引用本文： 黃娜, 陳蜀惠, 周英鳳, 邢唯杰, 王凱蓉, 鐘婕, 李麗. 遠程醫療改善妊娠期糖尿病患者血糖和妊娠結局有效性和安全性的系統評價. 中國循證醫學雜志, 2019, 19(8): 960-967. doi: 10.7507/1672-2531.201902117 復制
妊娠期糖尿病（gestational diabetes mellitus，GDM）是指妊娠期發生或首次發現的不同程度的糖耐量異常[1]。目前，GDM 正在形成全球流行的趨勢，據國際糖尿病聯盟（IDF）統計顯示，全球約有 16.2% 的育齡期婦女在妊娠期間有不同程度的血糖升高，即全球平均每 7 個孕婦中就有 1 個并發妊娠期高血糖，而其中 86.4% 的妊娠期高血糖由 GDM 導致[2]。根據國際妊娠糖尿病研究協會（IADPSG）的診斷標準，我國 GDM 的發生率達到 18.9%[3]。GDM 可導致多種不良母嬰結局，包括自然流產、先兆子癇、巨大兒、新生兒低血糖和新生兒高膽紅素血癥等風險[4]。此外，患有 GDM 的女性患 2 型糖尿病的風險約為正常女性的 7.5 倍[5]。因此如何對糖尿病孕婦進行血糖管理至關重要，規范有效的血糖管理可顯著降低妊娠糖尿病孕婦的母嬰不良結局[6]。近年來，除常規的門診隨訪外，遠程醫療也越來越多應用于糖尿病孕婦的血糖管理中。遠程醫療是指使用通信、網絡、多媒體等技術提供醫學信息和服務，包括遠程診斷、會診、治療、護理、教育等醫學活動[7]，已被廣泛應用于疾病預防、疾病監控、慢性病自我管理、健康教育和促進健康行為等方面[8]。但遠程醫療對 GDM 患者血糖控制和妊娠結局的有效性和安全性尚不明確。因此，本研究旨在評價遠程醫療技術對 GDM 患者孕期管理的效果，為臨床人員開展遠程醫療管理提供證據。
1 資料與方法
1.1 納入及排除標準
1.1.1 研究類型
隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象
經口服葡萄糖耐量試驗（oral glucose tolerance test，OGTT）診斷為 GDM 的孕婦。
1.1.3 干預措施
試驗組：借助信息技術進行遠程醫療監測及隨防管理，包括基于手機 APP、網絡、社交平臺等各種形式的遠程醫療模式。對照組：常規門診隨訪及管理。
1.1.4 結局指標
主要結局指標包括：① 空腹血糖值、② 餐后血糖值、③ 糖化血紅蛋白（glycated hemoglobin，HbA1c）值、④ 分娩孕周、⑤ 早產發生率、⑥ 剖宮產率、⑦ 新生兒出生體重、⑧ 巨大兒發生率、⑨ 妊娠期高血壓和先兆子癇發生率、⑩ 新生兒低血糖發生率、? 新生兒黃疸發生率；次要結局指標包括：? 門診隨訪次數、? 患者依從性、? 患者滿意度。
1.1.5 排除標準
① 非中、英文文獻；② 研究對象包含 GDM 以外的其他類型的糖尿病以及產后或既往的 GDM 患者；③ 研究內容主要為遠程醫療系統的開發或可行性評價；④ 沒有報告相關結局指標的研究；⑤ 無法獲取全文的文獻。
1.2 文獻檢索策略
計算機檢索 The Cochrane Library、PubMed、Web of Science、CINAHL、Scopus、CBM、CNKI、WanFang Data 和 VIP 數據庫，搜集比較遠程醫療管理與門診隨訪管理 GDM 患者的 RCT，檢索時限均從建庫至 2019 年 1 月 1 日。英文檢索詞為 gestational diabetes、gestational diabetes mellitus、GDM、telemedicine、telehealth、mobile、m-Health、eHealth、Internet、APP；中文檢索詞為妊娠糖尿病、妊娠期糖尿病、孕期糖尿病、GDM、遠程、網絡、微信、QQ、APP、應用程序、軟件、移動醫療。