综述：基于数字技术的运动干预对老年人跌倒恐惧、跌倒预防效果及身体表现的影响：系统评价与荟萃分析

《JMIR Aging》：Effects of Digital-Based Exercise Interventions on Concerns About Falling, Falls Efficacy, and Physical Performance Among Older Adults: Systematic Review and Meta-Analysis

　　赵军 王 | 博琪 朱 | 孟 周 | 小杰 谢 | 学燕 张
吉林大学护理学院
中国吉林省长春市新疆街965号

**背景**
跌倒是老年人中普遍且严重的健康问题。对跌倒的担忧以及跌倒效能感的降低是常见的与跌倒相关的心理障碍，分别代表两种不同的情绪和认知结构。基于数字技术的运动干预措施对这些特定结构的影响尚不明确。

**目的**
本系统评价和荟萃分析旨在综合当前关于基于数字技术的运动干预措施对老年人跌倒担忧及跌倒效能感影响的证据，特别关注其对这些情绪和认知结构的不同影响，并评估其对身体表现的作用。

**方法**
从数据库创建之日起至2025年5月，系统检索了PubMed、Web of Science、Cochrane Library、Embase、PsycINFO、CINAHL、CNKI、SinoMed、VIP和Wanfang等数据库。我们检索了关于基于数字技术的干预措施对老年人跌倒恐惧、跌倒担忧及跌倒效能感影响的已发表随机对照试验。研究遵循PRISMA（系统评价和荟萃分析的优选报告项目）指南，并使用Stata 17.0软件（StataCorp LLC）进行数据分析。

**结果**
共纳入18项研究，涉及2435名参与者。荟萃分析显示，基于数字技术的运动干预措施对老年人的跌倒效能感（标准化平均差0.70，95% CI 0.51-0.90；P<.001）、平衡功能（平均差4.03，95% CI 2.57-5.49；P<.001）、功能性活动能力（平均差?1.65，95% CI ?2.52至?0.77；P<.001）和身体功能（平均差0.57，95% CI 0.12-1.02；P=.006）有显著影响。然而，这些干预措施对跌倒担忧（与跌倒相关的情绪结构）没有显著影响（标准化平均差?0.12，95% CI ?0.28至0.05；P>.05）。

**结论**
荟萃分析评估了基于数字技术的运动干预措施对老年人跌倒相关心理障碍的效果，发现其对不同结构的影响存在差异。这些结果表明，与传统干预措施相比，基于数字技术的运动干预措施有助于提高老年人的跌倒效能感和身体表现。然而，其对跌倒担忧的影响仍不确定。

**引言**
跌倒是一个普遍且严重的老年问题，影响全球约52%的老年人[1,2]。2022年世界跌倒指南建议将跌倒担忧的评估纳入跌倒预防和管理的多因素风险评估中[3]。这些与跌倒相关的心理障碍不能简单地归类为跌倒后综合征，因为即使从未跌倒的老年人也可能出现这些障碍[4]。相反，它们构成了跌倒恶性循环的核心机制[5,6]。这些心理障碍不仅增加了身体受伤的风险，还带来了焦虑、抑郁和虚弱等显著的心理负担[7-10]，并显著降低了老年人的整体生活质量。此外，跌倒风险和相关并发症的增加会导致老年人死亡率上升[11]。鉴于这些重要影响，迫切需要有效的干预策略。

为了制定有效的干预措施，准确理解与跌倒相关的心理障碍至关重要。常见的与跌倒相关的心理因素包括跌倒恐惧、跌倒效能感、跌倒担忧和平衡信心等[12-14]。尽管这些术语经常互换使用，但它们代表不同的心理过程，对跌倒的预测值也不同[15]。跌倒恐惧和跌倒担忧都属于情绪结构[16]，前者是指个体对真实或感知到的平衡威胁的情绪反应，而后者则表现为持续的担忧状态[17]。跌倒效能感和平衡信心属于认知结构，主要指个体对自己在活动中不跌倒的信念或信心。此外，平衡信心与跌倒效能感密切相关，被视为其重要维度[18]。因此，我们使用“跌倒效能感”这一术语来涵盖平衡信心的具体结构。这种区分在方法学和临床上都至关重要，因为跌倒担忧可以预测未来的跌倒，而跌倒效能感则不能[15]。在荟萃分析中将它们合并会稀释其独特效果，可能掩盖干预措施的真实效果。在研究中区分它们对于避免这种偏差并揭示干预措施对不同结构的具体效果至关重要。

