智能手机应用程序能增加身体活动吗?系统回顾与元分析

简介

背景

缺乏运动是导致健康状况不佳和死亡的第四大行为风险因素[1］．在许多国家，缺乏体育锻炼的成年人人数正在增加，影响着非传染性疾病的流行和全球人口的总体健康[2，3.］．目前关于身体活动促进健康的全球建议建议成年人(18至64岁)每周至少参加150分钟中等强度的身体活动或75分钟高强度的身体活动[4］．定期参加体育活动可改善肌肉和心肺健康、功能健康和精神健康，从而降低罹患非传染性疾病的风险[2，3.，5］．然而，目前全球有四分之一的成年人没有达到体育活动的建议标准[2］．因此，寻找有效的策略来增加定期体育活动的参与是一个基本的公共卫生目标。

智能手机应用程序被认为是一种有潜力和有前途的方法，可以提高人们对体育活动指南的遵守程度。全球范围内，已激活的手机数量超过公民数量[62017年，全球约63%的成年人拥有至少一部智能手机[7］．智能手机价格低廉，用户可以在任何环境和任何时间使用健康信息技术[8］．它们都配备了先进的科技，最显著的是它们与互联网的连接、全球定位系统和内置加速计[9]，并提供创建个性化和交互式应用程序的能力，以收集实时数据[10］．这些功能，以及智能手机的高使用率和便利性，使它们成为研究人员进行体育活动干预的一个有吸引力的工具。

事实上，研究越来越多地使用智能手机应用程序来激励人们进行体育锻炼。2015年，一项系统回顾和荟萃分析了12项使用智能手机应用程序促进减肥和增加身体活动的研究，发现对照组和智能手机干预组之间的身体活动没有显著差异[11］．2016年，一项对15项研究(包括定性和定量研究设计)的系统回顾发现，智能手机应用程序可以有效地增加身体活动，尽管效应量不大[12］．然而，这些审查是有局限性的。例如，他们只搜索了少量的数据库，并且纳入了自我报告的身体活动数据的研究，这些数据容易产生偏差[13］．此外，他们还研究了智能手机应用程序与其他干预元素(如面对面约会和播客)一起提供的研究;因此，目前还不清楚干预效果是否真的是由于智能手机应用程序本身，还是其他干预元素。此外，最近的审查[12]包括了仅在2015年底前发表的研究。鉴于这一领域的指数级增长[14]，自那时以来，证据基础已大大扩展。因此，智能手机干预研究的更新势在必行。最后，这些综述纳入了在研究设计上差异很大的研究。鉴于该领域现有研究的大量增长，现在可能有足够多的研究使用实验设计的“金标准”——随机对照试验设计——并采用客观的体育活动测量来支持科学严谨研究的元分析。只检查符合这一严格的方法学纳入标准的研究将提高研究结果的可信度。

目标

本系统综述旨在(1)确定所有已发表的随机对照试验，这些试验检查了通过智能手机应用程序提供的体育活动干预措施对增加客观测量的体育活动的有效性;(2)对这些已发表的研究进行荟萃分析，以确定目前关于基于智能手机应用程序的干预措施对增加成年人体育活动的有效性的证据状态。

方法

信息源和搜索策略

本系统评价是根据系统评价和元分析的首选报告项目指南完成的[15］．

2018年1月8日系统检索了7个电子数据库:EMBASE、EmCare、MEDLINE、Scopus、Sport Discus、The Cochrane Library和Web of Science。搜索策略在最终确定之前由一位学术图书管理员进行了审查。分别搜索每个数据库，其中一个数据库EMBASE的搜索策略在表1．简而言之，搜索策略将干预的同义词(手机应用程序)与结果的同义词(体育活动和减肥)结合起来，并在可能的情况下将这些术语映射到MeSH标题。搜索结果仅限于英语、人类和2007年至今的出版年份(基于最初的iPhone于2007年发布)。中给出了所有数据库的搜索策略多媒体附件1．所有符合资格的研究及相关系统综述的参考书目[11，12，16，17]进行筛选，以确定是否纳入进一步的研究。此外，我们还联系了该领域的5位杰出研究人员，请他们推荐符合纳入标准的其他研究。

