家庭血压远程监测的差异效应和决定因素:中国安徽界首三年队列研究

简介

家庭血压远程监测(HBPT)在当前的高血压管理指南中被推荐，并在世界范围内迅速推广[1-3.］．各种随机对照试验(rct)记录了HBPT对血压(BP)的边际至中度影响，收缩压(SBP)降低3至8 mmHg，舒张压(DBP)降低1至4 mmHg [4-6］．研究还报告了HBPT在生活质量、心血管并发症风险、高血压相关服务使用成本和其他结果测量方面的变化[7，8］．这些效果主要归因于“血压引导”的专业护理和自我管理，包括抗高血压药物的自我滴定和依从性[9，10］．

给定波动的血压读数;变化阶段(如正常血压、高正常血压、1级和2级高血压)[11高血压类型(如办公室或“白大褂”高血压、隐蔽性高血压、孤立性收缩期高血压);由于患者身体、心理和社会经济条件的不同，HBPT的实际效果可能因患者和测量时间的不同而有很大差异。然而，已发表的关于HBPT的研究一般采用“无差别”方法，主要侧重于比较干预组整体与对照组整体的效果[12-14］．尽管少数rct记录了特定亚组的血压降低，如基线血压控制不充分的患者[6，15]，对于不同BP水平/阶段的患者组中HBPT的影响和决定因素是否以及如何不同，目前尚不清楚。尽管有迹象表明HBPT对血压控制的最大效果通常在干预的头几个月达到，但这是基于持续时间相对较短(小于1年)的研究，其长期可持续性仍有待证明[16-18］．

在过去十年中，中国HBPT的使用迅速增加。越来越多的居民购买和使用各种类型的HBPT设备。然而，关于HBPT的影响和决定因素的数据普遍缺乏。与其他国家的研究相似，国内关于HBPT的有限出版物主要集中在比较干预组和对照组的血压差异，很少关注HBPT的决定因素和分化效应。

为了填补这一空白，本研究的目的是使用来自中国安徽节寿的相对大规模(5658例高血压患者)和长期(长达40个月)队列的数据，对HBPT进行相对深入的分析，特别关注在不同血压水平的患者组中比较其影响和决定因素。作为中国中部和东部的一个内陆县，界首是全国大多数县的代表。

方法

研究地点及课题

这项研究以两个相关的正在进行的项目为基础。第一个是由中国安徽省揭首医院发起的，旨在通过HBPT改善高血压管理。该项目覆盖了结首医院联合体服务的所有村庄(48个)的所有高血压患者(5658名)。HBPT包括一个电子振荡式上臂血压监测仪，安装了一个语音扬声器，能够自动向患者陈述测量结果和教育信息。该监控器由科大讯飞有限公司提供，经证实，普通居民可以轻松使用。HBPT的读数被同步发送到远程中央数据中心。

第二个项目是在ISRCTN注册的RCT(10999269)。本项目使用上述HBPT项目参与者的聚类随机样本(n=3005)来测试一种新型个性化高血压管理包的有效性[19］．

到本研究开始时，HBPT项目已经收集了参与者超过40个月的血压读数，RCT已经完成了基线评估，包括结构化基线家庭调查。

数据内容及收集

本研究使用了上述HBPT项目的记录和相应基线住户调查的部分数据。每张HBPT记录包括四个项目:收缩压、舒张压、每分钟脉冲、测量日期和时间。住户调查于2021年4月至7月通过面对面的结构化问卷进行。本研究使用了问卷中的24个项目，收集了以下信息:(1)社会人口学特征，包括年龄、性别和教育程度;(2)身高体重;(3)首次诊断高血压的年龄;(4)高血压相关症状及诊断(多媒体附件1)．

数据处理与分析

数据分析包括三个部分:(1)按社会人口学类别对研究对象进行描述性统计(数量和百分比)，(2)计算并表示总体研究对象和第一个月平均SBP/DBP不同的子组的月活跃HBPT率(以轨迹线表示)，(3)对HBPT次数和SBP/DBP在过去一年进行多变量线性和百分比回归建模，(4)对BP控制率进行多变量逻辑回归建模。

月活跃HBPT率定义为在关注的一个月内至少进行过一次HBPT的患者比例。多变量线性、逻辑和百分位回归模型使用了类似的独立变量、暴露变量和混杂变量。因变量包括过去一年HBPT的总体参与者和平均SBP/DPB不同的亚组以及过去一年的BP控制率。暴露变量为SBP/DBP平均值和SBP/DBP系数在过去一年的变化。混杂变量包括社会人口学和健康状况。任何患者的月平均收缩压/舒张压定义为他们的小时平均收缩压/舒张压，计算为在给定小时内(例如上午8:00-8:59)记录的所有收缩压/舒张压读数之和，乘以同一小时内的记录数量。血压控制率计算方法为过去一年SBP<140 mmHg和DBP<90 mmHg的血压读数次数乘以同期总血压读数。

