基于eHealth的心血管疾病风险沟通干预效果的系统评价与Meta分析

《npj Digital Medicine》：The effectiveness of eHealth-based cardiovascular disease risk communication: a systematic review and meta-analysis

本研究针对心血管疾病(CVD)风险沟通策略的优化需求，系统评估了eHealth技术在CVD风险沟通中的有效性。通过对23项随机对照试验的Meta分析发现，eHealth干预可显著改善收缩压(SBP)、低密度脂蛋白(LDL)、体力活动、戒烟率、疾病认知和生活质量(P<0.05)，但对舒张压(DBP)、总胆固醇(TC)等指标改善有限。研究为数字化健康干预在CVD防治中的应用提供了高级别证据支持。

　　

心血管疾病(CVD)持续成为全球公共卫生的重大挑战，包括心脏病、脑血管疾病等在内的CVD每年导致大量死亡和残疾。尽管现代医学在CVD治疗方面取得了显著进展，但预防仍然是控制CVD负担的关键策略。在这一背景下，有效的风险沟通——即向个体传达其CVD风险信息并指导风险管理——被认为是CVD预防的核心环节。

传统面对面的风险沟通方式虽然有效，但受到医疗资源有限、可及性差等限制。随着数字技术的快速发展，电子健康(eHealth)技术为心血管疾病风险沟通提供了新的解决方案。eHealth技术指安全且经济有效地使用数字工具和通信平台提供健康服务和交换医疗信息，包括智能手机应用、网站、电话、电子邮件等多种形式。这些技术能够实现风险评估、风险呈现、个性化建议、动态追踪和提醒等功能，有望提高风险沟通的效率和覆盖面。

然而，现有关于CVD风险沟通的研究存在明显局限性。先前的研究往往没有清晰区分单纯风险沟通干预与包含额外组件的综合干预，也未专门聚焦eHealth技术的独特价值。此外，对于eHealth技术在CVD风险沟通中对多种健康结局指标的影响，缺乏全面系统的评估。这些知识缺口限制了eHealth技术在临床实践中的优化应用。

为填补这一研究空白，研究人员在《npj Digital Medicine》上发表了题为"The effectiveness of eHealth-based cardiovascular disease risk communication: a systematic review and meta-analysis"的研究论文。该研究通过系统评价和Meta分析方法，全面评估了eHealth为基础的CVD风险沟通对健康相关结局的影响。

研究人员采用了系统评价和Meta分析的标准方法，检索了七个电子数据库从建库至2024年10月1日的文献。研究遵循PRISMA指南，注册于PROSPERO(CRD42024582906)。纳入标准包括：18岁以上有或无心脑血管疾病史的参与者、使用eHealth技术进行CVD风险沟通的干预、与空白对照或常规护理比较的随机对照试验。两位研究者独立进行文献筛选、数据提取和质量评价，使用Cochrane偏倚风险评估工具，采用随机效应模型进行Meta分析，并进行亚组分析和敏感性分析。

研究结果

文献筛选与纳入研究特征

初步检索获得2992条记录，经过去重和筛选，最终纳入23项随机对照试验，总样本量达11311名参与者。这些试验发表于2006年至2024年间，覆盖13个国家，其中美国贡献的研究最多(6项)。11项研究聚焦CVD一级预防，10项关注二级预防，2项同时涉及两级预防。

eHealth技术类型与功能

纳入研究使用了7类eHealth技术，包括智能手机应用(9项)、网站(8项)、电话(4项)、电子邮件(4项)、决策支持系统(2项)、电子健康记录(2项)和短信服务(1项)。6项研究结合使用了两种或以上技术。这些技术主要实现风险评估、风险呈现、个性化建议、追踪和提醒等功能。

偏倚风险评估

所有研究在随机序列生成方面均显示低偏倚风险。74%的研究(17/23)在分配隐藏方面为低风险，30%(7/23)在参与者和研究人员盲法方面为低风险，78%(18/23)在结果评估盲法方面为低风险。16项研究因盲法缺失或不足被评估为高风险偏倚。

生理指标效果

eHealth为基础的CVD风险沟通显示出对收缩压(SBP)的显著改善(7项研究，SMD=-0.16，95%CI：-0.30至-0.02；P=0.03)。亚组分析显示，在一级预防中效果更显著(SMD=-0.33，95%CI：-0.61至-0.05)。对舒张压(DBP)的改善未达到统计学意义(7项研究，SMD=-0.07，95%CI：-0.17至0.03；P=0.18)。

在血脂指标方面，干预显著降低了低密度脂蛋白(LDL)(5项研究，SMD=-0.20，95%CI：-0.36至-0.03；P=0.02)，尤其在二级预防和长期随访(>3个月)亚组中效果显著。而对总胆固醇(TC)和高密度脂蛋白(HDL)的整体改善未达到统计学意义。体重指数(BMI)在两组间无显著差异。

生活方式和心理健康 outcomes

Meta分析显示，eHealth干预显著改善了体力活动(SMD=1.35，95%CI=0.46-2.23；P=0.003)和戒烟率(OR=1.50，95%CI=1.14-1.99；P=0.004)。饮食行为和药物依从性的改善有限且不一致。心理健康指标如抑郁和焦虑评分在干预组和对照组间无显著差异。

疾病认知和生活质量

eHealth干预显著改善了疾病认知(SMD=0.72，95%CI=0.26-1.19；P=0.002)和生活质量(SMD=0.36，95%CI=0.04-0.68；P=0.03)。心血管风险评分(CRS)的整体改善未达到统计学意义，但在初级预防和短期随访亚组中显示显著改善。

用户体验

三项研究报告了用户体验结果，参与者对eHealth工具的满意度较高，认为其易于使用、内容准确、设计用户友好，并将其描述为有前景的创新工具。

讨论与结论

本研究首次系统评估了eHealth技术在CVD风险沟通中的综合效果。结果表明，eHealth干预在改善关键临床指标(如SBP、LDL)和健康行为(如体力活动、戒烟)方面具有显著效果，这与先前关于数字健康干预有效性的研究一致。特别是在长期随访中观察到的戒烟率改善，凸显了eHealth技术在促进难以改变的健康行为方面的潜力。

然而，研究也发现eHealth干预对心理健康、饮食行为和药物依从性的改善有限。这可能是因为现有干预主要关注健康信息传递而非心理支持，而认知和情感反应是启动和维持健康行为改变的关键决定因素。不恰当的风险信息框架可能增加心理困扰，反而抵消干预的潜在益处。

eHealth干预的多组件特性可能是其有效性的重要原因。大多数干预包含风险评估、风险呈现、个性化建议、动态追踪和提醒等核心元素。未来研究应使用标准化框架(如行为改变技术分类)和优化策略(如因子设计、多阶段优化策略)，以识别有效组件并优化干预方案。

研究的局限性包括仅反映eHealth为基础的风险沟通，而风险沟通本身是多维度的；研究间存在显著异质性；纳入研究数量有限可能影响发表偏倚的评估。尽管如此，本研究为eHealth技术在CVD防治中的应用提供了重要证据，对临床实践和政策制定具有指导意义。

综上所述，基于eHealth的心血管疾病风险沟通在改善多项健康结局方面显示显著效果，特别是在血压控制、血脂管理、健康行为促进和疾病认知提升方面。未来研究应关注干预组件的标准化、不同人群的针对性策略以及心理因素的整合，以进一步优化干预效果。