COVID-19大流行期间数字健康管理在冠心病出院后患者中的趋势与疗效：一项多阶段真实世界研究

《npj Digital Medicine》：Trends and effectiveness of digital health management in postdischarge coronary artery disease across COVID19 pandemic

本文针对冠心病（CAD）患者出院后管理难题，尤其在公共卫生事件期间传统随访模式的局限性，开展了一项大规模真实世界研究。通过分析24,129例参与HeartMed数字管理系统的CAD患者数据，研究发现数字健康管理（DM）在不同疫情阶段（疫情前、疫情期间、疫情后）均显著降低全因死亡率（HR: 0.23-0.58）、再住院及主要不良心血管事件（MACE/MACCE）风险，且保护作用无阶段性差异。该研究为数字健康在公共卫生危机中管理慢性病患者提供了高效、可持续的实践证据。

　　

冠状动脉疾病（CAD）是全球致残和致死的主要原因之一，尽管近年来诊疗技术不断进步，但患者出院后仍面临诸多挑战：健康知识不足、生活方式不健康、危险因素控制不佳以及用药依从性差，这些问题严重影响患者的长期预后。传统门诊随访模式在常态下尚显乏力，而当COVID-19大流行席卷全球时，面对面随访更是雪上加霜。在这一特殊背景下，利用数字技术进行出院后管理显得尤为关键。

由阜外医院吴永健教授和高晓津教授团队领衔的研究，发表在《npj Digital Medicine》上，首次系统评估了数字健康管理在不同疫情阶段对CAD患者临床结局的影响。研究纳入24,129例参与HeartMed数字管理系统的CAD患者，根据入组时间分为疫情前（n=13,473）、疫情期间（n=5,173）和疫情后（n=5,483）三个阶段，并依据患者偏好分为数字管理组（DM）和常规管理组（CM）。结果显示，随着时间推移，患者对数字管理的接受度显著提升（疫情前16.7% → 疫情后86.2%）。

关键技术与方法

研究基于HeartMed数字管理平台，对DM组患者提供为期一年的个性化、多维度的远程管理，包括症状监测（植入芯片的血压计实时追踪）、风险分层、生活方式干预（AI定制饮食/运动方案）、用药提醒及专业团队实时反馈。CM组仅接受常规门诊随访。主要终点为全因死亡率，次要终点包括再住院、MACE（心血管死亡、非致死性心梗/卒中）和MACCE（复合终点）。采用多变量Cox回归、倾向得分匹配（PSM）和交互作用分析，校正人口学、合并症、实验室参数等混杂因素。

研究结果

基线特征

DM组患者更年轻、合并症较少，但冠脉病变更严重，PCI比例更高。多变量分析前，DM组在全因死亡率等终点事件上已显优势。

临床结局评价

调整后，DM组在全因死亡率风险上显著降低（疫情前HR=0.23，疫情期间HR=0.52，疫情后HR=0.58；均p<0.001），其他终点如再住院、MACE和MACCE风险也一致下降。绝对风险降低（ARR）和需治数（NNT）分析显示，疫情后阶段预防1例死亡仅需管理85人，凸显临床效益。

敏感性分析与交互作用

排除缺失数据或进一步校正用药后，结果保持稳健。PSM后组间均衡（SMD<0.01），DM仍显著降低死亡风险（疫情后HR=0.38）。交互分析显示，数字管理的保护作用在不同疫情阶段无显著差异（P_交互>0.05），说明其效果稳定。

讨论与意义

本研究证实，数字健康管理通过个性化方案、持续干预、多形式信息传递和动态监测，有效弥补了传统管理的短板。尤其在公共卫生危机期间，其可及性和稳定性为慢性病管理提供了新思路。局限性包括观察性研究的残留混杂、选择偏倚（DM组患者可能更健康意识强）以及结论外推性受文化、医疗体系差异影响。未来需跨人群RCT验证因果，并探索其他慢性病的数字管理路径。

数字健康管理不仅是技术升级，更是医疗模式的重要变革。随着人工智能和互联网技术的深度融合，其有望在未来的公共卫生挑战中扮演更关键的角色，为全球慢性病防控提供“中国经验”。