数字健康技术在维持性血液透析病人中应用的研究进展

Research progress on the application of digital health technology in maintenance hemodialysis patients

XU Jun， JI Xiaojing， MOU Hongbin

Northern Jiangsu People's Hospital，Jiangsu 225000 China

Corresponding Author" MOU Hongbin， E⁃mail： 515636728@qq.com

Keywords" digital health； hemodialysis； nursing； review

摘要" 综述了数字健康技术在血液透析病人中的应用形式、方法及取得的效果，并提出了目前应用的不足及未来的展望，以期为国内开展满足血液透析病人个性化、多样化的数字健康技术的研究提供参考和依据。

关键词" 数字健康；血液透析；护理；综述

doi：10.12102/j.issn.1009-6493.2024.16.014

数字健康是指开发和应用数字技术以改善健康相关的知识与实践领域[1]。在脑卒中[2]、肿瘤支持性照护[3]、安宁疗护[4]等领域中有较好的应用前景。随着大数据、云计算、人工智能等数字技术的不断发展和进步，人工智能药物研发、智能疾病筛查与诊断、多学科诊疗平台、数字疗法等数字健康技术已逐渐在全生命周期中得到应用。与传统医疗相比，数字健康可以优化医疗护理服务模式，克服时间、地点、人员、健康状况、突发事件等方面的障碍，还可以减少病人家庭经济负担与医疗系统负担[5]。维持性血液透析（maintenance hemodialysis，MHD）作为最主要的肾功能替代治疗方法，历经多年的技术和研究发展，如今正面临数字化转型的重大机遇。已有研究对移动医疗[6]、人工智能[7]、虚拟现实（virtual reality，VR）技术[8]在血液透析病人管理中的应用进行整合，但多集中于某一应用形式的介绍与对比、疾病的延续护理与护理干预等方面，缺少整体性的研究。本研究将深入探讨数字健康技术在血液透析领域中的最新应用和进展，旨在为数字健康在血液透析领域中的全面发展提供参考。

1" 数字健康技术在MHD病人中的应用形式及方法

1.1 远程监控

该应用主要使用便携式设备监测透析过程中的关键指标，如血压、心率、透析机各压力值等，并将数据实时传输给医疗团队，以便医护人员实时了解病人的状态并及时干预。Hu等[9]基于医疗物联网技术，实现静脉穿刺针滑脱的实时多床监测系统，该系统对701次透析进行分析，准确度和灵敏度分别为99.7%和90.9%，有效减轻护士的照护负担，提高了病人的安全。Huang等[10]研究发现，负面情绪与透析技术问题有显著相关性，其为家庭血液透析病人开发了一个用于共享病人情绪和基于文本数据的情感分析远程监护系统，通过积极的情绪表达提高治疗的效果。Hayashi等[11]团队开发了透析自我管理和记录系统（SMART⁃D），它可以对病人透析间期体重增长、透析前血清钾、磷浓度进行远程评估和监测，随后对该系统进行了随机对照试验，结果显示，病人生活方式和自我管理有了明显改善。此外，远程监控对提高偏远地区的透析水平和预防慢性肾病护理效率的经济学价值已经过验证[12]。

1.2 智能可穿戴设备

随着技术的进步和电子产品的小型化，可穿戴健康设备的应用呈指数级增长，通过实时监测，实现数据采集及传输，提高诊疗的速度和准确性，并对病人进行实时远程护理，简化临床流程、信息和工作流程等。在血液透析领域，用于持续跟踪病人的关键健康指标，如心率测量、心律失常检测、血压、高钾血症、液体超负荷和体力活动等[13]。Zhou等[14]在病人下肢安装可穿戴传感器，透析中运动时通过交互反馈进行监督，将73例病人随机分为2组，2组在血液透析治疗期间接受相似的运动任务4周，每周3次，每次30 min，结果显示，2组抑郁评分均显著降低，但通过传感器监督能减少护士对管理病人运动的负担。Zhou等[15]将69例糖尿病血液透析病人根据简易精神状态测试分为认知完整组（44例）和认知障碍组（25例），在非透析日期间，使用悬挂式传感器连续24 h测量移动性能，包括累积姿势持续时间（坐、躺、站和走），每日步行表现（步行和不间断步行回合）以及姿势转换（每日数量和平均持续时间），通过对比2组运动能力、移动数据等，结果表明，通过传感器测量的移动指标可以作为血液透析病人认知障碍的潜在数字标志物，这对认知障碍的量性评估具有重要的意义，但还需要更多的临床试验，验证可穿戴设备在症状识别和评估中的灵敏度和准确度。

