引用本文： 汪昱彤, 張溶, 王強, 金輝. 移動健康類 APP 對減重影響的 Meta 分析. 中國循證醫學雜志, 2020, 20(6): 688-694. doi: 10.7507/1672-2531.201908056 復制
世界衛生組織（world health organization，WHO）將肥胖定義為一種疾病[1]。它能夠增加許多慢性疾病，如心血管疾病、Ⅱ型糖尿病等發生的風險[1, 2]。這些慢性病多為終身性疾患，不僅嚴重影響患者的生活質量，其高昂的醫療費用還給社會帶來沉重的經濟負擔[3]。截至 2014 年，全球超過 19 億成年人群超重，其中 6 億以上處于肥胖狀態[4]。2010 年全年，超重和肥胖導致全球 40 萬人死亡，3.9% 的生命損失和 3.8% 的傷殘調整生命年[5]。因此開發高效、低成本的減重自我管理工具，如移動健康類手機應用程序（APP），可以提高患者生活質量和降低醫療保健成本[6]。
國際醫療衛生會員組織將移動健康定義為：通過使用移動通信技術，如掌上電腦、移動電話和衛星通信等來提供醫療服務和信息[7]。APP 在移動健康中是一種綜合性較強、經濟便利且方法較新穎的手段，主要通過目標設定、提供健康信息、自我監測、實時反饋等功能輔助減重，督促減重規范化治療。雖然現有證據表明 APP 對減重有一定積極影響[8]，但其在干預方式和時間上都有較大局限性，APP 減重效果仍需要相關研究進行驗證。本研究系統評價國內外通過移動健康類 APP 對減重進行干預的研究，以期為移動健康在減重領域的應用提供參考，為進一步推廣和發展移動健康提供建議。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象
超重或肥胖的成年患者（年齡≥18 歲）。診斷標準：WHO：體質量指數（body mass index，BMI）≥25 kg/m2 為超重，≥30 kg/m2 為肥胖[1]；中國：BMI≥24 kg/m2 為超重，≥28 kg/m2 為肥胖[9]。
1.1.3 干預措施
干預組：使用移動健康類 APP 輔助減重；對照組：通過 APP 以外的其他方式或常規生活狀態等輔助減重。
1.1.4 結局指標
① 體質量變化值；② BMI 變化值。
1.1.5 排除標準
① 未使用 APP 對患者進行干預，如僅使用短信、電子郵件、網頁或日志記錄；② 患者合并其他慢性病，如糖尿病或心臟病等；③ 非中、英文文獻；④ 重復發表的研究；⑤ 數據不全或缺失。
1.2 文獻檢索策略
計算機檢索 Web of Science、PubMed、CNKI、WanFang Data 和 CBM 數據庫，搜集利用 APP 對超重或肥胖人群進行干預的 RCT，檢索時限均為建庫至 2019 年 10 月 18 日。中文檢索詞包括：減重、超重、肥胖、移動健康、移動醫療、手機應用程序、APP；英文檢索詞包括：weight loss、lose weight、overweight、obesity、mHealth、mobile health、telemedicine、mobile application、APP。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、第一作者姓名、研究地點、文獻發表時間等）；② 研究對象的基線特征（樣本量、年齡等）；③ 干預措施的具體細節；④ 偏倚風險評價的關鍵要素；⑤ 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 名研究者獨立評價納入研究的偏倚風險，并交叉核對結果。偏倚風險評價采用 Cochrane 手冊 5.1.0 推薦的 RCT 偏倚風險評估工具[10]。
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，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
初檢獲得共獲得相關文獻 3 070 篇。經逐層篩選，最終納入 12 個 RCT[11-22]，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（
