亚洲综合图,青青草Av,√国产精品

基于eHealth的心血管疾病風險溝通干預效果的系統評價與Meta分析

《npj Digital Medicine》：The effectiveness of eHealth-based cardiovascular disease risk communication: a systematic review and meta-analysis

【字體：大中小】 時間：2025年12月05日 來源：npj Digital Medicine 15.1

編輯推薦：

　　本研究針對心血管疾病(CVD)風險溝通策略的優化需求，系統評估了eHealth技術在CVD風險溝通中的有效性。通過對23項隨機對照試驗的Meta分析發現，eHealth干預可顯著改善收縮壓(SBP)、低密度脂蛋白(LDL)、體力活動、戒煙率、疾病認知和生活質量(P<0.05)，但對舒張壓(DBP)、總膽固醇(TC)等指標改善有限。研究為數字化健康干預在CVD防治中的應用提供了高級別證據支持。

心血管疾病(CVD)持續成為全球公共衛生的重大挑戰，包括心臟病、腦血管疾病等在內的CVD每年導致大量死亡和殘疾。盡管現代醫學在CVD治療方面取得了顯著進展，但預防仍然是控制CVD負擔的關鍵策略。在這一背景下，有效的風險溝通——即向個體傳達其CVD風險信息并指導風險管理——被認為是CVD預防的核心環節。

傳統面對面的風險溝通方式雖然有效，但受到醫療資源有限、可及性差等限制。隨著數字技術的快速發展，電子健康(eHealth)技術為心血管疾病風險溝通提供了新的解決方案。eHealth技術指安全且經濟有效地使用數字工具和通信平臺提供健康服務和交換醫療信息，包括智能手機應用、網站、電話、電子郵件等多種形式。這些技術能夠實現風險評估、風險呈現、個性化建議、動態追蹤和提醒等功能，有望提高風險溝通的效率和覆蓋面。

然而，現有關于CVD風險溝通的研究存在明顯局限性。先前的研究往往沒有清晰區分單純風險溝通干預與包含額外組件的綜合干預，也未專門聚焦eHealth技術的獨特價值。此外，對于eHealth技術在CVD風險溝通中對多種健康結局指標的影響，缺乏全面系統的評估。這些知識缺口限制了eHealth技術在臨床實踐中的優化應用。

為填補這一研究空白，研究人員在《npj Digital Medicine》上發表了題為"The effectiveness of eHealth-based cardiovascular disease risk communication: a systematic review and meta-analysis"的研究論文。該研究通過系統評價和Meta分析方法，全面評估了eHealth為基礎的CVD風險溝通對健康相關結局的影響。

研究人員采用了系統評價和Meta分析的標準方法，檢索了七個電子數據庫從建庫至2024年10月1日的文獻。研究遵循PRISMA指南，注冊于PROSPERO(CRD42024582906)。納入標準包括：18歲以上有或無心腦血管疾病史的參與者、使用eHealth技術進行CVD風險溝通的干預、與空白對照或常規護理比較的隨機對照試驗。兩位研究者獨立進行文獻篩選、數據提取和質量評價，使用Cochrane偏倚風險評估工具，采用隨機效應模型進行Meta分析，并進行亞組分析和敏感性分析。

研究結果

文獻篩選與納入研究特征

初步檢索獲得2992條記錄，經過去重和篩選，最終納入23項隨機對照試驗，總樣本量達11311名參與者。這些試驗發表于2006年至2024年間，覆蓋13個國家，其中美國貢獻的研究最多(6項)。11項研究聚焦CVD一級預防，10項關注二級預防，2項同時涉及兩級預防。

eHealth技術類型與功能

納入研究使用了7類eHealth技術，包括智能手機應用(9項)、網站(8項)、電話(4項)、電子郵件(4項)、決策支持系統(2項)、電子健康記錄(2項)和短信服務(1項)。6項研究結合使用了兩種或以上技術。這些技術主要實現風險評估、風險呈現、個性化建議、追蹤和提醒等功能。

