数字疗法用于中国成人高血压患者进行自我管理的评估

何霁云 赵丽明 刘凯

(1.成都市第一人民医院心内科,四川 成都 610041;2.四川大学华西医院西藏成办分院心内科,四川 成都 610041;3.四川大学华西医院心内科,四川 成都 610041)

《中国心血管健康与疾病报告2021概要》[1]显示中国成人高血压患者人数为2.45亿,正常高值血压人数为4.35亿,高血压的控制率为16.8%。血压自我监测是一种较好的帮助控制血压的手段[2]。但既往研究[3]显示单纯的血压自我监测还不足以实现更好的降压,还需结合生活方式干预和适时咨询等。数字疗法是基于智能手机,由软件程序驱动,以循证医学为基础的干预方案,用以治疗、管理或预防疾病。用于高血压的数字疗法综合了血压自我监测以及生活方式干预等手段,可单独使用,也可与药物、医疗器械或其他疗法配合使用[4]。既往报道[5-8]显示智能手机能用于促进血压自我监测及辅助改善生活方式,且可帮助降低血压。但这些研究存在异质性,且在国内临床实践中还缺乏验证。本研究采用一款心血管慢病管理小程序进行高血压数字疗法干预,探讨在常规治疗基础上加用数字疗法的管理效果。

1 对象与方法

1.1 对象

纳入研究的对象为于2021年5月1日—12月31日,在四川大学华西医院、成都市第一人民医院和四川大学华西医院西藏成办分院门诊就诊的高血压患者。纳入标准(全部满足):(1)年龄≥18岁;(2)原发性高血压且已接受常规治疗;(3)收缩压(systolic blood pressure,SBP)<180 mm Hg(1 mm Hg=0.133 3 kPa);(4)有合格的上臂式电子血压计且能正确进行家庭血压监测;(5)自愿参加本研究,并签署知情同意书;(6)至少有任意2周的平均血压值。排除标准(满足其一):(1)继发性高血压;(2)不会使用智能手机。本研究已通过四川大学华西医院临床试验与生物医学伦理专委会审查。

1.2 研究方法

1.2.1 分组

根据基线血压值,分为正常血压组(SBP<130 mm Hg)、正常高值血压组(SBP 130～139 mm Hg)、1级高血压组(SBP 140～159 mm Hg)和2级高血压组(SBP 160～179 mm Hg)[9]。观察过程中任何SBP≥160 mm Hg视为血压异常升高。根据受试者对小程序的使用频率划分参与度,分为3组:低参与度组、中参与度组和高参与度组。

1.2.2 数据收集

血压的采集使用通过国际标准方案认证(ESH、BHS和AAMI)的上臂式医用电子血压计(认证结果可在以下网站查询:http://www.dableducational.org和http://www.bhsoc.org/default.stm),带物联网功能的血压计测量后可自动上传数据,不带物联网功能的血压计需手动录入血压值。小程序整合了血压自我监测、动脉粥样硬化性心血管疾病(atherosclerotic cardiovascular disease,ASCVD)风险评估、个体化目标值设定、用药提醒、自动化生活方式指导和适时医学咨询等为一体,并基于指南推荐的非药物干预措施及个体化特征进行自动化生活方式指导。数据收集通过自我报告的形式录入,包括人口学资料、患病情况和核心指标等。体育锻炼也以自我报告的形式进行反馈,定性记录每周有氧运动的情况(有氧运动≥5次/周视为体育锻炼达标)。该小程序的内容设计参照了国内外权威心血管疾病指南[9-13],具备易使用、易理解和人工智能的特点,见图1。

注:PWV,脉搏波传导速度;ABI,踝肱指数。图1 数字疗法小程序界面截图

计算不同随访时间点的血压值中位数来评估血压随时间变化的情况:记录的第一个血压值为第1周基线血压值,随后依次为第2周、第4周、第6周、第12周和第26周的血压值。ASCVD风险评估采用《中国心血管病一级预防指南》[13]推荐的算法。

