引用本文： 潘佳雪, 李亞男, 郁娟, 張旭, 田金徽, 韓雪梅. 短信干預對 2 型糖尿病患者糖化血紅蛋白和血糖水平影響的 Meta 分析. 中國循證醫學雜志, 2017, 17(10): 1158-1166. doi: 10.7507/1672-2531.201702056 復制
糖尿病是一組因胰島素分泌或作用缺陷而引起的碳水化合物、蛋白質、脂肪、水和電解質等代謝紊亂，以慢性高血糖為特征的代謝異常綜合征，現已成為威脅人類健康的主要慢性疾病之一。近年來，隨著人們生活方式的改變，全球范圍內糖尿病的發病率不斷上升，中國已成為全球糖尿病患者人數第二大國[1, 2]，糖尿病已成為嚴重威脅人們健康的公共衛生問題。高達 37% 的 2 型糖尿病患者在開始治療的 1 年內停止使用口服降糖藥[3, 4]，由于服藥依從性差導致臨床預后不佳[3-5]，加速了疾病進展，消耗了大量的衛生資源。美國糖尿病協會（American Diabetes Association，ADA）發布的糖尿病防治指南中指出，糖尿病患者自我管理教育是預防糖尿病急性并發癥和降低長期并發癥風險的關鍵[3-8]。糖尿病患者的自我管理，包括自我血糖監測、健康生活方式、堅持藥物治療、糖尿病知識教育。這些干預措施如果采用面對面的管理方式，將對衛生人力及醫療資源產生巨大的壓力并且不能滿足所有患者的需求。因此，急需發展新的經濟有效的糖尿病患者管理方式。
手機短信服務（short message service，SMS）是一種低成本和高效率的應用程序，其服務模式為許多國家的大多數用戶提供了很好的可訪問性和覆蓋范圍。現有證據表明，短信有助于改變患者行為[9-13]。目前在 2 型糖尿病患者中也廣泛采用了短信干預（如糖尿病患者進行用藥指導及糖尿病知識普及等），但不同研究的短信干預內容和干預時間等方面差異較大，結論不盡相同。因此，我們采用 Meta 分析方法評價 SMS 模式降低 2 型糖尿病 HbA1c、FBG、PBG 水平的效果，旨在為 T2DM 患者的血糖控制管理模式提供最佳的證據。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型 國內外公開發表的隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象 ① 年齡≥18 歲；② 2 型糖尿病診斷標準符合世界衛生組織（World Health Organization，WHO）或美國糖尿病協會（The American Diabetes Association，ADA）的診斷標準[14]。
1.1.3 干預措施 ① 試驗組為發送短信干預，不限制短信內容；② 對照組進行常規治療。 兩組均使用相同的常規治療。
1.1.4 結局指標 ① 主要結局指標：干預前后空腹血糖（FBG）差值、2 h 餐后血糖（PBG）差值、糖化血紅蛋白（HbA1c）差值；② 次要結局指標：干預前后體質指數（BMI）差值、體重差值、糖尿病知識水平評分差值。
1.1.5 排除標準 ① 重復發表的文獻；② 非中、英文文獻；③ 研究對象同時納入了 1 型和 2 型糖尿病患者；④ 對照組常規治療與干預組不同的文獻。
1.2 文獻檢索策略
計算機檢索 PubMed、EMbase、The Cochrane Library、CNKI 和 CBM 數據庫，搜集短信干預 2 型糖尿病的 RCT，檢索時限均為從建庫至 2016 年 8 月。中文檢索詞包括：短信、2 型糖尿病、隨機對照試驗等；英文檢索詞包括：type 2 diabetes mellitus、text messaging、randomized controlled trials 等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選和資料提取
由 2 位研究者獨立篩選文獻、提取資料并交叉核對，如遇分歧，交由第三位研究者裁決。資料提取的內容主要包括：① 納入研究的基本信息：研究、作者、發表時間等；② 納入研究的基本特征：研究設計、樣本量、年齡等；③ 干預措施和對照措施的細節；④ 研究所關注的結局指標和結果測量數據。
1.4 納入研究的偏倚風險評價
納入研究的偏倚風險采用 Cochrane 手冊 5.1.0 針對 RCT 的偏倚風險評估標準進行評價。
