《Frontiers in Nutrition》:Effects of mindfulness-based digital health interventions on BMI and weight-related behaviours in adults: a systematic review and meta-analysis
背景:超重和肥胖患病率的上升已成为一个关键的全球健康问题。先前的研究表明,基于正念的干预措施可以改善体重指数(BMI)和体重相关行为。数字交付提高了可及性,但关于BMI和饮食结局的证据仍不确定。本系统评价和Meta分析综合了现有证据,探讨此类干预措施对成年人BMI和体重相关行为的影响。方法:研究人员在PubMed、Web of Science Core Collection和Scopus中进行了系统性文献检索。符合条件的研究评估了基于正念的数字健康干预对成年人BMI和体重相关行为(如暴食、情绪化进食)的影响。数据提取和偏倚风险评估由研究人员独立进行,并对干预前后结局进行了Meta分析。结果:共纳入10项研究,涉及902名参与者。基于正念的数字健康干预可能显著改善暴食[标准化均数差(SMD)=-0.59,95%置信区间(CI):(-1.07,-0.10)]和情绪化进食[SMD=-0.23,95%CI:(-0.45,-0.02)]。对非控制性进食[SMD=-0.17,95%CI:(-0.38,0.05)]或认知限制[SMD=-0.04,95%CI:(-0.66,0.59)]未观察到显著效果。对BMI的影响不显著[均数差(MD)=-0.44,95%CI:(-1.70,0.82)]。结论:基于正念的数字健康干预有效缓解了情绪化进食和暴食,但BMI的改善不显著。这些发现表明,未来研究应持续关注干预方案的细节优化,以增强研究的稳健性。系统评价注册:https://www.crd.york.ac.uk/PROSPERO/view/CRD420251125050,PROSPERO,标识号CRD420251125050。
1 引言
超重和肥胖患病率的不断上升已使其成为全球性的健康挑战。如果过去的趋势持续,预计到2050年,超重和肥胖将影响全球超过50%的成年人口。在非临床人群中,适应不良的进食行为,如暴食和其他问题性进食模式,与心理困扰和长期体重增加相关。从一般超重过渡到临床进食障碍是复杂的,负面情绪、体重/体型先占观念和体重污名化被一致认为是关键因素。Kristeller等人在1990年代末的开创性工作将基于正念的干预(MBI)应用于有进食行为问题的肥胖女性,并观察到积极结果,这为将正念确立为该领域的一种新型干预措施奠定了基础。
正念被定义为将全部注意力导向当下时刻发生的体验的实践,而MBI是共享这一核心要素的干预措施。与进食行为相关的正念基于与情绪调节、冲动性和内感受觉察的紧密理论联系。具体而言,正念理论认为,通过减少情绪困扰、增强自我调节能力以及改善对饥饿和饱腹信号的觉察,从而调节进食行为和体重,使个体能够对内源性生理线索而非情绪或外部线索做出反应。通过这些机制,MBI可能改善体重相关行为。在本综述中,“体重相关行为”操作性定义为暴食、情绪化进食、非控制性进食和认知限制,基于既往文献及其在纳入研究中作为结局指标的一致性使用。
现有系统评价和Meta分析报告了传统面对面MBI对超重或肥胖成年人身心健康结局的有益效果,但此类干预资源需求大且需要长时间面对面参与,可能受到高成本、地理限制、污名化和可及性问题的影响。相比之下,数字交付具有更高的效率和成本效益,这加速了正念融入数字干预框架。在本综述中,“基于正念的数字健康干预”操作性定义为通过互联网平台(E-health)或移动应用程序(M-health)交付的MBI。当代项目开发越来越多地将数字交付正念作为整个治疗方法的核心模块或核心组成部分,而不仅仅是附加内容,并可能对BMI和体重相关行为产生益处。
