“移动医疗”对慢性病患者治疗依从性的干预效果：现况与挑战

饶辰飞、孙骋综述，郑哲审校



“移动医疗”对慢性病患者治疗依从性的干预效果：现况与挑战

饶辰飞、孙骋*综述，郑哲审校

摘要在多个医疗领域，治疗依从性并不理想，依从性不佳将增加社会和患者的负担。如何改善治疗依从性是目前临床实践的一个重要课题。移动医疗(mHealth)技术，如短信、智能手机运用等新型技术发展迅速，具有改善治疗依从性的理论基础。近几年已有多项针对mHealth技术的应用型研究，65%获得了阳性结果，具有广阔的研究和运用前景。然而，由于技术发展快、水平参差不齐，现有研究仍存在样本量、研究设计等方面的不足。

关键词综述；移动医疗；冠状动脉疾病；药物治疗依从性

1　慢性病患者的治疗依从性

近几十年来，一大批随机对照试验获得了阳性的结果，为各类慢性疾病的长期治疗提供了坚实的证据基础，但患者的长期药物治疗依从性仍然是一个重要的临床课题。既往研究显示，对于整体慢性病患者人群，约50%～60%治疗依从性较差；也有观察性研究显示，冠心病患者中不依从药物治疗的比例为13%～61%[1]。另一方面，慢性病的治疗依从性与患者的预后息息相关，治疗依从性不足可能导致治疗失败、住院率增加、药物抵抗（如艾滋病或抗生素治疗）、更复杂的药物治疗、医疗资源浪费[2]等。中国国家卒中登记（CNSR）研究表明，卒中患者降压药依从性低，而低依从性显著增加卒中复发的风险[3]；一项针对冠心病患者他汀类药物和抗血小板药物的观察性研究显示，不依从药物治疗可能使死亡率上升50%～80%，心血管相关住院事件增加10%～40%[4]。

2　移动医疗

不论是发达国家还是发展中国家，移动技术都是历史上发展最快的技术门类。2013年，在美国进行的调查显示，有91%的成年人使用移动电话[5]。移动医疗（mobile health, mHealth）就是指利用移动通讯和探测技术发展起来的新型医疗信息传递或干预技术。2011-08，美国国立卫生院（NIH）邀请相关领域的政府官员、学者和工程师召开了一个关于mHealth的专题研讨会，该会议为移动设备和mHealth给出了如下定义：移动设备是人们日常生活中可以穿戴、携带或随时获取的无线设备或传感器，而mHealth就是人们使用移动设备进行的健康状态监测或健康结局改善行动，比如无线诊断或者临床决策支持[6]。该会议为mHealth的运用描绘了广阔的前景。

移动通讯技术具有实时性、针对性、互动性和经济性，可以对患者进行不间断的检测、提醒、鼓励和个性化教育，形式多样，兼容性强，因此它具有改善患者治疗依从性的理论基础。因此，21世纪以来，全球多组研究者开始致力于移动通讯平台上的治疗依从性干预工具开发，并设计各种类型的临床运用研究来验证此类工具的效能。本文将探讨此类研究的进展、不足、未来研究方向和挑战。

3　移动医疗干预研究进展

mHealth对于患者依从性的研究主要集中在艾滋病长期抗逆转录病毒药物治疗、哮喘、冠心病、高血压和糖尿病等领域，还有一些针对健康人群接种疫苗、服用维生素C的干预性研究。

3.1艾滋病

迄今为止，艾滋病领域是mHealth技术对治疗依从性改善研究的主要领域。样本量最大的随机对照试验就是在肯尼亚3家诊所进行的、针对艾滋病患者抗逆转录病毒治疗的短信干预性研究[7]。研究者于2007-05至2008-10间，在上述3家肯尼亚诊所入选了538例需要初始抗逆转录病毒药物治疗的艾滋病初发患者，并将他们随机分到短信干预组和对照组。干预组患者将每周接受一条询问他疾病状态的短信，并在两个小时内回复“好”或“不好”。研究者按照标准的流程致电“不好”或未按时回复的患者，对其进行鼓励、提醒，并邀请部分患者返院复查。该研究的结局是随机后12个月时患者自己报告的治疗依从性。结果显示，干预组有62%的患者报告的药物治疗依从性高于95%，而对照组为50%，两组间差异显著（相对危险度= 0.81, 95%可信区间0.69～0.94；P=0.006）。干预组病毒数低于400个拷贝/毫升的比例也明显高于对照组（干预组：57%，对照组：48%，P=0.04）。由于设计严谨、样本量大、随访时间长，该研究一直是mHealth研究领域的标杆，并成为后续试验设计的模仿对象。