1.5 統計分析
采用 Stata 12.0 軟件對各結局事件發生率進行 Meta 分析。各效應量均給出其點估計值和 95%CI。納入研究結果間的異質性采用 χ2 檢驗進行分析（檢驗水準為 α=0.1），同時結合 I2 定量判斷異質性的大小。若各研究結果間無統計學異質性，則采用固定效應模型進行 Meta 分析；若各研究結果間存在統計學異質性，則進一步分析異質性來源，在排除明顯臨床異質性的影響后，采用隨機效應模型進行 Meta 分析。明顯的臨床異質性采用亞組分析或敏感性分析等方法進行處理，或只行描述性分析。Meta 分析的檢驗水準設為 α=0.05。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 1 919 篇，經逐層篩選后，最后納入 17 個 RCT[1, 20-35]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果 *所檢索的數據庫及檢出文獻數具體如下：PubMed（n=188）、EMbase（n=985）、The Cochrane Library（n=104）、CBM（n=606）、CNKI（n=34）
2.2 納入研究的基本特征
見表 1。
表1
納入研究的基本特征
2.3 納入研究的偏倚風險評價結果
結果見表 2。
表2
納入研究的偏倚風險評價結果
2.4 Meta 分析結果
2.4.1 HbA1c 共納入 13 個 RCT[23-35]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、6 個月后，試驗組 HbA1c 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.50，95%CI（–0.67，–0.34），P<0.001；6 個月：SMD=–0.33，95%CI（–0.59，–0.07），P=0.012]。但短信干預 9 個月和 12 個月，兩組差異無統計學意義（圖 2）。
圖2
短信干預對 2 型糖尿病患者糖化血紅蛋白影響的 Meta 分析
按研究國家不同行亞組分析結果顯示：短信干預 3 個月，中國[SMD=–0.52，95%CI（–0.75，–0.29），P<0.001]、沙特阿拉伯王國[SMD=–0.83，95%CI（–1.56，–0.09），P=0.027]、朝鮮[SMD=–0.58，95%CI（–0.98，–0.18），P=0.005]、韓國[SMD=–0.94，95%CI（–1.30，–0.59），P<0.001]的試驗組 HbA1c 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 HbA1c 水平改善上均不明顯（表 3）。
表3
不同國家短信干預對 2 型糖尿病患者糖化血紅蛋白影響的 Meta 分析
2.4.2 FBG 共納入 8 個 RCT[1, 21, 24, 29, 30, 32, 33, 35]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、9 個月后，試驗組 FBG 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.28，95%CI（–0.45，–0.11），P=0.001；9 個月：SMD=–0.99，95%CI（–1.44，–0.54），P<0.001]，但短信干預 6 個月和 12 個月及以上，差異無統計學意義（圖 3）。進一步亞組分析結果顯示：短信干預 3 個月中國[SMD=–0.39，95%CI（–0.70，–0.08），P=0.013]、短信干預 3 個月韓國[SMD=–0.40，95%CI（–0.74，–0.06），P=0.020]、短信干預 9 個月韓國[SMD=–0.99，95%CI（–1.44，–0.54），P<0.001]、短信干預 12 個月韓國[SMD=–0.88，95%CI（–1.32，–0.43），P<0.001]的試驗組 FBG 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 FBG 水平改善上均不明顯（表 4）。
圖3
短信干預對 2 型糖尿病患者空腹血糖影響的 Meta 分析
