3.7 Q1 | meta | 四川大学| 基于移动应用程序的心力衰竭患者干预措施：系统评价和荟萃分析
第一段–文章基本信息
文章题目：Mobile Application-Based Interventions for People with Heart Failure: A Systematic Review and Meta-Analysis
中文标题：基于移动应用程序的心力衰竭患者干预措施：系统评价和荟萃分析
发表杂志：J Nurs Manag
影响因子：1区，IF=3.7
发表时间：2024年9月
第二段–本文创新点和科研启发
本文创新点和科研启发
移动应用干预措施的有效性： 本研究通过系统综述和荟萃分析，评估了基于移动应用的心力衰竭干预措施的有效性。研究发现，这些干预措施在改善心力衰竭患者的临床结果方面具有显著效果，包括降低再入院率和提高生活质量。具体而言，使用移动应用的患者在干预期间的再入院率显著降低，表明移动应用在心力衰竭管理中具有潜在的临床价值.
移动应用的多样性和可及性： 研究指出，移动应用在心力衰竭管理中的应用具有多样性和可及性。随着智能手机的普及，移动应用为患者提供了便捷的自我管理工具，能够实时监测健康状况、提供个性化的健康建议，并与医疗团队进行互动。这种多样性和可及性使得移动应用成为心力衰竭患者日常管理的重要补充，有助于提高患者的依从性和参与度。
为临床实践和未来研究提供指导： 本研究的结论为临床实践和未来研究提供了重要指导。研究结果表明，移动应用干预措施在心力衰竭管理中具有显著的临床效果，建议在临床实践中推广使用。同时，研究也指出了当前研究的局限性，如样本量较小、干预时间较短等，并建议未来研究进一步探索移动应用在不同心力衰竭患者群体中的长期效果，以及如何优化这些应用以提高其临床效果。
第三段-Introduction
背景
心力衰竭是一个全球性医疗问题，与高住院率、死亡率和生活质量下降相关，给医疗系统带来沉重负担。尽管指南强调药物治疗和患者自我护理的重要性，但心力衰竭患者的自我护理行为往往较差，仅有42%的患者坚持良好的自我护理行为。研究表明，疾病知识不足和医疗资源获取有限是主要障碍。信息技术的发展，尤其是移动医疗（mHealth）和移动应用程序，为改善心力衰竭患者的自我护理提供了新机会。然而，现有研究对基于移动应用的干预措施的有效性结果不一致。几项系统评价已评估这些干预措施对心力衰竭患者的影响，但存在局限性，如合并多种移动医疗干预措施或研究人群不局限于心力衰竭患者。因此，本系统综述旨在定量分析基于移动健康应用程序的干预措施对心力衰竭患者的死亡率、住院率、自我护理和生活质量的综合影响，以提供更明确的证据支持其在心力衰竭管理中的应用。
第四段-Methods
方法
文献检索
从建库到2023年10月21日，在六个电子数据库中进行了全面检索：MEDLINE、CINAHL Plus with Full Text、PsycINFO、Web of Science、EMBASE和CENTRAL。检索策略使用了医学主题词（MeSH）和文本词的组合，例如“心力衰竭”、“心力衰竭”、“移动应用程序”、“移动健康”和“智能手机”。使用适当的布尔运算符将这些MeSH术语和文本词组合起来，以检索所有相关研究。限制为英语文章。还对纳入文章的参考文献列表和以前发表的相关综述进行了手动检索，以检索任何其他研究。
纳入和排除标准
如果文章符合以下PICOS标准，则纳入：（1）人群：诊断为心力衰竭的成年人；（2）干预：任何移动健康应用程序，既可以独立使用，也可以与其他交付模式结合使用，例如电话、短信或远程监控。这些应用程序通过任何类型的移动设备（例如智能手机、平板电脑或PDA）提供接口；（3）比较：常规护理、标准护理、常规护理、候补名单控制或没有移动应用程序的健康教育；（4）研究至少包括以下结局之一：死亡率、住院率、自我护理或生活质量；（5）研究设计：RCT或试点RCT。
