综述:慢性疾病身体活动管理的数字健康解决方案:可穿戴设备、人工智能与公共卫生实施
缺乏身体活动和久坐行为是慢性疾病管理中主要的可改变危险因素,然而传统的基于诊所的随访难以捕捉真实世界中的行为动态或提供及时且个性化的支持。可穿戴设备能够提供关于步数、活动强度、久坐时间、睡眠、心率和选定生理信号的纵向数据,同时人工智能(AI)可以支持反馈个性化
缺乏身体活动和久坐行为是慢性疾病管理中主要的可改变危险因素,然而传统的基于诊所的随访难以捕捉真实世界中的行为动态或提供及时且个性化的支持。可穿戴设备能够提供关于步数、活动强度、久坐时间、睡眠、心率和选定生理信号的纵向数据,同时人工智能(AI)可以支持反馈个性化、风险预测、动态目标设定和远程协调。本综述综合了在糖尿病、肥胖、心血管疾病、慢性呼吸系统疾病、癌症生存期以及老年人多病共存领域中,关于可穿戴设备和AI支持的身体活动管理的证据。当前证据最为一致地支持行为结果的改善,包括步数、身体活动水平、自我监测,以及在某些情况下的久坐行为。关于功能和中间临床结果的证据虽显示出前景但存在异质性,而关于长期临床终点、成本效益和卫生系统整合的证据仍然不够明确。特定于AI的证据相对处于早期、存在异质性,且通常以可行性为导向,因此关于AI带来益处的声明需要谨慎解读。本综述认为,可穿戴设备和AI不应取代临床护理,而应被理解为数字公共卫生闭环的组成部分,该闭环连接了连续传感、个性化行为支持、临床可操作性、治理和公平性。未来的研究应超越孤立的设备或应用程序,转而在真实的慢性疾病人群和卫生系统中验证可解释、可操作、公平且可持续的数字干预路径。
可穿戴数字健康技术正逐渐从消费者健康工具转变为用于纵向监测、患者参与和决策支持的临床相关工具。将其整合到临床护理中不仅需要准确的传感,还需要仔细考虑数据治理、工作流程整合、患者信任和公平访问。长期的慢性疾病管理是一个持续的公共卫生挑战,因为风险每天都在产生,而护理通常是片段化的。糖尿病、肥胖、冠心病、心力衰竭、慢性阻塞性肺疾病(COPD)、癌症生存期以及老年人的多病共存深受日常行为的影响,包括身体活动不足、久坐时间过长、睡眠中断和自我管理能力有限。传统的护理仍主要依赖于诊所就诊、片段化测量和患者回忆,难以捕捉真实世界中的行为波动。因此,数字健康解决方案不仅被视作面向患者的技术,更被视为扩大服务范围、支持护理连续性的工具。
可穿戴活动追踪器提供了一种将慢性疾病监测和行为支持延伸到临床环境之外的实用手段。越来越多的证据表明,可穿戴活动追踪器可以通过增加身体活动来支持行为改变。研究表明,可穿戴设备产生的设备测量数据提供了比分问卷更高的时间分辨率,能够捕捉短暂的、间歇的以及嵌入生活方式的活动模式。大规模可穿戴设备研究将客观测量的活动模式与死亡率和心血管结果联系起来。在慢性疾病人群中,可穿戴设备不仅仅是计步工具,它提供了一种将行为和生理模式描述为数字表型的方法。除了可穿戴监测能否测量和反馈身体活动这一基本问题外,AI引入了关于反馈、目标、建议和风险信号如何安全地适应个体状态的问题。强化学习、机器学习用户模型、即时自适应干预和风险预测模型已将管理推向更个性化和情境敏感的支持。
本文是一篇以问题为导向的叙述性综述,整合了系统综述、荟萃分析、随机对照试验(RCT)、队列研究、实施研究和高质量叙述性综述的证据。重点关注慢性疾病成年人或慢病风险人群中的身体活动管理。为了避免将可穿戴设备简化为计步工具,综述还纳入了症状记录、连续生理监测和护理协调相关的证据。综述的报告和评估受SANRA原则指导,但未生成主要定量数据或进行效应量的统计汇总,而是进行定性叙述综合与主题证据映射。