表4
不同國家短信干預對 2 型糖尿病患者空腹血糖影響的 Meta 分析
2.4.3 PBG 共納入 6 個研究[1, 21, 24, 29, 30, 33]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、6 個月、9 個月、12 個月后，試驗組 PBG 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.99，95%CI（–1.54，–0.44），P<0.001；6 個月：SMD=–0.81，95%CI（–1.25，–0.36），P<0.001；9 個月：SMD=–0.78，95%CI（–1.23，–0.34），P=0.001；12 個月：SMD=–1.26，95%CI（–2.38，–0.14），P=0.027]，但短信干預 24 個月，兩組差異無統計學意義（圖 4）。進一步亞組分析結果顯示：短信干預 3 個月中國[SMD=–0.41，95%CI（–0.73，–0.09），P=0.011]、短信干預 3 個月韓國[SMD=–1.42，95%CI（–1.81，–1.03），P<0.001]；短信干預 6 個月韓國[SMD=–0.81，95%CI（–1.25，–0.36），P<0.001]、短信干預 9 個月韓國[SMD=–0.78，95%CI（–1.23，–0.34），P<0.001]、短信干預 12 個月韓國[SMD=–1.75，95%CI（–2.26，–1.25），P<0.001]試驗組 PBG 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 PBG 水平改善上均不明顯（表 5）。
圖4
短信干預對 2 型糖尿病患者餐后 2 h 血糖影響的 Meta 分析
表5
不同國家短信干預對 2 型糖尿病患者餐后 2 h 血糖影響的 Meta 分析
2.4.4 BMI 共納入 5 個研究[20, 21, 32, 34, 35]。隨機效應模型 Meta 分析結果顯示，試驗組與對照組無論干預時間長短或不同國家分布，其差異均無統計學意義。這提示在常規治療基礎上，使用短信對 2 型糖尿病患者 BMI 值無明顯影響。
2.4.5 體重 共納入 5 個研究[21, 24, 26, 34, 35]。隨機效應模型 Meta 分析結果顯示，兩組差異無統計學意義。提示在常規治療上，使用短信對 2 型糖尿病體重變化無明顯影響。
2.4.6 糖尿病知識水平 共納入 4 個研究[22, 24, 25, 32]。隨機效應模型 Meta 分析結果顯示，兩組差異無統計學意義。提示在常規治療基礎上，使用短信對 2 型糖尿病知識評分變化無明顯影響。
2.5 發表偏倚
基于短信干預對 HbA1c 水平影響的指標繪制漏斗圖，結果顯示兩組圖形較對稱，見圖 5。Begg 檢驗結果 P=0.044，也提示發表偏倚存在的可能性很小。
圖5
短信干預對 2 型糖尿病患者糖化血紅蛋白影響的漏斗圖
3 討論
本 Meta 分析納入 17 個 RCT，共 2 879 例患者，研究結果顯示：從整體結果來看，短信干預能降低 T2DM 患者的 HbA1c、FBG 和 PBG 水平。根據各研究的干預時間（3 個月、6 個月、9 個月、12 個月、24 個月）以及國家分布進行亞組分析，短信干預 3 個月、6 個月時能夠明顯降低 T2DM 患者的 HbA1c 水平；然而干預 9 個月、干預 12 個月時，干預組與對照組在降低患者的 HbA1c 水平方面無明顯差異。FBG 水平在短信干預 3 個月、9 個月時均明顯下降，但干預 6 個月、干預 12 個月、干預 24 個月時干預組與對照組在降低患者的 FBG 水平方面無明顯差異。PBG 水平在短信干預 3 個月、6 個月、9 個月、12 個月時均明顯下降，但干預 24 個月時干預組與對照組在降低患者的 PBG 水平方面無明顯差異。不同國家的短信干預對 HbA1c 水平、FBG 水平、PBG 水平效果的影響無明顯規律，但按國家不同進行亞組分析的結果也基本符合短信干預的短期效果優于長期效果這一結論。同一干預時間 HbA1c 水平、FBG 水平、PBG 水平效果在不同國家產生不同的干預效果，可能是受納入研究數量的影響，如中國在干預 6 個月時分析 FBG、PBG 水平的僅有一個研究。