根據不同數據庫特點采用相應檢索式進行檢索。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選與資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文以確定是否納入。如有需要，通過郵件、電話聯系原始研究作者獲取未確定但對本研究非常重要的信息。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表時間等；② 研究對象的基線特征和干預措施；③ 偏倚風險評價的關鍵要素；④ 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
由 2 位研究者獨立評價納入研究的偏倚風險，并交叉核對結果。采用 2016 年澳大利亞 JBI 循證衛生保健中心發展的 RCT 真實性評價工具對納入的 RCT 進行偏倚風險評價[9]。該工具包括隨機分組方法、分配隱藏、基線比較、研究對象盲法、干預者盲法、結果測評者盲法、其他措施比較、失訪情況及處理、結局指標數據的完整性、結局指標測量方式及方法、資料分析方法、研究設計合理性等 13 個條目，每個條目均采用是、否、不清楚、不適用進行評價。
1.5 統計分析
采用 RevMan 5.3 軟件進行統計分析。計量資料采用均數差（mean difference，MD）為效應分析統計量，罕見結局的二分類變量采用比值比（odds ratio，OR）為效應分析統計量，各效應量均提供其 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。Meta 分析的水準設為 α=0.05。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。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得 890 篇文獻，經逐層篩選，最終納入 10 個 RCT[10-19]，包括 1 267 例患者。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程圖
*所檢索的數據庫及檢出文獻數具體如下：The Cochrane Library（
2.2 納入研究的基本特征和偏倚風險評價結果
表1
納入研究的基本特征
表2
納入研究的偏倚風險評價結果（JBL）
2.3 Meta 分析結果
2.3.1 血糖控制指標
2.3.1.1 血糖水平
共納入了 7 個 RCT[10, 12, 14, 15, 17-19]。其中 4 個 RCT 比較了孕晚期血糖水平[15, 17-19]。固定效應模型 Meta 分析結果顯示：兩組患者空腹血糖水平的差異無統計學意義［MD=?0.34，95%CI（?1.62，0.93），P=0.60］（圖 2），但遠程醫療組餐后 2 h 血糖水平更低［MD=?3.45，95%CI（?5.53，?1.37），P=0.001］，其差異有統計學意義（圖 3）。另外，Rasekaba 等[10]比較了 4 周內的患者 7 天血糖水平，結果表明兩組的自我監測血糖（SMBG）水平均正常且組間差異無統計學意義。Mackillop 等[12]比較了從入組至分娩的平均血糖變化，結果顯示差異無統計學意義。Guo 等[14]研究顯示遠程醫療組血糖控制達標率高于門診隨訪組，而分娩 3 個月后空腹和餐后 2h 血糖值差異均無統計學意義。
圖2
