引用本文
高俊岭, 邰思雨, 傅华. 应用智能手机对糖尿病患者进行自我管理效果的Meta分析.循证医学, 2016,17(2): 95-104
GAO Jun-ling, TAI Si-yu, FU Hua. Diabetes Self-Management Intervention Via Smartphone： A Meta-Analysis. Journal of Evidence-based Medicine, 2016,17(2): 95-104  
Doi:10.12019/j.issn.1671-5144.2017.02.009
Permissions
Copyright©2017, 《循证医学》编辑部
《循证医学》杂志 版权所有
应用智能手机对糖尿病患者进行自我管理效果的Meta分析
高俊岭, 邰思雨, 傅华
复旦大学 a. 公共卫生学院,b.健康传播研究所, 上海 200032
通讯作者： 傅华，Tel：021-54237327；E⁃mail：hfu@fudan.edu.cn
作者简介：高俊岭（1976-），男，内蒙古太仆寺旗人，副教授，从事社区慢性病防治研究。
基金项目：上海卫生系统先进适宜技术推广资助项目（2013SY006）
摘要

目的 应用系统综述的方法,评价通过智能手机进行糖尿病自我管理干预的降血糖效果。方法 通过计算机检索PubMed、Cochrane图书馆、EMBASE、CNKI数据库、维普数据库、万方数据库,收集截至2016年6月发表的所有应用智能手机进行糖尿病自我管理干预的随机对照研究,并以糖化血红蛋白作为评价指标进行Meta分析。采用R语言Meta分析包运用加权均数差进行评价指标的合并、敏感性分析、发表偏倚分析。结果 共有25个研究纳入分析,共有2 537位患者,其中干预组1 277人,对照组1 260人。监测和反馈是现有智能手机干预的主要内容。Meta分析结果显示：与常规管理相比较,通过智能手机进行糖尿病自我管理干预降糖化血红蛋白的加权均数差=-0.63（95％可信区间-0.88~-0.39,P<0.001）。亚组分析结果显示,糖尿病类型、年龄和随访时间对降低糖化血红蛋白没有影响。结论 与常规管理相比较,通过智能手机进行糖尿病自我管理干预可获得较好的降低糖化血红蛋白的效果,可作为现有干预模式的补充。

关键词: 糖尿病; 自我管理; 移动健康; Meta分析
中图分类号： R587.105 文献标识码:A 收稿日期:2016-08-24
Diabetes Self-Management Intervention Via Smartphone： A Meta-Analysis
GAO Jun-ling, TAI Si-yu, FU Hua
a. School of Public Health;b. Institute of Health Communication,Fudan University, Shanghai 200032, China
Abstract

ObjectiveTo compare effect of smartphone self-management intervention（SSMI）with usual care（UC） among patients with diabetes by systematic review and meta-analysis.Methods Eligible randomized controlled trials comparing SSMI with UC were searched from PubMed, The Cochrane Library, Web of Science, CNKI database, Wanfang database and VIP database until 30 June 2016. Meta-analyses were conducted to evaluate the clinical effect of HbA1c of SSMI vs. UC. Meta package of R language was used to conducted synthesizingdata（weighted mean difference, WMD）, sensitivity analysis,publication bias analysis.Results There were 2 537 patients including 1 277 in SMMI groups and 1 260 in UC groups involved in 25 studies which were included in the meta-analysis. Self-monitoring and feedback were the main components of SSMI. Compared with UC, SMMI reduced HbA1c more -0.63（95％CI -0.88~-0.39,P<0.001）. Subgroup analyses indicated that the effect sizes were not different among diabetes type,age and follow-up time respectively.Conclusion Compared with usual care, smartphone self-management intervention has better reducing HbA1c effect, which should be a supplementary model of usual care and community-based self-management intervention.