短信干預不僅有提醒功能，如根據患者的實際用藥情況，提醒患者按醫囑服藥；還有教育功能，如介紹糖尿病并發癥的相關知識及預防方法，重點介紹足部護理方法。短信干預能夠提高糖尿病患者的依從性，同時加深患者對糖尿病的了解。有國外研究證明，通過短信對糖尿病患者進行生活方式干預和糖尿病教育，可提高患者的健康狀況和生存質量。手機短信隨訪對于糖尿病管理存在積極影響，值得臨床推廣應用。Arambepola 等[10]認為短信干預能夠降低 HbA1c，能夠改善血糖水平，提高糖尿病的自我管理，這與本研究結果相符。Saffari 等[13]認為短信干預對 HbA1c 的影響短期效果優于長期效果，這也與本研究主要結果相符，我們推測短信干預長期效果減弱可能與糖尿病教育的正向效果隨時間發展逐漸減弱[6,9]相似。部分短信聯合其他提醒方式（如電話隨訪、電子郵件等）對糖尿病影響的系統評價顯示不同干預措施均對糖尿病產生積極影響，均能提高糖尿病的自我管理水平，但無法確定哪種提醒方式最好[15-19]。我們認為，微信干預方便快捷，干預時間靈活，但微信消息有可能會被忽略；電話干預應答率高，但容易對干預人群的生活工作產生干擾；郵件干預比較靈活，但除非是經常使用電子郵件的人員，其他人員（如務農人群）很少甚至不瀏覽郵件而且電子郵件極易被忽略尤其是陌生郵件。本研究發現短信干預對 BMI、體重、糖尿病知識水平無明顯影響，Arambepola等[10]研究同樣得出短信干預對體重變化無明顯影響，這可能是因為大部分研究干預時間較短，尚未發現明顯效果。
本研究的局限性：① 本研究納入已發表的文獻，未檢索灰色文獻。已發表研究潛在僅報告了陽性結果而未報告陰性結果的偏倚，會對本文結論產生一定影響。② 納入研究隨訪時間最長為 24 個月[20, 21]且研究數量少，我們無法采用 Meta 分析方法對 24 個月及更長時間短信干預對 2 型糖尿病的管理效果進行評價。
綜上所述，當前證據顯示，短信干預可明顯降低 2 型糖尿病患者 HbA1c、FBG、PBG 水平，但短信干預對 BMI、體重及糖尿病知識水平變化無明顯效果。目前，短信、電話隨訪、電子郵件等提醒方式對糖尿病的效果優劣尚不明確，應發展一種經濟有效的遠程服務醫療方式對糖尿病患者進行健康管理并應用于其他疾病。此外，本研究結論尚需進一步開展大樣本、高質量、干預時間長的 RCT 進行驗證。
糖尿病是一組因胰島素分泌或作用缺陷而引起的碳水化合物、蛋白質、脂肪、水和電解質等代謝紊亂，以慢性高血糖為特征的代謝異常綜合征，現已成為威脅人類健康的主要慢性疾病之一。近年來，隨著人們生活方式的改變，全球范圍內糖尿病的發病率不斷上升，中國已成為全球糖尿病患者人數第二大國[1, 2]，糖尿病已成為嚴重威脅人們健康的公共衛生問題。高達 37% 的 2 型糖尿病患者在開始治療的 1 年內停止使用口服降糖藥[3, 4]，由于服藥依從性差導致臨床預后不佳[3-5]，加速了疾病進展，消耗了大量的衛生資源。美國糖尿病協會（American Diabetes Association，ADA）發布的糖尿病防治指南中指出，糖尿病患者自我管理教育是預防糖尿病急性并發癥和降低長期并發癥風險的關鍵[3-8]。糖尿病患者的自我管理，包括自我血糖監測、健康生活方式、堅持藥物治療、糖尿病知識教育。這些干預措施如果采用面對面的管理方式，將對衛生人力及醫療資源產生巨大的壓力并且不能滿足所有患者的需求。因此，急需發展新的經濟有效的糖尿病患者管理方式。
手機短信服務（short message service，SMS）是一種低成本和高效率的應用程序，其服務模式為許多國家的大多數用戶提供了很好的可訪問性和覆蓋范圍。現有證據表明，短信有助于改變患者行為[9-13]。目前在 2 型糖尿病患者中也廣泛采用了短信干預（如糖尿病患者進行用藥指導及糖尿病知識普及等），但不同研究的短信干預內容和干預時間等方面差異較大，結論不盡相同。因此，我們采用 Meta 分析方法評價 SMS 模式降低 2 型糖尿病 HbA1c、FBG、PBG 水平的效果，旨在為 T2DM 患者的血糖控制管理模式提供最佳的證據。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型 國內外公開發表的隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象 ① 年齡≥18 歲；② 2 型糖尿病診斷標準符合世界衛生組織（World Health Organization，WHO）或美國糖尿病協會（The American Diabetes Association，ADA）的診斷標準[14]。