关于月活跃HBPT的分析使用了所有参与HBPT项目的参与者，而回归建模使用了基线调查的所有参与者。使用去年HBPT使用次数的对数将变量转换为正态分布。详细的值分配见多媒体附件1．在多变量回归建模之前，所有定量变量和顺序变量均采用z -score进行标准化。

伦理批准

本研究已获安徽医科大学生物医学伦理委员会(编号20200936)批准，所有参与者均已在同意书上签字(识字者)或勾选(不识字者)。

结果

研究参与者的社会人口学

在基线调查招募的3005名参与者中，57%是女性。参与者的平均年龄为65.50岁。高血压病程平均9.50年。超过半数受访者有高血压家族史(表1)．虽然HBPT项目的5658名参与者没有关于BMI和高血压相关症状和诊断的详细数据，但他们与上述3005名调查参与者共享兼容的社会人口学数据，因为后者是前者的随机样本。高正常值血压形成了整体型高血压(130≤SBP≤139 mmHg和/或85≤DBP≤89 mmHg，占43.09%)，其次是一级高血压(140≤SBP≤159 mmHg和/或90≤DBP≤99 mmHg，占32.21%)和正常血压(SBP<130 mmHg和DBP<85 mmHg，占21.37%)。

不同队列中月平均血压的轨迹

图1而且多媒体附件2显示所有5658名参与者和第一个月平均收缩压/舒张压可变的患者在HBPT不同时间段(月)后的月平均收缩压/舒张压的变化。代表平均收缩压/舒张压的两组线均呈现下降和“收敛”趋势，开始时最高和最低平均收缩压/舒张压之间有较大差距，在HBPT开始几个月后，沿x轴越来越近。平均收缩压线聚集在略低于140 mmHg的一条线上，平均舒张压线聚集在略高于80 mmHg的一条线上。起始月平均收缩压(170+ mmHg)最高的队列收缩压(从第1个月的183 mmHg下降到第35个月的140 mmHg)和舒张压(从第1个月的106 mmHg下降到第35个月的79 mmHg)下降幅度最大。相反，起始月平均收缩压(110 - mmHg)最低的队列显示收缩压(从第1个月的102 mmHg增加到第30个月的141 mmHg)和DBP(从第1个月的66 mmHg增加到第40个月的81 mmHg)增加最大。在起始月平均收缩压中间的队列中，平均收缩压/舒张压变化最小。在前5-6个月出现了最快的下降或上升。

‎ 查看此图

不同起月血压的月活跃HBPT率

图2以月为单位，表示每月活跃HBPT的比率。所有5658名参与者在第一个月都进行了HBPT，但随后2到4个月的比率迅速下降。随后，利率继续以越来越慢的速度下降。开始月平均收缩压为130-150 mmHg的患者表现出最高的月活跃HBPT率，其次是150-170 mmHg和110-130 mmHg组。在HBPT方面，两个极端组(110和170+ mmHg组)最不活跃。当患者根据他们的开始月平均DBP进行分组时，每月活跃HBPT率的轨迹模拟了中所示的结果图2就几乎所有特征而言，除了不同组之间的差距较小外(多媒体)．

‎ 查看此图

SBP和DBP的多变量回归模型

表2总结了我们过去一年的平均收缩压和舒张压的多变量线性和百分位回归模型的统计数据。线性回归分析显示，去年HBPT次数与收缩压(B= -0.09，PDBP (B= -0.11，P<措施)。在百分位回归模型中，发现HBPT次数与两个BP变量的相关系数递减，收缩压和舒张压分别从0.16到-0.35和从0.11到-0.35。在百分位模型中，年龄与收缩压/舒张压在所有百分位中也有显著相关性(收缩压为阳性，舒张压为阴性)，而在教育程度、家族史、高血压相关症状和诊断数量与收缩压和舒张压几乎没有显著相关性(所有百分位均为阴性)P> . 05)。性别与舒张压相关，但与收缩压无关，而高血压持续时间和BMI在收缩压比舒张压明显更多的百分位上表现出统计学意义上的相关性。

血压控制率的多变量Logistic回归模型

表3使用不同的临界值(CV)将高血压患者分为受控(如果患者的血压控制率大于CV，则y=1)和非受控(否则y=0)两类，统计了过去一年9个BP控制率的多变量logistic回归模型。从趋势上看，HBPT次数随BP控制率呈一致的下降趋势(相关系数和优势比分别从模型1的0.53和1.7下降到模型9的-0.62和0.54)，高血压病程随模型1到模型9的BP控制率呈普遍的增加趋势。协会的英国石油公司控制速度是极端重要的模型(模型1、2、3、4、8和9)次HBPT,年龄和在底部的重要模型(模型1 - 4)的数量和hypertension-related诊断(模型1 - 2),在顶级模特性(模型4 - 9)和BMI(从模型7 - 9),在中等教育模型(模型3 - 5),期间和在所有模型高血压。