1.3 机器学习（machine learning，ML）

ML在医疗领域的应用日趋广泛，主要进行数据挖掘及智能化分析，其中MHD病人的管理和治疗也受到ML的影响。许多研究者利用ML技术建立风险预测模型，如血流感染[16]、透析中低血压[17]、内瘘栓塞等不良事件[18⁃20]，以便为医务人员提供早期预警，尽早干预，减少不良事件的发生。Inoue等[21]从314例亚洲MHD病人的全部医疗数据和69 375份透析记录中分析数据，利用随机森林分类法，建立了模型调整每次透析过程中的干体重。Bailey等[22]对传统识别蛋白质能量消耗评估方法进行改良，使用非线性技术的模型提高了透析病人估计静息能量消耗计算的精确度。ML为血液透析领域提供了一系列有前景的工具和方法，有助于提高病人的治疗效果和生活质量。然而，为了实现这些应用，需要大量高质量的数据、适当的算法和跨学科的合作。

1.4 移动应用程序（APP）

针对MHD病人开发的APP主要应用于饮食管理、用药管理、运动康复等方面。应用APP对慢性肾脏病合并高血压病人进行远程管理和宣教可以改善病人用药依从性和血压，并可以提高其对肾脏病健康知识的掌握程度[23]。APP可以通过提供可访问和可靠的信息来源，为临床工作者和病人提供信息支持。Fakih等[24]针对高磷血症的MHD病人，使用KELA.AE APP联合营养师教育对23例病人进行2周干预，干预后病人磷管理的饮食知识、膳食蛋白质摄入量均有提高，磷与蛋白质的比例也有下降。Ni等[25]开发的系统可以利用微信将MHD病人血红蛋白和血细胞比容统计报告发布给医生，能及时报告病人的贫血状况，增强对贫血监测的重视和依从性，经过28个月的干预后，上海市8 392例MHD病人的血红蛋白的检出率、目标检出率、平均水平均有不同程度的提高。总之，以APP交互功能为特色的干预措施在提高病人接受度、满意度、减少卫生资源的使用以及节省卫生保健服务的成本等方面已得到证实[26]。

1.5 VR

VR通过虚拟、增强及混合现实，用于认知行为疗法以增强其疗效，具有体验逼真、直观有效、可重复性高和适配远程治疗等特点。对于某些特殊病人，长时间的透析过程可能会导致非计划性结束治疗，而提供一个有趣的虚拟环境会鼓励其完成整个透析治疗过程。Santana等[27]面向10～14岁的青少年使用一个趣味游戏模式的VR技术，用于鼓励MHD病人在治疗过程中照顾一个角色的日常行为，由参与者自由选择，包括能够为治疗病人采取日常行动的情景和活动。在血液透析治疗期间提供移动设备30～40 min，每周3次，持续60 d干预后，证实该技术可以作为一项激励措施促使儿童坚持完成血液透析治疗。Turoń⁃Skrzypińska等[28]让MHD病人在血液透析期间使用NefroVR系统进行20 min的VR练习，在使用低强度VR技术进行为期3个月的自行车运动后，贝克抑郁量表测量的抑郁症状有所减轻。Meléndez⁃Oliva等[29]将80例病人随机分为2组，分别进行非沉浸式VR透析运动计划和静态踏板运动，结果显示VR组病人坚持运动的水平较高。Qian等[30]文献回顾结果显示，与传统锻炼相比，VR锻炼对个体的生理、心理和康复效果有积极的影响。VR技术将成为改善MHD病人的身体功能和健康相关生活质量的有效工具，且拥有较好的安全性和可行性[8]。

2" 数字健康技术在MHD病人中的应用效果

2.1 改善疾病认知，提高治疗依从性

数字健康技术在提高MHD病人饮食、用药和运动依从性等方面发挥了积极作用。与传统面对面宣教相比，Di Care APP使用可以根据病人的需求和认知水平，提供个性化的教育内容，从而改善病人的饮食和液体摄入依从性[31]。服药依从性差在MHD病人中非常常见，受到合并症和每天服用药物的数量等多种因素的影响。Teong等[32]使用APP对33例高磷血症病人进行了为期12周的干预研究，基于病人的健康数据和生活习惯，提供饮食、用药和其他生活方式的个性化建议，提高了病人对磷的认识和磷结合剂的用药依从性，降低了血清磷水平和饮食磷摄入量。Ki等[33]基于自我效能理论开发的运动APP，为病人提供激励和奖励，以鼓励其坚持锻炼，从而提高活动能力、视力和运动结果期望水平。综上所述，数字健康技术为病人提供了一个有效的管理工具，提高治疗的依从性，并及时处理任何相关的症状或问题。然而，要充分利用这些技术，还需要医护人员、病人和技术提供商的紧密合作。