2010年至2012年间，肯尼亚、喀麦隆、美国和印度的研究者分别设计了使用短信和语音交互系统对艾滋病患者进行鼓励、提醒用药等相关技术，使用随机对照试验、前后对照或类试验的方式进行技术评价[8，9]（表1）。其中，3项研究显示这类干预方式可以改善患者的治疗依从性，在喀麦隆进行的研究显示患者治疗依从性无改善。

表1　艾滋病领域mHealth对治疗依从性改善作用的其他研究

3.2慢性疾病

美国旧金山军人医疗中心开展的一项单中心、随机对照试验旨在探究短信教育和提醒功能对既往心肌梗死或接受经皮冠状动脉介入术（PCI）的冠心病患者二级预防药物（他汀类药物、抗血小板药物）治疗依从性的影响[10]。该研究共入选90例患者，其中30例患者接受教育和提醒短信，30例患者只接受教育短信，另30例患者作为空白对照。研究者对其进行1个月的短信干预，并评价随机后1个月时患者抗血小板药物和他汀类药物的治疗依从性和对短信的满意度评价。该研究利用MEMS系统（即自动记录患者开瓶时间和频率的电子药瓶）数据作为一个主要的结局，显示接受干预的患者的抗血小板药物依从性明显高于对照组。针对干预组患者的满意度调查显示患者对该类干预方式的欢迎态度：有68%的患者对接受短信感到非常满意，57%的患者认为这类短信帮助自己接受药物治疗，46%的患者在接受短信的过程中感受到了别人对自己的关心。该研究创新性的使用MEMS系统来评价患者的依从性，相较于以往利用患者自身报告的方式更加客观，但由于部分患者不习惯使用MEMS药瓶，导致数据不全，代表性差。因此，后续研究对该技术的使用比较谨慎，大多仍采用患者自身上报或者剩余药片数量计算的方式。

但一个针对高血压患者药物治疗依从性的研究使用Medicaid药物花费和购买率作为终点指标，更加客观、准确。该研究入选了50例高血压需要长期服药的患者，使用移动的服药提醒软件对这类患者进行3个月的干预，并在干预前、干预中和干预后分别评价患者的药品购买率和血压水平[11]。结果显示，干预中，患者的药品购买率要明显高于干预前和干预后，血压达标率也更优。该研究并非是随机对照试验，可能存在选择性偏倚。但由于操作简便，不失为一种可以效仿的研究方式。

Foreman等[12]开展的一项针对长期服药患者的回顾性、观察性研究同样引人注目。由于290例需要长期服用他汀类药物、阿司匹林等药物患者选择使用一个名叫My Medication Reminder Text Messaging Program的程序，接受相应的服药提醒短信。因此，研究者回顾性的收集这部分患者的资料，并使用临床数据和基线药物依从性情况匹配了同样数量的空白对照患者，评价这类患者使用该程序后半年和一年时药物使用的依从性。结果同样为阳性，研究队列药物依从性明显好于对照组（试验组：85%，对照组：77%，P<0.001）。

3.3健康人群

共有4项针对健康人群的研究，总样本量4 651例，这4项研究分别是使用短信提醒的方式干预受试者，以提高疫苗接种率、抗疟疾药物治疗率、维生素C摄入量、口服避孕药[13，14]。

Vilella等[14]开展的一项针对短信提醒改善国际旅行人群第二次和第三次甲型和乙型肝炎疫苗接种率的非随机试验共入选了4 043例受试者。研究的主要干预是在第二次和第三次疫苗接种前发送短信提醒受试者返院接种，干预人群是2001年在该中心接受第一次疫苗接种的受试者，并使用2000年该单位同类型受试者和2001年在另一个单位接受疫苗接种的受试者作为对照。结果显示，接受短信的受试者疫苗接种率都明显高于两个对照组。