1.3 统计学方法

使用R 4.1.1进行统计分析和作图。使用K-means聚类分析划分参与度。分类变量组间比较采用Fisher确切概率法或卡方检验,连续变量组间比较采用方差分析或Wilcoxon检验。使用混合效应模型分析血压随时间变化的情况,参与度与血压降低、参与度与血压异常升高以及体重变化与血压降低之间的关系。使用中介效应分析评估体重、体育锻炼与血压降低之间有无介导关系。本研究无受试者层面的随机效果。对缺失值通过建模使用多重填补法进行迭代输入。以P<0.05为差异有统计学意义。

2 结果

2.1 基线特征与参与度

符合纳入标准的514例受试者中,年龄中位数[四分位数间距(inter-quartile range,IQR)]为51岁(42～60岁),女性193例(37.5%),男性321例(62.5%),基线时SBP和舒张压(diastolic blood pressure,DBP)的中位数(IQR)分别为127.2 mm Hg(119.4～136.2 mm Hg)和81.1 mm Hg(75.3～88.0 mm Hg),各组的基线特征见表1。参与度的聚类分析见图2。相较于年龄大于中位数的受试者,年龄小于中位数的受试者参与度更高(P<0.001),见表2。

表1 受试者基线资料

表2 参与度与年龄的关系

图2 参与度聚类分析结果

2.2 血压随时间变化情况

各组血压随时间的变化情况见图3。基线正常高值血压组共118例(23.0%),第2周有可用血压数据的人数有93例,其中69例(74.2%)SBP开始降低;基线1级高血压组共96例(18.6%),第2周有可用血压数据的人数有68例,其中61例(89.7%)SBP开始降低;基线2级高血压组共63例(12.3%),第2周有可用血压数据的人数有42例,其中37例(88.1%)SBP开始降低;详见表3。基线正常血压组共237例,整个随访期间始终SBP<130 mm Hg。与基线相比,正常高值血压组、1级高血压组和2级高血压组的SBP均值[均数标准误(standard error of mean,SEM)]分别降低了14.2(1.1)、25.9(1.7)、35.3(2.2) mm Hg。基线SBP>140 mm Hg者共159例(30.9%);第12周时,SBP<140 mm Hg者共102例(64.2%);第26周时,SBP<140 mm Hg者共139例(87.4%)。敏感性分析纳入在第1周至少记录了4个血压值的受试者,并将血压值的均值按照基线分组标准分组后依然得到了类似的结果。

表3 各组在随访期间的血压降幅

图3 不同分组血压随时间的变化情况

2.3 参与度与血压变化的关系

小程序每周使用频率见表4。混合效应模型分析显示参与度越高则SBP越低,随着时间的推移,高参与度组的SBP低于中参与度组或低参与度组(高参与度组:127.2 mm Hg,95%CI120.5～138.8;中参与度组:129.8 mm Hg,95%CI118.2～139.2;低参与度组:133.3 mm Hg,95%CI117.8～141.3)(P<0.01)。同样,参与度越高则DBP越低,随时间的推移,高参与度组的DBP低于中参与度组或低参与度组(高参与度组:77.3 mm Hg,95%CI70.5～88.2;中参与度组:78.8 mm Hg,95%CI71.3～91.1;低参与度组:80.1 mm Hg,95%CI74.6～94.9)(P<0.01)。这些差异在校正了年龄、性别、体重指数(body mass index,BMI)、腰围、吸烟、焦虑、高脂血症、糖尿病、冠心病、卒中、心房颤动、慢性心力衰竭、慢性肾脏病、ASCVD风险、是否服用抗高血压药后仍存在,见表5。把参与度作为一个连续变量分析时,参与度每增加1个单位,SBP降低0.94 mm Hg(95%CI0.83～1.06,P<0.001),DBP降低0.72 mm Hg(95%CI0.66～0.80,P<0.01)。