合格标准

人口

研究样本包括健康成年人或18岁或以上患有特定健康状况的成年人。本研究排除了具有智力或显著认知障碍或严重行动障碍特征的参与者的研究，因为应用程序设计可能针对有限的认知和行动能力。

干预

研究报告称，智能手机应用程序是体育活动干预的主要组成部分。智能手机应用程序必须明确为智能手机上的独立应用程序。在其他环境下的应用程序，例如Facebook应用程序，被排除在研究之外。此外，纳入了辅助因素的干预研究，如持续的个性化支持(面对面或电话)，也被排除在外。

对照或比较器

包括对照组的研究被纳入，对照组没有接受干预或很少的干预(例如，只给予身体活动目标)。

结果

为了纳入综述，研究必须报告客观测量的体育活动，以加速度计测量的中度至剧烈体育活动(MVPA) min或在基线和随访时通过加速度计或计步器测量的步数的形式。

研究设计

本综述仅包括随机对照试验。会议摘要被排除在外。

研究选择

根据系统评价的最佳实践，由2名独立审稿人(从作者列表中选择，即AR、SE、RC、AC、IS或JR)在盲法条件下筛选研究的合格性[15］．搜索结果首先根据标题和摘要进行筛选，任何似乎符合资格标准的研究，或资格不明确的研究，都将进行全文筛选。此外，2名独立审稿人随后对全文研究进行了筛选，以确定是否有资格纳入综述。评分者之间达成了96%的一致意见(Cohen kappa= 0.53)。每一轮筛选的结果在审稿人之间进行比较，并讨论冲突，直到达成共识。

数据收集流程

审稿人对(AR、SE、RC、AC或IS)使用专门为本综述开发的标准化表格独立地从每个纳入的研究中提取数据(见多媒体附件2)．提取的数据包括研究国家、研究参与者(人口和样本量)、研究设计(应用程序特征、干预组和对照组的描述、随访时间)、结局指标(测量工具和时间)和关键研究结果(MVPA平均值和标准差或基线和随访步数)。如果研究论文中没有充分报告结果，则联系作者提供额外的数据。在数据提取存在差异的地方，作者团队讨论并重新检查原始研究，直到达成共识。

方法偏差的风险

使用Maher开发的25项工具评估偏倚风险[18]并根据试验报告综合标准(CONSORT)核对表[19］．每项研究都由2名审稿人独立评分。如果研究令人满意地满足标准，则项目得分为1分，如果研究未令人满意地满足标准或项目不适用于该研究，则得分为0分。审稿人之间的分歧通过检查和讨论原始研究来解决，直到达成共识。最常见的分歧与项目是否不存在或不适用于该研究有关，这对评估偏倚风险没有太大影响，因为两者都是0分。研究还使用2011年循证医学中心的证据水平[20.］．

结果综合

在本综述中分析的主要结果测量元分析是体育活动的平均变化(以每天的MVPA或每天的步数报告)。对于没有报告平均变化的研究，它是根据基线数据和随访(即干预结束)数据计算的。当研究包括多个应用程序功能相似的干预组时，应用程序功能最多的干预组被纳入元分析。

对于每项研究的干预组和对照组，将从基线到随访的平均体力活动变化、变化的SD和参与者人数输入Review Manager软件(Version 5.3, the Nordic Cochrane Centre)，用于计算每项研究干预组变化与对照组变化的平均差值和标准化平均差值。如果数据来自3项或更多研究，则进行元分析，计算所有研究的综合影响。

由于研究人群和干预设计的差异，预计研究异质性，因此采用随机效应模型方法。异质性的存在是用I²统计量，用于描述研究估计值中因异质性而产生的总变异的百分比[21］．我的²选择统计量作为方差的首选度量，因为它对于小样本量具有鲁棒性[21］．平均差值和标准化平均差值大小使用Cohen [22建议0.2被认为是一个小效应量，0.5 a媒介效果，和0.8 a大效果，值小于0.2为微不足道的．此外，我们进行了3次敏感性分析，以进一步评估研究结果的稳健性，排除了干预持续时间为3个月或更长(或相当于每周/天)的研究，或使用旨在增加身体活动的应用程序以及其他非身体活动行为的研究，或针对疾病人群的研究。

