肌酐(µmol/L),平均值(SD) | 65 (16) | 64 (13) | 62 (13) | |
尿酸(μ mol/L),平均值(SD) | 303 (67) | 305 (78) | 305 (78) | |
|
||||
|
专科及以上学历 | 32 (41) | 38(48)。 | 38 (48) |
|
高中 | 27日(34) | 25 (32) | 28 (35) |
|
小学及以下学历 | 19 (24) | 15 (19) | 12 (15) |
工作,n (%) | 39 (50) | 50 (64) | 47 (60) | |
胰岛素,n (%) | 33 (42) | 33 (42) | 41 (52) | |
高血压,n (%) | 29 (37) | 23日(29日) | 28 (35) | |
当前吸烟者,n (%) | 18 (23) | 13 (16) | 14 (17) | |
当前饮酒者,n (%) | 13 (16) | 6 (7) | 11 (14) |
一个A组:对照组。
bB组:应用程序自助管理组。
cC组:应用交互管理组。
只有HbA有显著差异1 c观察A组和C组之间的基线水平(HbA的平均变化1 cA组vs C组:9.14% [SD 1.13%] vs 9.60% [SD 1.44%];
为了进一步比较3个不同管理组的血糖控制改善情况,我们分析了平均HbA1 c水平从基线下降到第3和第6个月。我们发现,在第3个月结束时,HbA的平均值下降1 cC组显著高于A、B组(C组vs A组:−2.00% [SD 1.45%] vs−1.01% [SD 1.42%];
多元线性回归分析定义HbA1 c还原为因变量,a组或B组为参考。调整年龄、性别、W、BMI、糖尿病病程、收缩压、舒张压、TC、TG、HDL-c、LDL-c后,结果显示无论是在第3个月还是第6个月,C组的HbA降低幅度更大1 c与A组和B组比较(均为0
糖化血红蛋白降低的多元线性回归分析。一个
糖尿病管理模式 | β值 | SE | 标准化beta (95% CI) |
|
||
|
||||||
|
|
|||||
|
|
A组b(参考) | - - - - - -c | - - - - - - | - - - - - - | - - - - - - |
|
|
B组d | −.242 | 0.259 | −.076(−0.752 ~−0.268) | .35点 |
|
|
C组e | −.826 | 0.260 | −.258(−1.339 ~−0.314) | .002 |
|
|
|||||
|
|
B组(参考) | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
C组 | −.585 | 0.250 | −.182(−1.078 ~−0.092) | 02 |
|
||||||
|
|
|||||
|
|
A组(参考) | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
B组 | .097 | 0.267 | .030(−0.431至0.625) | 开市 |
|
|
C组 | −.553 | 0.269 | −.169(−1.083 ~−0.023) | .04点 |
|
|
|||||
|
|
B组(参考) | - - - - - - | - - - - - - | - - - - - - | - - - - - - |
|
|
C组 | −.650 | 0.258 | −.199(−1.159 ~−0.140) | . 01 |
一个自变量最初包括:年龄、性别、W、BMI、糖尿病病程、收缩压、舒张压、TC、TG、HDL-c、LDL-c。
bA组:对照组。
c没有统计数据。
dB组:应用程序自助管理组。
eC组:应用交互管理组。
在第3个月结束时,C组的FPG水平显著改善(第3个月的平均FPG与基线相比:8.12 [SD 2.07] mmol/L vs 9.91 [SD 2.93] mmol/L;