表4 小程序使用情况

表5 血压变化与参与度和时间之间的关系

2.4 血压异常升高情况分析

分析随访期间SBP<160 mm Hg之后的数据,发现有57例受试者出现了145次血压异常升高。与中参与度组(0.89%,95%CI0.76～0.94,P<0.001)和高参与度组(0.66%,95%CI0.52～0.77,P<0.001)相比,低参与度组出现血压异常升高的概率更大(2.75%,95%CI2.56～2.88)。在校正了年龄、性别、BMI、腰围、吸烟、焦虑、高脂血症、糖尿病、冠心病、卒中、心房颤动、慢性心力衰竭、慢性肾脏病、ASCVD风险以及是否服用抗高血压药后,这个关联仍具有统计学意义。出现血压异常升高且在前后30 d内至少有1个血压值的情况共136次,这些受试者在血压异常升高前30 d内SBP逐渐升高,血压异常升高后30 d内SBP迅速下降,见图4。

注:蓝色实线为SBP,阴影部分为95%CI。图4 发生血压异常升高前后30 d内血压的变化情况

2.5 血压与BMI和体育锻炼之间的关系

252例受试者记录了间隔超过1个月的体重数值。混合效应分析显示,BMI每降低1个单位,SBP降低0.92 mm Hg(95%CI0.26～2.48),DBP降低0.73 mm Hg(95%CI0.13～1.55)。与正常体重或超重者相比,肥胖者的SBP和DBP下降幅度最大(交互P<0.001)。此外,参与度越高,BMI降低越多(P<0.01)。中介效应分析显示,BMI部分介导了参与度与血压降低之间的关系(中介比例21%,P=0.035),有氧运动≥5次/周对于参与度与血压降低关系的中介效应显著(中介比例44%,P<0.01),有氧运动<5次/周对于参与度与血压降低关系的中介效应不显著(中介比例16%,P=0.382)。

3 讨论

在常规治疗的基础上加用数字疗法管理26周后,患者血压明显降低,且与参与度相关。以SBP<140 mm Hg为目标值,血压控制率为87.4%,同时能监测预警血压异常升高的情况。体育锻炼及体重变化在一定程度上介导了参与度和降压之间的关系,这表明自动化的生活方式督导可能通过鼓励受试者进行体育锻炼和减重来实现降压。这有助于理解自动化生活方式指导与血压控制之间的潜在机制。

既往研究[5-8]发现智能手机用于血压自我管理与降压有显著的相关性。本研究显示数字疗法参与度与降压之间的关系与上述研究结果一致。据笔者所知,这是国内第一个报道高血压数字疗法应用经验的研究,具有十分重要的临床意义。国内有一项通过微信进行高血压随访管理的小型研究[14],但距离数字疗法还有一定差距,同时受限于样本量和统计效力,在血压控制方面无显著差异,仅在体育锻炼上有改善。当然,除体重变化与体育锻炼外,可能还有其他因素,如药物依从性、钠摄入、压力、情绪、气温和熬夜等,影响了参与度和血压之间的关系。这些因素也是本研究中数字疗法推荐并鼓励受试者去改善的。目前也缺乏血压异常值预警处理的研究证据,笔者的研究发现数字疗法可降低血压异常升高的风险,即使对参与度低的患者也同样适用。

高血压是一种非常常见的疾病,会导致严重的心血管不良结局。常规治疗策略无法实现理想的血压控制[1-2]。新的有效管理策略需求十分迫切。本研究表明,数字疗法可对常规疗法进行补充强化,明显提高了血压控制率,降低了血压异常升高的风险。此外,笔者发现参与度可作为评估数字疗法管理效果的一个良好指标。因此,数字疗法有望成为国内高血压患者的一种新的有效管理手段,未来也需开展前瞻性研究以进一步验证。