买力曼·巴哈尼 王朝阳 刘泉泉 森干
摘要：通过 Meta分析的方法评价移动医疗干预慢性病患者依从性的随机临床试验对慢性病患者自我管理的效果，旨在为慢性病患者的健康管理以及提高药物依从性提供证据。搜索电子文献数据库，确定文献检索关键词包括“慢性病”“移动医疗”，“依从性”。检索2015年以后在万方数据库、中国知网，维普、CBM等数据库公开发表的相关文献中确定了移动医疗干预对患者血压的影响的随机对照试验（RCT）。使用随机效应模型估计血压的加权平均差异。并用RevMan 5. 3 软件对高血压患者的效应指标进行Meta分析，评价其干预效果。纳入10篇文献，总的高血压患者样本量3888名，经过异质性检验，结果显示I?=97%，P<0.001，存在异质性，所以采用随机效应模型进行Meta 分析合并效应量。采用随机效应模型的结果显示移动医疗干预组与对照组比较，有统计学差异（WMD=-9.90，95%CI=-15.73～-4.08，P<0.001），SBP下降10.93mmHg （1mmHg=0.133kPa，95%CI=-17.38～-4.49，I?=98%，P<0.001），DBP下降6.47mmHg（1mmHg=0.133kPa，95%CI=-9.97～-2.97，I?=96%，P<0.001）。亚组分析结果显示，干预时间在5～6个月之间，干预组较对照组 SBP和 DBP分别下降13.74mmHg、7.51mmHg。干预时间在6～12个月，干预组较对照组 SBP和 DBP分别下降4.99mmHg、4.06mmHg。基于移动医疗的干预可有效改善高血压患者的血压水平和药物依从性，为高血压的管理提供更好的管理模式。
关键词：慢性病;移动医疗;依从性;高血压;Meta分析
中图分类号：G642.0 文献标识码：A
文章编号：1009-3044（2021）03-0236-03
近年来，在人类疾病谱中，以高血压病为首的慢性非传染性疾病已居我国疾病和死因谱的首位。据《国家基层高血压防治管理指南》（2017 版）估计，我国高血压患病人数已达 2.7 亿[1]。而高血压的治疗率和控制率仅有46.1%、16.9%，两者皆处于较低水平[2]，高血压的主要治疗手段是长期服用药物，但很多患者的药物依从性并不高，另一方面除了降压治疗外，国内外均有研究表明，使用相关的移动医疗系统对高血压患者进行日常干预，以及生活方式的改善，包括低盐饮食、增加运动、提高病情自我监测（包括家庭自测血压）等方面进行管理能够改善其血压控制，提高其用药依从性[3-4]。因此，基于移动医疗的干预影响慢病患者依从性的研究迫在眉睫。
根据世界卫生组织的定义，移动医疗是通过移动互联网设备提供信息和医疗服务，如移动电话、个人数字助理（PDA）包括手机、录音、照片等在医务人员与患者之间进行通信沟通，也包括电子病历、短信、远程会诊及各种终端检测设备[5]。
本文通过Meta分析的方法评价移动医疗干预慢性病患者依从性的随机临床试验对慢性病患者自我管理的效果，旨在为慢性病患者的健康管理以及提高药物依从性提供证据。
1资料与方法
1.1文献检索
通过搜索电子文献数据库，收集2015年9月后公开发表的以移动医疗为基础的高血压管理方式对高血压患者依从性的中、英文文献，英文检索词包括“Blood Pressure”“Adherence”“meta-analysi”“mhealth”。中文检索词包括移动医疗，慢性病，依从性，高血压，meta分析。
1.2文献筛选与数据提取
1.2.1纳入标准
1）研究对象为≥18岁被诊断的高血压患者;2）对照组进行常规护理，干预组基于移动医疗技术对患者进行干预治疗;3）采用随机对照试验，随访至少4周;4）观察移动医疗对患者依从性的影响。
1.2.2 排除标准
1）考虑中的主要干预措施不限于移动医疗;2）重点仅仅是疾病管理或教育，没有报告依从性; 3）数据不完整的文献;4）主要效应指标不为血压值的变化。
1.3 数据提取
阅读最终纳入文献，提取文献中基本信息，包括：文献第一作者，发表年份，病例样本量（例），病例年龄（岁），干预措施（干预组，对照组），干预时间，有效性指标等。
1.4 文献质量评价
按照Cochrane偏倚风险评估工具对随机对照实验的评价标准对文献进行评价。包括：1）随机序列的产生;2）分配隐藏;3）对研究对象及干预实施者实施盲法;4）对结果测评者实施盲法;5）结局指标数据的完整性;6）选择性报告的可能性;7）其他偏倚来源。每条标准均以“低风险偏倚”“高风险偏倚”或“不清楚”来评价[6]。
1.5 统计方法