Key words: diabetes mellitus; self-management; mobile health; meta-analysis

2型糖尿病（type 2 diabetes mellitus, T2DM）已成为威胁人类健康的重要慢性病之一。2013年全球糖尿病患者数已达382百万, 预计2035年全球糖尿病患者数将达592百万[1]。2010年, 我国18岁以上成年人糖尿病的患病率为9.7%, 已成为全球糖尿病患者数最多的国家[2]。由于糖尿病的不可治愈性以及管理的复杂性, 因此需要患者本人在日常生活中积极自觉地采取必要的健康管理行为, 即自我管理行为（self-care activities）, 才能有效控制病情提高生活质量。已有研究证据显示[3]：健康饮食、规律锻炼、自我监测血糖、遵医服药、良好的解决问题的技能、应对技能和减少危险行为7项自我管理行为与糖尿病患者的健康结局有关。自我管理行为主要受个体社会人口学特征、健康知识、社会支持、卫生服务系统等因素的影响[3, 4]。糖尿病自我管理干预包括糖尿病自我管理教育（diabetes self-management education, DSME）和糖尿病自我管理支持（diabetes self-management support, DSMS）, 是改善患者自我管理行为的重要措施。其中, DSME是指提高患者自我管理行为所需知识、技能和能力的过程, DSMS是指能促进患者持续不断地实施和维持应对技能和自我管理行为的一切活动或支持[5]。

近年来, 随着移动互联网的普及, 应用智能手机进行自我管理干预受到越来越多的重视[6], 但多数研究样本量较小, 结论尚不统一。尽管已有研究者对应用智能手机进行DSME/DSMS的研究进行了综述[6, 7, 8, 9], 但仅有Liang等 [9] 进行了系统综述和Meta分析, 但纳入文献仅限于2010年2月之前的文献。由于近5年是智能手机进行DSME/DSMS研究的快速发展期, 已有大量的相关研究发表[8]。为此本研究在上述研究的基础上, 对应用智能手机进行糖尿病自我管理干预的效果进行系统综述和Meta分析, 以期更新已有证据, 为未来的糖尿病自我管理模式提供借鉴经验。

1 资料与方法
1.1 资料来源

通过计算机检索 PubMed、Cochrane 图书馆、EMBASE、CNKI数据库、维普数据库、万方数据库6个数据库检索相关文献。英文检索式：（“ Mobile Phone” or “ Smart Phone” ）and （“ Type 2 Diabetes” or “ T2DM” ） and “ self-management” ; 中文检索式：（“ 移动电话” or “ 智能手机” ）and “ 2型糖尿病” and“ 自我管理” 。

1.2 文献的纳入与排除

1.1.1 文献的纳入标准 （1）国内外公开发表的对照试验研究; （2）研究对象为以世界卫生组织（WHO）1999年或美国糖尿病协会（ADA）2011年标准确诊的2型糖尿病患者, 种族、国籍、合并症、性别及年龄不限; （3）应用智能手机进行糖尿病自我管理干预; （4）干预组必须通过智能手机对糖尿病患者进行干预, 干预内容至少包括健康饮食、规律锻炼、自我监测血糖、遵医服药、良好的解决问题的技能、应对技能和减少危险行为7项自我管理行为中的一项; （5）对照组为常规管理组; （6）评价结局指标至少包括糖化血红蛋白（ haemoglobin A1c, HbA1c）。

1.1.2 文献的排除标准 （1）自身前后对照研究; （2）试验设计存在严重不足, 比如样本量过少、干预内容交代不清楚、干预组和对照组基线数据不具有可比性等; （3）同一试验结果重复发表的文献; （4）研究结果提供的数据无法获得标准差, 如未提供标准差, 或提供标准误但无法获得样本数。

1.3 文献筛选、数据提取与质量评价

由两位研究者分别独立筛选文献。首先阅读文献题目和摘要进行初步筛选, 排除明显不符合纳入标准的文献; 然后进一步阅读全文, 纳入符合纳入标准的文献。因为盲法不适合基于智能手机的干预研究, 因此文献质量基于Jadad法[10], 依据Liang等的改进方法进行评价。Jadad法主要包括：（1）随机方法是否恰当（0~2分）; （2）随机化隐藏是否恰当（0~2分）; （3）盲法是否恰当（0~2）分; （4）撤出或退出是否描述数目和理由（0~1分）。满分7分, 1~3分视为低质量, 4~7分视为高质量。本研究将“ 盲法是否恰当（0~2）分” 改为“ 是否有样本入选标准和统计效能（0~2）分” 。两位研究者分别采用改进后Jadad法对纳入的研究独立进行质量评价, 如有不同意见, 双方讨论解决或请第三人共同讨论决定。