结果

研究选择

去除重复项后，从原始数据库检索中共识别出6170项研究。该领域的主要作者建议了另外5项研究;然而，没有一项研究符合系统评价的所有纳入标准。总共有9项研究符合纳入本综述的资格标准，其中7项研究被纳入荟萃分析。此外，1项研究[23]由于研究中的技术故障而无法使用基线数据;这意味着无法计算从基线到随访期间体力活动的平均变化，结果也无法纳入荟萃分析。此外，尽管已尽最大努力联系该研究的作者以提供进一步的数据，1研究[24]被排除在荟萃分析之外，因为没有报告对照组的基线或随访数据。研究选择过程总结在图1．

‎ 查看此图

研究特点

本综述报道的所有9项研究都是2014年至2017年间以英文发表的随机对照试验。所纳入研究的主要特征在表2．共有3项研究据报已在临床试验注册中心注册[24-26］．9项研究的样本量从23到833不等，共有1740名参与者。所有研究都使用了一款旨在增加身体活动的智能手机应用程序作为主要干预措施，尽管Recio-Rodriguez等人[27应用程序也被设计用来增加身体活动和坚持地中海饮食模式。对照组要么不接受干预，27-29]、可穿戴式加速度计[30.，31]，或智能手机应用程序的基本版本[23-26］．在这9项研究中，4项报告称他们的应用程序基于公认的行为改变理论;社会认知理论在3 [24，25，30.]，以及重新执行的原则[24]、社会影响者的观点[24]，以及行为改变的分类[28]分别在1项研究中报告。其中3项研究使用智能手机内置的加速计收集身体活动数据[23，24，26]并在其中6项研究中使用了单独的可穿戴式加速度计[25，27-31］．干预时间从6周到6个月不等。共有6项研究报告了每天的身体活动步数[26-31]，支持该结果测量的元分析。只有2项研究报告了足够详细的MVPA方面的体育活动数据，以计算效应量，因此无法对这一结果测量进行荟萃分析。

应用程序功能

这些干预应用程序包括多种功能，例如体育活动表现总结[25，27，29，31]、目标设定[24，25，27，28]，以视觉显示目标成就[24，26，28，29]，以及激励性提示[24，30.，31］．每个干预应用程序的唯一共同特征是步数或MVPA的可见显示表2详细描述每个干预应用程序的功能)。

纳入研究的偏倚风险

所有研究均使用CONSORT检查表进行方法学偏倚风险筛选[19]，分数从15 [23，28，30.]到25人中的21人[24］．关于偏倚筛选的全部细节见多媒体．每项研究都是基于2011年循证医学证据水平中心的2级随机试验[20.］．所有的研究都满足了CONSORT检查表的要求，以提供科学的理论依据并清楚地描述干预措施。大多数研究中的随机化程序被认为是充分的，除一项研究外，所有研究都详细说明了分配隐藏机制[30.］．除2项研究外，所有研究均满足CONSORT检查清单标准，为每组提供主要和次要结局和结果[23，24]，这些因素被排除在荟萃分析之外。

基于智能手机应用程序的干预和每天步数的meta分析

共有6项研究，共涉及1178名参与者，报告了以每天步数计算的身体活动的变化[26-31］．与对照组(不同研究的性质不同)相比，干预条件显示无显著性(P每天平均步数增加=.19)，组间平均差异为476.75步/天(95% CI−229.57至1183.07;看到图2)．对照组和干预组之间的标准化平均差异在量级上较小，有利于干预组(0.21;95% CI−0.07 ~ 0.50;看到图3)，但在统计上并不显著(P= .14点)．研究中异质性的影响是显著的(I²=72%)，表明72%的研究差异是由于异质性而非偶然性[32］．因此，元分析结果应谨慎解释。

‎ 查看此图

‎ 查看此图

基于智能手机应用程序的干预对每天中等至剧烈体育活动的影响

2项研究报告了在MVPA中花费的时间[25，27总共包括732名参与者。两项研究都报告了干预组每日MVPA分钟减少的不显著趋势表3)．然而，效应量小于0.2 (微不足道的［22])的幅度为每天2至3分钟，或效应量为-0.1 (微不足道的［22])。由于样本量小(两项研究)，未进行meta分析。

