智能健康物联网系统对血脂异常人群治疗性生活方式改变的管理效果

徐腾达，郭 璐，苏绍荣，杜 颖，汪 颖，王海涛，王振捷

1中国医学科学院 北京协和医学院 北京协和医院健康医学部，北京 100730 2中国医学科学院 北京协和医学院医院管理处， 北京 100730

研究表明，血脂异常指标中的血清总胆固醇(total cholesterol，TC)和低密度脂蛋白胆固醇(low density lipoprotein-cholesterol，LDL-C)升高是心血管疾病独立危险因素[1]。2013年北京市成人体检统计资料显示，高胆固醇血症和高甘油三酯血症在男性和女性体检重大异常指标中均位列榜首，总异常检出率达33.8%[2]。

1992年，世界卫生组织在《维多利亚宣言》中提出“健康四大基石”(合理膳食、适量运动、戒烟限酒、心理平衡)，以此为理论基础的“治疗性生活方式改变(therapeutic lifestyle changes，TLC)”现代健康管理方法已成为当前血脂异常防治的优选方案，并取得了良好效果[3- 6]。但要把TLC真正融入实践，须克服TLC干预效率低和个体依从性差两大障碍[7]，科学的健康管理既要综合考虑人力、财力因素，又应兼顾个体化的目标和解决途径，而智能健康物联网系统因其高效能、强个性化的特点而具有明显优势，可为此提供全新的解决方案。

本研究以血脂异常人群为干预对象，基于TLC现代健康管理方法，以智能健康物联网系统为管理平台，观察干预对象饮食、运动及生理指标变化，探索智能健康物联网系统进行健康管理的可行性和有效性。

1 对象与方法

1.1 研究对象

选取2015年3月至9月于北京协和医院健康医学部体检的血脂异常者52例。纳入标准(符合以下任意一项)：(1)TC:5.70 mmol/L～<6.50 mmol/L；(2)甘油三酯(triglyceride，TG)： 1.70 mmol/L～<5.00 mmol/L；(3)LDL-C：3.37 mmol/L～<4.00 mmol/L。排除标准(符合以下任意一项)：(1)有运动禁忌；(2)伴有严重的心脑血管病史或器官功能障碍，如恶性肿瘤、心功能衰竭、肾功能衰竭、呼吸功能衰竭、肝功能衰竭、严重外伤、大脑功能损害等；(3)视听功能不全、认知功能障碍及既往有精神疾病史；(4)不能配合完成随访及数据收集；(5)已经开始服用调脂药物。

本研究获得北京协和医院伦理审查委员会批准(ZS- 860)，所有入组者均签署知情同意书。

1.2 干预方法和观察变量

由两名健康管理师负责本研究的干预对象管理。将智能健康物联网系统(北京经纶世纪医疗)作为管理平台，为入组干预对象的智能手机安装客户端APP，并提供与APP匹配的智能手环(用于运动监测)， 健康管理师利用智能健康物联网系统对干预对象进行健康分析并制定干预计划(行为习惯所需的改变)，提供健康干预跟踪指导。最后基于系统中干预对象的行为习惯资料及干预前后的生理指标进行效果评估。