1.1.3 干預措施 ① 試驗組為發送短信干預，不限制短信內容；② 對照組進行常規治療。 兩組均使用相同的常規治療。
1.1.4 結局指標 ① 主要結局指標：干預前后空腹血糖（FBG）差值、2 h 餐后血糖（PBG）差值、糖化血紅蛋白（HbA1c）差值；② 次要結局指標：干預前后體質指數（BMI）差值、體重差值、糖尿病知識水平評分差值。
1.1.5 排除標準 ① 重復發表的文獻；② 非中、英文文獻；③ 研究對象同時納入了 1 型和 2 型糖尿病患者；④ 對照組常規治療與干預組不同的文獻。
1.2 文獻檢索策略
計算機檢索 PubMed、EMbase、The Cochrane Library、CNKI 和 CBM 數據庫，搜集短信干預 2 型糖尿病的 RCT，檢索時限均為從建庫至 2016 年 8 月。中文檢索詞包括：短信、2 型糖尿病、隨機對照試驗等；英文檢索詞包括：type 2 diabetes mellitus、text messaging、randomized controlled trials 等。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選和資料提取
由 2 位研究者獨立篩選文獻、提取資料并交叉核對，如遇分歧，交由第三位研究者裁決。資料提取的內容主要包括：① 納入研究的基本信息：研究、作者、發表時間等；② 納入研究的基本特征：研究設計、樣本量、年齡等；③ 干預措施和對照措施的細節；④ 研究所關注的結局指標和結果測量數據。
1.4 納入研究的偏倚風險評價
納入研究的偏倚風險采用 Cochrane 手冊 5.1.0 針對 RCT 的偏倚風險評估標準進行評價。
1.5 統計分析
采用 Stata 12.0 軟件對各結局事件發生率進行 Meta 分析。各效應量均給出其點估計值和 95%CI。納入研究結果間的異質性采用 χ2 檢驗進行分析（檢驗水準為 α=0.1），同時結合 I2 定量判斷異質性的大小。若各研究結果間無統計學異質性，則采用固定效應模型進行 Meta 分析；若各研究結果間存在統計學異質性，則進一步分析異質性來源，在排除明顯臨床異質性的影響后，采用隨機效應模型進行 Meta 分析。明顯的臨床異質性采用亞組分析或敏感性分析等方法進行處理，或只行描述性分析。Meta 分析的檢驗水準設為 α=0.05。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得相關文獻 1 919 篇，經逐層篩選后，最后納入 17 個 RCT[1, 20-35]。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程及結果 *所檢索的數據庫及檢出文獻數具體如下：PubMed（n=188）、EMbase（n=985）、The Cochrane Library（n=104）、CBM（n=606）、CNKI（n=34）
2.2 納入研究的基本特征
見表 1。
表1
納入研究的基本特征
2.3 納入研究的偏倚風險評價結果
結果見表 2。
表2
納入研究的偏倚風險評價結果
2.4 Meta 分析結果
2.4.1 HbA1c 共納入 13 個 RCT[23-35]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、6 個月后，試驗組 HbA1c 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.50，95%CI（–0.67，–0.34），P<0.001；6 個月：SMD=–0.33，95%CI（–0.59，–0.07），P=0.012]。但短信干預 9 個月和 12 個月，兩組差異無統計學意義（圖 2）。
圖2
短信干預對 2 型糖尿病患者糖化血紅蛋白影響的 Meta 分析