文献检索覆盖了2015年1月至2026年5月的出版物,在最终详细叙述综合中保留了71个核心来源。这些来源根据四个标准进行筛选:与成人慢病相关性、与可穿戴监测或AI反馈的相关性、对证据功能的贡献以及支持本综述的跨疾病证据层级。证据通过一个三级框架进行解释:第一级为行为结果,包括步数、中高强度身体活动(MVPA)、久坐时间、佩戴率等;第二级为功能和中间临床结果,包括心肺耐力、糖化血红蛋白(HbA1c)、体重等;第三级为硬终点,包括主要不良心血管事件(MACE)、住院、死亡率等。这种层级划分防止了将短期行为改变过度解释为长期临床益处。
跨疾病综述表明,可穿戴设备能够增加身体活动的证据相对一致。一项伞式综述报告称,可穿戴设备的使用与步数和MVPA的增加相关,中位效应约为每天增加1,312步和每周增加57.8分钟的MVPA,但久坐行为结果不一致。另一项荟萃分析发现,慢病人群每天平均增加约2,123步。这表明可穿戴设备最直接的功能是行为可视化和反馈强化,而非临床终点的自动改善。可穿戴设备通过自我监测、具象化行为改变技术以及连续数据三种机制影响行为。
关于硬终点的证据主要来自大规模设备测量队列。英国生物样本库和All of Us研究表明,设备测量的身体活动与慢病风险、MACE和死亡率相关,这增加了可穿戴衍生指标的公共卫生意义,但仍为观察性证据。可穿戴测量也改变了身体活动科学本身,使微小剂量的活动、偶发活动和睡眠-活动组合变得可量化。然而,高频次并不自动意味着高质量,传感器和算法处理影响了生成的数字表型的临床价值。
糖尿病和肥胖是可穿戴设备支持身体活动管理证据最丰富的背景。一项针对2型糖尿病的系统综述发现,基于可穿戴技术的干预使每天步数增加约1,583步,收缩压降低约2.46 mmHg。另一项荟萃分析发现其与HbA1c、BMI和腰围的微小改善相关,尽管存在异质性。在2型糖尿病中,可以相对自信地声称可穿戴干预改善了身体活动行为,而关于HbA1c、体重和长期并发症的声明应谨慎做出。
糖尿病管理的一个重要转变是从活动追踪向葡萄糖-行为反馈迈进。连续血糖监测(CGM)不仅是监测设备,也是一种行为改变工具。整合数字追踪器与CGM的研究表明,结合运动、饮食和血糖数据支持了更精细的自我管理。在糖尿病中,AI的证据较为具体,如DIAMANTE随机临床试验证实,基于强化学习的自适应信息在24周时能持续增加每日步数。未来的设计应将可穿戴活动数据、CGM、药物调整和饮食行为整合,并预定义从久坐中断或餐后活动到血糖变异性与HbA1c的介导路径。
心血管证据主要分为可穿戴设备支持的康复与二级预防,以及设备测量的身体活动作为风险表型。在康复方面,可穿戴设备可以监测运动处方并促进依从性。一项荟萃分析显示,可穿戴支持的康复每天增加约1,060步并降低再入院风险,同时改善了6分钟步行距离和峰值耗氧量。在观察数据方面,英国生物样本库队列研究表明,持续1至3分钟、3至5分钟的剧烈间歇性生活活动与较低的全因死亡率和MACE风险相关。这表明设备测量的活动模式具有风险分层和目标识别的价值,而不是确认佩戴设备必然降低事件风险。
AI增强的心血管监测值得关注。SAFEHEART多中心前瞻性研究利用AI技术通过加速计预测心律失常,深度表征模型的受试者工作特征曲线下面积(AUROC)达到了0.74,在提取传统特征可能遗漏的动态行为风险信号方面展现出优势。在卫生服务角度,可穿戴设备在心脏康复中的应用极具前景,但必须解决谁审查数据、谁响应异常以及处方如何调整等工作流程嵌入问题。
COPD中的身体活动下降与症状负担和急性加重风险相关。2026年的一项网状荟萃分析显示,可穿戴设备在增加每日步数和6分钟步行距离方面有效,但在生活质量等功能终点上效果不一致。由于症状波动、心血管合并症和有限的运动耐受性使得简单的步数目标不足,这些证据转换需要标准化的数据处理和临床反馈协议。