HBPT的多变量百分位回归分析

图3以阴影曲线显示去年HBPT次数与所研究的自变量之间的多变量百分位回归系数。在所有曲线中，只有SBP变异系数(图3K)和高血压相关诊断数量(图3h)在所有百分位轴上与虚线(B=0)的距离清晰，只有表示平均收缩压的曲线与整个百分位轴上的红线(图3i).所有剩下的阴影曲线都用红线表示了较大或较小部分百分位数的截距。收缩压的变异系数(图3K)距离红线的距离最大，在各百分位上呈递减趋势，而年龄系数呈递增趋势。给出了多变量百分位回归模型的主要统计量多媒体附件4．

‎ 查看此图

讨论

HBPT对收缩压/舒张压的影响

我们的研究在第一个月平均收缩压不同的高血压队列中揭示了HBPT后新颖而有意义的血压轨迹(图1)．在我们的研究中，HBPT并没有像以往大多数相关研究中记录的那样简单地降低收缩压或舒张压，而是根据结果B出现了混合变化P受关注病人的价值观。收缩压变化幅度为-43 ~ +39 mmHg，舒张压变化幅度为-27 ~ +15 mmHg。当控制常见报道的混杂变量，如性别、年龄、教育程度、高血压病程、BMI、高血压家族史、高血压相关症状和诊断的数量时，HBPT对收缩压/舒张压的分化影响仍可观察到。在多变量百分位回归模型(表2)， HBPT时间与收缩压、舒张压均有中度至强相关性。在我们的多变量逻辑回归模型中(表3)， HBPT次数与血压控制率再次表现出强且分化的相关性。这些发现表明，HBPT发挥了主要的双向或“目标收敛”作用。有趣的是，这里的“目标”是被广泛认可和接受的高血压控制的定义值(即收缩压低于140和/或舒张压低于90 mmHg [11，20.])。当监测到收缩压/舒张压高于目标值时，HBPT可能促使患者采取行动，通过自滴定降压药物降低血压;咨询医生开始或加强抗高血压治疗;实践更严格的生活方式改变已被证明可以降低高血压，包括减肥、饮食方法和体育锻炼[21-24］．对于血压低于目标血压的患者，HBPT可能已经通知他们向医生咨询更温和的治疗药物或剂量，或者可能减少进一步的自我管理努力。

“目标趋同”效应的影响仍有待仔细研究。已证实，从“目标”上方向下“收敛”通过多种机制对患者有益，包括降低脑出血的风险[25，26］．从远低于“目标”的水平向上“收敛”(例如收缩压<110 mmHg)也可能导致更好的健康结果，例如，由于减少了脑缺血的机会[27］．然而，从低于“目标”的一定范围向上“收敛”(例如收缩压从130 mmHg到140 mmHg)可能对患者的健康有害。

HBPT的决定因素

不同队列的月活跃HBPT下降率和变化率(图2)提示收缩压/舒张压和时间可能是影响HBPT的最重要因素。中期队列(开始月平均收缩压为130-150 mmHg的亚组)的原因图2或DBP=80-90 mmHg in多媒体)表现出最高的月HBPT率可能是因为他们的收缩压/舒张压水平最接近高血压控制的定义值。患者的血压越接近定义值，他们从HBPT获得有意义反馈(高血压管理成功或失败)的机会就越大，因此进行监测的愿望就越大。相反，两个极端队列的参与者可能会对执行HBPT感到沮丧或放松。

HBPT项目开始后，随着时间的推移呈下降趋势，主要原因可能是对所得到的SBP/DBP越来越熟悉。换句话说，当患者预测结果的能力增强时，他们对实施HBPT的愿望或兴趣就会降低。这与我们的研究结果一致(图3而且多媒体附件4)，收缩压变化系数与HBPT发病次数独立相关。

我们的多变量百分位回归模型还确定了HBPT与年龄、教育程度、高血压病程、家族史和高血压并发症诊断之间的独立相关性。感知风险可能是这些关系背后的主要原因。换句话说，年龄较大、受教育程度较高、高血压病程较长、诊断次数较多、有家族史的患者可能会认为自己患高血压并发症的风险较高，因此在HBPT中表现得更加活跃[28，29］．值得注意的是，就相关系数的大小或百分位持续时间而言，所有这些相关性都弱于DBP值和SBP变化的相关性。