GDM 患者遠程醫療與門診隨訪孕晚期空腹血糖水平比較的 Meta 分析
圖3
GDM 患者遠程醫療與門診隨訪孕晚期餐后 2 h 血糖水平比較的 Meta 分析
2.3.1.2 HbA1c 水平
共納入 5 個 RCT[12-14, 16, 17]，其中 4 個[13, 14, 16, 17]對妊娠 36～40 周 HbA1c 水平進行了測量。隨機效應模型 Meta 分析結果顯示，兩組患者孕晚期 HbA1c 值的差異無統計學意義［MD=?0.22，95%CI（?0.61，0.17），P=0.27］（圖 4）。因異質性較大，剔除一項研究[14]進行敏感性分析，固定效應模型 Meta 分析結果顯示，兩組差異仍無統計學意義［MD=?0.05，95%CI（?0.16，0.07），P=0.41］，提示分析結果較穩定。另外，Mackillop 等[12]比較了從入組到分娩的 HbA1c 變化率，結果顯示兩組的 HbA1c 水平均有小幅上升，但差異無統計學意義。
圖4
GDM 患者遠程醫療與門診隨訪孕晚期 HbA1c 水平比較的 Meta 分析
2.3.2 妊娠結局指標
共納入 9 個 RCT[10-17, 19]。Meta 分析結果顯示，兩組在分娩孕周［MD=0.03，95%CI（?0.13，0.19），P=0.72］、早產率［OR=0.52，95%CI（0.26，1.01），P=0.05］、剖宮產率［OR=0.87，95%CI（0.57，1.31），P=0.51］、新生兒出生體重［MD=13.01，95%CI（?45.75，71.78），P=0.66］、巨大兒發生率［OR=1.16，95%CI（0.83，1.62），P=0.40］方面的差異均無統計學意義（表 3）。
表3
GDM 患者遠程醫療與門診隨訪分娩結局指標比較的 Meta 分析結果
2.3.3 其它結局指標
共納入 6 個 RCT[11-13, 15-17]對 GDM 患者妊娠期高血壓/先兆子癇的發生率進行了比較，納入 7 個 RCT[11-17]對新生兒低血糖的發生率進行了比較，納入 5 個 RCT[11-13, 15, 17]對新生兒黃疸的發生率進行了比較。固定效應模型 Meta 分析結果顯示：兩組差異均無統計學意義（表 4）。
表4
GDM 患者遠程醫療與門診隨訪其它結局指標的 Meta 分析結果
3 個 RCT 比較了門診就診率[10, 14, 16]，因干預時間差異較大，無法進行 Meta 分析。其中，Guo 等[14]研究顯示遠程醫療組門診就診率較門診隨訪組顯著降低（P<0.001）；Perez-Ferre 等[16]研究顯示遠程醫療組門診就診率減少 62%；Rasekaba 等研究則顯示兩組的計劃隨訪次數、計劃外訪問次數差異均無統計學意義[10]。
共納入 5 個 RCT[11, 12, 14, 15, 17] 對患者血糖監測依從性進行了比較，由于評價方法不同，無法進行 Meta 分析。Miremberg 等[11]和 Guo 等[14]以“實際血糖測量次數/規定血糖測量次數×100%”表示患者依從性，結果均表明遠程醫療組患者血糖監測的依從性高于門診隨訪組（P<0.001）。Mackillop 等[12]以患者每天平均讀取血糖次數表示患者依從性，結果顯示遠程醫療組顯著高于門診隨訪組（P<0.001）。Homko 等[15]以患者的血糖自我報告數據表示其依從性，結果顯示兩組差異無統計學意義。但 Homko 等[17]的另一項研究指出，雖然患者自我報告數據沒有統計學差異，但遠程醫療組患者血糖測量次數（94.8±60.0 次）比門診隨訪組更頻繁（73.7±56.7 次）。