采用Cochrane协作网提供的RevMan5.3统计软件进行Meta分析。计量资料采用均数差（MD）及其95% CI表示。检验水准α=0.05.采用I?统计量对纳入的研究进行异质性检验。I?>50%说明存在异质性，若各研究结果间不存在异质性或异质性较小（I?≤50%，P≥0.1）则采用固定效应模型进行分析，若各研究结果间存在异质性（I?≤50%，P<0.1），选择随机效应模型进行分析。
2结果
2.1文献筛选过程和结果
通过检索最初获得文献599篇，剔除重复的文献后得到333篇，初筛后得到328篇文献，通过阅读文献的题目和摘要筛选出50篇。进一步全文阅读后由于干预措施不明确，非RCT试验以及样本量等方面的不符，最终将10篇文献纳入研究，均为中文文献。（文献搜索流程见图1）10项均为随机对照试验，共计3888例患者，干预组1846例，对照组2042例，干预时间为5个月至12个月，干预措施都是基于移动医疗对血压进行管理和控制。纳入的文献概要情况见表1。
2.2文献偏倚风险评价结果
按照Cochrane偏倚风险评估工具对随机对照实验的评价标准进行评价。9项研究采取了随机分配序列进行分组，描述了产生随机分配序列的方法。对受试者和参与者是否施盲的评价中6项为高风险，没有对受试者，研究人员采用盲法，其余4项研究未提到盲法;结局数据完整性中，8项研究为低风险，未出现退出或失访情况，其余2项研究中存在失访现象，但失访的原因未提及;选择性报告结果均为低风险，客观公正地对研究结果进行报告;所有文献都未提及分有关配隐藏和其他偏倚来源。综上所述，纳入的10篇文献质量都不太高。具体结果见表2。
2.3 Meta分析的结果
1） 血压情况结果分析：所有研究均评价了互联网为基础的高血压管理较常规管理方法对高血压患者收缩压及舒张压的影响干预疗程结束后互联网干预组较常规组SBP下降10.93mmHg （1mmHg=0.133kPa，95%CI=-17.38～-4.49，I?=98%，P<0.001），DBP下降6.47mmHg（1mmHg=0.133kPa，95%CI=-9.97～-2.97，I?=96%，P<0.001），（图2、图3）
2）亚组分析：干预时间在5～6个月之间，干预组较对照组 SBP和DBP分别下降13.74mmHg，7.51mmHg（WBD：-13.74mmHg，95%CI=-19，70～-7.78，I?=95%，P<0.001;-7.51mmHg，95%CI=-12.88～-2.13，I?=97%，P<0.001），干预时间在6到12个月，干预组较对照组 SBP和 DBP分别下降4.99mmHg，4.06mmHg（WBD：-4.99mmHg，95%CI=-8.97～-1.01，I?=83%，P<0.001;-4.06mmHg，95%CI=-7.01～-1.10，I?=90%，P<0.001）（图4、图5）
3 讨论
高血压已经成为全球社会医疗的巨大负担，是死亡和残疾的主要原因。但目前对高血压患者的常规管理面临着自我管理效果不佳，随访困难，健康数据更新不及时，沟通不畅等弊端[17]。随着移动医疗技术的迅速发展，移动医疗在高血压管理中显示出了较好的应用效果，它不仅可以为高血压患者提供有效的高血压管理的新模式及更有效的干预措施，而且也能提高血压患者的控制率、管理率以及自我管理能力和治疗依从性
本次研究纳入的10篇文献中，均采用随机对照实验，符合筛查的标准，实验严谨。文章的整体质量可信，发表时间都在2015年到2020年，Meta分析的结果表明，移动医疗干预组与对照组比较，有统计学差异（WMD=-9.90，95%CI=-15.73～-4.08，P<0.001），收缩压和舒张压分别降低了10.93mmHg、6.47mmHg。
相对于传统的常规治疗，基于移动医疗进行的干预措施更有利于患者对血压的控制和增加药物依从性。根据亚组分析显示，干预时间在5～6个月之间，干预组较对照组SBP和DBP分别下降13.74mmHg，7.51mmHg，干预时间在6～12个月，干预组较对照组 SBP和 DBP分别下降4.99mmHg，4.06mmHg，由此可见干预时间的长短也在一定程度上有效地降低血压水平。王维民教授等的研究结果表明： 基于移动医疗管理高血压可充分调动患者治疗积极性，提高治疗率和控制率，改善用药依从性，在一定程度上可以降低高血压患者的血压，达到控制血压的效果[18]。由筛选的文章得出，应用手机微信技术管理高血压患者，能显着降低患者血压水平，王小娟等[19]应用手机微信技术管理老年高血压患者，获得与本研究相近的研究结果。方便、简单和人性化的移动医疗管理软件还可提升高血压管理满意度，有利于患者了解移动医疗技术作用及意义，可作为患者、医生和家属三者之间沟通的重要平台，督促患者随时关注病情变化，提高患者疾病防控意识。
参考文献：
[1] 王静，胡曦丹，李雪松.国内高血压管理软件的功能特征和健康信息类型分析[J].中国高血压预防与控制，2019，27（4）：310-313.