排除标准如下：（1）患有各种慢性疾病或一般心脏疾病（例如高血压、冠心病和心房颤动）但未归类为心力衰竭的混合参与者；（2）主要干预是电话、视频会议、电子邮件、在线社交网络或任何其他没有应用程序的移动干预；（3）对干预组和对照组的不同应用进行了比较；（4）与其他基于移动技术的干预措施（例如自动远程监控设备）相比，作为对照组的应用程序；（5）不完整的研究，例如研究方案或不完整的数据；（6）会议摘要、书籍章节评论或社论。
研究选择和数据提取
文献检索结果导出到EndNote X9软件中。删除重复项后，两位作者根据纳入和排除标准独立筛选研究的标题和摘要。然后，由同一两位作者对可能相关的研究进行全文评估，以选择符合条件的研究纳入本综述。任何分歧都与第三位评价员讨论以达成共识。 纳入研究的数据由两位作者使用Cochrane手册指导的预先设计的数据收集表独立提取。提取的数据包括作者、年份、国家、样本量、样本特征（例如，年龄、性别）、干预特征（例如，关键组成部分、频率和持续时间、移动设备和交付人员）、控制特征、结果和测量工具以及资助。当数据不完整时，通过电子邮件联系了通讯作者以获取缺失的信息。通过与第三位评价员讨论解决分歧。
质量和证据评估
两位作者使用Cochrane偏倚风险工具评估了纳入研究的方法学质量。通过与第三位评价员讨论解决分歧。该风险工具包括七个领域：随机序列生成（选择偏倚）、分配隐藏（选择偏倚）、参与者和人员的盲法（实施偏倚）、结果评估的盲法（检测偏倚）、不完整的结果数据（损耗偏倚）、选择性报告（报告偏倚）和其他偏倚。每个领域都被评为具有低偏倚风险、高偏倚风险或不明确的偏倚风险。两位评价员使用GRADE方法独立评估证据质量，该方法从五个方面（偏倚风险、不一致性、间接性、不精确性和发表偏倚）将证据质量分为四类（高、中、低或极低）。推荐评分评估、开发和评价分析器指南开发工具（GRADEpro GDT）用于开发GRADE证据概况。
数据合成和分析
进行了描述性综合以描述纳入研究的特征。荟萃分析的所有统计分析均使用Review Manager 5.4和统计软件R 4.3.3进行。使用Mantel-Haenszel方法通过风险比（RR）和95%置信区间（CI）计算二元结局，并将具有统计学意义的RR转换为需要治疗的人数（NNT）以确定临床相关性。对于使用相同工具测量的连续数据，使用平均差（MD）和95% CI来确定干预的效果。对于使用不同工具测量的连续数据，使用通用逆方差法计算具有95% CI的标准化均数差（SMD）。效应量通过Cohen的d来评估（0.20-0.49表示小效应，0.50-0.79表示中等效应，≥0.80表示大效应）。使用z统计量确定总体效应，p < 0.05。 根据纳入研究的临床和方法异质性，使用具有限制最大似然估计的随机效应模型。对合并效应大小的95% CI进行Knapp-Hartung调整，以降低假阳性的风险。还计算了95%的预测区间（PIs）。使用I²统计量和Cochran的Q检验评估纳入研究的统计异质性。I² 0%-40%、30%-60%、50%-90%或75%-100%分别表示不重要、中等、显著或相当大的异质性。通过亚组分析（即干预持续时间、移动设备、监测频率和交付人员）探讨了研究之间异质性的可能来源。对于具有多臂概况的研究，根据Cochrane手册，评估与该综述范围的相关性，以便为主要分析创建单一的成对比较。当研究报告中位数和四分位数间距时，均值和标准差是按照McGrath等的建议估计的。通过一次排除一项研究来进行敏感性分析，以测试合并结果的稳健性和可靠性。使用Egger回归检验和漏斗图来检测潜在的发表偏倚。
第五段-Results
结果
研究选择
文献检索和选择过程的 PRISMA 流程图如图 1 所示。从电子数据库中检索到 4208 条记录，通过纳入文章的参考文献列表和以前发表的相关综述手动检索 8 条记录。在删除重复项并筛选标题和摘要后，仍有 79 项研究进行全文评估。最后，24 项研究符合纳入标准并被纳入本综述。
纳入研究的特点
共有2886名心力衰竭患者参与了24项研究，样本量从18到710不等。23项研究是双臂试验，1项是三臂试验。所有研究均在2009年至2023年间发表，其中62.5%（15/24）的研究是在2020年之后发表的。这些研究在欧洲（n = 10）、北美（n = 6）、亚洲（n = 6）、大洋洲（n = 1）和南美洲（n = 1）进行。参与者的平均年龄从50.0岁到79.9岁不等，女性参与者的百分比从7%到69.8%不等。涉及2855名参与者的23项研究报告了纽约心脏协会（NYHA）分类，大约50%的患者表现为NYHA III级或IV级。19项研究描述了左心室射血分数（LVEF），其中13项研究报告射血分数降低≤40%。