1.4 统计分析方法

统计分析采用R语言Meta分析包进行分析。因为本次研究的评价指标HbA1c是连续变量且拥有统一的单位, 故采用加权均数差（weighted mean difference, WMD）表示, 疗效效应量采用WMD及其95%可信区间（confidence interval, CI）表示。并用I2统计量检验各研究间的异质性, 若P> 0.1且I2< 50%, 则认为各研究间的异质性无统计学意义, 采用固定效应模型; 反之, 采用随机效应模型。在Meta分析时, 必须有干预的效应量及其标准差, 如果文献未提供则采用以下2个公式进行计算：

公式1： 治疗效应量=治疗后的平均值-治疗前的平均值

公式2：

式中, SD1=干预前的标准差; SD2=干预后的标准差; γ =干预前后HbA1c的相关系数, 本研究依据纳入Meta分析的研究数据获得取γ =0.68。采用metacont命令进行效应量合并, 采用forest绘制森林图。

采用逐一计算忽略单个研究时总效应值的变化进行敏感性分析, 如果结论变化不大, 则提示本次研究的结果较为可靠, 通过metainf进行敏感性分析。采用线性回归法定量分析发表偏倚, 通过metabias命令进行分析, 若P> 0.05则认为不存在发表偏倚。

2 结 果
2.1 文献检索结果

本次研究共检索到文献367篇, 全部为英文。阅读题目和摘要后删除不符合纳入标准的文献311篇, 阅读全文后删除不符合纳入标准的文献31篇, 最终纳入本次研究的文献为25篇[11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35], 其中1项研究报道了2个年龄组的结果[26], 文献筛选流程见图1。

图1 文献筛选流程图

2.2 纳入文献的特征

纳入Meta分析的25项研究中, 共有2 537位患者, 其中干预组1 277人, 对照组1 260人。研究对象年龄在13.5~67.5岁之间, 平均为（48.5± 12.5）岁, 中位年龄为51.5岁。患病年限在4.1~18.9年之间, 平均为（9.9± 3.9）年, 中位数为9.1年。随访时间在 3~12个月之间。5项研究的研究对象是1型糖尿病患者[14, 15, 19, 28, 32], 合计研究对象557人（干预组284人, 对照组273人）; 19项研究的研究对象是2型糖尿病[12, 13, 16, 17, 18, 20, 21, 22, 23, 24, 25, 26, 27, 29, 30, 31, 33, 34, 35], 合计研究对象1 916人（干预组962人, 对照组954人）; 仅有1项研究的研究对象既包括1型糖尿病也包括2型糖尿病[11], 合计研究对象64人（干预组31人, 对照组33人）。所有研究的干预内容均包括血糖监测功能; 24项研究[11, 12, 13, 14, 15, 16, 17, 18, 19, 20, 21, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 34, 35]的干预内容包括饮食、治疗行为和/或身体活动的监测; 19项具有反馈或医患互动功能[12, 13, 14, 16, 17, 18, 19, 20, 23, 24, 25, 26, 27, 28, 30, 31, 33, 34, 35], 其中1项研究根据预先设计的程序进行自动反馈[30]; 7项研究包括健康教育信息[20, 21, 22, 27, 29, 30, 31]。仅有4项研究报道了设计干预的理论依据[15, 23, 27, 29], 分别是社会认知理论[15, 23]和自我效能理论[27, 29]。评价指标除了HbA1c外, 还包括血脂、血糖、血压、体质量等, 但仅有7项研究评价了自我管理效能和/或自我管理行为[13, 15, 19, 24, 27, 29, 31], 见表1。

表1 纳入研究的特点
2.3 Meta分析结果

异质性检验结果显示：I2=87.7%, P< 0.001, 各研究间存在异质性, 采用随机效应模型。Meta分析结果显示：干预组与对照组比较降低HbA1c方面差异有统计学意义[WMD=-0.63, 95％CI -0.88~-0.39, P< 0.001], 见图2。