共納入 4 個 RCT[11-13, 19] 調查了患者滿意度。Miremberg 等[11]研究顯示遠程醫療組的所有患者對遠程醫療系統和整體產前護理非常滿意。Mackillop 等[12]研究顯示遠程醫療組對護理的滿意度較門診隨訪組更高（P=0.049）。Given 等[13]的研究指出，89.4% 的患者對遠程醫療系統感到滿意并表示會再次使用。邵穎等[19]研究顯示，所有接受微信干預的孕婦，除 1 例失訪外，滿意率達 99.5%。
2.4 發表偏倚評價
針對巨大兒發生率這一結局指標繪制漏斗圖進行發表偏倚檢驗，發現散點在漏斗兩側的分布基本對稱，提示存在發表偏倚的可能性較小（圖 5）。
圖5
針對巨大兒發生率結局指標的漏斗圖
3 討論
遠程醫療作為遠距離提供醫療衛生服務的新技術，為醫生和患者搭建了遠距離實時溝通的平臺，可為患者提供形式、功能多樣的管理和服務。目前應用于妊娠期糖尿病患者的遠程醫療管理形式包括手機 APP、網絡、計算機、微信、電話等。醫務人員可通過遠程醫療系統對患者進行血糖監測及實時反饋，為患者提供專業的健康教育和信息資源，對患者進行個體化的飲食、運動、用藥指導等[20]。而門診隨訪管理作為妊娠期糖尿病患者傳統的管理方式，要求患者將自我監測血糖值記錄在紙質版日記中，定期到門診與醫生或專科護士進行面對面交流，并得到血糖監測、飲食、運動、用藥等方面的指導。傳統門診隨訪增加了醫生和患者直接溝通的機會，便于醫生對患者進行面對面的評估和指導。而遠程醫療可實現異地溝通、優化就醫流程，彌補了線下管理服務滯后及距離、時間、等候成本較高的缺陷，尤其對于偏遠地區或農村地區就醫不便的患者，遠程醫療管理提高了其獲取醫療幫助的便利性[21]。
本研究結果表明，遠程醫療管理在減少患者頻繁就診、提高患者依從性和滿意度的基礎上，實現了與常規門診隨訪管理對 GDM 患者血糖水平和妊娠結局相似的有效性和安全性。這一結論與現有同類研究[22, 23]結果類似。孕期 GDM 管理的關鍵是通過血糖監測、生活方式干預、藥物干預等措施幫助患者控制血糖，以減少高血糖對母嬰的危害[24]。而遠程醫療可幫助醫務人員對患者進行實時有效的血糖監測、飲食指導、運動指導、用藥指導和健康教育，其管理內容與門診隨訪一致，只是形式不同。此外，遠程醫療便捷的溝通方式還可降低患者門診就診的壓力、促進對患者的監督和支持、提高患者的自我管理信心，因此可提高患者依從性和滿意度[25]。
盡管本研究納入的 10 個 RCT 均通過遠程醫療技術對遠程醫療組進行管理，但不同研究采用的遠程醫療技術類型不同，管理的內容也不盡相同。如邵穎等[19]基于微信對患者進行營養指導，患者可通過微信向營養師咨詢關于門診營養宣教的疑問，或發送飲食照片向營養師確認食譜，由此得到了更為細致的指導；而通過電話等方式隨訪的患者則無法獲得相同服務。同時，納入研究中門診隨訪組采取的措施通常被描述為常規門診隨訪，但部分研究常規隨訪內容并無詳細描述或存在一定差異。此外，納入的研究對患者干預的時間和血糖指標的測量時間也不同，這些均可能導致不同研究間的臨床異質性。但由于納入研究有限，無法進一步進行亞組分析，其結論有待下一步研究予以證實。
本研究的局限性：① 本次納入的文獻總體質量尚可，但納入的文獻中 2 個高質量研究[10, 12]結局指標主要以圖線方式呈現孕期血糖水平的動態變化，無法獲取具體血糖平均值或標準差數據，未能納入 Meta 分析；② 對于空腹血糖、餐后 2h 血糖水平、HbA1c 值、分娩結局及母嬰并發癥的 Meta 分析，納入的文獻數量有限且合并樣本量較小，使得 Meta 分析結果可靠性降低；③ 本研究可能存在較大的臨床異質性，影響研究結果的準確性。