2.2 变革评估方法，症状监测更高效

传统的护理评估方法通常依赖于病人的口述和书面记录，而数字健康技术可以实时收集病人的生命体征、活动水平和其他重要数据，为护士提供更准确和及时的信息。Gabbard等[34]研究证实，基于iPad的监测老年终末期肾病病人报告的结果指标是可行的。这一方法既克服了纸质问卷的低效率，又能够系统地监测透析症状负担。Brys等[35]通过数字问卷使用经验抽样方法对病人的自然环境进行反复的瞬时评估，克服了传统回顾性疲劳问卷不能提供日常生活中症状变异性和相关因素的局限性。该技术可以通过提供MHD病人疲劳过程的个性化信息以及与日常生活中其他变量的关系，帮助医护人员更好地理解病人的疲劳状况。所以，数字健康技术不仅为护士提供了更准确、及时和综合的健康数据，而且提供了更高效和个性化的护理评估和症状监测方法，这一技术变革有望进一步提高病人的健康结局和护理满意度。

2.3 主动参与决策，提升自我管理能力

数字健康技术已经开始转变医疗保健的传统模式，从疾病为中心转向以病人为中心，从而提高病人的主动参与和自我管理能力。可穿戴设备等智能医疗设备提供了持续的健康数据监测，从而使病人能够跟踪自己的生命体征和健康状况。这种实时反馈可以帮助病人更好地了解自己的身体。Doyle等[36]设计的MiKidney APP除了运动监测和提醒警报等功能外，可以提供有关肾脏饮食和症状管理的必要信息，有利于病人进行自我管理。知识是赋权的关键，当病人更好地了解自己的疾病时，他们更有可能主动参与决策。通过手机APP提供的有关疾病、治疗和自我管理的健康知识可以显著改善病人的自我护理行为和自我效能感[37]。SUCCESS APP支持不同文化和语言的成年MHD病人积极参与自我管理和决策[38]，使病人和医护人员可以共同讨论治疗选择，并根据病人的偏好和生活方式制定最佳治疗方案。因此，数字健康技术不仅为病人提供了更多的信息和工具管理自己的健康，而且还鼓励他们与医护团队合作，主动参与决策过程。

3" 不足与展望

3.1 接受度

数字健康技术需要医护人员和病人具备一定的技术知识和技能，但并不是所有的人都接受这种变革。关于病人和医生沟通工具选择的一项混合性研究结果显示，与网络应用程序相比，病人选择纸质表格的人数更多，咨询的问题数更多，且大多数医生认为，网络工具增加了工作负担[39]。为了最大限度地发挥数字化在医疗保健中的作用，必须解决医护人员、病人面临的障碍，如性别、年龄和技术使用的自愿性等。随着数字健康教育的推进和公众意识的提高，医务人员和病人的接受度有望提高，但数字产品的真实效益和用户体验仍将是决定其临床认知的关键因素。

3.2 临床评价体系

人工智能、移动医疗等软件具有改变医疗保健服务的潜力，但针对数字健康产品尚未形成临床评价标准体系，其可信度是一个关键的挑战。有研究显示，超过一半的肾脏饮食APP由于缺乏以证据为基础，导致营养评估不准确[40]。部分基于数字技术在护理中的应用研究主要涵盖技术发展的早期阶段，技术影响和实施方面实践证据级别低，方法学局限[41]，采用的干预措施异质性大，导致研究结果多种多样。因此，整合数字技术的基本知识及其在护理教育中的应用势在必行[42]。同时在整个技术研发过程中增加护士参与度，并形成在护理中实施数字健康技术的实践指南，以临床标准评价体系来审查和监测数字技术，以确保病人安全和临床有效性。