图2 干预组与对照组降糖效果的比较

敏感性分析结果显示, 剔除任何一个研究后WMD变化不大, 提示研究结果较稳定, 见图3。采用线性回归法评价发表偏倚, 结果显示不存在发表偏倚（P=0.175）。

2.3.1 按糖尿病类型进行亚组分析

纳入的25项研究其中5项研究的研究对象是1型糖尿病患者、19项研究的患者是2型糖尿病, 仅有1项研究的患者既包括1型糖尿病也包括2型糖尿病。按照糖尿病类型进行亚组分析结果显示：当研究对象为1型糖尿病患者时, WMD=-0.43（95％CI-1.34~0.48）, 差异无统计学意义, 说明应用智能手机进行1型糖尿病自我管理的降HbA1c效果与对照组比较没有差异; 当研究对象为2型糖尿病患者时, WMD=-0.67（95％CI -0.91~-0.43）, 差异有统计学意义, 说明应用智能手机进行2型糖尿病自我管理的降HbA1c的效果比对照组明显。但亚组间降糖效果未见统计学差异（P=0.617）, 说明糖尿病类型对应用智能手机进行糖尿病自我管理的降HbA1c效果没有影响, 见图4。

图3 干预组与对照组降糖效果比较的敏感性分析

图4 按糖尿病类型分层后干预组与对照组降HbA1c的效果比较

2.3.2 按照研究对象年龄进行亚组分析

纳入的25项研究其中8项研究的研究对象的平均年龄< 45岁、17项研究的研究对象的年龄≥ 45岁。按照年龄分组后, 进行亚组分析结果显示：当研究对象的年龄< 45岁时, WMD=-0.52（95％CI-1.12~0.07）, 差异无统计学意义, 说明应用智能手机对年龄小于45岁的糖尿病患者自我管理的降HbA1c的效果与对照组比较没有差异; 当研究对象的年龄≥ 45岁时, WMD=-0.67（95％CI-0.92 ~-0.41）, 差异有统计学意义, 说明应用智能手机对年龄≥ 45岁的糖尿病患者自我管理降HbA1c的效果比对照组明显。但亚组间降糖效果差异无统计学意义 （P=0.669）, 说明年龄对应用智能手机进行糖尿病自我管理的降HbA1c效果没有影响, 见图5。

图5 按研究对象年龄分层后干预组与对照组降HbA1c的效果比较

2.3.3 按照随访时间进行亚组分析

纳入的25项研究其中6项研究的随访时间为3个月、8项研究的随访时间在6~9个月之间、11项研究的随访时间为12个月。按照随访时间分组后, 进行亚组分析结果显示：当随访时间为3个月时, WMD=-0.40（95%CI-0.59~-0.20）; 当随访时间在6~9个月时, WMD=-0.67（95%CI-1.14~-0.20）; 当随访时间为12个月时, WMD=-0.71（95%CI

-1.16~-0.27）。但亚组间降糖效果差异无统计学意义（P=0.333）, 说明随访时间对应用智能手机进行糖尿病自我管理的降HbA1c效果没有影响, 见图6。

图6 按研究随访时间分层后干预组与对照组降HbA1c的效果比较

3 讨论

自我管理在包括糖尿病在内的慢性病的管理中具有重要的作用, 传统的慢性病自我管理教育/支持项目均以社区为基础通过人际间面对面互动的方式进行。尽管大量的研究证实传统自我管理教育/支持项目的有效性[36], 但干预对象多为老年人, 而且也无法覆盖医疗资源可及性差的患者。随着互联网技术的发展, 如何应用互联网技术支持糖尿患者群的自我管理受到越来越多的关注。2014年, 19%的美国成人年使用健康类移动应用程序（APP）, 约有1 100个糖尿病APP[8]。目前, 我国是糖尿病患者数最多的国家, 患病年龄呈现年轻化趋势, 而且年轻糖尿病患者的控制情况更差[37]。同时我国拥有大量的网民, 中国互联网络信息中心数据显示[38]：截止2016年6月, 我国网民数量为7.1亿人, 手机网民的数量为6.56亿人, 92.5%的网民使用手机上网; 而且10~49岁的网民占88.1%。因此, 研究如何应用智能手机进行糖尿病自我管理教育/支持, 对于我国糖尿病管理具有重要意义。但我国当前有关应用糖尿病自我管理教育/支持的研究尚不多见。李莹等[39]研究结果显示：目前市场上仅有79个糖尿病自我管理APP, 而且功能存在缺陷。