2.2 納入研究的基本特征與偏倚風險評價結果
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
2.3 Meta 分析結果
2.3.1 體質量變化值
共納入 10 個 RCT[11-14, 16-19, 21, 22]，包括 956 例患者。隨機效應模型 Meta 分析結果顯示：APP 組體質量降低更明顯［MD=?1.88，95%CI（?3.23，?0.53），P=0.006］，兩組差異有統計學意義（表 3）。根據不同干預時間進行亞組分析發現：干預 3 個月［MD=?1.30，95%CI（?2.43，?0.17），P=0.02］、6 個月［MD=?1.93，95%CI（-3.69，-0.17），P=0.03］時，APP 組的體質量降低更多，兩組差異均有統計學意義；但干預 12 個月時，兩組差異無統計學意義（表 3）。根據不同基線 BMI 進行亞組分析發現：基線 BMI≥30 kg/m2 人群使用 APP 組體質量降低更多［MD=?2.17，95%CI（?3.76，?0.58），P=0.008］，兩組差異有統計學意義；但基線 BMI<30 kg/m2 時，兩組差異無統計學意義（表 3）。根據 WHO 規定，18～44 歲為青年，45～59 歲為中年[23]。按不同年齡進行亞組分析發現：不同年齡亞組 APP 組體質量降低均更多，兩組差異均有統計學意義（表 3）。
表3
移動健康類 APP 減重效果的 Meta 分析結果
2.3.2 BMI 變化值
共納入 6 個 RCT[11-15, 20]，包括 539 例患者。隨機效應模型 Meta 分析結果顯示：APP 組 BMI 有降低的趨勢［MD=?0.55，95%CI（?1.09，0.00），P=0.05］，但兩組差異沒有統計學意義（表 3）。根據不同干預時間進行亞組分析發現：干預 6、9 和 15 個月時，APP 組 BMI 降低更多，兩組差異有統計學意義；但干預 3 個月時，兩組差異無統計學意義（表 3）。根據不同基線 BMI 進行亞組分析發現：無論基線 BMI≥30 kg/m2 和<30 kg/m2 組，APP 組和對照組差異均無統計學意義（表 3）。按不同年齡進行亞組分析發現：不同年齡的 APP 組 BMI 降低均更多，兩組差異有統計學意義（表 3）。
2.4 敏感性分析
通過逐一剔除研究方法進行敏感性分析，發現合并效應值無明顯變化，提示本研究的結果比較穩定。
2.5 發表偏倚
針對體質量結局指標繪制漏斗圖進行發表偏倚檢驗，結果顯示各研究點左右分布不對稱，提示可能存在發表偏倚（圖 2）。
圖2
針對體質量變化值結局指標的漏斗圖
3 討論
本研究結果表明移動健康類 APP 的輔助有利于增強減重效果。雖然 Spring 等[18]研究顯示通過 APP 自我監控和采用日記、網站等進行自我監控對減重無明顯差異，但在人群依從性、干預使用頻率、滿意度上均優于常規減重手段。而這種差異沒有轉化為更大的減肥效果，可能是因為 APP 組與對照組均采用了較高頻率的電話干預和面對面治療，弱化了 APP 的干預作用。此外，APP 組的設備故障也對結果產生一定影響。Hurkmans 等[20]研究也表明常規減肥組與健康管理專業人員的互動較 APP 組更多。本文納入研究中的對照組采用的面對面干預頻率也較高，但實際生活中，相較于傳統減肥，APP 與健康管理專業人員的互動更便捷。因此，本研究結果可能還低估了 APP 的減重效果。
按干預時間進行亞組分析可發現，在體質量變化上，干預 3 個月、6 個月時，APP 組減重效果更明顯；而當干預時間延長到 12 個月時，其效果與傳統減重之間并無差別。這與 Godino 等[24]的研究結果一致，與對照組相比，APP 能促進參與者短期體質量減輕，但不能促進體質量長期持續減輕，這可能是隨時間延長，參與者依從性降低導致。有研究[4]表明在干預初期，減重的積極影響對用戶起正反饋作用，但隨體質量減輕，生理和心理發生變化反而會使體質量反彈。這可能是因為在減重后期，與堅持干預方案所需的努力相比，減重效果帶來的正反饋較少。由于體質量管理是一個長期過程，APP 更需要通過增強激勵措施來維持用戶的依從性。而本研究涉及的 APP 可能存在缺乏個性化設計、功能局限、不貼近用戶需求等缺陷，使不少參與者使用頻率降低。在 BMI 變化上，亞組分析結果顯示 6、9、15 個月干預時，APP 組效果更明顯，而在 3 個月時，兩組 BMI 變化差異無統計學意義，考慮因為 6、9、15 個月亞組納入文獻量較少且樣本量較小，該結論仍需要更多的相關研究來證實。