关于基于正念的数字健康干预的效果,既往系统评价已证明基于网络的数字健康干预可在短期内改善体重。Lyzwinski等人进行的叙述性综述评估了电子MBI在压力、体重相关行为和体重减轻方面的总体有效性,然而,该综述为描述性,未提供定量效应估计或客观结局数据,限制了其结论的强度。为在这些既往工作基础上推进,本综述旨在探究基于正念的数字健康干预对成年人BMI和体重相关行为的影响。
2 方法
本研究方案已在PROSPERO注册,注册号为CRD420251125050。
2.1 检索策略
本研究遵循系统评价和Meta分析优先报告条目(PRISMA)指南。在PubMed、Web of Science Core Collection(WOS)和Scopus电子数据库中进行了全面检索,检索截止日期为2026年6月9日。检索词包括:(mindful OR mindfulness OR mindful eating OR mindfulness-based eating OR mindful-based intervention) AND (digital OR application OR online OR web-based OR mobile OR APP OR internet-based OR e-health OR m-health OR digital health) AND (eating behaviour OR diet behaviour OR binge eating OR emotional eating OR loss of control eating OR BMI OR body weight OR weight loss OR body mass index)。各数据库的检索策略和相应结果见补充表1。检索限定于人类研究和英文出版物。
2.2 纳入与排除标准
为探究基于正念的数字健康干预对成年人BMI和体重相关行为的影响,符合以下所有标准的研究被纳入:(1) 人群:年龄≥18岁的参与者;(2) 干预与对照:基于正念且通过数字方式交付(包括M-health或E-health),可单独使用或作为包含数字元素的混合方法的一部分;(3) 结局:报告BMI或体重相关行为;(4) 研究设计:随机对照试验(RCT)。排除标准:(1) 非随机研究设计;(2) 综述、评论、病例报告、会议摘要;(3) 对照组也接受了基于正念的数字健康干预。
2.3 数据提取与综合
两名独立研究人员负责数据收集和方法学质量评价(Y.W.和Y.L.)。所有出现的分歧由第三位资深评审员(Y.Y.)裁定,随后进行小组讨论以达成共识。从每项研究中提取的信息包括第一作者姓名、发表年份、人群特征、干预细节(频率、持续时间、周期)和结局指标。多研究出版物中的数据分别提取。缺失数据或仅以图形呈现的数据,研究人员尝试联系原作者。无法获取的研究从最终分析中排除。对于每项研究,记录干预前后均数(M)、标准差(SD)和样本量。
2.4 偏倚风险评估与方法学质量评价
采用Cochrane偏倚风险2.0(RoB 2)框架从六个维度进行偏倚评估,包括随机过程、偏离预期干预、结局测量、缺失结局数据、选择性结局报告和总体偏倚。分歧首先通过讨论处理。若仍无法达成一致,第三位评审员(Y.Y.)作为最终仲裁者。
2.5 数据转换
本Meta分析基于两组间干预前后变化。对于每项纳入研究,研究人员提取干预组和对照组在基线和干预后的组特异性均数、标准差和样本量。使用这些提取数据计算干预前后均数变化(M
change)和标准差(SD
change)。当仅报告置信区间或标准误(SE)时,研究人员遵循Cochrane手册进行转换。由于大多数纳入研究未报告基线到干预后结局之间的相关系数(r),根据Cochrane指南,采用固定的保守值r=0.5。本分析中使用的所有转换公式如下:M
change=M
post-M
pre;SD
change=√(SD
pre2+SD
post2-(2×r×SD