綜上所述，目前證據表明，對妊娠期糖尿病患者進行遠程醫療管理是常規門診隨訪管理的有效輔助手段，其減少了患者頻繁就診，實現了常規門診管理相同的血糖控制效果和妊娠結局。但由于本研究納入的文獻數量有限且合并樣本量較小，對此次分析結果應持謹慎態度，需要更多大樣本、高質量的臨床隨機對照試驗結果進行驗證。
妊娠期糖尿病（gestational diabetes mellitus，GDM）是指妊娠期發生或首次發現的不同程度的糖耐量異常[1]。目前，GDM 正在形成全球流行的趨勢，據國際糖尿病聯盟（IDF）統計顯示，全球約有 16.2% 的育齡期婦女在妊娠期間有不同程度的血糖升高，即全球平均每 7 個孕婦中就有 1 個并發妊娠期高血糖，而其中 86.4% 的妊娠期高血糖由 GDM 導致[2]。根據國際妊娠糖尿病研究協會（IADPSG）的診斷標準，我國 GDM 的發生率達到 18.9%[3]。GDM 可導致多種不良母嬰結局，包括自然流產、先兆子癇、巨大兒、新生兒低血糖和新生兒高膽紅素血癥等風險[4]。此外，患有 GDM 的女性患 2 型糖尿病的風險約為正常女性的 7.5 倍[5]。因此如何對糖尿病孕婦進行血糖管理至關重要，規范有效的血糖管理可顯著降低妊娠糖尿病孕婦的母嬰不良結局[6]。近年來，除常規的門診隨訪外，遠程醫療也越來越多應用于糖尿病孕婦的血糖管理中。遠程醫療是指使用通信、網絡、多媒體等技術提供醫學信息和服務，包括遠程診斷、會診、治療、護理、教育等醫學活動[7]，已被廣泛應用于疾病預防、疾病監控、慢性病自我管理、健康教育和促進健康行為等方面[8]。但遠程醫療對 GDM 患者血糖控制和妊娠結局的有效性和安全性尚不明確。因此，本研究旨在評價遠程醫療技術對 GDM 患者孕期管理的效果，為臨床人員開展遠程醫療管理提供證據。
1 資料與方法
1.1 納入及排除標準
1.1.1 研究類型
隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象
經口服葡萄糖耐量試驗（oral glucose tolerance test，OGTT）診斷為 GDM 的孕婦。
1.1.3 干預措施
試驗組：借助信息技術進行遠程醫療監測及隨防管理，包括基于手機 APP、網絡、社交平臺等各種形式的遠程醫療模式。對照組：常規門診隨訪及管理。
1.1.4 結局指標
主要結局指標包括：① 空腹血糖值、② 餐后血糖值、③ 糖化血紅蛋白（glycated hemoglobin，HbA1c）值、④ 分娩孕周、⑤ 早產發生率、⑥ 剖宮產率、⑦ 新生兒出生體重、⑧ 巨大兒發生率、⑨ 妊娠期高血壓和先兆子癇發生率、⑩ 新生兒低血糖發生率、? 新生兒黃疸發生率；次要結局指標包括：? 門診隨訪次數、? 患者依從性、? 患者滿意度。
1.1.5 排除標準
① 非中、英文文獻；② 研究對象包含 GDM 以外的其他類型的糖尿病以及產后或既往的 GDM 患者；③ 研究內容主要為遠程醫療系統的開發或可行性評價；④ 沒有報告相關結局指標的研究；⑤ 無法獲取全文的文獻。
1.2 文獻檢索策略
計算機檢索 The Cochrane Library、PubMed、Web of Science、CINAHL、Scopus、CBM、CNKI、WanFang Data 和 VIP 數據庫，搜集比較遠程醫療管理與門診隨訪管理 GDM 患者的 RCT，檢索時限均從建庫至 2019 年 1 月 1 日。英文檢索詞為 gestational diabetes、gestational diabetes mellitus、GDM、telemedicine、telehealth、mobile、m-Health、eHealth、Internet、APP；中文檢索詞為妊娠糖尿病、妊娠期糖尿病、孕期糖尿病、GDM、遠程、網絡、微信、QQ、APP、應用程序、軟件、移動醫療。根據不同數據庫特點采用相應檢索式進行檢索。以 PubMed 為例，其具體檢索策略見框 1。