本研究干预时间为3个月，具体实施过程如下：(1)面谈/问卷：健康管理师与干预对象面谈，并协助其在智能健康物联网系统或APP填写健康调查问卷，记录干预对象的个人信息及行为习惯。行为习惯包括：每周运动次数(每次至少连续30 min)、早餐次数、夜宵次数，每日主食摄入量、肉类食品摄入量、蔬菜水果摄入量、油炸食品摄入量，腌制食品摄入频次、奶油糕点摄入频次、较咸食品摄入频次、热烫食品摄入频次、每周在外就餐次数等。(2)健康检测/复检：系统记录干预前后体质量指数、腰臀围、血压、TG、TC、LDL-C、空腹血糖(fasting plasma glucose，FPG)等生理学指标。(3)健康分析评估：基于个人信息、行为习惯、生理学指标，系统生成个性化分析评估报告，包含生活方式及疾病风险评估。干预对象可通过系统APP查阅健康分析评估报告。(4)健康干预计划：基于健康评估报告，系统生成生活方式干预、指标监测及阶段性目标与随访计划。干预对象可通过APP查阅健康干预计划。(5)生活方式干预：按照每天的饮食、运动计划及指标监测计划实施。(6)监测、咨询和随访：干预对象每天饮食情况、运动情况由智能手环自动记录并上传至系统。系统向干预对象发送健康指标监测提醒、运动和饮食资讯，健康管理师为干预对象提供健康咨询、问题解答、定期面对面随访指导。(7)干预效果评估：基于系统记录的行为习惯资料及干预前后的生理学指标进行健康干预的效果评估。

研究期间，每周1次电话随访，并针对饮食和运动情况实施分层递进式干预管理(表1)，管理目标依次为：第1个月，干预对象的运动、饮食结构趋于合理化；第2个月，运动和饮食的细节问题得以改善；第3个月，建立运动和膳食金字塔。

1.3 评估方法

将观察变量转换为等级变量，其取值区分为由不合理(差)到合理(好)的不同等级。判定规则见表2。针对所有观察变量，将干预对象干预前后变化情况分为更合理(更好)、不发生变化、更不合理(更差)，例如“每周连续30 min运动次数”干预前为<2次/周，干预后变为2～4次/周或>4次/周，则判定为更合理，反之由干预前>4次/周变为干预后<2次/周或2～4次/周，则判定为更不合理，据此计算干预后的“优化率”、“劣化率”以及干预“总获益率”，计算公式如下：

表 1 随访对象每周随访内容与要点

表 2 随访对象干预后观察变量等级判定规则

注：依据世界卫生组织标准，体质量指数：18.5～24.9为正常，25～29.9为超重，≥30为肥胖；血压：收缩压<90 mm Hg或舒张压<60 mm Hg为低血压，收缩压≥140 mm Hg或舒张压≥90 mm Hg为高血压，收缩压120～139 mm Hg或舒张压80～89 mm Hg为正常高值血压，收缩压<120 mm Hg且舒张压<80 mm Hg为正常血压；腰臀比：男性>1.0为异常，女性>0.8为异常；TC：2.85～5.70 mmol/L为正常；TG：0.45～1.70 mmol/L为正常；LDL-C<3.37 mmol/L为正常；FPG：3.9～6.1 mmol/L为正常

TC：总胆固醇；TG：甘油三酯；LDL-C：低密度脂蛋白胆固醇；FPG：空腹血糖

总获益率=优化率-劣化率。

1.4 统计学处理

采用SPSS 16.0统计分析软件进行分析。干预前后行为习惯的变化用率表示，各项生理指标用均数±标准差表示，干预前后各项生理学指标变化的比较采用配对t检验。以P<0.05为差异具有统计学意义。

2 结果

2.1 一般资料

研究期间参加健康体检的总人数为35 508，其中高甘油三酯血症检出率为23.4%(8309/35 508)，高胆固醇血症检出率为20.3%(7208/35 508)。52例入组本研究，其中男性22例，女性30例，平均年龄(46.5±8.2)岁(22～60岁)，高甘油三酯血症、高胆固醇血症及高甘油三酯血症合并高胆固醇血症分别为15例、18例和19例。所有入选者文化教育水平均为中学及以上程度。

2.2 干预前后行为习惯变化

干预后优化率由高到低依次为：腌制食物摄入频次、较咸食品摄入频次、每周连续30 min运动次数、热烫食品摄入频次、每周在外就餐次数、每周早餐次数、每日蔬菜水果摄入量、每日主食摄入量、每周夜宵次数、每日油炸食品摄入量、奶油糕点摄入频次、每日肉类食品摄入量。优化率范围为14.8%～63.6%(图1)。