干预措施和对照的特征
5项研究通过基本手机进行干预，11项研究通过智能手机进行干预，6项研究通过平板电脑进行干预，2项研究通过PDA进行干预。所有研究都在参与者的家中进行了干预。在8项研究中，干预措施由不同的人员实施，包括医生、临床医生、心脏病专家或老年病学家；8项试验中的护士；5项研究中的多学科护理团队；和1项研究中的研究协调员。两项研究没有报告有关人员的任何信息。
基于移动应用程序的干预的主要特点
应用程序提供的功能因研究而异。应用程序的七个主要功能包括：（1）提醒和通知（即提醒参与者使用应用程序、进行自我监测或服药）；（2）自我监测和评估（即进行自我监测并记录生命体征和症状，例如血压、心率和体重）；（3）目标设定（即为参与者设定一个量身定制的目标，例如体育活动）；（4）健康教育（即提供与心力衰竭相关的健康信息或资源）；（5）反馈和警报（即根据生理和症状信息提供临床医生的反馈和警报）；（6）远程教练（即提供个性化建议和修改治疗）；（7）社交互动（即访问聊天室、论坛以及与同伴和专业人士的互动）。
1.提醒和通知：15项研究使用了提供提醒和通知的应用程序。向患者发送视觉或听觉提醒或推送通知，以提醒他们进行测量（例如体重和血压）、回答问卷（例如症状评估）或使用该应用程序。
2.自我监测和评估：除一项研究外，所有研究都使用了具有自我监测和评估功能的应用程序。在其中13项研究中，生理数据（例如体重和心率）通过无线蓝牙或可穿戴技术自动发送到移动设备。7项研究手动记录测量值。3项研究没有报告测量结果是手动记录还是自动记录。研究中最常监测的参数是体重（n = 20）、血压（n = 13）、心力衰竭症状（n = 12）和心率（n = 7）。
3.目标设定：3项研究使用了具有目标设定功能的应用程序。Saleh等人通过移动健康应用程序设定了每周的身体活动目标。Clays等人和Wita等人根据患者参数趋势开发了个性化的体育锻炼计划或个体化护理计划。
4．健康教育：13项研究使用的应用程序以各种格式（例如，文本、照片、视频、问答游戏）提供健康信息和资源。健康信息涉及心力衰竭的各个方面，例如病理生理学、症状、症状管理、生活方式、治疗和自我护理行为。
5．反馈和警报：20项研究使用了具有反馈和警报功能的应用程序。当报告的生命参数超出目标范围或症状表明心力衰竭可能恶化时，参与者通过电子邮件、消息、电话或屏幕颜色分类（例如，红色区域）收到反馈和警报。反馈或警报是根据医务人员的评估生成的（延迟的）或由机器自动生成的（即时的）。
6.远程教练：8项研究使用了具有远程教练功能的应用程序。远程教练包括临床咨询、治疗调整（例如，额外剂量的利尿剂）、早期门诊就诊和运动处方调整。
7.社交互动：四项研究使用了允许互动的应用程序。在这些研究中，一项研究允许患者与同伴分享他们的行为进展和每日目标实现情况，所有四项研究都为患者和专业人员之间的互动提供了聊天室或论坛。
基于移动应用程序的干预措施的剂量（持续时间和频率）
纳入的研究中基于移动健康应用程序的干预持续时间不同，从4周到24个月不等。7项研究的基于移动应用程序的干预持续时间为3个月。6项研究实施了为期6个月的基于移动应用程序的干预措施。两项研究报告了干预持续时间为12周，两项研究报告了12个月，两项研究报告了24个月。其余研究的基于移动应用程序的干预持续时间为4周、6周、45天、8周或240天。随访期从30天到2年不等。19项研究每天对血压、心率、体重或症状进行自我监测。3项研究每周监测心电图。12项研究提供了实时反馈或警报。
授权策略