本研究通过对国外应用智能手机进行糖尿病自我管理干预研究进行系统综述的基础上, 对其降糖效果进行Meta分析。分析结果显示：干预内容主要包括血糖、饮食、治疗和行为监测, 这与国内市场上的APP基本一致[39], 但反馈或医患互动是当前国内APP所没有的功能。评估指标除了HbA1c外, 血糖、血脂、血压和体质量的生理生化指标, 也有一些研究关注自我效能和自我管理行为与干预直接相关的指标。一项好的移动健康管理系统的设计必须建立在合理的理论基础之上, 因为移动健康管理既涉及传播学的内容也涉及健康行为的内容[40, 41], 所以传统的健康行为理论不一定适合移动健康管理。本文纳入分析的25项研究中仅有4项研究提供干预设计的理论依据, 分别为社会认知理论和自我效能理论。传统的以社区为基础的DSME/DSMS以社会认知理论为依据, 通过小组形式实施干预, 小组成员间可以互相支持, 并通过目标设定、制定行动计划等活动来逐步促进干预对象的行为改变, 非常符合社会认知理论的要求。但是, 社会认知理论不完全适合通过手机进行糖尿病自我管理干预, 因为干预对象不是以小组的形式接受干预, 不存在相互支持。另外, 社会认知理论和自我效能理论仅仅从行为改变的角度进行考虑, 并没有从信息传播的角度进行考虑, 例如, 干预对象是否阅读了推送的信息、为什么有些人阅读有些人没阅读?现有研究均无法回答这些问题。

Meta分析结果显示：通过手机进行自我管理干预降HbA1c的效果优于常规管理, 与以往Meta分析结果一致。而且年龄、糖尿病类型和随访时间对降HbA1c效果没有影响。其效果产生的原因可能是纳入的研究均包括监测功能, 而且多数研究还具有反馈或医患互动功能。因为已有研究认为监测和反馈是自我管理最关键的组成部分[6]。但是, 由于绝大多数没有报道理论依据或者根据相应理论进行针对性的评价, 所以手机进行自我管理干预效果产生的机制尚不清楚。

综上可知, 通过手机进行糖尿病自我管理干预可以取得良好的降糖效果, 可作为现有干预模式的补充。但需要加强以下几方面的研究：（1）理论研究, 目前研究阐释的理论依据不足, 而且仅仅关注行为改变理论, 未涉及传播学相关理论, 这不符合移动健康管理的实际情况。因此需要健康教育理论和传播学理论的交叉融合, 阐明移动健康管理的机制; （2）本土化研究, 尽管应用市场有一些汉化的国外APP, 但这些APP不一定适合我国的文化和人群特点; （3）经济学评价, 进行传统自我管理干预或者常规管理相比较, 移动健康管理的成本-效应和成本-效果研究评价, 为卫生决策提供依据。

The authors have declared that no competing interests exist.

