综述：基于智能手机应用程序的干预措施对糖尿病前期患者2型糖尿病预防效果的系统评价和荟萃分析

本系统评价和荟萃分析首次全面评估了智能手机应用程序（App）干预对糖尿病前期（Prediabetes）成人预防2型糖尿病（T2DM）的有效性。通过对18项随机对照试验（RCTs）的系统分析，证实App干预能显著改善体重（-1.35 kg）、BMI（-0.53 kg/m2）和糖化血红蛋白（HbA1c，-0.08%）等临床指标，并在动机、自我效能、健康行为等过程性指标上呈现积极趋势。研究同时指出当前证据在长期有效性、健康公平性影响及糖尿病发病率评估方面的缺失，为数字健康（Digital Health）策略的优化提供了关键循证依据。

　　

引言

糖尿病是全球性的健康挑战，患病率约为10%，并造成巨大的经济负担。2型糖尿病（T2DM）占所有糖尿病病例的90%。高质量随机对照试验（RCT）和转化试验表明，通过健康的生活方式，如健康饮食、规律的身体活动（PA）和维持健康体重，T2DM是可以预防和治疗的。糖尿病前期（Prediabetes）作为血糖水平升高、介于正常与糖尿病之间的状态，为T2DM的预防干预提供了重要窗口期。行为改变干预措施已在美国和英国部分实施，通常以数字糖尿病预防计划（dDPP）的形式出现，整合智能手机应用程序（App）与营养师、同伴群体沟通，并追踪行为和目标。随着数字健康疗法（包括电子健康（eHealth）、移动健康（mHealth）、可穿戴设备、人工智能（AI）等）的快速发展，特别是智能手机App的广泛应用，以及健康保险报销政策的引入，对这类干预措施有效性的高质量证据和综合评估变得至关重要。

方法

本研究遵循Cochrane方法学指南和系统评价和荟萃分析优先报告项目（PRISMA）声明，并在PROSPERO（CRD42023491693）和开放科学框架（OSF）上前瞻性注册了方案。检索了2013年1月1日至2024年1月31日期间Web of Science、Embase、Scopus、PubMed Central和Medline数据库，以识别评估基于App的干预措施对糖尿病前期成人T2DM预防效果的RCTs。纳入标准包括：1）符合美国糖尿病协会（ADA）糖尿病前期标准（空腹血糖（FPG）100–125 mg/dL，或口服葡萄糖耐量试验（OGTT）2小时血糖140–199 mg/dL，或HbA_1c 5.7%–6.4%）或通过评分（如FINDRISK）评估为糖尿病高风险成人；2）干预主要基于App；3）随机评估设计；4）英文全文同行评审报告。排除标准包括：1）结果未发表；2）会议摘要；3）包含糖尿病患者但未单独报告糖尿病前期结果的研究。

数据提取和偏倚风险评估由两名评审作者独立完成，使用预先设计的Excel表格提取数据，并采用Cochrane偏倚风险评估工具（RoB 2）评估纳入研究的偏倚风险。数据分析包括四个步骤：1）通过效应方向图对所有有效性结局（动机、自我效能、健康素养、行为、生活质量和临床参数）进行图形化合成；2）对具有足够同质性的临床结局进行荟萃分析；3）进行分层荟萃分析以探讨研究设计特征（如对照组类型、行为支持程度、随访时间、纳入标准和偏倚风险）的影响；4）描述性综合亚组分析以探索与健康公平性相关的效应异质性。所有统计分析均在RStudio中使用“meta”和“metafor”包进行。

结果

研究筛选与特征：初始检索到9703篇文章，经过去重和筛选，最终纳入18项RCTs进行系统评价，其中15项纳入荟萃分析。这些研究共涉及6156名参与者，平均年龄54岁，女性占64.0%。大多数研究在美国（N=6）、中国（N=3）和英国（N=3）进行。干预持续时间从1.5个月到13个月不等（平均7.1个月）。对照组通常为常规护理（UC，N=6）或基于App/设备的干预（N=6）。多数干预组（N=12）不包含面对面（f2f）支持。

偏倚风险评估：1项RCT被评为高风险偏倚，12项存在一些担忧，4项为低风险偏倚。

有效性结局的图形化合成：

• •
  心理社会和行为结局：有限的证据表明，App干预可能改善动机、自我效能和健康素养。在生活方式行为方面，多数研究显示干预在增加身体活动、改善饮食行为（如减少甜食、酒精、含糖饮料和糖的摄入）方面有积极趋势，但结果不一致。两项研究报告了生活质量（QoL）的改善，但一项报告压力增加，另一项报告经络身体能量下降。
• •
  临床结局：除体重、BMI和HbA_1c外，对其他临床结局（如腰围、血脂、血压等）的效应方向分析也主要提示改善趋势，但报告这些结局的研究数量较少。没有研究报告糖尿病发病率。