八项研究在应用程序中纳入了赋权策略和行为改变策略。Cichosz等人报道，干预的核心概念是患者赋权，通过自我监测提高患者的应对能力来实现。Saleh等人使用计划行为理论来指导干预并赋予患者进行身体活动的能力。Johnson等人、Athilingam等人和Kiyarosta等人报道，干预组患者每天都会收到提示或鼓励信息。另外3项研究表明，患者通过各种类型的教育信息或日常信息被激励进行自我管理行为。一项研究将心理支持嵌入到应用程序中，其中包括认知行为干预和基于每周计划的正念练习。 对照条件，包括常规护理（n = 17）、标准护理（n = 6）和候补名单对照（n = 1），在纳入的研究中有所不同。对照内容主要包括标准药物治疗、信息提供和门诊随访。
研究结果的特征
使用经过验证的量表测量研究结果。使用两种不同的量表测量自我护理，包括心力衰竭自我护理指数（SCHFI）和欧洲心力衰竭自我护理行为量表（EHFScB）。使用明尼苏达心力衰竭患者问卷（MLHFQ）、堪萨斯城心肌病问卷（KCCQ）、36项简短健康调查（SF-36）或EuroQoL五维来衡量生活质量。19项研究报告了基线和随访时的自我护理或生存质量结局，1项研究提供了从基线到随访的变化数据。偏倚风险和证据质量
图2显示了24项研究的偏倚风险评估。16项研究提供了有关随机序列生成的详细信息，13项研究提供了有关分配隐藏的详细信息，表明选择偏倚风险较低。由于基于移动健康应用程序的干预的性质，对参与者和工作人员实施盲法是不可行的；因此，所有研究都被评为实施偏倚高风险。3项研究未实现结局评价者的盲法，16项研究未明确描述，导致检测偏倚风险高或不明确。三项研究被认为存在高失访偏倚风险，因为退出率超过20%，并且未进行意向性治疗分析。由于缺乏已发表或注册的方案，八项研究被认为存在不明确的报告偏倚风险。不同结局的证据质量从极低到中等不等。降解因素主要源于偏倚风险、相当大的异质性和样本量小。
干预效果
全因死亡率
八项研究提供了有关全因死亡率的数据，汇总结果表明，基于移动健康应用程序的干预措施对全因死亡率没有统计学意义的影响（RR = 0.90,95% CI 0.66 至 1.25，p = 0.47，中等质量证据; 图 3（a）），没有异质性证据 （I2= 0%，p = 0.62）。
心血管死亡率
三项研究报告了心血管死亡率作为结局，汇总结果表明，基于移动医疗应用程序的干预措施对心血管死亡率没有统计学意义的影响（RR = 0.87,95% CI 0.59 至 1.26，p = 0.24，中等质量证据; 图 3（b），没有异质性的证据 （I2= 0%，p = 0.82）。
全因住院
7 项研究评估了基于移动健康应用程序的干预措施对全因住院治疗的有效性，但只有 6 项研究被纳入荟萃分析。被排除的研究报告了平均值和标准差，而不是数字和百分比。汇总结果表明，基于移动健康应用程序的干预措施对全因住院没有统计学意义的影响（RR = 0.74,95% CI 0.39 至 1.42，p = 0.29，低质量证据; 图 3（c）），具有统计学上显著的异质性 （I2= 82%，p < 0.01）。Seto等报道了全因住院率的组间差异。
心力衰竭相关住院治疗
13 项研究报告了心力衰竭相关的住院治疗。一项研究被排除在荟萃分析之外，因为它报告的是中位住院时间，而不是患者的数量和百分比。汇总结果表明，基于移动医疗应用程序的干预措施显著减少了心力衰竭相关住院率（RR = 0.72,95% CI 0.57 至 0.91，p = 0.01，低质量 证据;图 3（d），具有不重要的异质性 （I2= 22%，p = 0.22）。该效应量对应于 NNT 为 14，表明每 14 名接受治疗的人可以避免 1 例因心力衰竭住院。敏感性分析显示，逐一删除纳入的研究后，合并结果没有改变，表明结果的稳健性。
自我照顾