Ollivier等[15]开展的研究是一项在法国进行的随机对照临床试验。研究者邀请了424例从疟疾疫区返回法国、需要进行疟疾预防药物治疗的军人接受随机分组，干预组受试者将每天收到药物治疗的提醒短信。研究者对其进行28天的干预，并在随机后第28天评价受试者的用药依从性。结果显示，虽然干预组受试者普遍欢迎这种短信提醒的方式，但实际的治疗依从性与对照组无明显差异。Ollivier等分析，可能是因为干预组和对照组受试者在日常生活中关系密切，造成了两组人群的交叉和混杂。

另外两项关于维生素C和避孕药使用的干预研究都是小样本量的随机对照临床试验，均采用每日发送提醒和鼓励短信的方法干预受试者，并分别在1个月和3个月后评价受试者的药物依从性[16,17]。这两个结果均为阴性。

4　总结

一项针对此类研究的系统综述共筛选出了20项研究论文，其中有13项随机对照临床试验、1项类试验、1项非随机对照试验和5项干预前后比较研究，共有研究受试者7 402例，单项研究最大样本量为538例[16]。此类研究16项在发达国家进行， 4项关于艾滋病的干预研究在非洲和印度进行，85%的研究是在2009年到2012年进行的。对于干预方式来讲，短信、短信自动交互系统、语音交互系统是主要的干预方法，内容以提醒、鼓励为主，有1项研究使用了类似短信的智能手机程序，有1项研究在特定情况下会给患者致电。此类研究共13项（65%） 发现了阳性的结果，阴性结果主要集中针对正常人群的预防性用药中。

由于移动通信技术发展迅速，目前的研究尚属起步水平，研究设计和规模有限，具有以下几个不足：（1）样本量不足以获得足够的把握度。作为干预性研究的金标准，随机对照试验具有最好的证据效能。但上述研究中，随机对照试验的最大样本量仅为538例，在研究方法学上并没有提前计算样本量。在获得阳性结果后，作者粗略估算了把握度，仅为0.68，并没有达到一般统计学设计0.80的标准。其他的研究多位探索性的单中心随机对照临床试验，把握度同样不足。（2）发展中国家研究偏少。如前所述，此类研究主要是在发达国家进行，可能是因为发达国家的移动通讯设备普及率更高。但实际上发展中国家更需要此类应用型研究。以中国为例，智能手机的普及率已经达到71%，超过了美国的60%和法国的64%[17]。另一方面，发展中国家的患者教育不足、长期药物治疗率可能更低。由于人口基数大、药物治疗依从性差、移动技术发展快，发展中国家更适宜采用创新性的mHealth技术改善现况。（3）客观的终点评价方法有限。上述20项研究都主要采用间接的方法评价用药依从性，如问卷和患者主动上报的方式，一些也采用药品购买量和医保药物花费作为终点。直接的用药记录方式，如采用电子药瓶（MEMS）、药丸计量等仍比较少见。肯尼亚进行的一项研究显示，直接和间接的药物依从性评价指标可能获得不同的结果。因此，探索便捷、经济但准确的终点评价方法仍然是此类研究面临的挑战。（4）干预方式单一。上述研究都是使用短信或类短信性质的提醒手段来干预患者，没有针对智能手机APP、智能手环等干预方式的研究。然而，由于APP、手环等技术更加经济、形象、便捷，针对性更强，可能具有更为广阔的应用前景。

mHealth的运用前景和挑战：上述研究有65%发现了阳性的结果，而且阳性结果在各类经济体和各类人群中都得到复制，显示了很好的运用前景，这也为我们描绘了一个美好的愿景：患者就医后，医生在日常工作中即完成患者病史和基本情况的记录，随后上述信息直接上传到云端，有服务器定制针对该患者的干预程序，并通过短信、APP等方式自动发送给患者，与其互动，来提高治疗依从性，减轻医院和社区诊所、家庭医生的负担。这种方式经济、快捷、方便、自动化，具有巨大的潜在价值。

然而，由于mHealth技术具有进展快、分布广、质量参差不齐、软件和技术迭代快的特点，而传统的随机对照临床试验常常需要数年甚至数十年的时间，无法满足此类技术的研究需要[18]。我们需要设计一套针对此类研究的新型研究体系，能够快速、准确、经济并迭代地对mHealth新技术进行验证和外部推广。

因此，Glasgow等[19]提出了一个新兴的研究模型，利用多个、多次迭代、扩展型研究来快速获取mHealth技术的安全性、有效性证据。另外，采用大数据理念和新兴的统计学模型，通过干预性试验和比较性研究来适应新型的研究模型，来不断推动mHealth技术的验证和推广。

参考文献

[1] Osterberg L, Blaschke T. Adherence to medication. N Engl J Med, 2005, 353: 487-497.

