行为表型对产后患有妊娠期高血压疾病的人群接受数字干预以提高身体活动水平的反应的影响

《Immunological Medicine》：Impact of behavioral phenotypes on response to a digital intervention to improve physical activity among postpartum individuals with hypertensive disorders of pregnancy

本研究通过聚类分析发现，产后高血压患者分为两类：一类基线步数高但心理压力大，干预效果不显著；另一类基线步数低但心理压力小，干预后步数显著增加。行为特征聚类可指导个性化干预策略。

　　高血压妊娠期疾病（HDP）与心血管疾病风险增加密切相关，而产后干预可以激发生活方式的改变，但并非对所有个体都有效。本研究通过分析STEP UP Mom临床试验的二次数据，探讨了行为表型与数字健康干预效果之间的关系，旨在识别出哪些产后个体可能从特定的干预措施中获益更多，从而为未来制定个性化的健康促进方案提供依据。

在研究中，共有122名产后个体参与了分析，这些个体在分娩后出现了高血压相关疾病。研究采用了一种二次分析的方法，将这些个体根据其基线行为特征分为两个不同的行为表型群组。通过使用k-means聚类分析，研究者识别出两种非重叠的行为表型，它们在基线步数和心理社会压力水平上表现出显著差异。这种分类方法基于标准化的行为量表，涵盖了社会支持、自我效能、患者激活度以及应对策略等多个维度。

第一类群组的个体在干预前具有较高的基线步数，但心理社会压力水平较高，且在干预过程中，无论是实验组还是对照组，其步数变化没有显著差异。这表明，对于这类个体，单纯的数字健康干预可能不足以激发其行为改变。相反，第二类群组的个体在干预前步数较低，心理社会压力相对较低，且在实验组中表现出显著的步数增加，平均每天多走了1335步。值得注意的是，尽管两组在干预期间的步数变化趋势有所减弱，但实验组的个体始终保持着更高的步数水平。这说明，第二类群组的个体可能更容易从数字健康干预中受益，尤其是在涉及团队游戏、社交激励和行为经济学原理的干预措施中。

研究者进一步分析了不同行为特征对干预效果的影响。结果显示，虽然个体的行为特征如社会支持、自我效能、患者激活度和应对策略在一定程度上与干预效果相关，但只有当这些特征被整合成行为表型群组时，才能更准确地预测干预的成功与否。这意味着，单独评估某一项行为特征可能不足以指导干预方案的设计，而需要考虑多个因素的综合影响。这种发现对于未来的干预研究具有重要意义，因为它表明，通过行为表型的分类，可以更有效地识别出那些可能从特定干预措施中获益的个体，从而提高干预的针对性和效果。

研究还探讨了干预的持续参与度。尽管两组在行为表型上存在差异，但它们在干预期间的持续参与度并未表现出显著的不同。这一结果与之前的研究发现相呼应，即产后个体的持续参与可能更多地受到社会决定因素的影响，例如种族、家庭收入等，而非行为表型本身。这表明，在设计数字健康干预时，除了关注个体的行为特征外，还需要考虑更广泛的社会背景因素，以确保干预措施能够被更多人有效执行和持续参与。

从实际应用的角度来看，研究结果对未来的干预策略提出了重要的建议。对于那些在基线步数较低但心理社会压力较小的个体，数字健康干预可能具有更高的效果。因此，针对这类个体，可以设计更具互动性和激励性的干预方案，例如结合团队游戏、社交奖励和行为经济学策略，以提高其参与度和行为改变的动力。而对于那些在基线步数较高但心理社会压力较大的个体，可能需要额外的心理支持或个性化的干预措施，以帮助他们克服心理障碍，实现更持久的行为改善。

此外，研究也强调了在数字健康干预中引入心理社会支持的重要性。对于心理社会压力较高的个体，单纯的步数追踪可能不足以促使他们改变行为，因此需要在干预方案中加入更多的心理支持元素，如心理咨询、同伴支持或个性化的健康指导。这些支持措施可以帮助个体更好地应对生活中的压力，从而提高其对干预的响应能力。例如，研究者提到，通过认知行为策略减少回避型应对方式，可能有助于提高个体的参与度和干预效果。这种方法可以将挫折视为个体可以控制和成长的机会，而不是无法克服的障碍，从而增强个体的自我效能感和行为动机。

值得注意的是，研究中还涉及了产后抑郁和压力水平的评估。这些心理状态可能对个体的健康行为产生深远影响，特别是在妊娠期高血压疾病的背景下。产后抑郁不仅影响个体的情绪状态，还可能干扰其对健康目标的坚持和实现。因此，对产后个体进行心理健康筛查和干预，可能是提高整体健康行为的重要手段。研究者指出，筛查和治疗产后抑郁可以在一定程度上改善心血管健康，这为未来的干预研究提供了新的方向。

研究的局限性也需要被充分认识。首先，研究样本量较小，只有122名参与者，这可能限制了结果的普遍适用性。因此，未来的研究需要在更大的人群中进行验证，以确保行为表型的分类方法具有广泛的适用性。其次，研究可能忽略了其他重要的行为特征，如心理韧性、大五人格特质等，这些特征在类似研究中被证明对干预效果有重要影响。因此，未来的研究可以考虑将这些因素纳入分析，以更全面地理解行为表型与干预效果之间的关系。

此外，研究中未对体重变化进行可靠评估，因为体重测量并未在干预结束时进行标准化。这一限制可能影响对整体健康改善的全面评估，尤其是在心血管健康干预中，体重变化往往是重要的指标之一。因此，未来的研究可以结合体重变化等其他健康指标，以更全面地衡量干预的效果。

最后，研究仅限于产后女性和生育个体，这可能影响其结果的普遍适用性。尽管如此，这种研究聚焦于产后人群，特别是那些在心血管疾病风险较高的群体中，具有重要的现实意义。由于产后人群在传统研究中常被忽视，因此该研究的发现为这一特殊群体的健康促进提供了新的视角和策略。

总体而言，本研究通过行为表型的分类，揭示了数字健康干预在不同个体群体中的效果差异。这不仅有助于优化现有的干预方案，还为未来的个性化健康干预提供了理论依据。研究者强调，识别行为表型是提高干预效果和资源利用效率的关键，尤其是在资源有限的情况下，能够精准识别出需要更多支持的个体，有助于更有效地分配干预资源。同时，研究也提醒我们在设计干预方案时，应考虑到社会决定因素的影响，以确保干预措施能够覆盖更广泛的人群，并取得更好的效果。未来的研究可以进一步探索如何将行为表型与社会决定因素结合起来，以制定更加全面和有效的健康干预策略。