基于信息技术的自我管理干预对2型糖尿病患者效果的Meta分析

张丹丹 雷晓庆 周惠娟 蒋青 汪小华 侯云英

(苏州大学护理学院,江苏 苏州 215006)

中国有11.6%的成年人患糖尿病，占全世界患病人口的1/4，且血糖控制状况不佳[1]。糖尿病引起的一系列并发症使医疗负担日益加重[2]。该病不仅增加心血管疾病患病风险[3]，亦显著增加心血管疾病和非心血管疾病死亡率[4]。所以自我管理对血糖控制至关重要。通过个体化行为目标制定，自我血糖监测，生活方式调整(健康饮食、体力活动、戒烟、体质量管理和压力应对)，药物服用和管理，并发症预防等积极的自我管理，可显著改善糖尿病患者的长期预后[5]。然而，当患者独自进行自我管理时，却难以使其行为持续改变，疾病护理效果的改善也不甚理想[6]。因而，糖尿病患者需从医疗服务机构获得持续自我管理支持。而信息技术可将疾病监测和患者个体化反馈整合在一起，可作为自我管理支持的重要手段。我国有5亿多智能手机和App用户[7]，基于信息技术的自我管理支持具有广阔的应用前景。然而，目前基于信息技术的自我管理干预对糖尿病患者的效果仍存在争议。鉴此，本研究通过Meta分析的方法系统评价其对糖尿病患者效果的影响，旨在为糖尿病患者的健康管理提供循证依据。

1 资料与方法

1.1文献检索策略 计算机检索PubMed、The Cochrane Library、EMBase、万方数据库(WangFang Data)、中国生物医学数据库(CBM)、中国维普全文数据库(VIP)和中国知网全文数据库(CNKI)数据库，搜集基于信息技术的自我管理干预对2型糖尿病患者效果的随机对照试验(RCT)，检索时限均从建库至2018年5月。检索采用主题词和自由词相结合的方式。中文检索词包括：糖尿病、2型糖尿病、互联网、智能手机、远程医疗、移动设备、随机对照试验；英文检索词包括：Type 2 diabetes mellitus、smartphone、cellphone、telemedicine、internet、telephone、mhealth、ehealth、RCT。

1.2纳入与排除标准

1.2.1纳入标准 (1)研究类型：基于信息技术的自我管理干预对2型糖尿病(Type 2 diabetes mellitus,T2DM)患者效果的随机对照试验，文种仅限中、英文。(2)年龄≥18周岁，确诊为T2DM患者。(3)干预措施：1)基于信息技术的自我管理干预，包括移动手机、互联网、远程医疗设备，对照组为常规护理；信息技术作为综合自我管理方案的一部分，对照组除信息技术外，其他措施与干预组一致。2)基于信息技术的干预必须要至少解决美国教育工作者由会(The American association of diabetes educators，AADE)自我管理行为[8]中的一个。AADE自我管理行为包括健康饮食、积极参与、监测、服用药物、降低风险、健康应对、解决问题。3)干预措施的具体形式：信息系统自行分析数据反馈给患者，或医护人分析数据，与患者远程互动，及时反馈自我管理情况，进行个体化指导。4)结局指标：结局指标至少包括以下1项：糖化血红蛋白(HbA1c)、自我效能、生活质量。

1.2.2排除标准 (1)研究对象为1型或同时包含1型和2型糖尿病患者。(2)干预措施仅为短信息或电话服务。(3)随访时间<6个月。(4)重复发表的研究。(5)无法获取全文。(6)无法提取数据。(7)非核心期刊。

1.3文献筛选和资料提取 由2名研究者独立筛选文献、提取资料并交叉核对，如遇分歧，则讨论解决或交由第3名研究者协助判断。对缺乏资料的文献，尽量与原作者取得联系并予以补充。文献筛选时，首先阅读题目和摘要，排除不符合纳入标准的文献后，进一步阅读全文，最终纳入符合纳排标准的文献。资料提取的内容包括：(1)纳入研究的基本信息：第一作者姓名、发表年份、研究实施国家等。(2)研究对象的基本特征：年龄、样本量等。(3)纳入研究的方法学质量、干预措施的具体细节、结局指标。当研究涉及多个干预组时，依据Cochrane系统评价手册进行分组合并，将多臂试验转换成双臂试验。

1.4文献质量评价 由2名研究人员依据Cochrane系统评价手册中随机对照试验的偏倚风险评估工具[9]，对纳入研究进行偏倚风险评估。其内容包括：(1)随机序列的产生。(2)分配隐藏。(3)对参与者和实施者的盲法。(4)对结局评价实施盲法。(5)结局数据不完整。(6)选择性发表。(7)其他偏倚。评价者需对每个方面作出低风险偏倚、高风险偏倚、不清楚的判断。文献质量评价分为A、B、C三个等级，A为完全满足标准；B为部分满足标准；C为完全不满足标准。出现分歧时讨论解决。