参考文献
[1] WHO. Global report on diabetes[EB/OL]. World Health Organization, 2016. http://www.who.int/diabetes/global-report/en/ [本文引用:1]
[2] 中华医学会糖尿病学分会. 中国2型糖尿病防治指南(2013年版)[J]. 中国糖尿病杂志, 2015, 88(3): 26-89. [本文引用:1]
[3] SHRIVASTAVA R B, SHRIVASTAVA P S, RAMASAMY J. Role of self-care in management of diabetes mellitus[J]. J Diabetes Metab Disord, 2013, 12(1): 1-5. [本文引用:2]
[4] 孙胜男, 赵维纲, 董颖越, 等. 糖尿病患者自我管理现状及影响因素分析[J]. 中华护理杂志, 2011, 46(3): 229-233. [本文引用:1]
[5] POWERS M A, BARDSLEY J, CYPRESS M, et al. Diabetes self-management education and support in type 2 diabetes: A Joint Position Statement of the American Diabetes Association, the American Association of Diabetes Educators, and the Academy of Nutrition and Dietetics[J]. Diabetes Care, 2016, 39(1): 125-134. [本文引用:1]
[6] HOOD M, WILSON R, CORSICA J, et al. What do we know about mobile applications for diabetes self-management? A review of reviews[J]. J Behav Med, 2016, 39(6): 981-994. [本文引用:3]
[7] KRISHNA S, BOREN S A. Diabetes self-management care via cell phone: A systematic review[J]. J Diabetes Sci Technol, 2008, 2(3): 509-517. [本文引用:1]
[8] GARABEDIAN L F, ROSS-DEGNAN D, WHARAM J F. Mobile phone and smart phone technologies for diabetes care and self-management[J]. Curr Diab Rep, 2015, 15(12): 109. [本文引用:3]
[9] LIANG X H, WANG Q Q, YANG X L, et al. Effect of mobile phone intervention for diabetes self-management support on glycemic control: A meta-analysis[J]. Diabet Med, 2011, 28(4): 455-463. [本文引用:2]
[10] JADAD A R, MOORE R A, CARROLL D, et al. Assessing the quality of reports of rand omized clinical trials: Is blinding necessary?[J]. Control Clin Trials, 1996, 17(1): 1-12. [本文引用:1]
[11] BELL A M, FONDA S J, WALKER M S, et al. Mobile phone-based video messages for diabetes self-care support[J]. J Diabetes Sci Technol, 2012, 6(2): 310-319. [本文引用:3]
[12] CHARPENTIER G, BENHAMOU PY, DARDARI D, et al. The diabeo software enabling individualized insulin dose adjustments combined with telemedicine support improves HbA1c in poorly controlled type 1 diabetic patients[J]. Diabetes Care, 2011, 34(3): 533-539. [本文引用:4]
[13] FARIDI Z, LIBERTI L, SHUVAL K, et al. Evaluating the impact of mobile telephone technology on type 2 diabetic patients’ selfmanagement: The NICHE pilot study[J]. J Eval Clin Pract, 2008, 14(3): 465-469. [本文引用:5]
[14] FARMER A J, GIBSON O J, DUDLEY C, et al. A rand omized controlled trial of the effect of real-time telemedicine support on glycemic control in young adults with type 1 diabetes (ISRCTN 46889446)[J]. Diabetes Care, 2005, 28(11): 2697-2702. [本文引用:4]
[15] FRANKLIN V L, WALLER A, PAGLIARI C, et al. A rand omized controlled trial of Sweet Talk, a text-messaging system to support young people with diabetes[J]. Diabet Med, 2006, 23(12): 1332-1338. [本文引用:6]
[16] HOLMEN H, TORBJØRNSEN A, WAHL A K, et al. A mobile health intervention for self-management and lifestyle change for persons with type 2 diabetes, Part 2: One-year results from the Norwegian rand omized controlled trial RENEWING HEALTH[J]. JMIR Mhealth Uhealth, 2014, 2(4): e57. [本文引用:4]
[17] KIM C S, PARK S Y, KANG J G, et al. Insulin dose titration system in diabetes patients using a short messaging service automatically produced by a knowledge matrix[J]. Diabetes Technol Ther, 2010, 12(8): 663-669. [本文引用:4]
[18] KIM S I, KIM H S. Effectiveness of mobile and internet intervention in patients with obese type 2 diabetes[J]. Int J Med Inform, 2008, 77(6): 399-404. [本文引用:4]
[19] KIRWAN M, VANDELANOTTE C, FENNING A, et al. Diabetes self-management smartphone application for adults with type 1 diabetes: Rand omized controlled trial[J]. J Med Internet Res, 2013, 15(11): e235. [本文引用:5]
[20] LIM S, KANG SM, SHIN H, et al. Improved glycemic control without hypoglycemia in elderly diabetic patients using the ubiquitous healthcare service, a new medical information system[J]. Diabetes Care, 2011, 34(2): 308-313. [本文引用:5]
[21] LIU C T, YEH Y T, LEE T I, et al. Observations on online services for diabetes management[J]. Diabetes Care, 2005, 28(11): 2807-2808. [本文引用:4]
