《European Heart Journal - Digital Health》：Long-Term Lifestyle Monitoring Adherence in Patients after Cardiac Intervention: A Prospective Observational Trial
编辑推荐：
本研究针对心血管疾病患者生活方式监测临床整合不足的现状，通过前瞻性观察试验评估了基于eHealth系统（集成健康手表和聊天机器人）的长期自我监测可行性。结果显示，43%的患者中途退出（多数因参与负担），健康手表依从性(80.7%)显著高于聊天机器人(60.8%)，低依从性与心理健康指标相关。研究表明数字化生活方式监测具有临床整合潜力，需针对早期退出风险人群优化参与策略。
心血管疾病是全球致残和致死的主要原因之一，而生活行为方式如体力活动、营养、压力管理和睡眠质量是影响患者预后的关键因素。尽管有充分证据表明结构化生活方式监测能改善临床结局，但传统医疗体系难以实现长期持续监测。心脏介入术后患者尤其需要长期行为管理，但现有医疗资源无法满足个性化监测需求，这凸显了数字健康（eHealth）解决方案的迫切性。
为应对这一挑战，研究人员在《European Heart Journal - Digital Health》发表了一项前瞻性观察试验，探讨心脏介入术后患者对集成健康手表和聊天机器人的eHealth系统的长期依从性模式。研究团队招募100名接受心脏介入治疗的患者（平均年龄61.6±10.4岁，88%为男性），其中45%接受经皮冠状动脉介入治疗（PCI），55%接受其他心脏介入手术。患者使用网络应用程序配合健康手表监测体力活动、睡眠等客观指标，并通过聊天机器人自我报告营养摄入和压力水平，持续12个月。
关键技术方法包括：基于eHealth的系统架构（网络应用程序+健康手表+聊天机器人）、前瞻性观察试验设计、逻辑回归模型分析人口统计学、临床和社会心理因素对依从性的预测价值，以及系统可用性量表（System Usability Scale）评估。
退出分析
研究发现43名患者（43%）中途退出系统，其中大多数退出事件（27例，63%）发生在第一个季度。参与负担是最常报告的退出原因（51%），其次是技术问题（19%）。多因素分析显示，早期退出与较高的抑郁症状评分和较低的社会支持水平显著相关。
依从性模式
健康手表的依从性（定义为处方佩戴时间百分比）中位数为80.7%（四分位距66.6%-90.3%），显著高于聊天机器人响应率（60.8%，四分位距30.7%-82.7%）（p<0.001）。值得注意的是，低聊天机器人依从性患者往往在第一个月内就表现出参与度下降，而低健康手表依从性患者的退出时间分布更为均匀。
影响因素
心理健康状况与依从性密切相关：低聊天机器人依从性与较差的心理健康状态（β=-0.32，p=0.01）相关，而低健康手表依从性与较高的抑郁症状（β=0.28，p=0.02）相关。年龄、性别和教育水平等人口统计学特征对依从性无显著预测价值。
系统可用性
系统可用性评分平均为62.2±14.7分，属于"可接受可用"范围。质性反馈表明，用户特别赞赏健康手表的自动化数据收集功能，而聊天机器人的交互频率和问题重复性是被频繁提及的改进点。
研究结论强调，心脏介入术后患者长期监测多种健康相关行为是可行的，但需要解决参与负担问题。被动监测（健康手表）比主动自我报告（聊天机器人）更易维持，心理健康状况是依从性的重要预测因子。这些发现为个性化数字健康干预提供了重要启示：针对早期退出高风险人群（如伴有抑郁症状者）提供增强支持，优化用户界面减少报告负担，以及将数字监测系统更紧密地整合到常规临床随访中，可能显著改善心脏康复的长期效果。
该研究的创新之处在于同时比较了被动和主动监测模式的依从性差异，并明确了心理健康因素在长期数字健康干预中的调节作用，为心血管疾病二级预防的数字解决方案提供了实证基础。未来研究可探索基于人工智能的自适应反馈系统，根据患者实时依从性和心理状态动态调整监测强度，进一步提升干预效果。