3.3 数据隐私和安全

有研究显示，健康管理类APP基本上不受监管[43]，这对数据安全带来诸多挑战，如更加复杂的网络攻击手段、物联网设备的安全漏洞、供应链中的安全风险和大数据导致的隐私侵犯问题等。据报道，18%的MHD病人对电子健康技术的隐私问题和安全表示担忧[44]。为减轻病人的担忧，Li[45]基于智能手机的应用和访问控制机制，允许病人进行隐私设置，如是否在实际场景中显示自己的信息、是否公开医疗信息等方法保护病人隐私。近年来，我国不断强化的信息安全法规将促使企业和医疗机构更重视数据保护。技术人员应将存储在健康数据APP中的数据进行有效加密，以防恶意攻击；对用户要加强安全教育培训，牢固树立数据安全防范意识。未来的数据安全将面临更多的挑战，但同时也为技术创新和新的安全策略提供了机会。

3.4 持续使用意愿

临床试验环境下，基于数字技术干预的健康管理多数持续在3周以上才显示出有效结果[46]。尽管数字健康技术普遍受到欢迎，但病人对于数字产品持续使用率随着时间的推移大幅下降。APP的用户中只有2.58%的人积极使用至少1周，高达80%的用户在下载软件后登录该服务次数不到2次[47]，使用可穿戴设备半年期用户流失率为30%，1年流失率为50%[48]。持续使用率不高可能因为病人对于新鲜感的迅速丧失导致短期内的高使用率后迅速弃用，而过多的健康通知和提醒可能导致病人疲劳。然而，个性化服务、用户友好的设计和切实的健康效益可能增强病人使用率，持续的研发和用户反馈是确保其是长期使用的关键。

4" 小结

数字健康技术的引入，为血液透析治疗带来了巨大的变革。从远程监控和可穿戴设备的健康数据实时监测，到ML技术应用以预测病人的治疗反应，再到APP和VR的健康管理实践，数字健康技术的应用提高了病人的治疗依从性、症状监测和自我管理能力。然而，接受度、临床评价体系、数据隐私和安全及持续使用意愿等因素需要进一步加强。数字健康技术为血液透析病人提供了更加安全、高效和个性化的治疗途径，但目前国内的相关研究尚处于初级阶段，应加大研究力度与深度，不断促进国内数字健康与血液透析技术的有益结合。

参考文献：

[1]" World Health Organization.Draft global strategy on digital health 2020-2024[EB/OL].[2023-05-11].https：//www.who.int/docs/default-source/documents/gs4dh0c510c483a9a42b1834a8f4d276c6352.

[2]" 常红，张素.数字健康时代脑卒中全生命周期管理的发展现状及展望[J].中国实用护理杂志，2023，39（18）：1361-1366.

[3]" 卢霄蒙，耿文慧，尹运腾，等.数字健康在肿瘤病人支持性照顾需求中的应用现状[J].护理研究，2023，37（13）：2404-2409.

[4]" 孙婧，李印璐，周小宣，等.数字健康干预在安宁疗护中的应用进展[J].中国护理管理，2023，23（5）：730-734.

[5]" 张栩彰，李乐之，王祎雅，等.数字健康在安宁疗护中的应用进展[J].护理学报，2023，30（10）：35-39.

[6]" 余丹，钟清玲，王乾沙，等.移动医疗在维持性血液透析病人延续护理中的应用进展[J].护理研究，2020，34（18）：3268-3271.

[7]" 李宗达，焦军东.人工智能在透析中研究进展[J].中国中西医结合肾病杂志，2022，23（4）：371-373.

[8]" 靳子恒，宋洁，鹿笑寒，等.虚拟现实技术在维持性血液透析患者中应用的范围综述[J].中国护理管理，2023，23（1）：142-147.

[9]" HU H W，LIU C H，DU Y C，et al.Real-time Internet of medical things system for detecting blood leakage during hemodialysis using a novel multiple concentric ring sensor[J].Sensors，2022，22（5）：1988.

[10]" HUANG R，LIU N，NICDAO M A，et al.Emotion sharing in remote patient monitoring of patients with chronic kidney disease[J].Journal of the American Medical Informatics Association，2020，27（2）：185-193.

[11]" HAYASHI A，YAMAGUCHI S，WAKI K，et al.Testing the feasibility and usability of a novel smartphone-based self-management support system for dialysis patients：a pilot study[J].JMIR Research Protocols，2017，6（4）：e63.

[12]" FERGUSON T W，ZACHARIAS J，WALKER S R，et al.An economic assessment model of rural and remote satellite hemodialysis units[J].PLoS One，2015，10（8）：e0135587.