1.3 文獻篩選與資料提取
由 2 名研究者獨立篩選文獻、提取資料并交叉核對。如有分歧，則通過討論或與第三方協商解決。文獻篩選時首先閱讀文題，在排除明顯不相關的文獻后，進一步閱讀摘要和全文以確定是否納入。如有需要，通過郵件、電話聯系原始研究作者獲取未確定但對本研究非常重要的信息。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表時間等；② 研究對象的基線特征和干預措施；③ 偏倚風險評價的關鍵要素；④ 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
由 2 位研究者獨立評價納入研究的偏倚風險，并交叉核對結果。采用 2016 年澳大利亞 JBI 循證衛生保健中心發展的 RCT 真實性評價工具對納入的 RCT 進行偏倚風險評價[9]。該工具包括隨機分組方法、分配隱藏、基線比較、研究對象盲法、干預者盲法、結果測評者盲法、其他措施比較、失訪情況及處理、結局指標數據的完整性、結局指標測量方式及方法、資料分析方法、研究設計合理性等 13 個條目，每個條目均采用是、否、不清楚、不適用進行評價。
1.5 統計分析
采用 RevMan 5.3 軟件進行統計分析。計量資料采用均數差（mean difference，MD）為效應分析統計量，罕見結局的二分類變量采用比值比（odds ratio，OR）為效應分析統計量，各效應量均提供其 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。Meta 分析的水準設為 α=0.05。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。
2 結果
2.1 文獻篩選流程及結果
初檢共獲得 890 篇文獻，經逐層篩選，最終納入 10 個 RCT[10-19]，包括 1 267 例患者。文獻篩選流程及結果見圖 1。
圖1
文獻篩選流程圖
*所檢索的數據庫及檢出文獻數具體如下：The Cochrane Library（
2.2 納入研究的基本特征和偏倚風險評價結果
表1
納入研究的基本特征
表2
納入研究的偏倚風險評價結果（JBL）
2.3 Meta 分析結果
2.3.1 血糖控制指標
2.3.1.1 血糖水平
共納入了 7 個 RCT[10, 12, 14, 15, 17-19]。其中 4 個 RCT 比較了孕晚期血糖水平[15, 17-19]。固定效應模型 Meta 分析結果顯示：兩組患者空腹血糖水平的差異無統計學意義［MD=?0.34，95%CI（?1.62，0.93），P=0.60］（圖 2），但遠程醫療組餐后 2 h 血糖水平更低［MD=?3.45，95%CI（?5.53，?1.37），P=0.001］，其差異有統計學意義（圖 3）。另外，Rasekaba 等[10]比較了 4 周內的患者 7 天血糖水平，結果表明兩組的自我監測血糖（SMBG）水平均正常且組間差異無統計學意義。Mackillop 等[12]比較了從入組至分娩的平均血糖變化，結果顯示差異無統計學意義。Guo 等[14]研究顯示遠程醫療組血糖控制達標率高于門診隨訪組，而分娩 3 個月后空腹和餐后 2h 血糖值差異均無統計學意義。
圖2
GDM 患者遠程醫療與門診隨訪孕晚期空腹血糖水平比較的 Meta 分析
圖3
GDM 患者遠程醫療與門診隨訪孕晚期餐后 2 h 血糖水平比較的 Meta 分析
2.3.1.2 HbA1c 水平