1.5统计学方法 采用Cochrane协作网提供的RevMan 5.3软件进行Meta分析。对于连续性变量资料，当测量单位一致时，使用加权均数差(Weight mean difference,WMD)；当测量单位不一致时，使用标准化均数差(Standardized mean difference,SMD)。HbA1c为连续性变量，使用加权均数差值作为效应指标，对其干预前后的改变值进行统计。对未提供改变值的文献[10-14]，使用公式推算。根据Quinn等[15]、 Wayne等[16]的研究结果，计算出干预组的相关系数为0.52和0.65，取其平均数为0.58。所有效应量均以95%可信区间(CI)表示。纳入研究的异质性通过χ2检验(Q检验)分析，若I2≤50%，P>0.1，则各研究间无统计学异质性，采用固定效应模型；反之，采用随机效应模型。剔除偏倚风险较高的文献[16-17]进行敏感性分析，评估Meta分析结果的稳定性。发表偏倚通过漏斗图表示。检验水准α=0.05。

2 结果

2.1文献筛选流程及结果 初检得文献1 613篇，剔除重复文献543篇，经阅读文题和摘要后去除932篇，进一步阅读全文后去除文献115篇，最终纳入文献23篇。文献筛选流程及结果，见图1。

2.2纳入研究的基本特征 纳入的23项研究[10-32]中，共有3 902例参与者，其中干预组2 142例，对照组1 706例。干预组年龄42.5～69.6岁，对照组年龄42.3～68.1岁。干预措施：22项研究为基于信息技术的自我管理干预，1项研究为包含信息技术的综合自我管理干预。纳入研究的基本特征，见表1。

注：*所检索的数据库及检出文献数具体如下：PubMed(n=315)、EMbase(n=315)、The Cochrane Library(n=399)、WanFang Data(n=371)、CNKI(n=33)、CBM(n=36)、VIP(n=144)。图1 文献筛选流程及结果

表1 纳入研究的基本特征

续表1 纳入研究的基本特征

注：T为试验组；C为对照组。结局指标：①HbA1c；②生活质量；③自我效能。解决自我管理的问题：①健康饮食；②积极参与；③监测；④服用药物；⑤降低风险；⑥健康应对；⑦解决问题。

2.3纳入研究的偏倚风险评价结果 纳入的14项研究[13,15-16,18-28]详细介绍了随机分组方案；8项研究[13,16,19-21,28-29]采取了正确的分配隐藏方法；3项研究[11,13,25]对参与者和实施者实行了盲法；4项研究[17-18,24-25]对结局测量者实施了盲法；所有纳入研究均未发现选择性报告研究结果的证据；1项研究[17]结局数据不完整；1项研究[16]有明显的其他偏倚来源。纳入的23项研究，质量评价等级均为B。

2.4Meta分析结果

2.4.1HbA1c 有23项研究[10-32]将HbA1c作为结局指标，Meta分析结果显示，基于信息技术的自我管理干预可使T2DM患者的HbA1c下降0.39%，差异具有统计学意义 [95%CI(-0.51，-0.27)，P<0.000 01]。

2.4.1.1不同种类的信息技术干预对T2DM患者HbA1c影响亚组分析 分别有9项[12,15-16,21-22,24-25,30-31]、11项[10-11,13-14,18-20,23,26-27,32]和3项[17,28-29]研究使用移动手机、互联网和远程医疗设备，Meta分析结果显示，基于移动手机、互联网和远程医疗设备的自我管理干预分别使T2DM患者的HbA1c下降0.40% [95%CI(-0.65，-0.16)，P=0.001]、0.43% [95%CI(-0.64，-0.22)，P<0.000 01]和0.33% [95%CI(-0.45，-0.20)，P<0.000 01]，见图2。

图2 不同信息技术干预对T2DM患者HbA1c的影响

2.4.1.2信息技术干预对不同年龄T2DM患者HbA1c影响的亚组分析 本研究按照年龄≥55岁和小于<55岁进行亚组分析。年龄≥55岁者共纳入12项研究[13,17,20-21,24,26-32]，Meta分析结果显示，基于信息技术的自我管理干预可使T2DM患者的HbA1c下降0.32%[95%CI(-0.47，-0.17)，P<0.000 1]；年龄<55岁者共纳入11项研究[10-12,14-16,18-19,22-23,25]，Meta分析结果显示，基于信息技术的自我管理干预可使T2DM患者的HbA1c下将0.53% [95%CI(-0.77，-0.29)，P<0.000 01]。见图3。