[22] NOH J H, CHO Y J, NAM H W, et al. Web-based comprehensive information system for self-management of diabetes mellitus[J]. Diabetes Technol Ther, 2010, 12(5): 333-337. [本文引用:3]
[23] PEIMANI M, RAMBOD C, OMIDVAR M, et al. Effectiveness of short message service-based intervention (SMS) on self-care in type 2 diabetes: A feasibility study[J]. Prim Care Diabetes, 2016, 10(4): 251-258. [本文引用:6]
[24] QUINN C C, CLOUGH S S, MINOR J M, et al. WellDoc mobile diabetes management rand omized controlled trial: Change in clinical and behavioral outcomes and patient and physician satisfaction[J]. Diabetes Technol Ther, 2008, 10(3): 160-168. [本文引用:5]
[25] QUINN C C, SHARDELL M D, TERRIN M L, et al. Cluster-rand omized trial of a mobile phone personalized behavioral intervention for blood glucose control[J]. Diabetes Care, 2011, 34(9): 1934-1942. [本文引用:4]
[26] QUINN C C, SHARDELL M D, TERRIN M L, et al. Mobile diabetes intervention for glycemic control in 45- to 64-year-old persons with type 2 diabetes[J]. J Appl Gerontol, 2016, 35(2): 227-243. [本文引用:5]
[27] RATANAWONGSA N, HANDLEY M A, SARKAR U, et al. Diabetes health information technology innovation to improve quality of life for health plan members in urban safety net[J]. J Ambul Care Manage, 2014, 37(2): 127-137. [本文引用:8]
[28] ROSSI M C E, NICOLUCCI A, BARTOLO P D, et al. Diabetes interactive diary: A new telemedicine system enabling flexible diet and insulin therapy while improving quality of life: An open-label, international, multicenter, rand omized study[J]. Diabetes Care, 2009, 33(1): 109-115. [本文引用:4]
[29] SCHILLINGER D, WANG F, HANDLEY M, et al. Effects of self-management support on structure, process, and outcomes among vulnerable patients with diabetes[J]. Diabetes Care, 2009, 32(4): 559-566. [本文引用:7]
[30] SKRØVSETH S O, GODTLIEBSEN F, JOAKIMSEN R M. Data-driven personalized feedback to patients with type 1 diabetes: A rand omized trial[J]. Diabetes Technol Ther, 2015, 17(7): 482-489. [本文引用:6]
[31] TORBJØRNSEN A, JENUM A K, SMÅSTUEN M C, et al. A low-intensity mobile health intervention with and without health counseling for persons with type 2 diabetes, Part 1: Baseline and short-term results from a rand omized controlled trial in the Norwegian part of RENEWING HEALTH[J]. JMIR Mhealth Uhealth, 2014, 2(4): e52. [本文引用:6]
[32] VÄHÄTALO M A, VIRTAMO H E, JS VIIKARI T R. Cellular phone transferred self blood glucose monitoring: Prerequisites for positive outcome[J]. Practical Diabetes Int, 2004, 21(5): 192-194. [本文引用:3]
[33] WAKI K, FUJITA H, UCHIMURA Y, et al. Dialbetics: A novel smartphone-based self-management support system for type 2 diabetic patients[J]. J Diabetes Sci Technol, 2014, 8(2): 209-215. [本文引用:4]
[34] YOO H J, PARK MS, KIM T N, et al. A ubiquitous chronic disease care system using cellular phones and the internet[J]. Diabet Med, 2009, 26(6): 628-635. [本文引用:4]
[35] YOON K H, KIM H S. A short message service by cellular phone in type 2 diabetic patients for 12 months[J]. Diabetes Res Clin Pract, 2008, 79(2): 256-261. [本文引用:4]
[36] BRADY T J, MURPHY L, OCOLMAIN B J, et al. A meta-analysis of health status, health behaviors, and healthcare utilization outcomes of the chronic disease self-management program[J]. Prev Chronic Dis, 2012, 10(4): 675-681. [本文引用:1]
[37] 翁建平. 对糖尿病流行病学、循证医学及基础研究的探索[J]. 中山大学学报(医学科学版), 2010, 31(2): 166-171. [本文引用:1]
[38] 中国互联网络信息中心. 中国互联网络发展状况统计报告[R]. 北京: 中国互联网络信息中心, 2016. [本文引用:1]
[39] 李莹, 谭进, 钟代笛, 等. 中国糖尿病自主管理应用程序现状分析[J]. 北京生物医学工程, 2016, 35(3): 283-289. [本文引用:2]
[40] MOHR DC, BURNS M N, SCHUELLER S M, et al. Behavioral intervention technologies: Evidence review and recommendations for future research in mental health[J]. Gen Hosp Psychiatry, 2013, 35(4): 332-338. [本文引用:1]
[41] MOHR D C, SCHUELLER S M, MONTAGUE E, et al. The behavioral intervention technology model: An integrated conceptual and technological framework for eHealth and mHealth interventions[J]. J Med Internet Res, 2014, 16(6): 330-336. [本文引用:1]