共納入 5 個 RCT[12-14, 16, 17]，其中 4 個[13, 14, 16, 17]對妊娠 36～40 周 HbA1c 水平進行了測量。隨機效應模型 Meta 分析結果顯示，兩組患者孕晚期 HbA1c 值的差異無統計學意義［MD=?0.22，95%CI（?0.61，0.17），P=0.27］（圖 4）。因異質性較大，剔除一項研究[14]進行敏感性分析，固定效應模型 Meta 分析結果顯示，兩組差異仍無統計學意義［MD=?0.05，95%CI（?0.16，0.07），P=0.41］，提示分析結果較穩定。另外，Mackillop 等[12]比較了從入組到分娩的 HbA1c 變化率，結果顯示兩組的 HbA1c 水平均有小幅上升，但差異無統計學意義。
圖4
GDM 患者遠程醫療與門診隨訪孕晚期 HbA1c 水平比較的 Meta 分析
2.3.2 妊娠結局指標
共納入 9 個 RCT[10-17, 19]。Meta 分析結果顯示，兩組在分娩孕周［MD=0.03，95%CI（?0.13，0.19），P=0.72］、早產率［OR=0.52，95%CI（0.26，1.01），P=0.05］、剖宮產率［OR=0.87，95%CI（0.57，1.31），P=0.51］、新生兒出生體重［MD=13.01，95%CI（?45.75，71.78），P=0.66］、巨大兒發生率［OR=1.16，95%CI（0.83，1.62），P=0.40］方面的差異均無統計學意義（表 3）。
表3
GDM 患者遠程醫療與門診隨訪分娩結局指標比較的 Meta 分析結果
2.3.3 其它結局指標
共納入 6 個 RCT[11-13, 15-17]對 GDM 患者妊娠期高血壓/先兆子癇的發生率進行了比較，納入 7 個 RCT[11-17]對新生兒低血糖的發生率進行了比較，納入 5 個 RCT[11-13, 15, 17]對新生兒黃疸的發生率進行了比較。固定效應模型 Meta 分析結果顯示：兩組差異均無統計學意義（表 4）。
表4
GDM 患者遠程醫療與門診隨訪其它結局指標的 Meta 分析結果
3 個 RCT 比較了門診就診率[10, 14, 16]，因干預時間差異較大，無法進行 Meta 分析。其中，Guo 等[14]研究顯示遠程醫療組門診就診率較門診隨訪組顯著降低（P<0.001）；Perez-Ferre 等[16]研究顯示遠程醫療組門診就診率減少 62%；Rasekaba 等研究則顯示兩組的計劃隨訪次數、計劃外訪問次數差異均無統計學意義[10]。
共納入 5 個 RCT[11, 12, 14, 15, 17] 對患者血糖監測依從性進行了比較，由于評價方法不同，無法進行 Meta 分析。Miremberg 等[11]和 Guo 等[14]以“實際血糖測量次數/規定血糖測量次數×100%”表示患者依從性，結果均表明遠程醫療組患者血糖監測的依從性高于門診隨訪組（P<0.001）。Mackillop 等[12]以患者每天平均讀取血糖次數表示患者依從性，結果顯示遠程醫療組顯著高于門診隨訪組（P<0.001）。Homko 等[15]以患者的血糖自我報告數據表示其依從性，結果顯示兩組差異無統計學意義。但 Homko 等[17]的另一項研究指出，雖然患者自我報告數據沒有統計學差異，但遠程醫療組患者血糖測量次數（94.8±60.0 次）比門診隨訪組更頻繁（73.7±56.7 次）。
共納入 4 個 RCT[11-13, 19] 調查了患者滿意度。Miremberg 等[11]研究顯示遠程醫療組的所有患者對遠程醫療系統和整體產前護理非常滿意。Mackillop 等[12]研究顯示遠程醫療組對護理的滿意度較門診隨訪組更高（P=0.049）。Given 等[13]的研究指出，89.4% 的患者對遠程醫療系統感到滿意并表示會再次使用。邵穎等[19]研究顯示，所有接受微信干預的孕婦，除 1 例失訪外，滿意率達 99.5%。