按研究國家不同行亞組分析結果顯示：短信干預 3 個月，中國[SMD=–0.52，95%CI（–0.75，–0.29），P<0.001]、沙特阿拉伯王國[SMD=–0.83，95%CI（–1.56，–0.09），P=0.027]、朝鮮[SMD=–0.58，95%CI（–0.98，–0.18），P=0.005]、韓國[SMD=–0.94，95%CI（–1.30，–0.59），P<0.001]的試驗組 HbA1c 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 HbA1c 水平改善上均不明顯（表 3）。
表3
不同國家短信干預對 2 型糖尿病患者糖化血紅蛋白影響的 Meta 分析
2.4.2 FBG 共納入 8 個 RCT[1, 21, 24, 29, 30, 32, 33, 35]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、9 個月后，試驗組 FBG 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.28，95%CI（–0.45，–0.11），P=0.001；9 個月：SMD=–0.99，95%CI（–1.44，–0.54），P<0.001]，但短信干預 6 個月和 12 個月及以上，差異無統計學意義（圖 3）。進一步亞組分析結果顯示：短信干預 3 個月中國[SMD=–0.39，95%CI（–0.70，–0.08），P=0.013]、短信干預 3 個月韓國[SMD=–0.40，95%CI（–0.74，–0.06），P=0.020]、短信干預 9 個月韓國[SMD=–0.99，95%CI（–1.44，–0.54），P<0.001]、短信干預 12 個月韓國[SMD=–0.88，95%CI（–1.32，–0.43），P<0.001]的試驗組 FBG 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 FBG 水平改善上均不明顯（表 4）。
圖3
短信干預對 2 型糖尿病患者空腹血糖影響的 Meta 分析
表4
不同國家短信干預對 2 型糖尿病患者空腹血糖影響的 Meta 分析
2.4.3 PBG 共納入 6 個研究[1, 21, 24, 29, 30, 33]。隨機效應模型 Meta 分析結果顯示，短信干預 3 個月、6 個月、9 個月、12 個月后，試驗組 PBG 水平明顯低于對照組，差異有統計學意義[3 個月：SMD=–0.99，95%CI（–1.54，–0.44），P<0.001；6 個月：SMD=–0.81，95%CI（–1.25，–0.36），P<0.001；9 個月：SMD=–0.78，95%CI（–1.23，–0.34），P=0.001；12 個月：SMD=–1.26，95%CI（–2.38，–0.14），P=0.027]，但短信干預 24 個月，兩組差異無統計學意義（圖 4）。進一步亞組分析結果顯示：短信干預 3 個月中國[SMD=–0.41，95%CI（–0.73，–0.09），P=0.011]、短信干預 3 個月韓國[SMD=–1.42，95%CI（–1.81，–1.03），P<0.001]；短信干預 6 個月韓國[SMD=–0.81，95%CI（–1.25，–0.36），P<0.001]、短信干預 9 個月韓國[SMD=–0.78，95%CI（–1.23，–0.34），P<0.001]、短信干預 12 個月韓國[SMD=–1.75，95%CI（–2.26，–1.25），P<0.001]試驗組 PBG 水平明顯低于對照組，差異有統計學意義。但不同國家其他干預時間在 PBG 水平改善上均不明顯（表 5）。
圖4
短信干預對 2 型糖尿病患者餐后 2 h 血糖影響的 Meta 分析
表5
不同國家短信干預對 2 型糖尿病患者餐后 2 h 血糖影響的 Meta 分析
2.4.4 BMI 共納入 5 個研究[20, 21, 32, 34, 35]。隨機效應模型 Meta 分析結果顯示，試驗組與對照組無論干預時間長短或不同國家分布，其差異均無統計學意義。這提示在常規治療基礎上，使用短信對 2 型糖尿病患者 BMI 值無明顯影響。
2.4.5 體重 共納入 5 個研究[21, 24, 26, 34, 35]。隨機效應模型 Meta 分析結果顯示，兩組差異無統計學意義。提示在常規治療上，使用短信對 2 型糖尿病體重變化無明顯影響。
