智能手机应用程序和活动追踪器是否能提高成年人的体育活动量?系统综述、荟萃分析及荟萃回归分析

全球超过四分之一的成年人缺乏足够的体育活动，导致每年至少675亿美元的经济负担。传统计步器虽有效但使用繁琐，而现代智能手机和活动追踪器可实现自动、连续的自我监测与反馈。然而，这些技术的长期参与度和有效性尚不明确。本研究旨在系统评估其在无慢性病成年人中促进体育活动的效果。

图1 (Fig 1) 文献筛选流程图（Flowchart of included studies）展示了从数据库检索到最终纳入荟萃分析的文献筛选过程。共检索到10548篇文献，去重后筛选标题与摘要，再经全文筛选，最终纳入系统综述35篇，其中28篇进入荟萃分析。该图直观反映了研究筛选的严格性与透明性，支撑了研究数据来源的系统性和结果的可靠性。

检索PubMed等8个数据库，时间范围为2007年至2020年，纳入随机对照试验。

18-65岁无慢性病成年人，干预使用智能手机应用或活动追踪器，结局为体育活动指标。

每日步数、每周中高强度活动分钟数、每周锻炼天数、总活动分钟数、代谢当量。

随机效应荟萃分析，计算标准化均数差，并进行亚组分析与荟萃回归。

04

共纳入28项研究，总计7454名参与者（28%为女性）。荟萃分析显示，干预组体育活动显著提升（SDM 0.350，95% CI 0.236–0.465），相当于每日增加1850步（95% CI 1247–2457）。亚组分析和荟萃回归表明，包含短信提醒和个性化设置的干预效果更显著。异质性较高（I²=69%），但敏感性分析结果稳健。

图2 (Fig 2) 干预组与对照组的行为改变技术分布图（Mapping of BCTs in intervention and control groups）以气泡图形式展示了干预组和对照组中行为改变技术的数量与类型。结果显示，干预组中最常见的技术来自“反馈与监测”“目标与规划”“奖励与威胁”三类，显著多于对照组。该图直接支撑“包含多种行为改变技术的干预更有效”的结论，体现了干预设计的复杂性对效果的积极影响。

图3 (Fig 3) 干预效果的森林图（Forest plot of effect sizes and 95% CI）为28项研究的合并效应量森林图，显示标准化均数差为0.350（95% CI 0.236–0.465），相当于每日增加1850步，总体效果显著（p<0.0001）。该图从统计学层面证实智能手机应用与活动追踪器能显著提高成年人的体育活动量，是本研究核心结论的直接定量证据。

使用智能手机应用或活动追踪器的干预措施在短期内（平均13周）能显著提高成年人的体育活动量，具有公共健康意义。

全文链接 Full text link