12项研究评估了基于移动健康应用程序的干预措施对自我保健的有效性。使用 SCHFI 的 6 项研究报告了每个分量表 （即自我护理维护、自我护理管理和自我护理信心） 的分数，而不是总分。6项研究使用EHFScB来评估自我保健。较高的 SCHFI 分数表示较好的自我保健，而较高的 EHFScB 分数表示较差的自我保健。此外，SCHFI 的分数通常以子维度而不是总分表示。因此，根据不同的工具分别组合了自我保健的有效性。汇总结果表明，基于移动健康应用程序的干预对自我护理维护没有统计学意义的影响（MD = 6.04,95% CI -3.14 至 15.21，p = 0.15，低质量 证据;图 4（a））、自我护理管理（MD = 8.94,95% CI -6.79 至 24.66，p = 0.19，极低质量证据; 图 4（b））或自我保健信心（MD = 5.29,95% CI -5.90 至 16.48，p = 0.28，低质量证据; 图 4（c）） 使用 SCHFI 测量时。此外，合并结果显示，当使用 EHFScB 测量时，对整体自我保健没有统计学意义的影响（MD = -2.42,95% CI -15.07 至 10.24，p = 0.64，低质量证据; 图 4（d））。
生活质量
14项研究评估了基于移动健康应用程序的干预措施对生活质量的有效性。12项研究使用一种工具来测量生活质量，其中6项使用MLHFQ，3项使用KCCQ，2项使用SF-36，1项使用EuroQoL五维。2项研究使用两种工具（SF-36和MLHFQ以及SF-36和KCCQ）来评估生活质量。对于这两项研究，使用MLHFQ或KCCQ评分而不是SF-36进行荟萃分析，因为SF-36评分是以亚维度而不是总分表示的。在14项测量生活质量的研究中，1项研究由于数据不完整而被排除在荟萃分析之外。由于MLHFQ评分较低表示生活质量较高，而其他工具评分较高表示生活质量较高，因此在本研究中，使用基线评分减去最终评分重新计算了使用MLHFQ的生活质量变化，以获得量表分数的一致解释。汇总结果表明，基于移动健康应用程序的干预措施对改善生活质量的影响很小，但具有统计学意义（SMD = 0.46, 95% CI 0.09至0.83，p = 0.02，低质量证据；图5），具有很大的异质性（I² = 93%，p < 0.01）。敏感性分析表明，删除某项研究后，合并结果相反，可能是因为该研究的基线生活质量低于其他研究。
子组分析
根据干预持续时间（<6个月、6-12个月或≥12个月）、移动设备（智能手机、手机或其他）、监测频率（每天或不每天）和交付人员（多学科团队，非多学科团队，或未指定）进行了一系列亚组分析。对于SCHFI（自我护理维护和自我护理信心）的自我保健分量表和EHFScB的整体自我护理分量表，亚组之间的效应量相似，除了用于整体自我护理的不同移动设备（Q = 8.39，p = 0.02）外，没有发现显著的亚组差异（Q = 0.00-2.83，p = 0.24-0.98）（图4）。由于纳入的研究数量少，没有对自我保健管理（SCHFI的分量表）进行亚组分析。 在生活质量方面，结果表明，当干预持续时间在6至12个月之间时，基于移动健康应用程序的干预措施可有效改善生活质量（SMD = 0.23, 95% CI 0.05至0.41，p = 0.03）；然而，当干预持续时间少于6个月（SMD = 0.43, 95% CI -0.13至1.00，p = 0.11）或超过12个月（SMD = 0.85, 95% CI -7.40至9.10，p = 0.41）时，没有统计学意义的影响（图5）。然而，亚组效应没有统计学意义（Q = 1.58，p = 0.45）。根据监测频率的亚组分析，当每天监测生理数据时，基于移动健康应用程序的干预措施对生活质量有显著影响（SMD = 0.47, 95% CI 0.02至0.92，p = 0.04）；然而，当不每天监测生理数据时，没有发现统计学意义的影响（SMD = 0.40, 95% CI -2.26至3.05，p = 0.31）。未检测到亚组差异（Q = 0.06，p = 0.80）。
发布偏倚
Egger回归截距表明生活质量的发表偏倚无统计学意义（p = 0.054）。然而，根据Egger回归截距（p = 0.004），发现心力衰竭相关住院治疗存在发表偏倚。由于研究数量少，未生成全因死亡率、心血管死亡率、全因住院和自我护理的漏斗图。
第六段–结论
结论
本系统评价和荟萃分析表明，基于移动健康应用的干预措施可有效减少与心力衰竭相关的住院治疗和改善生活质量。死亡率、自我护理和全因住院的证据尚无定论。对生活质量的影响可能因干预的持续时间和监测频率的不同而异。因此，需要设计良好的随机对照试验来探索干预的最佳持续时间并加强当前证据。