偏倚風險評估

所有研究在隨機序列生成方面均顯示低偏倚風險。74%的研究(17/23)在分配隱藏方面為低風險，30%(7/23)在參與者和研究人員盲法方面為低風險，78%(18/23)在結果評估盲法方面為低風險。16項研究因盲法缺失或不足被評估為高風險偏倚。

生理指標效果

eHealth為基礎的CVD風險溝通顯示出對收縮壓(SBP)的顯著改善(7項研究，SMD=-0.16，95%CI：-0.30至-0.02；P=0.03)。亞組分析顯示，在一級預防中效果更顯著(SMD=-0.33，95%CI：-0.61至-0.05)。對舒張壓(DBP)的改善未達到統計學意義(7項研究，SMD=-0.07，95%CI：-0.17至0.03；P=0.18)。

在血脂指標方面，干預顯著降低了低密度脂蛋白(LDL)(5項研究，SMD=-0.20，95%CI：-0.36至-0.03；P=0.02)，尤其在二級預防和長期隨訪(>3個月)亞組中效果顯著。而對總膽固醇(TC)和高密度脂蛋白(HDL)的整體改善未達到統計學意義。體重指數(BMI)在兩組間無顯著差異。

生活方式和心理健康 outcomes

Meta分析顯示，eHealth干預顯著改善了體力活動(SMD=1.35，95%CI=0.46-2.23；P=0.003)和戒煙率(OR=1.50，95%CI=1.14-1.99；P=0.004)。飲食行為和藥物依從性的改善有限且不一致。心理健康指標如抑郁和焦慮評分在干預組和對照組間無顯著差異。

疾病認知和生活質量

eHealth干預顯著改善了疾病認知(SMD=0.72，95%CI=0.26-1.19；P=0.002)和生活質量(SMD=0.36，95%CI=0.04-0.68；P=0.03)。心血管風險評分(CRS)的整體改善未達到統計學意義，但在初級預防和短期隨訪亞組中顯示顯著改善。

用戶體驗

三項研究報告了用戶體驗結果，參與者對eHealth工具的滿意度較高，認為其易于使用、內容準確、設計用戶友好，并將其描述為有前景的創新工具。

討論與結論

本研究首次系統評估了eHealth技術在CVD風險溝通中的綜合效果。結果表明，eHealth干預在改善關鍵臨床指標(如SBP、LDL)和健康行為(如體力活動、戒煙)方面具有顯著效果，這與先前關于數字健康干預有效性的研究一致。特別是在長期隨訪中觀察到的戒煙率改善，凸顯了eHealth技術在促進難以改變的健康行為方面的潛力。

然而，研究也發現eHealth干預對心理健康、飲食行為和藥物依從性的改善有限。這可能是因為現有干預主要關注健康信息傳遞而非心理支持，而認知和情感反應是啟動和維持健康行為改變的關鍵決定因素。不恰當的風險信息框架可能增加心理困擾，反而抵消干預的潛在益處。

eHealth干預的多組件特性可能是其有效性的重要原因。大多數干預包含風險評估、風險呈現、個性化建議、動態追蹤和提醒等核心元素。未來研究應使用標準化框架(如行為改變技術分類)和優化策略(如因子設計、多階段優化策略)，以識別有效組件并優化干預方案。

研究的局限性包括僅反映eHealth為基礎的風險溝通，而風險溝通本身是多維度的；研究間存在顯著異質性；納入研究數量有限可能影響發表偏倚的評估。盡管如此，本研究為eHealth技術在CVD防治中的應用提供了重要證據，對臨床實踐和政策制定具有指導意義。

綜上所述，基于eHealth的心血管疾病風險溝通在改善多項健康結局方面顯示顯著效果，特別是在血壓控制、血脂管理、健康行為促進和疾病認知提升方面。未來研究應關注干預組件的標準化、不同人群的針對性策略以及心理因素的整合，以進一步優化干預效果。

熱點排行

新聞專題