pre×SD
post))。其中M
change为原始均数差,M
pre和M
post分别为报告干预前和干预后均数,SD
change为均数差的标准差,SD
pre和SD
post为干预前和干预后的标准差,r为前后测量相关系数。
2.6 统计分析
所有Meta分析使用R Studio软件进行。当至少有两个可比较试验可用时,进行数据综合。标准化均数差(SMD)分类为微小(<0.2)、小(0.2-0.5)、中(0.5-0.8)或大(>0.8)。当各研究使用相同评估方法和相同测量单位报告结局(如BMI)时,计算绝对均数差(MD)。研究人员采用I
2指数和Cochrane Q检验检查研究间统计学异质性。具体而言,I
2≤25%表示低异质性,25%-75%表示中等异质性,I
2>75%表示高异质性。为处理多个干预组可能产生的偏倚,研究人员遵循既定指南确保适当控制。为此,将每组样本量除以该组参与的比较次数。
若纳入研究超过10项,进行Egger检验以检测潜在发表偏倚。当检测到发表偏倚(p<0.05)时,采用剪补法评估其对合并结局的影响。通过排除小样本研究和正念仅为次要成分的研究进行敏感性分析,以评估合并结果的稳健性。为探究异质性的潜在来源和影响指标,根据主要结果按干预周期进行亚组分析。其他剂量变量仅有有限数据。此外,尽管有建议MBI可能需要文化适应,但每个结局的研究数量有限,无法按国家进行亚组分析。
2.7 证据确定性
根据Garey等人的建议,总体证据质量的评估应通过评估个体研究结局的有效性来确定。本Meta分析使用推荐分级的评估、制定与评价(GRADE)系统评估结局证据质量,将证据质量评为“高”(进一步研究不太可能改变效应估计)、“中”(进一步研究可能影响并可能改变估计)、“低”(进一步研究可能对效应估计产生影响并可能改变估计)或“极低”(任何效应估计均不确定)。
3 结果
3.1 研究筛选
初步数据库检索识别出488篇文献(PubMed 155篇,WOS 10篇,Scopus 323篇)。去除148篇重复后,340篇记录通过标题和摘要筛选,49篇报告进行全文评估。在全文审查阶段排除39篇报告后,最终共10项研究被判定符合本综述资格(图1)。
3.2 干预特征
如表1所示,在10项纳入评估的研究中,有11项针对成年人BMI和体重相关行为的不同干预。结局指标因研究而异:5项研究关注BMI,4项研究关注暴食,7项研究关注进食行为。关于数字交付,4项研究使用E-health,7项使用M-health干预。
此外,一项三臂研究有两个符合条件的干预组,提供了两个效应量,分别针对情绪化进食和非控制性进食。在10项研究中,仅4项明确报告对其主要结局使用意向性治疗(ITT)分析,其余6项研究未说明是否应用ITT。仅3项研究未报告用户参与度指标。
在纳入研究中,4项以音频引导冥想为主要活动,2项提供基于正念的进食练习,1项提供视频或文本练习,1项使用呼吸练习,1项提供视频会议,1项未说明活动。
3.3 偏倚风险
图2显示了纳入研究偏倚风险评估结果的汇总。大多数研究(8项)充分描述了随机化方法,如随机数字表和计算机随机化。在测量偏倚方面,仅1项研究在结局评估过程中被评为高风险。
3.4 Meta分析结果
3.4.1 BMI
5项研究报告了BMI并纳入本Meta分析。合并结果显示,干预与BMI的非显著降低相关[MD=-0.44,95%CI:(-1.70,0.82),I
2=0.0%]。
3.4.2 暴食
对4项研究中暴食的Meta分析显示,干预与中度的显著降低相关[SMD=-0.59,95%CI:(-1.07,-0.10)],观察到相当高的异质性(I
2=73.1%)。
3.4.3 认知限制
认知限制的Meta分析纳入5项研究。合并结果如下:[SMD=-0.04,95%CI:(-0.66,0.59),I
2=76.7%]。然而,鉴于精度不足和研究数量较少,研究人员避免从这些数据中得出结论。因此,该结局仅以描述性方式报告,现有证据不足以支持临床解释。