干预后劣化率由高到低依次为：每日蔬菜水果摄入量、每周连续30 min运动次数、较咸食品摄入频次、每日主食摄入量、每周早餐次数、腌制食物摄入频次、热烫食品摄入频次、每日油炸食品摄入量、奶油糕点摄入频次、每周在外就餐次数、每周夜宵次数、每日肉类食品摄入量。劣化率范围为4.0% ～27.0%(图1)。

干预总获益率由高到低依次为：腌制食物摄入频次、每周在外就餐次数、较咸食品摄入频次、热烫食品摄入频次、每周夜宵次数、每周早餐次数、每日油炸食品摄入量、每周连续30 min运动次数、每日主食摄入量、每日肉类食品摄入量、奶油糕点摄入频次、每日蔬菜水果摄入量。干预总获益率范围为5.5%～49.9%(图1)。

图 1 52例血脂异常者行为习惯变量干预后优化率、劣化率和总获益率

2.3 干预前后生理指标变化

干预后，研究对象的体质量指数、腰臀比、收缩压、舒张压、TG、TC及FPG均较干预前降低，P均<0.01(表3)。干预前后LDL-C差异无统计学意义。

研究结果显示，各项生理指标干预总获益率由高到低依次为：FPG、血压、TG、TC、体质量指数、腰臀比、LDL-C，总获益率范围为-6.9%～63.6%(表4)。

3 讨论

3.1 研究方法学方面

表 3 52例血脂异常者各项生理指标干预前后比较

TG、TC、LDL-C、FPG：同表2

表 4 52例血脂异常者各项生理指标干预后优化率、劣化率和总获益率(%)

FPG、TG、TC、LDL-C：同表2

基于智能健康物联网进行健康管理服务是一种新的健康管理服务模式，其特点为高效、便捷、灵活[8- 10]。与传统的电话或面对面跟踪、指导、随访方式相比，利用智能系统，包括为干预对象提供智能手环(可穿戴设备)、智能管理APP等进行TLC健康管理的优势主要有：(1)对干预对象的饮食、运动、监测指标等数据采集更加便利，可提高大人群的健康管理效率；(2)根据监测数据反馈对干预对象提供实时干预计划调整、跟踪随访指导、健康资讯推送，使得健康管理更加智能、灵活、有针对性；(3)传统的电话或面对面随访管理，干预对象依从性较低，而利用智能系统开展的动态连续跟踪管理，干预对象表现出较高的接受度和依从性。本项目中52例入选者均全程配合健康管理师线上完成数据采集、信息跟踪和技术指导等项目。

健康管理是持续的动态管理过程，由于干预对象先天身体素质、健康状况和行为习惯不同，在特定时间段内接受同类健康干预达到的效果可能具有较大差异，因此衡量一个健康管理方法对干预对象群体的有效性，不应简单从干预前后观察变量的“异常率”、“正常率”变化来确定，而应从干预前后观察变量向“合理”或“不合理”方向的变化程度来评估。本研究针对观察变量，将干预对象干预前后变化情况分为更合理(更好)、不发生变化、更不合理(更差)，定义一组称之为干预后“优化率”、干预后“劣化率”以及干预“总获益率”的评估函数。通过计算这组评估函数，为分析一种健康管理方法能否提供持续有效的干预建立更加合理、准确、全面的评估方法。这组评估函数不仅适用于本研究血脂异常人群TLC方法干预效果的评估，也可适用于针对其它慢病TLC方法干预效果的评估，具有普遍意义。