[2] Ho PM, Bryson CL, Rumsfeld JS. Medication adherence: its importance in cardiovascular outcomes. Circulation, 2009, 119: 3028-3035.

[3] 陈伟伟, 高润霖, 刘力生, 等. 《中国心血管病报告2014》概要. 中国循环杂志, 2015: 617-622.

[4] Ho PM, Magid DJ, Shetterly SM, et al. Medication nonadherence is associated with a broad range of adverse outcomes in patients with coronary artery disease. Am Heart J, 2008, 155: 772-779.

[5] Aaron Smith. Pew Research Center. Smartphone Ownership-2013 Updata. 2013. http: //pewinternet. org/Reports/2013/Smartphone-Ownership-2013. aspx

[6] Kumar S, Nilsen WJ, Abernethy A, et al. Mobile health technology evaluation: the mHealth evidence workshop. Am J Prev Med, 2013, 45: 228-236.

[7] Lester RT, Ritvo P, Mills EJ, et al. Effects of a mobile phone short message service on antiretroviral treatment adherence in Kenya (WelTel Kenya1): a randomised trial. Lancet, 2010, 376: 1838-1845.

[8] Pop-Eleches C, Thirumurthy H, Habyarimana JP, et al. Mobile phone technologies improve adherence to antiretroviral treatment in a resource-limited setting: a randomized controlled trial of text message reminders. AIDS, 2011, 25: 825-834.

[9] Rodrigues R, Shet A, Antony J, et al. Supporting adherence to antiretroviral therapy with mobile phone reminders: results from a cohort in South India. PLoS One, 2012, 7: e40723.

[10] Park LG, Howie-Esquivel J, Chung ML, et al. A text messaging intervention to promote medication adherence for patients with coronary heart disease: a randomized controlled trial. Patient Educ Couns, 2014, 94: 261-268.

[11] Patel S, Jacobus-Kantor L, Marshall L, et al. Mobilizing your medications: an automated medication reminder application for mobile phones and hypertension medication adherence in a high-risk urban population. J Diabetes Sci Technol, 2013, 7: 630-639.

[12] Foreman KF, Stockl KM, Le LB, et al. Impact of a text messaging pilot program on patient medication adherence. Clin Ther, 2012, 34: 1084-1091.

[13] Hou MY, Hurwitz S, Kavanagh E, et al. Using daily text-message reminders to improve adherence with oral contraceptives: a randomized controlled trial. Obstet Gynecol, 2010, 116: 633-640.

[14] Vilella A, Bayas JM, Diaz MT, et al. The role of mobile phones in improving vaccination rates in travelers. Prev Med, 2004, 38: 503-509.

[15] Ollivier L, Romand O, Marimoutou C, et al. Use of short message service (SMS) to improve malaria chemoprophylaxis compliance after returning from a malaria endemic area. Malar J, 2009, 8: 236.

[16] Anglada-Martinez H, Riu-Viladoms G, Martin-Conde M, et al. Does mHealth increase adherence to medication? Results of a systematic review. Int J Clin Pract, 2015, 69: 9-32.

[17] Nielsen. The Asian Mobile Consumer Decoded. http: //www. nielsen. com/cn/en/insights/news/2013/the-asian-mobile-consumerdecoded0. html. 09-17-2013.

[18] Riley WT, Glasgow RE, Etheredge L, et al. Rapid, responsive, relevant (R3) research: a call for a rapid learning health research enterprise. Clin Transl Med, 2013, 2: 10.

[19] Glasgow RE, Phillips SM, Sanchez MA. Implementation science approaches for integrating eHealth research into practice and policy. IntJ Med Inform, 2014, 83: e1-11.

（编辑：漆利萍）

综述

(收稿日期：2015-07-02)

中图分类号：R54

文献标识码：A

文章编号：1000-3614（2016）01-0098-03

doi:10.3969/j.issn.1000-3614.2016. 01.022

作者简介：饶辰飞 博士研究生 主要研究方向为冠状动脉旁路移植术注册登记与质量改善研究 Email: raochenfeifuwai@126.com 通讯作者：郑哲Email: zhengzhe@fuwai.com*共同第一作者

作者单位：100037 北京市，北京协和医学院 中国医学科学院 国家心血管病中心 阜外医院 心血管外科