3.4.4 情绪化进食
情绪化进食的Meta分析纳入5项研究,包含6份报告。合并结果显示,干预与小幅度降低相关[SMD=-0.23,95%CI:(-0.45,-0.02),I
2=0.0%]。
3.4.5 非控制性进食
非控制性进食的Meta分析纳入5项研究,包含6份报告。合并结果显示,干预与非显著降低相关[SMD=-0.17,95%CI:(-0.38,0.05),I
2=0.0%]。
3.5 亚组分析
按干预周期对暴食进行亚组分析。亚组分析结果见表2。关于暴食,“>12周”亚组(k=2,SMD=-0.47,95%CI:-1.26,0.31)与“≤12周”亚组(k=2,SMD=-0.68,95%CI:-1.54,0.18)之间的差异检验不显著(p>0.05),表明这些变量可能不是暴食的主要调节因素。由于研究有限,该发现应视为探索性。
3.6 敏感性分析
为验证Meta分析结果的稳定性和可靠性,排除小样本研究和正念仅为次要成分的研究的敏感性分析显示,所有结局指标的效应量方向一致。这一发现表明,尽管某些结局存在相当高的异质性,但这些研究并未显著影响总体Meta分析结论。总体而言,敏感性分析证实了Meta分析结果的稳健性和稳定性。
除上述排除外,研究人员测试了假设的前后相关系数(r)对合并效应估计的影响。对于BMI、暴食、认知限制和非控制性进食,将r从0.30变化至0.70未改变任何合并估计的方向或统计学显著性,尽管较大的r值产生略大的效应量。对于情绪化进食,在r=0.3下的分析得出非显著合并效应(SMD=-0.20,95%CI:-0.41至0.01,I
2=0%);而在r=0.7下,合并效应变为显著(SMD=-0.30,95%CI:-0.51至-0.08,I
2=24.8%)。这些发现表明,情绪化进食的统计学显著性对假设的前后相关系数敏感,因此,该结果应谨慎解释。
使用漏斗图评估发表偏倚,在适用时辅以Egger检验进行正式统计检验。然而,由于每个结局可用研究少于10项,未进行Egger检验,因为通常需要至少10项研究才能进行稳健的偏倚评估。
3.7 证据确定性
表3显示了证据确定性结果。BMI为低,暴食为低,非控制性进食为极低,情绪化进食为中等,认知限制为低。
4 讨论
本Meta分析及系统评价旨在阐明基于正念的数字健康干预对成年人BMI和体重相关行为的有效性。结果显示,在BMI方面组间差异不显著。然而,与对照组相比,干预措施在减少暴食和情绪化进食方面显示出显著益处的趋势。
4.1 BMI
本研究关于BMI的发现与Ruffault等人的结果一致,均显示无显著效果。类似地,Lyzwinski等人发现为期11周的正念应用程序MBI在大学生中未产生体重减轻。相反,Jeffrey团队发现MBI显著改善了BMI。这种不一致可能源于:(1) MBI的核心组成部分包括培养觉察力、增加对当下体验的注意力、培养反应灵活性和增强情绪接纳,而非直接指定卡路里消耗或摄入。(2) 与传统方法不同,该干预在实现显著BMI降低方面可能存在延迟效应,更长的随访期可能与更低的BMI相关。(3) 尽管数字健康平台作为交付方式具有多项优势,但在应用程序设计和用户参与方面可能存在某些不足。例如,如果设计未能吸引用户,用户可能难以维持长期使用或可能退出,最终可能损害干预效果。(4) 影响BMI的因素众多,除运动外,还可能与人群特征、种族和吸烟状况等因素相关。这些因素可能稀释干预对BMI的影响。
4.2 暴食
本研究发现,基于正念的数字健康干预对暴食行为具有中等效应。暴食的一个核心维持因素是以应对负面情绪能量不足和避免不愉快体验的倾向。正念可能通过帮助个体减少被特定情绪和想法控制来减少暴食。传统线下正念干预已在临床实践中显示出疗效。例如,Kristeller等人将MBI应用于患有神经性贪食症的肥胖女性,并取得了良好的临床结局,该发现后来被Daniela等人证实。基于此证据,数字健康干预提供了额外优势,如实时反馈、可重复练习、强隐私保护、便利性和成本效益,可能通过促进日常生活融入和改善技能泛化进一步增强疗效。然而,纳入研究中观察到的显著异质性表明效应并不一致。这可能归因于文化背景、年龄范围和干预类型的差异。因此,本研究结果仅旨在为临床医生提供参考;需要进一步更深入的研究继续探索该主题。