此外，基于現有的研究可考慮進一步優化 APP。因為每個人體質、性格存在較大差異，對減重的需求也不盡相同，所以 APP 需要與健康管理專業人員合作建立更龐大的、來源更可靠的健康信息數據庫；根據用戶上傳的自我監控記錄同步目標設定功能；完善激勵機制如設置排名、虛擬獎勵等以更好地幫助用戶根據自身情況制定減重計劃。目前國外有關移動健康對減重影響的 Meta 分析，多集中于短信、網站文本等服務，而我們認為，APP 對于個體可及性更高，綜合性更強，可充分發揮智能手機的潛力，更貼近未來移動健康的發展方向。此外，雖有研究分析 APP 參與干預減重的影響，但現有研究大多是定性分析而不是定量分析。Mateo 等[25]的研究雖然進行了定量分析，但納入研究僅至 2015 年，而 APP 在近 5 年發展極為迅速；且在對照組的選取和數據處理上也與本研究有所不同。本研究納入人群為 18 歲以上的超重或肥胖人群，不涉及特殊疾病，而國內外現有研究大多數針對患糖尿病、心血管疾病等人群或肥胖兒童這一利用手機 APP 與成人不同的特殊人群。
本研究的局限性：① 本 Meta 分析存在較大異質性，雖進行了亞組分析仍無法消除，可能因為研究本身存在很多變異性，如受試者人種、學歷、婚姻情況、調查時間、樣本量等，但由于基線特征報告不完整，無法分析這些因素是否為異質性來源；② 研究地區集中在發達國家，缺乏針對發展中國家的研究，影響本研究結論的外推性；③ 納入研究樣本量小、干預時間較短，美國國立衛生研究院建議進行至少 2 年的干預以維持減重效果[26]，而納入研究的隨訪最長為 15 個月，其長期效果有待進一步證實；④ 缺乏以腰臀比、體脂率作為結局指標的研究，無法精確闡述減重效果。
綜上所述，當前證據顯示，使用 APP 干預可增強減重效果。受納入研究數量和質量的限制，上述結論尚待更多高質量研究予以驗證。
世界衛生組織（world health organization，WHO）將肥胖定義為一種疾病[1]。它能夠增加許多慢性疾病，如心血管疾病、Ⅱ型糖尿病等發生的風險[1, 2]。這些慢性病多為終身性疾患，不僅嚴重影響患者的生活質量，其高昂的醫療費用還給社會帶來沉重的經濟負擔[3]。截至 2014 年，全球超過 19 億成年人群超重，其中 6 億以上處于肥胖狀態[4]。2010 年全年，超重和肥胖導致全球 40 萬人死亡，3.9% 的生命損失和 3.8% 的傷殘調整生命年[5]。因此開發高效、低成本的減重自我管理工具，如移動健康類手機應用程序（APP），可以提高患者生活質量和降低醫療保健成本[6]。
國際醫療衛生會員組織將移動健康定義為：通過使用移動通信技術，如掌上電腦、移動電話和衛星通信等來提供醫療服務和信息[7]。APP 在移動健康中是一種綜合性較強、經濟便利且方法較新穎的手段，主要通過目標設定、提供健康信息、自我監測、實時反饋等功能輔助減重，督促減重規范化治療。雖然現有證據表明 APP 對減重有一定積極影響[8]，但其在干預方式和時間上都有較大局限性，APP 減重效果仍需要相關研究進行驗證。本研究系統評價國內外通過移動健康類 APP 對減重進行干預的研究，以期為移動健康在減重領域的應用提供參考，為進一步推廣和發展移動健康提供建議。
1 資料與方法
1.1 納入與排除標準
1.1.1 研究類型
隨機對照試驗（randomized controlled trial，RCT）。
1.1.2 研究對象
超重或肥胖的成年患者（年齡≥18 歲）。診斷標準：WHO：體質量指數（body mass index，BMI）≥25 kg/m2 為超重，≥30 kg/m2 為肥胖[1]；中國：BMI≥24 kg/m2 為超重，≥28 kg/m2 為肥胖[9]。
1.1.3 干預措施
干預組：使用移動健康類 APP 輔助減重；對照組：通過 APP 以外的其他方式或常規生活狀態等輔助減重。
1.1.4 結局指標
