基于手机的干预措施影响慢性心力衰竭患者健康结局的Meta分析

Mobile Phone-Based Intervention Measures Affect Health Outcomes in Patients with Chronic Heart Failure: The Meta-Analysis

摘要: 目的：基于手机的干预措施对心力衰竭患者健康结局的影响尚有争议。本文旨在探讨基于手机的干预措施对心力衰竭患者健康结局的影响。方法：对EMBASE、MEDLINE、Cochrane Library、EBSCO、知网、维普、万方数据库进行检索，筛选出相关的随机对照试验，用RevMan 5.3软件进行Meta分析。结局指标包括心源性再入院人次；心源性再住院时间；用药依从性；生活质量；全因死亡人数。结果：涉及2966名患者的15个随机对照试验被纳入meta分析。meta分析表明，基于手机的干预措施对心源性再入院人次有显著影响[RR = 0.42, 95%CI (0.26, 0.67), P = 0.0003]。然而，发现对全因死亡人数、心源性再住院时间、用药依从性、生活质量无显著影响。结论：当前证据显示，基于手机的干预措施能显著减少慢性心力衰竭患者的心源性再入院人次。

Abstract: Objective: The impact of mobile-based interventions on health outcomes in patients with heart fail-ure is controversial. This paper aims to explore the impact of mobile phone-based interventions on health outcomes in patients with heart failure. Methods: We searched databases including EMBASE, MEDLINE, Cochrane Library, EBSCO, CNKI, VIP Journal and WanFang data to screen out relevant randomized controlled trials. Based on the RCTs, we performed the Meta-analysis with RevMan 5.3 software. Outcome indicator included the number of cardiac readmission; duration of cardiac re-admission; medication compliance; quality of life; number of all-cause deaths. Result: Fifteen RCTs involving 2966 patients were included in the Meta-analysis. The Meta-analysis indicated that mo-bile phone-based interventions had significant effects on the number of cardiac readmission [RR = 0.42, 95%CI (0.26, 0.67), P = 0.0003]. However, there were no significant effects on duration of car-diac readmission, medication compliance, quality of life and number of all-cause deaths. Conclusion: Current experimental data of the Meta-analysis show that mobile phone-based interventions can significantly reduce the number of cardiac readmission in patients with chronic heart failure.

1. 引言

心力衰竭(Heart failure, HF)是一种严重威胁生命的慢性疾病，发病率不断上升，引起医疗和经济问题 [1] [2] 。在全球范围内，由于HF治疗的进步和人口老龄化，到2030年，HF的患病率预计将增加46% [3] [4] 。尽管心衰治疗取得了进展，但住院率和生活质量等健康结果并没有显著改善 [5] [6] 。根据最近的研究，在一年后的随访中，大约23%~58%的慢性心衰患者再次入院 [7] 。HF管理费用约占所有医疗保健支出的1%~2%，主要与经常性住院治疗有关 [3] 。因此，治疗慢性心力衰竭的主要目标是避免不良健康结局。慢性心衰管理的重点是坚持自我护理行为，包括服药、症状监测和全面的生活方式改变，以实现最佳的健康结果 [8] [9] [10] 。然而研究报道，由于自我护理的复杂性和终生就医要求，自我护理行为的依从率较低。因此，许多研究已经评估了各种类型的干预措施，以改善HF自我护理行为和相关结果 [11] [12] [13] 。

近年来，许多研究都在疾病管理中使用移动电话，因为移动电话是一种有吸引力的通信手段，具有日益强大的提供干预的技术能力，以及方便地接入互联网或高效地传输健康信息 [14] 。此前的一项研究报告称，大约96%的心衰患者拥有手机，32%的患者在某种程度上依赖智能手机上网和获取健康信息，并报告称在使用手机应用程序方面有一定程度的自信 [15] 。然而，关于以手机为基础的干预措施对改善慢性心衰患者自我保健的有效性的证据仍然缺乏。因此，我们对随机对照试验进行了meta分析，以评估基于手机的心衰干预措施对健康结果的影响。