2.4 發表偏倚評價
針對巨大兒發生率這一結局指標繪制漏斗圖進行發表偏倚檢驗，發現散點在漏斗兩側的分布基本對稱，提示存在發表偏倚的可能性較小（圖 5）。
圖5
針對巨大兒發生率結局指標的漏斗圖
3 討論
遠程醫療作為遠距離提供醫療衛生服務的新技術，為醫生和患者搭建了遠距離實時溝通的平臺，可為患者提供形式、功能多樣的管理和服務。目前應用于妊娠期糖尿病患者的遠程醫療管理形式包括手機 APP、網絡、計算機、微信、電話等。醫務人員可通過遠程醫療系統對患者進行血糖監測及實時反饋，為患者提供專業的健康教育和信息資源，對患者進行個體化的飲食、運動、用藥指導等[20]。而門診隨訪管理作為妊娠期糖尿病患者傳統的管理方式，要求患者將自我監測血糖值記錄在紙質版日記中，定期到門診與醫生或專科護士進行面對面交流，并得到血糖監測、飲食、運動、用藥等方面的指導。傳統門診隨訪增加了醫生和患者直接溝通的機會，便于醫生對患者進行面對面的評估和指導。而遠程醫療可實現異地溝通、優化就醫流程，彌補了線下管理服務滯后及距離、時間、等候成本較高的缺陷，尤其對于偏遠地區或農村地區就醫不便的患者，遠程醫療管理提高了其獲取醫療幫助的便利性[21]。
本研究結果表明，遠程醫療管理在減少患者頻繁就診、提高患者依從性和滿意度的基礎上，實現了與常規門診隨訪管理對 GDM 患者血糖水平和妊娠結局相似的有效性和安全性。這一結論與現有同類研究[22, 23]結果類似。孕期 GDM 管理的關鍵是通過血糖監測、生活方式干預、藥物干預等措施幫助患者控制血糖，以減少高血糖對母嬰的危害[24]。而遠程醫療可幫助醫務人員對患者進行實時有效的血糖監測、飲食指導、運動指導、用藥指導和健康教育，其管理內容與門診隨訪一致，只是形式不同。此外，遠程醫療便捷的溝通方式還可降低患者門診就診的壓力、促進對患者的監督和支持、提高患者的自我管理信心，因此可提高患者依從性和滿意度[25]。
盡管本研究納入的 10 個 RCT 均通過遠程醫療技術對遠程醫療組進行管理，但不同研究采用的遠程醫療技術類型不同，管理的內容也不盡相同。如邵穎等[19]基于微信對患者進行營養指導，患者可通過微信向營養師咨詢關于門診營養宣教的疑問，或發送飲食照片向營養師確認食譜，由此得到了更為細致的指導；而通過電話等方式隨訪的患者則無法獲得相同服務。同時，納入研究中門診隨訪組采取的措施通常被描述為常規門診隨訪，但部分研究常規隨訪內容并無詳細描述或存在一定差異。此外，納入的研究對患者干預的時間和血糖指標的測量時間也不同，這些均可能導致不同研究間的臨床異質性。但由于納入研究有限，無法進一步進行亞組分析，其結論有待下一步研究予以證實。
本研究的局限性：① 本次納入的文獻總體質量尚可，但納入的文獻中 2 個高質量研究[10, 12]結局指標主要以圖線方式呈現孕期血糖水平的動態變化，無法獲取具體血糖平均值或標準差數據，未能納入 Meta 分析；② 對于空腹血糖、餐后 2h 血糖水平、HbA1c 值、分娩結局及母嬰并發癥的 Meta 分析，納入的文獻數量有限且合并樣本量較小，使得 Meta 分析結果可靠性降低；③ 本研究可能存在較大的臨床異質性，影響研究結果的準確性。
綜上所述，目前證據表明，對妊娠期糖尿病患者進行遠程醫療管理是常規門診隨訪管理的有效輔助手段，其減少了患者頻繁就診，實現了常規門診管理相同的血糖控制效果和妊娠結局。但由于本研究納入的文獻數量有限且合并樣本量較小，對此次分析結果應持謹慎態度，需要更多大樣本、高質量的臨床隨機對照試驗結果進行驗證。