2.4.6 糖尿病知識水平 共納入 4 個研究[22, 24, 25, 32]。隨機效應模型 Meta 分析結果顯示，兩組差異無統計學意義。提示在常規治療基礎上，使用短信對 2 型糖尿病知識評分變化無明顯影響。
2.5 發表偏倚
基于短信干預對 HbA1c 水平影響的指標繪制漏斗圖，結果顯示兩組圖形較對稱，見圖 5。Begg 檢驗結果 P=0.044，也提示發表偏倚存在的可能性很小。
圖5
短信干預對 2 型糖尿病患者糖化血紅蛋白影響的漏斗圖
3 討論
本 Meta 分析納入 17 個 RCT，共 2 879 例患者，研究結果顯示：從整體結果來看，短信干預能降低 T2DM 患者的 HbA1c、FBG 和 PBG 水平。根據各研究的干預時間（3 個月、6 個月、9 個月、12 個月、24 個月）以及國家分布進行亞組分析，短信干預 3 個月、6 個月時能夠明顯降低 T2DM 患者的 HbA1c 水平；然而干預 9 個月、干預 12 個月時，干預組與對照組在降低患者的 HbA1c 水平方面無明顯差異。FBG 水平在短信干預 3 個月、9 個月時均明顯下降，但干預 6 個月、干預 12 個月、干預 24 個月時干預組與對照組在降低患者的 FBG 水平方面無明顯差異。PBG 水平在短信干預 3 個月、6 個月、9 個月、12 個月時均明顯下降，但干預 24 個月時干預組與對照組在降低患者的 PBG 水平方面無明顯差異。不同國家的短信干預對 HbA1c 水平、FBG 水平、PBG 水平效果的影響無明顯規律，但按國家不同進行亞組分析的結果也基本符合短信干預的短期效果優于長期效果這一結論。同一干預時間 HbA1c 水平、FBG 水平、PBG 水平效果在不同國家產生不同的干預效果，可能是受納入研究數量的影響，如中國在干預 6 個月時分析 FBG、PBG 水平的僅有一個研究。
短信干預不僅有提醒功能，如根據患者的實際用藥情況，提醒患者按醫囑服藥；還有教育功能，如介紹糖尿病并發癥的相關知識及預防方法，重點介紹足部護理方法。短信干預能夠提高糖尿病患者的依從性，同時加深患者對糖尿病的了解。有國外研究證明，通過短信對糖尿病患者進行生活方式干預和糖尿病教育，可提高患者的健康狀況和生存質量。手機短信隨訪對于糖尿病管理存在積極影響，值得臨床推廣應用。Arambepola 等[10]認為短信干預能夠降低 HbA1c，能夠改善血糖水平，提高糖尿病的自我管理，這與本研究結果相符。Saffari 等[13]認為短信干預對 HbA1c 的影響短期效果優于長期效果，這也與本研究主要結果相符，我們推測短信干預長期效果減弱可能與糖尿病教育的正向效果隨時間發展逐漸減弱[6,9]相似。部分短信聯合其他提醒方式（如電話隨訪、電子郵件等）對糖尿病影響的系統評價顯示不同干預措施均對糖尿病產生積極影響，均能提高糖尿病的自我管理水平，但無法確定哪種提醒方式最好[15-19]。我們認為，微信干預方便快捷，干預時間靈活，但微信消息有可能會被忽略；電話干預應答率高，但容易對干預人群的生活工作產生干擾；郵件干預比較靈活，但除非是經常使用電子郵件的人員，其他人員（如務農人群）很少甚至不瀏覽郵件而且電子郵件極易被忽略尤其是陌生郵件。本研究發現短信干預對 BMI、體重、糖尿病知識水平無明顯影響，Arambepola等[10]研究同樣得出短信干預對體重變化無明顯影響，這可能是因為大部分研究干預時間較短，尚未發現明顯效果。
本研究的局限性：① 本研究納入已發表的文獻，未檢索灰色文獻。已發表研究潛在僅報告了陽性結果而未報告陰性結果的偏倚，會對本文結論產生一定影響。② 納入研究隨訪時間最長為 24 個月[20, 21]且研究數量少，我們無法采用 Meta 分析方法對 24 個月及更長時間短信干預對 2 型糖尿病的管理效果進行評價。
綜上所述，當前證據顯示，短信干預可明顯降低 2 型糖尿病患者 HbA1c、FBG、PBG 水平，但短信干預對 BMI、體重及糖尿病知識水平變化無明顯效果。目前，短信、電話隨訪、電子郵件等提醒方式對糖尿病的效果優劣尚不明確，應發展一種經濟有效的遠程服務醫療方式對糖尿病患者進行健康管理并應用于其他疾病。此外，本研究結論尚需進一步開展大樣本、高質量、干預時間長的 RCT 進行驗證。