[2] 中国循证心血管医学杂志编辑部.中国高血压防治指南发布继续沿用140/90 mmHg的诊断标准[J].中国循证心血管医学杂志，2018，10（9）：1098.
[3] 陈民.基于移动医疗的高血压院外管理与治疗[D].济南：山东大学，2016.
[4] Kang H，Park HA.A mobile app for hypertension management based on clinical practice guidelines：development and deployment[J].JMIR MhealthUhealth，2016，4（1）：1-18.
[5] 陈宪泽，黄靖，曾祥俊.构建基于移动医疗的社区健康管理模式[J].广西中医药大学学报，2016，19（3）：118-120.
[6] Higgins JPT， Green S. Cochrane handbook for systematic reviews of interventions 5.1.0[M].London： The Cochrane Collaboration，2011.
[7] 张庆，丁凤梅，鲍建丽，等.基于微信的归因干预对社区中青年高血压患者自我管理水平的影响[J].中国医药导报，2017，14（28）：162-165+173.
[8] 李凌.基于微信的延续性管理体系对高血压患者治疗依从性、病情控制的影响[J].当代护士（上旬刊），2020，27（06）：42-44.
[9] 张丽芹，张丽华，陈霞，等.微信平台健康教育对社区高血压患者治疗依从性和血压控制的影响[J].国际护理学杂志，2018，37（18）：2540-2542，2549. （下转第249页）
（上接第238页）
[10] 骆青林，陈洪，刘丽萍，等.App在“H”型高血压出院患者延续护理中的应用价值[J].慢性病学杂志，2018，19（05）：647-649.
[11] 徐琢，李江津，王婧，等.移动互联网对在职高血压患者自我管理的影响研究[J].中国全科医学，2017，20（S2）：242-244.
[12] 吐达洪，张晶，陈丽婷，等.应用手机微信技术对中老年高血压患者进行服药依从性及血压管理效果的影响[J].中国医学装备，2019，16（06）：114-118.
[13] 黄蓓. 基于“互联网+”的移动医疗在某社区高血压患者健康管理中的应用[D].新疆医科大学，2018.
[14] 水克冬，俞晓萍，王凌，等.基于短信干预的高血压自我管理项目效果评价[J].中国卫生产业，2019，16（03）：7-9.
[15] 杨廷旭，薛丽英，魏娟，等.家庭医生签约并微信平台指导在社区老年高血压患者健康管理中的应用[J].智慧健康，2018，4（05）：172-174.
[16] 芦燕玲，潘伟琦，胡荣.基于微信平台健康管理方案对小于45岁高血压人群的干预效果分析[J].中华健康管理学杂志，2019（04）：299-303.
[17] 刘云秀，高血压、糖尿病移动医疗服务模式的效果分析[J]，药品评价2017，14（11）：15-17.
[18] 王维民，张鑫.远程血压监测在高血压管理中的应用及展望[J].中华高血压杂志，2015，23（07）：622-624.
[19] 王小娟，顾园园，陈桂香，等.微信健康教育群对高血压合并脂肪肝患者疗效及治疗依从性的影响[J].实用老年医学，2016，30（3）：254-256.
【通联编辑：朱宝贵】