[13]" KOOMAN J P，WIERINGA F P，HAN M，et al.Wearable health devices and personal area networks：can they improve outcomes in haemodialysis patients？[J].Nephrology Dialysis Transplantation，2020，35（Suppl 2）：ii43-ii50.

[14]" ZHOU H，AL-ALI F，KANG G E，et al.Application of wearables to facilitate virtually supervised intradialytic exercise for reducing depression symptoms[J].Sensors，2020，20（6）：1571.

[15]" ZHOU H，AL-ALI F，WANG C H，et al.Harnessing digital health to objectively assess cognitive impairment in people undergoing hemodialysis process：the Impact of cognitive impairment on mobility performance measured by wearables[J].PLoS One，2020，15（4）：e0225358.

[16]" ZHOU T，REN Z T，MA Y M，et al.Early identification of bloodstream infection in hemodialysis patients by machine learning[J].Heliyon，2023，9（7）：e18263.

[17]" DONG J J，WANG K，HE J Q，et al.Machine learning-based intradialytic hypotension prediction of patients undergoing hemodialysis：a multicenter retrospective study[J].Computer Methods and Programs in Biomedicine，2023，240：107698.

[18]" SANDYS V，SEXTON D，O'SEAGHDHA C.Artificial intelligence and digital health for volume maintenance in hemodialysis patients[J].Hemodialysis International International Symposium on Home Hemodialysis，2022，26（4）：480-495.

[19]" HSIEH W H，KU C C，HWANG H P，et al.Model for predicting complications of hemodialysis patients using data from the Internet of medical things and electronic medical records[J].IEEE Journal of Translational Engineering in Health and Medicine，2023，11：375-383.

[20]" LIU Y S，YANG C Y，CHIU P F，et al.Machine learning analysis of time-dependent features for predicting adverse events during hemodialysis therapy：model development and validation study[J].Journal of Medical Internet Research，2021，23（9）：e27098.

[21]" INOUE H，OYA M，AIZAWA M，et al.Predicting dry weight change in Hemodialysis patients using machine learning[J].BMC Nephrology，2023，24（1）：196.

[22]" BAILEY A，ELTAWIL M，GOHEL S，et al.Machine learning models using non-linear techniques improve the prediction of resting energy expenditure in individuals receiving hemodialysis[J].Annals of Medicine，2023，55（2）：2238182.

[23]" 钱彦蕾.以智能手机为基础的健康管理平台对慢性肾脏病高血压患者用药依从性的影响[D].西宁：青海大学，2020.

[24]" FAKIH E L，KHOURY C，CRUTZEN R，et al.Adequate management of phosphorus in patients undergoing hemodialysis using a dietary smartphone App：prospective pilot study[J].JMIR Formative Research，2021，5（6）：e17858.

[25]" NI Z H，JIN H J，JIANG G R，et al.A telemedicine-based registration system for the management of renal anemia in patients on maintenance hemodialysis：multicenter study[J].Journal of Medical Internet Research，2019，21（5）：e13168.

[26]" YANG Y，CHEN H，QAZI H，et al.Intervention and evaluation of mobile health technologies in management of patients undergoing chronic dialysis：scoping review[J].JMIR MHealth and UHealth，2020，8（4）：e15549.

[27]" SANTANA C C A P，FREITAS A T V S，OLIVEIRA B G，et al.Serious game on a smartphone for adolescents undergoing hemodialysis：development and evaluation[J].JMIR Serious Games，2020，8（3）：e17979.

[28]" TUROŃ-SKRZYPIŃSKA A，TOMSKA N，MOSIEJCZUK H，et al.Impact of virtual reality exercises on anxiety and depression in hemodialysis[J].Scientific Reports，2023，13（1）：12435.

[29]" MELÉNDEZ-OLIVA E，SÁNCHEZ-ROMERO E A，SEGURA-ORTÍ E，et al.Effect of a virtual reality exercise on patients undergoing haemodialysis：a randomised controlled clinical trial research protocol[J].International Journal of Environmental Research and Public Health，2023，20（5）：4116.

[30]" QIAN J L，MCDONOUGH D J，GAO Z.The effectiveness of virtual reality exercise on individual's physiological，psychological and rehabilitative outcomes：a systematic review[J].International Journal of Environmental Research and Public Health，2020，17（11）：4133.