4.3 进食行为
在本研究框架内,基于正念的数字健康干预显著改善了情绪化进食,但对非控制性进食无显著效果,且现有证据不足以支持认知限制。这些发现与K. Carriere等人的结果不同,后者发现面对面MBI在改善整体进食行为方面更有效。这表明数字MBI可能产生较弱的效果,可能是因为其仍处于早期开发阶段,需要进一步完善其方案。支持这一观点的是,Manuela等人关于数字健康干预对进食行为的系统评价发现无显著改善,这可能解释为并非所有纳入的数字干预均基于正念,且参与者主要为超重和肥胖成年人。
关于进食行为,改善主要见于情绪化进食,而对非控制性进食的效果无统计学意义。这一发现与Smith等人一致,他们也发现MBI有效减少情绪化进食。然而,Margarita等人指出MBI不仅显著改善情绪化进食,还对进食行为的其他维度有积极影响。类似地,Lyzwinski等人发现正念应用程序干预后,情绪化进食和非控制性进食均有轻微但显著的改善。本研究结果与先前发现之间的不一致可能部分归因于情绪化进食的特殊性质,即由负面情绪而非生理饥饿触发,使其对MBI特别敏感。此外,Lyzwinski等人的积极结果可能得益于用餐时间的推送通知,这在一定程度上提高了干预依从性。最后,本研究仅限于基于正念的数字健康干预,可能减少了有效修改复杂行为结构所需的反馈深度和情境化练习。
还值得注意的是,尽管情绪化进食显著改善,BMI无显著变化。这一现象可能解释为心理和行为改变不会自动转化为足够的卡路里赤字,且BMI通常需要更大的累积能量赤字才能检测到有意义的变化。Carriere等人发现MBI对体重减轻有中等效应,但对肥胖相关进食行为有更大效应,表明心理和行为结局的改善往往比体重变化更明显。此外,情绪化进食主要使用自我报告问卷进行评估,该问卷对短期变化敏感,而BMI则不然。因此,干预后评估可能仅捕捉到尚未有足够时间影响BMI的早期行为变化。小效应量的临床意义尚有争议。这种量级的降低可能对应进食行为的适度改善,有助于更好的体重管理,但不太可能产生快速或剧烈变化。然而,鉴于敏感性分析结果,对情绪化进食的益处应谨慎解释。
关于认知限制,现有数据过于有限,无法支持任何有意义的结论。因此,研究人员避免将此发现解释为无效应,而指出当前证据不足以进行可靠推断。未来需要更大样本和更精确估计的研究。
4.4 局限性
尽管严格遵守PRISMA指南,本研究仍存在若干局限性:(1) 暴食和认知限制的分析显示显著异质性,可能损害这些发现的可信度。然而,由于可用信息有限且干预特征在研究间分布不均,研究人员仅能按干预周期进行亚组分析,且仅对暴食进行。对于认知限制,因不同干预周期研究数量不足,未能进行亚组分析。(2) 一项纳入研究样本量极小。尽管其提供初步证据,但因其符合纳入标准而保留;排除该研究的敏感性分析未实质性改变结果的方向或显著性。尽管如此,读者应意识到这一局限性。(3) 尽管10项研究中有7项明确报告了用户参与度指标,但可访问应用程序并不意味着参与者实际在练习正念。缺乏客观参与度数据或确认正念练习的验证机制,以及不同年龄范围和地理环境下数字素养和技术可及性的差异,可能影响干预参与和结局。(4) 各结局的GRADE证据确定性从极低到中等不等。(5) 缺乏ITT报告和潜在的失访偏倚,可能导致对真实干预效果的高估或低估。因此,未来需要更大样本量、标准化方案的高质量RCT。
5 结论
研究人员评估了基于正念的数字健康干预对成年人BMI和体重相关行为的影响。干预措施显著改善了情绪化进食和暴食,但对BMI无明确效果。这些发现表明,未来研究应持续关注干预方案的细节优化,以增强研究的稳健性。