物联网高血压监测系统在社区医疗中的开发与评估：一项混合方法准实验研究方案

《BMC Health Services Research》：Development and evaluation of an IoT-based hypertension surveillance system in community health settings: a mixed-methods quasi-experimental study protocol

本研究针对社区高血压管理存在数据碎片化、患者依从性低及实时监测不足等问题，开发并评估了一套基于物联网（IoT）的高血压监测系统。通过在北京社区开展2000人规模的准实验研究，比较IoT干预组与常规照护组的血压控制率、标准化管理率等指标，并结合成本效益分析和质性访谈，为慢性病数字化管理提供循证依据。结果表明该系统能显著提升血压控制效率（目标值：35-65岁<140/90 mmHg，≥65岁<150/90 mmHg），为优化基层医疗资源分配提供关键技术支撑。

　　

随着全球老龄化进程加速，高血压作为心血管疾病和脑卒中的主要危险因素，已成为影响13亿人的重大公共卫生挑战。中国高血压患病率高达27.9%，但治疗率与控制率分别仅为45.8%和16.8%，基层医疗机构面临管理标准化不足、城乡资源差异大、患者自我管理意识薄弱等困境。传统高血压管理模式依赖纸质档案和人工记录，存在数据碎片化、实时性差等痛点，而物联网（Internet of Things, IoT）技术通过智能设备与云平台整合，为动态监测和精准干预提供了新思路。

在此背景下，郑文团队在《BMC Health Services Research》发表研究方案，旨在开发并评估一套IoT高血压监测系统在社区场景下的有效性、成本效益及实施流程。该研究采用混合方法设计，覆盖北京市通州区梨园社区健康服务中心及其下属站点的2000名签约高血压患者，其中干预组（n=1000）使用集成智能血压计、人脸识别技术和实时数据上传的IoT平台，对照组（n=1000）维持传统健康小屋管理模式。研究通过比较两组血压控制率（主要结局）、标准化管理率、生化指标等临床终点，结合增量成本效益比（Incremental Cost-Effectiveness Ratio, ICER）分析和医护人员焦点访谈，全面评估该系统的实践价值。

关键技术方法包括：1）基于模块化架构的IoT系统开发，支持与北京市社区卫生信息平台（B/S架构）和电子健康记录（Electronic Health Record, EHR）系统接口对接；2）通过6台智能血压管理一体机实现身份认证（医保卡/人脸识别）与数据自动上传；3）针对2000名患者（年龄≥35岁，签署家庭医生合约）开展为期12个月的准实验，每季度采集血压、血脂等指标；4）使用G*Power软件进行样本量计算（检验效能80%），并采用SPSS 27.0进行意向性治疗（Intention-to-Treat, ITT）分析和主题分析。

研究设计

采用非随机分组 pragmatic quasi-experimental trial，干预组使用IoT系统实时传输血压数据至EHR，异常值（收缩压>180 mmHg或舒张压>110 mmHg）触发自动预警；对照组仅通过健康小屋手动记录数据。两组基线人口学特征与临床指标通过EHR匹配，以减少混杂偏倚。

干预方案

IoT系统整合健康小屋设备与居民健康档案，支持实时风险评估、趋势可视化及打印个性化报告。管理者可按日/月/季度统计各团队标准化管理率与血压控制率，定期召开质量分析会议。

样本特征

纳入标准包括：签约家庭医生、具备门诊随访能力、无严重心脑血管事件史（12个月内）或终末期疾病。样本量计算以血压控制率提升10%（对照组45%→干预组55%）为预期效应值，最终纳入2000人以确保统计效能与亚组分析需求。

结局指标

除血压控制率（按年龄分层目标）外，次要结局涵盖测量完成率、转诊率及血脂/血糖变化。经济评价通过ICER模型比较IoT系统投入与医疗资源节约，质性数据来自患者满意度问卷（图4）和12名医护人员焦点小组。

讨论与意义

本研究首次在中国基层医疗场景下系统评估IoT高血压管理系统的综合效益。其创新性体现在：1）通过IoT与AI技术破解数据孤岛问题，实现管理流程标准化；2）结合成本效益分析与实施科学框架，为政策制定提供多维证据；3）大样本设计与真实世界条件增强结果外推性。局限性包括非随机分组可能引入选择偏倚，且依赖EHR数据可能影响对照组数据质量。未来可拓展至糖尿病等多病种管理，并探索5G、区块链技术强化数据安全与 interoperability（互操作性）。该研究为慢性病数字化防治提供了可复制的技术路径与管理范式，对优化基层医疗卫生资源分配具有重要实践意义。