敏感性分析

进行敏感性分析，以确定不同条件下的meta分析结果是否一致。灵敏度分析结果的图表见多媒体附件4．在第一次敏感性分析中，纳入了干预时间不超过3个月的研究(即，干预时间超过或等于3个月的研究被排除在外)[27，29-31］．荟萃分析结果显示，体育活动应用程序每天显著增加了2074.96步(95% CI 606.80至3543.11，标准化平均差异0.56,95% CI 0.16至0.97，P= . 01)。

第二项敏感性分析检查了仅针对体育活动的研究是否会产生影响(即，一项同时干预体育活动和饮食的研究被排除在外[27])。荟萃分析结果表明，体育活动应用程序每天增加了716.86步的体育活动(95% CI 38.37至1395.36，P=.04)或标准化平均差0.31 (95% CI 0.07至0;P= . 01)。

最后的敏感性分析检查了体育活动应用程序的效果对于针对普通成年人人群或特定健康状况人群(如中风幸存者)的应用程序是否一致。在这两种情况下，结果与主要荟萃分析一致;也就是说，在普通成年人群中，每日步数的改善没有显著趋势(每天+649.54步;95% CI−822.66 ~ 2121.74;标准化平均差0.24;95% CI−0.30 ~ 0.78;P=.24)以及有特定健康状况的人群(每天+438.36步;95% CI−335.94 ~ 1212.67;标准化平均差0.22;95% CI−0.09 ~ 0.53;P=。)。

讨论

主要研究结果

这项荟萃分析表明，基于应用程序的体育活动干预对客观测量的体育活动没有显著的积极影响。然而，敏感性分析表明，影响因研究参数而异。特别是，有证据表明，智能手机应用程序在短期内(即不到3个月)使用时，对身体活动有显著的积极影响，而且应用程序只针对身体活动，而不是将身体活动与其他健康行为结合起来。

据我们所知，这是第一个建立基于应用程序的体育活动干预在增加客观测量的体育活动方面有效性的元分析。只有1项基于应用程序的体育活动干预的元分析已发表[11与本研究不同的是，该研究报告了截至2015年8月发表的非随机和随机对照试验的体重减轻和主观身体活动数据。尽管存在这些差异，但我们的发现与两项研究基本一致，即与对照组相比，体育活动没有显著增加。最近的另一项系统综述发现，智能手机应用程序对身体活动有一定的影响，并指出当时用于测试智能手机应用程序在增加身体活动方面效果的随机对照试验数量有限[12］．我们的研究证实，使用客观的体育活动测量来评估疗效的随机对照试验的数量有所增加，但仍然有限。

敏感性分析表明，与较长时间的干预相比，当干预持续时间为3个月或更短时，基于应用程序的体育活动干预是有效的。这与另外两项研究的结果一致[33，34他们同样报告说，体育活动应用程序在持续时间分别超过1个月和8周时似乎最有效。综上所述，这些研究结果表明，干预效果似乎在干预开始的前几个月达到峰值，并随着时间的推移而减弱。这增加了一种可能性，即干预持续时间为3个月或更长时间的研究，以及那些在3个月或更晚进行首次随访评估的研究，实际上可能未能捕捉到干预效果，在进行评估时，干预效果可能已经达到顶峰，并已经开始消退。

体育活动应用程序可能在短期内最有效，这也与之前关于基于技术的体育活动干预的参与度的研究相一致，这些研究通常发现，随着时间的推移，参与度会下降，而这种下降与干预效果的逐渐减弱相对应[18，34-37］．在基于智能手机的干预措施中，参与度下降尤其突出，因为它们的设计排除了人力支持和支持性问责[37］．在Recio-Rodriguez等人的[27试验中，超过一半的研究对象使用这款应用超过8周，试验结果对对照组有利。有趣的是，在该研究中，持续使用该应用程序超过8周的参与者实际上显示出MVPA平均每周净增加44.0分钟(95% CI 2.1至86.0)，这有利于干预组，但这种影响被不再使用的参与者的糟糕结果所抵消。要使干预产生效果，介入是必要的，而介入是通过参与者与应用程序的接触而发生的[36，38］．因此，这些结果强调了一个概念，即持续参与应用程序对干预效果很重要[36］．