① 體質量變化值；② BMI 變化值。
1.1.5 排除標準
① 未使用 APP 對患者進行干預，如僅使用短信、電子郵件、網頁或日志記錄；② 患者合并其他慢性病，如糖尿病或心臟病等；③ 非中、英文文獻；④ 重復發表的研究；⑤ 數據不全或缺失。
1.2 文獻檢索策略
計算機檢索 Web of Science、PubMed、CNKI、WanFang Data 和 CBM 數據庫，搜集利用 APP 對超重或肥胖人群進行干預的 RCT，檢索時限均為建庫至 2019 年 10 月 18 日。中文檢索詞包括：減重、超重、肥胖、移動健康、移動醫療、手機應用程序、APP；英文檢索詞包括：weight loss、lose weight、overweight、obesity、mHealth、mobile health、telemedicine、mobile application、APP。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、第一作者姓名、研究地點、文獻發表時間等）；② 研究對象的基線特征（樣本量、年齡等）；③ 干預措施的具體細節；④ 偏倚風險評價的關鍵要素；⑤ 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 名研究者獨立評價納入研究的偏倚風險，并交叉核對結果。偏倚風險評價采用 Cochrane 手冊 5.1.0 推薦的 RCT 偏倚風險評估工具[10]。
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，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
初檢獲得共獲得相關文獻 3 070 篇。經逐層篩選，最終納入 12 個 RCT[11-22]，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（
2.2 納入研究的基本特征與偏倚風險評價結果
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
2.3 Meta 分析結果
2.3.1 體質量變化值
共納入 10 個 RCT[11-14, 16-19, 21, 22]，包括 956 例患者。隨機效應模型 Meta 分析結果顯示：APP 組體質量降低更明顯［MD=?1.88，95%CI（?3.23，?0.53），P=0.006］，兩組差異有統計學意義（表 3）。根據不同干預時間進行亞組分析發現：干預 3 個月［MD=?1.30，95%CI（?2.43，?0.17），P=0.02］、6 個月［MD=?1.93，95%CI（-3.69，-0.17），P=0.03］時，APP 組的體質量降低更多，兩組差異均有統計學意義；但干預 12 個月時，兩組差異無統計學意義（表 3）。根據不同基線 BMI 進行亞組分析發現：基線 BMI≥30 kg/m2 人群使用 APP 組體質量降低更多［MD=?2.17，95%CI（?3.76，?0.58），P=0.008］，兩組差異有統計學意義；但基線 BMI<30 kg/m2 時，兩組差異無統計學意義（表 3）。根據 WHO 規定，18～44 歲為青年，45～59 歲為中年[23]。按不同年齡進行亞組分析發現：不同年齡亞組 APP 組體質量降低均更多，兩組差異均有統計學意義（表 3）。
表3
移動健康類 APP 減重效果的 Meta 分析結果
2.3.2 BMI 變化值
共納入 6 個 RCT[11-15, 20]，包括 539 例患者。隨機效應模型 Meta 分析結果顯示：APP 組 BMI 有降低的趨勢［MD=?0.55，95%CI（?1.09，0.00），P=0.05］，但兩組差異沒有統計學意義（表 3）。根據不同干預時間進行亞組分析發現：干預 6、9 和 15 個月時，APP 組 BMI 降低更多，兩組差異有統計學意義；但干預 3 個月時，兩組差異無統計學意義（表 3）。根據不同基線 BMI 進行亞組分析發現：無論基線 BMI≥30 kg/m2 和<30 kg/m2 組，APP 組和對照組差異均無統計學意義（表 3）。按不同年齡進行亞組分析發現：不同年齡的 APP 組 BMI 降低均更多，兩組差異有統計學意義（表 3）。