[31]" TORABIKHAH M，FARSI Z，SAJADI S A.Comparing the effects of mHealth App use and face-to-face training on the clinical and laboratory parameters of dietary and fluid intake adherence in hemodialysis patients：a randomized clinical trial[J].BMC Nephrology，2023，24（1）：194.

[32]" TEONG L F，KHOR B H，NG H M，et al.Effectiveness of a nutritional mobile application for management of hyperphosphatemia in patients on hemodialysis：a multicenter open-label randomized clinical trial[J].Journal of Personalized Medicine，2022，12（6）：961.

[33]" KI E J，SO H S.Development and effects of smartphone App-based exercise program for hemodialysis patients[J].Journal of Korean Academy of Nursing，2020，50（1）：52-65.

[34]" GABBARD J，MCLOUTH C J，BRENES G，et al.Rapid electronic capturing of patient-reported outcome measures in older adults with end-stage renal disease：a feasibility study[J].The American Journal of Hospice amp; Palliative Care，2021，38（5）：432-440.

[35]" BRYS A D H，STIFFT F，VAN HEUGTEN C M，et al.mHealth-based experience sampling method to identify fatigue in the context of daily life in haemodialysis patients[J].Clinical Kidney Journal，2021，14（1）：245-254.

[36]" DOYLE N，MURPHY M，BRENNAN L，et al.The \"mikidney\" smartphone App pilot study：empowering patients with chronic kidney disease[J].Journal of Renal Care，2019，45（3）：133-140.

[37]" HOSSEINI A，JACKSON A C，CHEGINI N，et al.The effect of an educational App on hemodialysis patients' self-efficacy and self-care：a quasi-experimental longitudinal study[J].Chronic Illness，2023，19（2）：383-394.

[38]" ISAUTIER J，WEBSTER A C，LAMBERT K，et al.Evaluation of the SUCCESS health literacy App for Australian adults with chronic kidney disease：protocol for a pragmatic randomized controlled trial[J].JMIR Research Protocols，2022，11（8）：e39909.

[39]" THOMPSON S，SCHICK-MAKAROFF K，BELLO A，et al.Voicing individual concerns for engagement in hemodialysis （VOICE-HD）：a mixed method，randomized pilot trial of digital health in dialysis care delivery[J].Canadian Journal of Kidney Health and Disease，2021，8：20543581211032857.

[40]" LAMBERT K，MULLAN J，MANSFIELD K，et al.Should we recommend renal diet-related Apps to our patients？An evaluation of the quality and health literacy demand of renal diet-related mobile applications[J].Journal of Renal Nutrition，2017，27（6）：430-438.

[41]" LONGHINI J，ROSSETTINI G，PALESE A.Digital health competencies among health care professionals：systematic review[J].Journal of Medical Internet Research，2022，24（8）：e36414.

[42]" VON GERICH H，MOEN H，BLOCK L J，et al.Artificial Intelligence-based technologies in nursing：a scoping literature review of the evidence[J].International Journal of Nursing Studies，2022，127：104153.

[43]" FLEMING G A，PETRIE J R，BERGENSTAL R M，et al.Diabetes digital App technology：benefits，challenges，and recommendations.A consensus report by the European Association for the Study of Diabetes（EASD） and the American Diabetes Association（ADA） diabetes technology working group[J].Diabetologia，2020，63（2）：229-241.

[44]" HUSSEIN W F，BENNETT P N，PACE S，et al.The mobile health readiness of people receiving In-center hemodialysis and home dialysis[J].Clinical Journal of the American Society of Nephrology，2020，16（1）：98-106.

[45]" LI J Q.RETRACTED：artificial intelligence hospital hardware system and clinical observation of molecular heparin sodium in hemodialysis patients[J].Microprocessors and Microsystems，2021，81：103690.

[46]" WANG Y F，XUE H，HUANG Y Q，et al.A systematic review of application and effectiveness of mHealth interventions for obesity and diabetes treatment and self-management[J].Advances in Nutrition，2017，8（3）：449-462.

[47]" WANG T，WANG W，LIANG J，et al.Identifying major impact factors affecting the continuance intention of mHealth：a systematic review and multi-subgroup meta-analysis[J].NPJ Digital Medicine，2022，5（1）：145.

[48]" WANG N，XIE W X，ALI A，et al.How do individual characteristics and social capital shape users' continuance intentions of smart wearable products？[J].Technology in Society，2022，68：101818.

（收稿日期：2023-08-17；修回日期：2024-08-03）

（本文编辑 苏琳）