针对高血压事件用户的数字干预信息的影响：一项回顾性真实世界研究

背景：有效的高血压管理，特别是通过自我管理策略，仍然是一个重大的公共卫生挑战。尽管广泛知晓，但仅约五分之一的成年人实现了充分的血压（BP）控制。对可扩展的数字健康干预的需求日益增长，这些干预可增强意识、支持行为改变并改善临床结局。然而，评估此类干预对BP水平影响的真实世界证据及其潜在机制仍有限。

目的：本研究旨在评估使用数据驱动nudge的数字干预对月平均BP水平的有效性。具体而言，研究人员评估了干预前后BP的变化，并检验了这些变化在高血压队列和正常BP队列中是否与对照组不同。

方法：在这项回顾性真实世界队列研究中，研究人员分析了来自数字健康平台的两个用户队列：（1）有高BP读数的个体和（2）有正常BP读数的个体。接受数字干预的参与者根据人口统计学和临床变量通过倾向评分匹配到未接受干预的用户。在干预前3个月和干预后3个月评估月平均BP和高读数比例。使用分段混合效应模型评估BP轨迹，并通过简单斜率分析评估结局与组别之间的交互作用，以及生活方式活动对收缩压（SBP）的调节效应。

结果：研究共纳入408名用户。在高血压队列（n=296）中，干预组在干预后月平均SBP显著下降（B=–2.09；P<.001），而对照组降幅较小（B=–1.06；P=.007）。此外，报告较高生活方式活动水平的用户SBP降幅更大（B=–5.27；P<.001）。在正常BP队列（n=112）中，干预组在干预后维持了稳定的BP水平（B=–0.39；P=.27），而对照组的BP水平显著上升（B=0.69；P=.03）。

结论：通过数字健康平台传递的数据驱动nudge与高血压患者BP结局改善相关，并有助于维持正常BP个体的BP稳定性。这些发现强化了个性化数字干预在高血压管理中的整合，并强调了积极信息、行为参与和用户赋能在改善长期结局中的潜在作用。

论文解读文章

研究背景：高血压是全球公共卫生的重大挑战，尽管治疗手段多样，但血压（BP）控制率持续偏低，仅约21%的成年患者达到控制目标。传统管理依赖药物治疗和生活方式干预，但患者依从性差、缺乏持续监测等问题突出。数字健康技术，特别是移动健康（mHealth）干预，为高血压管理提供了可扩展、低成本的解决方案，但现有研究多集中于短期效果，缺乏真实世界数据验证其长期影响及机制。本研究旨在评估基于数据驱动的nudge（即实时、个性化的提醒信息）对BP水平的实际效果，并探讨生活方式活动的调节作用，以填补证据空白。

研究内容：研究人员利用Dario Health数字健康平台，对2019-2024年间使用该平台的高血压及正常BP用户进行回顾性队列分析。通过倾向评分匹配（基于年龄、性别、体重、基线高血压状态、合并症数量、糖尿病类型、BP测量频率及前月平均BP等）构建干预组与对照组，比较接受数字干预（包含正向反馈、教育提示及行为建议）与未接受干预用户的BP轨迹。采用分段混合效应模型评估干预前后3个月（高血压队列）或6个月（正常BP队列）的月平均收缩压（SBP）、舒张压（DBP）及高读数比例变化，并分析生活方式活动（如饮食记录、运动等）的调节效应。

主要技术方法：本研究采用Dario数字健康平台，该平台整合蓝牙血压计与移动应用，自动采集BP数据并基于美国心脏协会（AHA）指南触发干预。数据驱动的nudge根据用户实时BP模式动态调整，包括正常BP时的正向鼓励（如“血压良好，继续保持”）和高血压时的教育提示（如DASH饮食建议、用药指导）。倾向评分匹配使用最近邻匹配（卡钳宽度0.1个标准差）以平衡协变量，匹配变量包括年龄、性别、体重、基线高血压、合并症数、糖尿病类型、BP测量次数及前月平均BP。分段混合效应模型用于分析干预前后BP轨迹的差异，并检验组别与时间段的交互作用；简单斜率分析评估生活方式活动对SBP的调节效应。样本来源于Dario数据库中直接面向消费者的用户群，时间跨度为2019-2024年。

研究结果：

**Study 1: Association of the Digital Intervention With Improvements in High BP Levels**
通过分段混合效应模型分析，高血压队列（n=296）中，干预组在干预后3个月内月平均SBP显著下降（-2.09 mm Hg/月，P<.001），总降幅达6.27 mm Hg；对照组降幅较小（-1.06 mm Hg/月，P=.007），总降幅3.18 mm Hg。组间差异显著（B=-1.04，P=.04），表明数字nudge额外带来约3.09 mm Hg的SBP降幅。DBP方面，干预组月平均下降-1.45 mm Hg/月（P<.001），对照组-0.60 mm Hg/月（P=.03），组间差异显著（B=-0.85，P=.02）。高读数比例上，干预组月均降低5.8个百分点（P<.001），对照组降低2.9个百分点（P=.008），组间差异显著（B=-0.029，P=.04）。此外，生活方式活动水平高的用户（高于平均值）在干预后SBP降幅更显著（B=-5.27，P<.001），而低活动水平用户无显著变化（B=-1.08，P=.23）。

**Study 2: Association of the Digital Intervention With the Sustainability of Normal BP Levels**
正常BP队列（n=112）中，干预组在干预后6个月内月平均SBP保持稳定（-0.39 mm Hg/月，P=.27），而对照组显著上升（0.69 mm Hg/月，P=.03），总升幅达4.14 mm Hg。组间差异显著（B=-1.08，P=.02），表明数字nudge阻止了约6.48 mm Hg的SBP上升。DBP方面，两组均无显著变化，组间交互不显著，说明数字干预对正常BP个体的DBP无额外影响。

讨论总结：本研究证实，数字健康平台中的数据驱动nudge能有效改善高血压患者的BP水平，并帮助正常BP个体维持稳定。其机制可能包括：通过实时反馈和行为提示促进生活方式改变（如饮食调整、运动增加），以及通过正向信息增强用户自我效能和依从性。研究进一步表明，生活方式活动参与度高的用户获益更大，提示个性化干预应聚焦于增强行为改变。尽管存在回顾性设计的固有局限（如未测量药物变化、潜在混杂因素），但倾向评分匹配和分段模型增强了因果推断的可靠性。未来需探索用户自定特征与系统驱动干预的最优整合，并扩展至其他心脏代谢疾病。

研究结论翻译：本研究提供的证据表明，数字健康数据驱动的nudge可能通过传递实时、自适应的行为支持来帮助血压管理。更积极参与生活方式干预的用户SBP降幅更大，提示参与度与改善结局之间存在潜在关联。研究结果强调了将积极信息整合到数字健康解决方案中的重要性。对正常BP水平的正向反馈可能鼓励用户维持健康行为，增强动机和自我效能。相反，未收到正向反馈的用户BP水平随时间呈上升趋势。这凸显了持续参与和强化策略在维持长期高血压管理中的价值。数字健康平台的使用实现了实时监测，而数据驱动的nudge通过促使及时自我监测、强化健康行为和支持对生活方式调整及抗高血压治疗的依从性，进一步增强了用户参与。机器学习模型和人工智能驱动平台的应用可进一步增强数字健康干预的个性化，根据个体对行为和生理数据的反应定制建议。