COPD证据最薄弱的环节是AI使能的闭环管理。现有研究强调监测而非将可穿戴数据整合为动态处方。未来的数字肺康复研究需整合症状日记、吸入器使用、环境暴露和活动数据,并不仅报告步数,还应报告呼吸困难、疲劳、急性加重和不良事件,以支持更个性化的预警系统。
癌症幸存者和老年人的身体活动不足很常见。一项包含35项随机试验的荟萃分析表明,基于可穿戴设备的干预对中等强度活动、MVPA和每日步数有中到大效应,且改善了生活质量。针对社区老年人的荟萃分析发现可穿戴干预增加了身体活动时间和步数,但在BMI等指标上未见一致改善。
公平性在这些人群中处于核心地位。设备所有权、互联网接入和数字素养等因素决定数字干预是否真正可及。这些人群的数字干预必须尊重疾病体验,适当目标可能涉及日常功能的逐步恢复、久坐中断和独立生活,而非统一的步数阈值。
在慢病身体活动管理中,AI的作用应通过具体功能来讨论。首先,AI可以支持个性化反馈和即时自适应干预,根据历史和响应调整信息的内容和时机。其次,AI可以通过多维数据支持运动处方和目标设定,其临床价值取决于能否改善决策。第三,AI支持风险预测和临床监测,但预测只有在触发特定临床行动时才具有价值。第四,AI支持人机交互,物理活动聊天机器人在促进身体活动方面显示出潜力。
AI的附加效能需与无反馈或传统规则等对照组比较。可穿戴研究的外部验证和可解释性往往不足,临床行动路径也常不完整。活动识别需要准确度,风险预测需要校准和决策曲线分析,聊天机器人需评估内容质量和错误风险监测。
要将可穿戴和AI系统稳定、可持续地应用于真实环境,需关注以下要素。首先,依从性和长期佩戴率至关重要,数据疲劳和反馈疲劳会降低数据完整性。其次,数据质量与可比性,消费者级可穿戴设备在活动强度和能耗估算上存在显著误差,需报告设备型号和算法版本。第三,可用性和用户体验决定了技术的采纳,接口负担和难以理解的反馈会导致失败。第四,工作流程整合,连续数据若未转化为规定行动将增加临床负担,需明确触发指标和响应责任。第五,公平性处于核心,面临接入和数字素养障碍;实现数字有效性不仅靠设备,还需患者、家庭、临床团队和治理安排共同参与。
可穿戴设备和AI不应被理解为孤立的面向患者的工具,而应被概念化为慢病身体活动管理的数字闭环基础设施。第一项理论贡献是提出证据转化层级,避免将短期行为改变作为长期临床益处的替代指标。第二项贡献是将可穿戴数据定义为算法处理的数字表型,而非自然行为真理。第三项贡献是将公平、治理和工作流程视为数字干预效力的内部条件,数字效力由组织安排而非单一技术产生。
研究应从证明数字工具的有用性转向解释数字闭环如何、为谁以及在何种条件下起作用。第一,建立从数字表型到临床益处机制的预设研究。第二,模型应解决多病共存问题,实现风险平衡。第三,AI评估应变得可解释、可审计,并使用明确的比较器进行测试。第四,从试验一开始就设计公平性,考虑年龄、地域和数字素养。第五,比较服务模式而非单一产品,寻找可持续的设备与护理结合模式。第六,数据治理和支付监管应作为主流证据领域被对待。
可穿戴设备与AI不替代临床服务,其核心价值在于提供连续的数字表型、个性化行为反馈和远程协调基础设施。作为数字健康解决方案,最稳健的证据支持步数和MVPA等行为改善。数字身体活动管理应作为闭环服务过程进行评估。短期行为改变转化为长期健康益处的前提是数字表型可靠、AI建议可解释、临床行动可操作且可公平访问。未来的研究应集中于验证这些路径能否在真实慢病系统和人群中安全、公平、可持续地改善健康。
本文由:壹号娱乐 - NG大舞台,有梦你就来提供