所有3组在第3个月和第6个月都有更好的HDL-c水平控制
3组患者在第3个月和第6个月的BG检测率均无显著差异。随访3个月后,A组、B组、C组BG检测率平均每周频率分别为10.9 (SD 7.8)次、10.1 (SD 9.5)次、11.1 (SD 8.9)次,第6月末分别为10.5 (SD 7.5)次、10.1 (SD 9.3)次、9.4 (SD 6.9)次。
B组和C组app使用频率分别为10.7次/周(SD 9.5次/周)和11.1次/周(SD 7.3次/周),差异无统计学意义(
C组在整个随访过程中,每位患者平均接受30.5 (SD 3.6)次互动管理,平均指导时间为458 (SD 54) min。
本研究的主要不良事件为低血糖。低血糖定义为BG≤3.9 mmol/L。6月末,3组低血糖发生频率相似(A组平均发生频率6.9次/人,B组平均发生频率6.7次/人,C组平均发生频率5.7次/人,SD 6.3次/人)。随访期间,无一例患者因低血糖退出。
本研究发现,应用交互管理组在HbA方面有更大的改善1 c与应用程序自我管理组和对照组相比。然而,应用程序自我管理组和对照组在减少HbA方面没有观察到显著差异1 c水平,说明在使用app进行糖尿病管理时,仅自我管理是不够的,结合互动管理可以提供更好的血糖控制和更长的效果。
最近的研究表明,基于智能手机的应用程序是一种可行且有效的糖尿病管理工具。
在以往大多数糖尿病管理相关的应用中,临床医生可以在应用平台上查看患者上传的数据和查询;然而,在大多数情况下,干预措施仅限于药物调整[
此外,我们还发现在随访的第3个月,3组的HbA均有明显下降1 c的水平。然而,在接下来的3个月里,HbA没有明显的改善1 c的水平。在C组中,HbA1 c水平平均下降了0.03%,而b组平均增加了0.09%1 c水平平均下降0.33%。我们的结果表明,该应用程序能够实现一个快速和有效的改善HbA1 c水平在短时间内。然而,在接下来的3个月,效果似乎有一个
在这次试验中,每个参与者都配备了一个BG计和足够的测试条。在随访期间,三组患者的SMBG频率基本相同,约为11次/周。在糖尿病控制不良的患者中,基于网络的护理管理显示,大量的网站SMBG数据上传与HbA的大幅下降相关1 c[
本研究还存在一定的局限性。首先是单中心研究,随访时间仅为6个月。考虑到糖尿病的慢性和长期特征,该研究无法评估基于智能手机的应用程序对糖尿病管理的长期影响;为了评估智能手机应用程序对糖尿病管理的长期益处,还需要进一步的多中心随访研究。其次,由于试验要求患者能够使用智能手机,因此只有65岁以下的患者被纳入研究。结果可能不能完全反映所有糖尿病人群的特征。第三,本研究的1型糖尿病患者样本较少;需要对不同类型的糖尿病进行进一步研究,以提供更详细的结果。最后,本研究还为对照组提供了同样基础的糖尿病教育和足够的试纸,这可能会导致对照条件不像通常条件那样是真正的治疗。
综上所述,我们发现在血糖控制不佳的中国糖尿病患者中,单独应用app自我管理的效果并不优于常规管理,与互动管理相结合有助于实现快速、持续的血糖控制。
(A)糖化血红蛋白1 c)水平。(B) HbA的平均减少量1 c3组在6个月内的水平。A组:控制组,B组:应用程序自我管理组,C组:应用程序交互管理组。HbA1 c:糖化血红蛋白。
随访期间空腹血糖、体重和血脂水平。
consortium - ehealth检查表(V1.6.1)。
血糖
身体质量指数
空腹血糖
糖化血红蛋白
高密度脂蛋白胆固醇
低密度脂蛋白胆固醇
自我监测血糖
总胆固醇
甘油三酸酯
腰围
作者非常感谢上海交通大学附属第六人民医院内分泌代谢科全体工作人员对本研究的帮助。作者感谢所有参与者在数据收集和实验室测量方面的奉献精神。本研究由上海歌平信息技术有限公司资助。
YB和JZ设计了这项研究。LZ, HY和JP帮助招募参与者。WZ和YS收集了数据。LZ和XH进行统计分析并撰写论文。YB和JZ对论文进行了修改,并对讨论做出了贡献。LZ和XH是本文的担保人,对本文有同等的贡献。
没有宣布。