2. 材料和方法

由于这是对先前发表的研究的meta分析，因此不需要伦理批准和患者同意。meta分析按照系统评价和meta分析首选报告项目(PRISMA)进行和报告 [16] 。

2.1. 检索策略和研究选择

两名调查人员独立检索以下数据库(起始日期至2023年8月)：EMBASE、MEDLINE、Cochrane Library、EBSCO、知网、维普、万方数据库。使用以下关键字执行电子检索策略：以“心力衰竭”、“心力衰竭”、“充血性心力衰竭”、“心脏代偿失调”、“心肌衰竭”、“手机”、“智能手机”、“短信”、“移动应用”、“干预”、“对照试验”、“随机对照试验”为中文检索词；以“heart failure”、“cardiac failure”、“congestive heart failure”、“heart decompensation”、“myocardial failure”、“mobile phone”、“smartphone”、“cellular phone”、“text messaging”、“short messaging service”、“SMS”、“mobile app”、“mobile application”、“intervention”、“controlled trial”、“RCT”)为英文检索词，以PubMed为例，其具体检索策略见图1。我们还检查了筛选出的全文研究的参考文献，以确定其他潜在的合格研究。纳入标准：① 合格人群为慢性心力衰竭患者；② 干预措施为基于手机的干预措施；③ 研究设计为随机对照试验(RCT)。排除标准：① 非随机对照研究；② 数据不正确或不完整；③ 文章重复；④ 两组干预措施或(和)结果指标不一致。

Figure 1. The search strategy of PubMed

图1. PubMed检索策略

2.2. 数据提取和文献质量评价

我们使用了经过试验的数据提取表，该数据表包含以下信息：第一作者，患者人数，年龄，女性人数，NYHA和两组干预治疗的详细方法。数据由2名调查人员独立提取，争议通过协商解决。结局指标包括心源性再入院人次；心源性再住院时间；用药依从性；生活质量和全因死亡人数。采用Cohrance Handbook推荐的RCT偏倚风险评估工具评价纳入研究的偏倚风险 [17] 。

2.3. 统计分析

我们用均数差(MD)及其95%CI表示计量资料结果(用药依从性、生活质量、心源性再住院时间)；我们用相对危险度(RR)及其95%CI表示计数资料结果(心源性再入院人次、全因死亡人数)。无论异质性如何，我们都使用随机效应模型。异质性是用I2统计指标来报告的，I² > 50%表明存在明显的异质性 [18] 。只要存在显著的异质性，我们就会寻找潜在的异质性来源。必要时我们进行敏感性分析，敏感度分析研究是通过排除一项研究来检测单一研究对整体异质性的影响。P < 0.05的结果被认为具有统计学意义。使用Review Manager5.3版本(The Cochrane Collaboration，Software Update, Oxford, UK)执行所有统计分析。

3. 结果

3.1. 文献检索

研究特征和质量评估 文献检索流程及结果见图2。总共初步确定了543篇潜在相关的文章。最后，符合我们纳入标准的15个随机对照试验被纳入meta分析 [19] - [33] 。

Figure 2. Flow diagram of study searching and selection process

图2. 文献筛选流程

表1列出了15个RCT的主要特征。这15项研究发表于2002至2023年，样本规模在20到718之间，样本总数为2940。

Table 1. Characteristics of included studies

表1. 纳入研究的基本特征

表注：① 全因死亡；② 再入院人数；③ 急诊科就诊人数；④ 住院时间；⑤ 生活质量；⑥ 服药依从性；⑦ 自我护理。

所纳入的15个研究中，有7项研究采用随机数字表法分组，4项研究采用计算机随机算法随机分组，2项研究采用入院顺序随机分组，另外2项研究未描述随机分配方法。3项研究提及盲法使用情况，5项研究提及分配隐藏使用情况。1项研究的数据完整，2项研究不确定是否存在选择性报道的情况，未明确是否存在其他偏倚的可能。偏倚风险图见图3。

Figure 3. Risk of bias

图3. 偏倚风险图

3.2. Meta分析结果

3.2.1. 心源性再入院人次

共纳入6个研究[20, 23, 27, 30, 32, 33]，包括839例研究对象。随机效应模型Meta分析结果显示，手机干预组和对照组心源性再入院人次的差异有统计学意义[RR = 0.42; 95%CI = (0.26, 0.67), P = 0.0003]，研究间异质性较低(I² = 46%，异质性P = 0.1；图4)。

Figure 4. Forest plot for the meta-analysis of cardiogenic readmissions

图4. 心源性再入院人次的meta分析森林图

3.2.2. 心源性再住院时间

共纳入2个研究 [19] [22] ，包括440例研究对象。随机效应模型Meta分析结果显示，手机干预组和对照组心源性再住院时间的差异无统计学意义[MD = −0.24; 95%CI = (−2.14, 1.66), P = 0.80]，研究间异质性较高(I² = 67%，异质性P = 0.08；图5)。

Figure 5. Forest plot for the meta-analysis of cardiogenic rehospitalization time

图5. 心源性再住院时间的meta分析森林图

3.2.3. 用药依从性

共纳入3个研究 [27] [28] [31] ，包括325例研究对象。随机效应模型Meta分析结果显示，手机干预组和对照组用药依从性的差异无统计学意义[SMD = 0.27; 95%CI = (−0.94, 1.48), P = 0.66]，研究间异质性较高(I² = 96%，异质性P < 0.00001；图6)。