荟萃分析结果：

对临床结局的荟萃分析显示，基于App的干预措施能带来统计学上显著的改善：

• •
  体重：平均降低-1.35 kg（95% CI: [-2.48; -0.23], I2 = 99%, N=13 RCTs）。
• •
  体重相对百分比：平均降低-2.68%（95% CI: [-4.86; -0.50], I2 = 90.4%, N=6 RCTs）。
• •
  身体质量指数（BMI）：平均降低-0.53 kg/m2（95% CI: [-0.97; -0.09], I2 = 99%, N=11 RCTs）。
• •
  糖化血红蛋白（HbA_1c）：平均降低-0.08%（95% CI: [-0.10; -0.05], I2 = 11%, N=11 RCTs）。
  其他临床结局的合并点估计值也多提示风险因素改善，但置信区间常包含无效应。

分层荟萃分析与敏感性分析：

分层分析显示，对于体重、BMI和HbA_1c等结局，干预效果在某些亚组中呈现趋势性差异：

• •
  行为支持：包含面对面（f2f）支持的干预倾向于表现出更大的效应值，但置信区间重叠。
• •
  对照组类型：与接受App/设备的对照组或增强常规护理相比，干预效应点估计值可能更高，但差异不显著。
• •
  纳入标准：额外要求高BMI的糖尿病前期人群，干预效果的点估计值更高。
• •
  随访时间：效应在短期（1至≤3个月）和中期（>3至≤6个月）随访时更明显，而在长期（>6个月）随访时减弱。仅有少数研究评估了12个月以上的效果。
• •
  偏倚风险：根据偏倚风险进行的分层分析未实质性改变结果。
  敏感性分析（如留一法分析）显示结果总体稳健。Egger's检验和漏斗图未检测到明显的发表偏倚。

健康公平性相关的效应异质性：

由于证据缺乏且研究结果不一致，无法就App干预对健康公平性的影响得出明确结论。仅有少数研究按种族、性别、教育程度或年龄进行了亚组分析，结果混杂。有趋势表明，年龄较大（50岁以上）的参与者可能从干预中获益更多。

讨论

本研究首次全面综合了基于App的干预措施对糖尿病前期成人T2DM预防有效性的证据。结果表明，这类干预能够改善生活方式行为、过程性结局、生活质量和临床参数。荟萃分析证实了其在减轻体重、降低BMI和HbA_1c方面的显著作用，尽管效应量小于传统糖尿病预防计划（DPP）所达到的水平（例如，DPP平均减重约5kg，T2DM风险降低58%）。本研究发现的减重（-1.35 kg）和HbA_1c降低（-0.08%）幅度虽未达到糖尿病管理中公认的最小临床重要差异（通常为0.5% HbA_1c和5%体重减轻），但在预防背景下，即使在人群层面产生适度影响也可能具有价值。

研究的优势在于其方法学严谨性和综合性，包括使用事前制定的逻辑模型指导分析、对所有可用结局进行合成、进行多结局荟萃分析以及探索研究特征和健康公平性的影响。局限性主要源于现有证据基础，包括纳入RCTs数量仍有限、结局指标异质性大、长期随访数据和糖尿病发病率数据缺乏、以及关于干预强度和信息报告不充分等。

对未来研究的建议包括：1）开展长期随访研究以评估对糖尿病发病率的影响；2）深入研究干预效果异质性，特别是对健康公平性的影响；3）加强对心理社会和行为等过程性结局的评估，以理解作用通路；4）聚焦于已广泛实施的数字糖尿病预防计划（dDPP）的有效性评估；5）探索利用连续血糖监测（CGM）和人工智能（AI）等新技术进行个性化干预的潜力。

结论

总体而言，基于智能手机应用程序的干预措施可以改善糖尿病前期个体的结局（包括生活方式行为、过程性结局、生活质量和临床参数）。荟萃分析显示其在减轻体重、降低BMI和HbA_1c方面具有统计学显著性，尽管效应量较小。目前缺乏关于其长期有效性、对健康公平性的影响以及降低糖尿病发病率的证据。是否在人群层面广泛推广此类干预，将取决于其在不同人群中的有效性、长期效果以及人均成本。