敏感性分析的结果表明，单独干预体育活动可能比与其他健康行为结合更有效。请注意，这种解释只能谨慎做出，因为只有一项研究使用了多行为方法。然而，这一解释与最近的另一项评论是一致的，该评论还发现，针对单一健康行为的应用程序似乎比使用多种行为方法的应用程序产生更大的改善[34］．相比之下，最近一项从用户角度考察体育活动应用程序有效性的案例研究表明，用户认为将体育活动和饮食成分结合在一起的应用程序比仅包含体育活动成分的应用程序更有效[33］．用户对结合身体活动和饮食应用程序的偏好可能是由于参与者收到的大量反馈[33]以及接受反馈与参与健康行为的动机之间的相关性[39］．

优势与局限

严格的纳入标准是这项研究的一个关键优势，将其定位为第一个检验基于智能手机应用程序的干预措施对客观测量身体活动有效性的元分析。这一快速发展领域的成熟使我们能够将综述限制在随机对照试验方法和客观结果上，提高了发现的可信度，降低了结果受回忆或反应偏倚影响的可能性。此外，还对7个数据库进行了广泛搜索，以降低发表偏倚的风险。

本研究也存在一定的局限性。只有相对较少的研究符合我们严格的纳入标准，其中大多数样本量小，干预时间短。结果，效应量估计的置信区间相当大，这可能阻碍了荟萃分析确定显著效应。尽管我们有严格的纳入标准，但研究在干预形式、目标人群和研究设计要素方面仍然高度多样化，异质性评分表明结果并没有反映相同的数据池。特别是，一些对照组接受了最低限度的干预[25，26，30.，31]，这可能会稀释干预效果。此外，尽管我们试图只关注智能手机应用程序，但其中一些研究包含了其他元素(例如活动跟踪器)，这些元素本身可能会改变身体活动。这使得不可能将这些干预措施中手机应用程序组件的影响隔离开来。尽管随机对照试验被认为是金标准的实验设计，但我们的搜索标准中只包括随机对照试验，不包括在生态有效设计范围内进行的研究。因此，我们基于随机对照试验得出的结果可能与更多人得出的结果不同现实生活中的研究设计，阻碍了我们对我们的结果在现实环境中的泛化性发表评论的能力。人们也承认，除了随机对照试验之外，其他具有较少实证假设的研究设计将在这一科学领域的进展中发挥重要作用[40］．

未来的建议

这项荟萃分析强调，相对较少的高质量研究已经进行了身体活动智能手机干预的有效性。未来的研究应该充分详细地描述它们的干预和应用程序的特征，以便结果是可重复的，可借鉴的，并推进这一领域的研究。

未来的研究应致力于加强对干预效果的时间过程的理解。特别是，需要增加对达到峰值效应大小的时间点、用户粘性下降的时间点以及支撑这些现象的因素的理解。这可能涉及未来的研究，随访时间更长，并在更有规律和更频繁的时间点进行结果测量。积极效果的相对短期性质表明，开发者需要花更多精力设计有助于长期维持用户粘性的应用功能，例如通过模块、可解锁内容和奖励。由于缺乏人力支持和支持性问责制，维持用户参与对于基于智能手机的干预尤为重要[37］．之前的研究确定了易用性、功能、反馈、定制信息、个性化设计能力和设计美学作为高排名的参与策略[38］．对于未来的应用设计来说，将这些长期参与策略纳入其中是很有用的，因为增加干预的曝光率会产生更大、更持久的影响。35］．需要进一步的研究来证实或反驳我们的发现，即干预一种健康行为可能比针对多种健康行为的干预更有效。

主要建议包括:

1. 需要利用随机对照试验设计进行研究，此外还需要更生态有效的设计，以推进该领域的发展。
2. 研究应旨在提高我们对干预效果的时间过程的理解。这可以通过在整个干预期间进行更定期的评估来实现，而不是像目前这样只进行几次间隔很大的评估。
3. 需要采取促进持续参与的战略，以促进可持续的有效性。
4. 我们还需要进一步的研究来了解体育活动是作为一种单独的行为更好，还是与其他健康行为一起更好。

结论

这是第一次对智能手机应用程序增加客观测量的身体活动进行系统回顾和元分析。结果表明，这些应用程序导致客观测量的体育活动没有显著增加，尽管在短期内使用体育活动应用程序和仅针对体育活动时，效果似乎更大。总的来说，元分析为智能手机体育活动应用程序的有效性提供了适度的支持。