Figure 6. Forest plot for the meta-analysis of Medication compliance

图6. 用药依从性的meta分析森林图

3.2.4. 生活质量

共纳入3个研究 [22] [26] [29] ，包括690例研究对象。随机效应模型Meta分析结果显示，手机干预组和对照组生活质量的差异无统计学意义[SMD = −0.53; 95%CI = (−1.36, 0.31), P = 0.22]，研究间异质性较高(I² = 94%，异质性P < 0.00001；图7)。

Figure 7. Forest plot for the meta-analysis of Quality of Life

图7. 生活质量的meta分析森林图

3.2.5. 全因死亡人数

共纳入6个研究 [20] [22] [23] [25] [26] [33] ，包括1789例研究对象。随机效应模型Meta分析结果显示，手机干预组和对照组全因死亡人数的差异无统计学意义[RR = 0.79；95%CI = (0.46, 1.34), P = 0.38]，研究间异质性较高(I² = 56%，异质性P = 0.05；图8)。

Figure 8. Forest plot for the meta-analysis of All-cause deaths

图8. 全因死亡人数的meta分析森林图

3.3. 敏感性分析

采用逐一剔除单个研究的方法对用药依从性、生活质量和全因死亡人数进行敏感性分析，合并结果未发生方向性改变。

3.4. 发表偏倚

在这项分析中，以大部分研究涉及的“心源性再入院人次”为例，使用漏斗图评估了发表偏倚。在目视检查中，没有证据表明出现显著的发表偏倚(图9)。

Figure 9. Funnel plot to assess publication bias based on cardiogenic readmissions

图9. 心源性再入院人次的漏斗图

4. 讨论

这项meta分析评估了基于手机的干预措施对HF患者健康结局的影响。我们的研究表明，基于手机的干预措施显著减少了心源性再入院人次。但是，基于手机的干预措施对HF患者的心源性再住院时间、用药依从性、生活质量和全因死亡人数均无明显影响。在15篇文章中的10篇中(有4篇文章的年龄未知)，参与者的平均年龄超过60岁。Changizi发现 [34] ，基于手机的健康干预在改善60岁以上人群的健康行为方面是有效的，表明这些干预措施在改善疾病预防、生活方式改变和心血管疾病管理方面具有统计学意义。这些结果支持以下观点：基于手机的干预是可行的，并且可以有益于老年HF患者的健康结局。

基于手机的干预措施显著减少了心源性再入院人次，可能得益于病人通过手机及时把病情变化反馈给医护人员，进而及时得到医护人员的指导，避免病情进一步恶化而不得不住院治疗，尤其是偏远农村的HF患者。基于手机的干预措施，可能是针对农村和偏远慢性心力衰竭患者(尤其是无法获得多学科社区护理的患者)提供医疗保健的新方法。

近期发表的文章证实了基于手机的干预措施对HF患者是有益的 [35] [36] [37] 。与这些综述相比，我们的研究通过荟萃分析和定量综合分析探索了五种健康结局指标(心源性再入院人次；心源性再住院时间；用药依从性；生活质量；全因死亡人数)，从而提供了客观和科学的证据。此外，与Cajita [35] 的研究不同，我们的探究探索了多种基于手机的干预措施(语音呼叫，远程监控和短信)，而Cajita的研究中10种干预措施有9种涉及远程监控。即使两项研究都使用了相似的搜索词(例如，Mobile Health、mHealth、Text Messages、SMS)。这表明我们的综述使用了适当的文献检索策略，虽然上述综述包括非随机对照试验，但我们的综述只包括随机对照试验，以提供最可靠的科学证据，将任何可能的偏见和错误降至最低。最后，我们的结果可以用于未来关于基于手机的干预措施的研究，因为它们具体检查了每种干预的类型和细节(干预周期、频率、干预者的专业性和反馈)，而不是简单地确认其整体有效性。

这项研究有几个局限性。首先，由于样本量小，研究数量少，研究结果缺乏概括性。其次，并不是所有研究结局指标的时间点都相同，这有可能会增加偏倚。最后，本研究中包括的HF患者多为老年人，可能很难熟练充分使用手机。进一步的研究应考虑研究对象的年龄因素。

5. 结论

在医疗资源匮乏的现状下，慢性心力衰竭管理是医疗卫生的一大负担，但几乎没有证据表明会对慢性心力衰竭患者广泛使用基于手机的干预措施。我们的荟萃分析表明，基于手机的干预措施可以减少心源性再入院人次。因此，我们推荐在临床推广针对慢性心力衰竭患者的基于手机的干预措施。期望降低社会在这方面的医疗负担。

NOTES

^*通讯作者。