人际关系的变化

我们的研究发现了HBPT与其影响因素之间关系的有趣变化。HBPT次数与平均DBP呈负相关(图3j)，但与平均收缩压(图3i).这可以用因变量和自变量之间的动态相互作用来解释。更具体地说，HBPT越频繁，发现血压升高的几率越大，这反过来又导致降低血压的努力更大，然后血压下降更大，最后SBP和HBPT之间的关系不显著。同样的动态也可能在DBP中起作用，但导致了负相关，因为相当一部分患者有孤立的收缩期高血压，他们的DBP通过HBPT和收缩压的相互作用间接降低。收缩压的变化(图3k)不像SBP/DBP那样容易通过相互作用动态降低，因此与HBPT表现出一致的强相关性。DBP变化与HBPT无显著性关系(图3l)可能与收缩压的变化值相对较小有关，因此较少引起患者的关注。

在使用SBP/DBP作为因变量的模型中也观察到类似的相关性变化。例如，年龄与收缩压呈持续的正相关，而与舒张压呈持续的负相关。这些矛盾的关系在各种高血压人群中都有报道，特别是那些以相对年长的孤立收缩期高血压患者为主的人群[30.，31］．此外，性别与舒张压相关，但与收缩压无关，而BMI和高血压病程与收缩压的关系比与舒张压的关系更密切。这些发现也与先前的研究相似[32，33］．关于血压控制率，我们的logistic回归模型显示年龄、性别和教育程度是保护因素;BMI和高血压相关诊断数是危险因素;这些因素的影响是复杂的，在模型的各个部分都可以观察到。这些现象的机制和意义值得进一步探讨。

优势与局限

我们的研究既有优势也有局限性。本研究使用了相对大规模(5658例高血压患者)和长期队列的数据。对HBPT的决定因素进行了相对深入的分析，特别注意与BP结果的微妙和差异的相互作用。因此，这项研究提供了长达40个月的月平均SBP/DBP和HBPT月活跃率的有用轨迹。分别以HBPT次数、平均SBP/DBP和BP控制率为因变量的多变量线性、百分位和逻辑回归建模，可对结果进行交叉检查和比较。

这项研究也存在缺陷。首先，由普通居民在家中表演，BPHBPT的值容易受到各种影响。其次，研究人群年龄相对较大(平均65.50岁)，研究结果应谨慎推广。第三，本研究仅将收缩压/舒张压作为结局变量，未考虑其他变量(如并发症、医疗负担)，且缺乏与未使用HBPT患者的比较。第四，血压读数容易受到日变化和观察者内部变化的影响，这可能导致测量偏差，尽管我们使用月和小时平均SBP/DBP可能在一定程度上有助于减少这些偏差。针对这些缺陷，我们进一步的研究活动包括进行住户调查/观察，以帮助确定影响HBPT读数的因素，将HBPT扩展到更年轻的人群，并进一步分析HBPT与主要不良心血管事件(如中风)和生活质量之间的联系。

结论

HBPT对收缩压/舒张压有重要的“目标收敛”作用。“目标”是被广泛认可和接受的高血压控制定义值(即收缩压低于140和/或舒张压低于90 mmHg)。在HBPT之后，平均血压高于或低于“目标”的队列中，收缩压/舒张压分别降低或增加。变化的幅度比通常记录的要大几倍。在HBPT开始后的第三年，这些差异效应仍然可以观察到。血压、血压变化和时间是HBPT摄取的最重要决定因素，而年龄、教育程度、高血压病程、家族史和高血压并发症诊断也与摄取有关，但强度明显较弱。HBPT与收缩压变化的相关性比与舒张压的相关性强。

显然需要对HBPT的应用和评估进行差异化思考。首先，简单地比较干预组与对照组的整体效果的传统方法容易低估HBPT的实际影响，因为一部分患者的下降被另一部分患者的增加所抵消。HBPT可导致血压下降、稳定或升高，这取决于所关注患者的复杂和动态情况。这些不同的影响不一定都是有益的，值得将来仔细研究。因此，这项研究强调了纠正过时的信念或做法，并利用HBPT应用的新机会的必要性。其次，“白大褂”效应的差异表明，当使用HBPT读数时，高血压控制的传统临界值更低。换句话说，患者应该更好地了解“白大褂”效应，并需要进一步努力将HBPT读数维持在140/90 mmHg以下。第三，对不同水平的HBPT读数的不同反应表明有选择性的远程监测，特定群体的“目标”，甚至个性化干预。第四，相对于收缩压，对DBP的关注较少，这意味着需要更多的努力来促进患者的平衡意识。尤其应告知患者舒张压与收缩压同等重要，在自我监测时应同等重视。