2.4.2生活质量 6项研究[10,13,16,20-21,29]将生活质量作为结局指标，但其中3项研究[10,13,20]未提供具体数据，因此纳入3项研究[16,21,29]进行Meta分析。结果显示，基于信息技术的自我管理干预未能改善T2DM患者的躯体功能 [MD=0.24，95%CI(-1.39，1.88)，P=0.77]和心理功能[MD=0.62，95%CI(-1.98，3.22)，P=0.64]。

2.5敏感性分析和发表偏倚评估 剔除2项偏倚风险较高的研究[16-17]，重新进行Meta分析，结果未发生改变[MD=-0.41，95%CI(-0.54，-0.28)，P<0.000 01]，说明Meta分析结果稳定。漏斗图顶部较窄，底部较宽，形似倒扣的漏斗，且各研究基本均匀地分布于综合效应两侧，未发现明确的发表偏倚风险，见图4。

图3 信息技术干预对不同年龄T2DM患者HbA1c的影响

图4 信息技术干预对T2DM患者HbA1c影响的漏斗图

3 讨论

持续的自我管理干预对糖尿病患者至关重要 自我管理能力是有效控制糖尿病病情的关键，良好的自我管理可延缓糖尿病并发症的发生、发展[5]。然而,当患者独自进行自我管理，缺乏医护人员长期、有效的指导和干预时，患者自我管理水平未见提高，血糖控制不佳，生活质量较差[33]。我们的前期研究结果也表明，单纯教育患者进行自我血糖监测，而未及时指导患者根据血糖结果调整糖尿病管理方案，不仅不会改善血糖，反而会造成医疗资源和费用的浪费[6]。医护人员需对糖尿病患者进行持续的自我管理指导和支持。

3.1基于信息化技术的自我管理干预对糖尿病患者血糖控制的影响 本文通过Meta分析发现，基于信息技术的自我管理干预可使2型糖尿病患者HbA1c下降0.39%。T2DM患者HbA1c每下降1%意味着患心、脑血管疾病的危险分别降低25%和11%，患糖尿病肾病、视网膜病变等微血管病变的危险降低29%[34]。因此，基于信息技术的自我管理干预可明显改善糖尿病患者的预后。Alharbi 等[35]的Meta分析结果也表明，基于信息技术的自我管理干预可使HbA1c下降0.50%，而电子病案和决策支持系统仅分别使HbA1c下降0.17%和0.15%。然而，Alharbi的研究纳入了非随机对照试验、自身前后试验以及包含信息技术的综合干预措施，有可能会夸大信息技术的干预效果。本研究对信息技术进行分类，并进行了亚组分析，Meta分析的结果显示，基于互联网的干预对降低HbA1c水平最为有效, 其次是移动手机，最后是远程医疗设备，这与Heitkemper[36]的研究结果是一致的。对不同年龄的T2DM患者而言，信息技术的干预可使年龄<55岁的糖尿病患者HbA1c下降53%，年龄≥55岁的患者HbA1c下降32%，这说明信息技术的干预不仅适用于年纪较轻的人群，同样也适用于年龄较大的糖尿病患者，只是对年纪较轻的人群更为有效，与Tao[37]的研究结果一致。

3.2基于信息技术的自我管理干预对糖尿病患者生活质量和自我效能的影响 本文的Meta分析结果显示，基于信息技术的自我管理干预未能改善患者的自我效能，可能由于患者的自我效能改变是一个相对漫长的过程，而本研究纳入的文献随访时间较短，均在12个月以内；其次，纳入的3项研究中，包含了偏倚风险较高的一项研究，可能会影响试验效能。另外，基于信息技术的自我管理未能改善患者的生活质量，与Cartwright等[38]研究结果一致，可能由于患者的自我效能会影响生活质量，虽然提高患者的生活质量已逐渐成为糖尿病管理的目标，但鲜有研究将其作为干预措施的重点，今后应加强此方面的干预方案制定及效果评价；其次，信息技术的使用会增加患者自我监测的负担，缺乏用户友好型的性能，破环了传统的(面对面)交流方式，可能会降低患者的生活质量。由于纳入文献较少，且部分研究无法提取数据，基于信息技术的自我管理干预对生活质量和自我效能的影响尚有待进一步研究。

3.3局限性 (1)本研究仅纳入了已发表的文献，未检索灰色文献。(2)只纳入了中英文文献，可能存在语言偏倚。(3)部分研究的相关数据是通过二次转化而得。

综上所述，使用信息技术手段对T2DM患者进行自我管理干预，可改善其血糖控制，但对生活质量和自我效能的影响尚需更多研究验证。