2.4 敏感性分析
通過逐一剔除研究方法進行敏感性分析，發現合并效應值無明顯變化，提示本研究的結果比較穩定。
2.5 發表偏倚
針對體質量結局指標繪制漏斗圖進行發表偏倚檢驗，結果顯示各研究點左右分布不對稱，提示可能存在發表偏倚（圖 2）。
圖2
針對體質量變化值結局指標的漏斗圖
3 討論
本研究結果表明移動健康類 APP 的輔助有利于增強減重效果。雖然 Spring 等[18]研究顯示通過 APP 自我監控和采用日記、網站等進行自我監控對減重無明顯差異，但在人群依從性、干預使用頻率、滿意度上均優于常規減重手段。而這種差異沒有轉化為更大的減肥效果，可能是因為 APP 組與對照組均采用了較高頻率的電話干預和面對面治療，弱化了 APP 的干預作用。此外，APP 組的設備故障也對結果產生一定影響。Hurkmans 等[20]研究也表明常規減肥組與健康管理專業人員的互動較 APP 組更多。本文納入研究中的對照組采用的面對面干預頻率也較高，但實際生活中，相較于傳統減肥，APP 與健康管理專業人員的互動更便捷。因此，本研究結果可能還低估了 APP 的減重效果。
按干預時間進行亞組分析可發現，在體質量變化上，干預 3 個月、6 個月時，APP 組減重效果更明顯；而當干預時間延長到 12 個月時，其效果與傳統減重之間并無差別。這與 Godino 等[24]的研究結果一致，與對照組相比，APP 能促進參與者短期體質量減輕，但不能促進體質量長期持續減輕，這可能是隨時間延長，參與者依從性降低導致。有研究[4]表明在干預初期，減重的積極影響對用戶起正反饋作用，但隨體質量減輕，生理和心理發生變化反而會使體質量反彈。這可能是因為在減重后期，與堅持干預方案所需的努力相比，減重效果帶來的正反饋較少。由于體質量管理是一個長期過程，APP 更需要通過增強激勵措施來維持用戶的依從性。而本研究涉及的 APP 可能存在缺乏個性化設計、功能局限、不貼近用戶需求等缺陷，使不少參與者使用頻率降低。在 BMI 變化上，亞組分析結果顯示 6、9、15 個月干預時，APP 組效果更明顯，而在 3 個月時，兩組 BMI 變化差異無統計學意義，考慮因為 6、9、15 個月亞組納入文獻量較少且樣本量較小，該結論仍需要更多的相關研究來證實。
此外，基于現有的研究可考慮進一步優化 APP。因為每個人體質、性格存在較大差異，對減重的需求也不盡相同，所以 APP 需要與健康管理專業人員合作建立更龐大的、來源更可靠的健康信息數據庫；根據用戶上傳的自我監控記錄同步目標設定功能；完善激勵機制如設置排名、虛擬獎勵等以更好地幫助用戶根據自身情況制定減重計劃。目前國外有關移動健康對減重影響的 Meta 分析，多集中于短信、網站文本等服務，而我們認為，APP 對于個體可及性更高，綜合性更強，可充分發揮智能手機的潛力，更貼近未來移動健康的發展方向。此外，雖有研究分析 APP 參與干預減重的影響，但現有研究大多是定性分析而不是定量分析。Mateo 等[25]的研究雖然進行了定量分析，但納入研究僅至 2015 年，而 APP 在近 5 年發展極為迅速；且在對照組的選取和數據處理上也與本研究有所不同。本研究納入人群為 18 歲以上的超重或肥胖人群，不涉及特殊疾病，而國內外現有研究大多數針對患糖尿病、心血管疾病等人群或肥胖兒童這一利用手機 APP 與成人不同的特殊人群。
本研究的局限性：① 本 Meta 分析存在較大異質性，雖進行了亞組分析仍無法消除，可能因為研究本身存在很多變異性，如受試者人種、學歷、婚姻情況、調查時間、樣本量等，但由于基線特征報告不完整，無法分析這些因素是否為異質性來源；② 研究地區集中在發達國家，缺乏針對發展中國家的研究，影響本研究結論的外推性；③ 納入研究樣本量小、干預時間較短，美國國立衛生研究院建議進行至少 2 年的干預以維持減重效果[26]，而納入研究的隨訪最長為 15 個月，其長期效果有待進一步證實；④ 缺乏以腰臀比、體脂率作為結局指標的研究，無法精確闡述減重效果。
綜上所述，當前證據顯示，使用 APP 干預可增強減重效果。受納入研究數量和質量的限制，上述結論尚待更多高質量研究予以驗證。