3.2 研究数据方面

本研究结果初步提示，应用智能健康物联网管理系统可使血脂异常者行为习惯及代谢相关生理指标在总体上变得更合理(更好)。在饮食管理方面，尤其是腌制食物摄入频次、每周在外就餐次数、较咸食品摄入频次总获益率较高(30.2%～49.9%)；但每日肉类、蔬菜水果摄入量的干预总获益率比较低，提示短时间内显著改变血脂异常者每日膳食摄入量较难，建议长期健康教育和管理重点放在食物种类选择的科学性和合理性方面。在运动管理方面，干预对象每周连续30 min运动次数总获益率为16.9%，提示通过智能物联网管理系统，可促使被管理者更积极主动参与运动。

从各项代谢相关生理学指标看，除LDL-C外，受试者其他所有指标干预后均得到明显改善，尤其是FPG、血压、TG、TC，总获益率均>20.0%。干预后LDL-C未见明显下降，反而较干预前轻微升高(但无统计学意义)，可能与本项研究干预期较短有关。既往有研究表明，通过TLC干预，TG、TC、LDL-C等均能明显获益，且LDL-C在干预6～12个月后下降可能更为显著[11- 12]。

3.3 本研究局限性

本研究为非随机临床对照试验，受条件和时间限制，研究数据仅来自一家医疗机构，且随访时间较短(3个月)，故研究结论存在一定局限性。今后可在此基础上，进行覆盖更多研究中心，包含更大样本量和更长随访期，且设立平行对照组的临床试验，以期获得更为客观的数据。

本研究结果初步表明，通过智能健康物联网系统，利用TLC现代健康管理理论，可在短时间内改善干预对象行为习惯和相关生理指标，对降低干预对象心脑血管疾病的潜在风险有益。

[1] 中国成人血脂异常防治指南制订联合委员会. 中国成人血脂异常防治指南[J]. 中华心血管病杂志, 2007, 35: 390- 419.

[2] 北京市体检质量控制和改进中心. 北京市2013年度体检统计资料报告[R]. 北京, 2014: 30- 35.

[3] National Cholesterol Education Program (NCEP) expert panel on detection, evaluation and treatment of high blood cholesterol in adults (adult treatment panel Ⅲ). Third report of the National Cholesterol Education Program (NCEP) expert panel on detection, evaluation and treatment of high blood cholesterol in adults (Adult Treatment Panel III) final report[J]. Circulation, 2002, 106: 3143- 3421.

[4] 张欣颖，王伯莹. 治疗性生活方式改变对冠心病合并高血脂症患者降脂作用的研究进展[J]. 中国实用护理杂志, 2008, 2: 75- 77.

[5] 刘思彤，武韬，毛宏辉. 治疗性生活方式改变对血脂异常患者的效果观察[J]. 北京医学，2012, 34: 75- 77.

[6] 赵珺瑜, 李红. 血脂异常患者治疗性生活方式改变的研究进展[J]. 护理学杂志, 2015, 30: 106- 109.

[7] 杨芳, 刘璐, 郑霞飞,等. 慢性病患者治疗性生活方式改变的概述及干预研究进展[J]. 护理学报, 2016, 23: 35- 38.

[8] Borgia E. The Internet of Things vision: key feature, applications and open issues[J]. Computer Communications, 2014, 54: 1- 31.

[9] Santos A, Macedo J, Costa A，et al. Internet of Things and smart objects for M-health monitoring and control[J]. Procedia Technol，2014, 16: 1351- 1360.

[10] Cotter AP, Durant N, Agne AA，et al. Internet interventions to support lifestyle modification for diabetes management: a systematic review of the evidence[J]. J Diabetes Complications，2014，28: 243- 251.

[11] Byington RP, Jukema JW, Salonen JT, et al. Reduction in cardiovascular events during pravastatin therapy. Pooled analysis of clinical events of the Pravastatin Atherosclerosis Intervention Program[J]. Circulation, 1995, 92: 2419- 2425.

[12] Lenz TL. Therapeutic lifestyle changes and pharmaceutical care in the treatment of dyslipidemias in adults[J]. J Am Pharm Assoc, 2005, 45: 492- 502.