由于数字技术的快速发展，它们越来越多地应用于老年人的运动和健康管理。数字技术包括一系列计算平台、软件、互联网连接设备和传感器，用于医疗保健及相关目的，如可穿戴设备、虚拟现实（VR）、移动健康应用和基于网络的通信平台[19,20]。基于数字技术的运动干预是指利用数字技术来预防、管理和治疗疾病或促进健康的运动干预措施。虽然传统的面对面干预措施（如团体运动和物理治疗）已被证明能有效改善身体功能[21-23]，但它们存在时间和技术限制、医疗资源差异以及高成本等问题[19]。基于数字技术的运动干预通过远程访问和自动化个性化可能为这些问题提供新的解决方案[24]。

尽管已有几项系统评价研究了跌倒担忧或跌倒效能感的干预措施[12,14]，但我们的工作有一些重要区别。首先，以往的評論虽然涵盖了广泛的干预措施，但没有专门讨论基于数字技术的干预措施[12-14]。我们的评价专注于数字技术干预，并包含了截至2025年的所有试验，这在快速发展的数字技术领域（如基于VR和智能手机应用的干预措施）尤为重要，以确保我们的综合分析具有时效性和全面性。其次，许多证据综合评估将跌倒恐惧、跌倒担忧或跌倒效能感视为单一的、同质的结构[25-27]，这种方法导致系统评价之间的结果存在显著异质性和不一致性，因为它未能捕捉到干预措施对认知和情绪结构的不同影响。为了解决这一问题，我们的研究明确区分了认知结构（如跌倒效能感）和情绪结构（如跌倒担忧），从而揭示了干预措施对每个结构的具体效果。最后，虽然一些评价关注的是较广泛年龄段的成年人[28-31]，但我们的研究专门针对老年人，旨在得出更具针对性和临床适用性的结论。

**方法**
本研究方案已在PROSPERO（CRD42024567108）注册，并遵循PRISMA（系统评价和荟萃分析的优选报告项目）指南[32]。

**搜索策略和研究选择**
系统检索了PubMed、Web of Science、Cochrane Library、Embase、PsycINFO、CINAHL、CNKI、SinoMed、VIP和Wanfang等数据库，搜索与基于数字技术的干预措施、老年人、跌倒恐惧、跌倒担忧、跌倒效能感和随机对照试验（RCTs）相关的出版物。搜索词包括医学主题词（MeSH）和自由词。搜索不限制语言。搜索时间范围从数据库创建之日起至2025年5月（具体搜索策略见多媒体附录1）。研究选择和数据提取由两名研究人员独立完成。所有检索到的研究都被导入EndNote X20软件（Clarivate）进行筛选，重复的研究被自动去除。研究人员阅读了研究的标题、摘要和全文，随后删除不符合纳入标准的研究。研究选择完成后，两名研究人员交叉核对筛选结果，如有分歧，则与第三名研究人员讨论解决。

**纳入标准**
纳入标准见文本框1。
- **纳入人群**：老年人（年龄≥60岁）
- **干预措施**：干预组参与者接受了通过数字技术（可穿戴设备、运动游戏、虚拟现实、移动健康应用和基于网络的通信平台）提供的运动干预。
- **对照组**：对照组未使用基于数字技术的运动干预，包括主动对照组（运动锻炼、平衡锻炼、康复锻炼和健康教育）和被动对照组（无干预或维持正常日常生活）。
- **结局指标**：报告以下至少一项结局的研究。
- **主要结局**：跌倒担忧或跌倒效能感，无论是作为主要还是次要结局。跌倒担忧通过验证的量表进行测量（国际跌倒效能感量表、Icon-Falls Efficacy量表和简短跌倒效能感量表）。跌倒效能感通过验证的量表进行测量（跌倒效能感量表、活动特定平衡信心量表和改良跌倒效能感量表）。
- **次要结局**：身体表现，包括平衡能力（Berg平衡量表）、功能性活动能力（Timed Up and Go测试）和身体功能（简短身体表现量表）。
- **研究设计**：随机对照试验

**排除标准**
- 排除了主要针对痴呆症患者的研究、重复研究、缺乏完整文本或重要数据的研究、仅包含摘要的研究、无治疗细节或主要结局的研究、预试验和可行性试验。

**数据提取**
两名研究人员使用统一的数据提取模板独立从完整原始研究中提取数据。提取的数据包括作者姓名、国家、发表年份、研究人群、年龄、性别、样本量、干预类型、对照组、干预时间、干预持续时间、干预频率、结局指标、对照组和干预组的终值以及结局指标的评估工具。最初的分歧由两名研究人员讨论达成共识，如无法达成一致则提交给第三名资深研究人员裁决。

**偏倚风险和证据确信度评估**
两名研究人员使用Cochrane偏倚风险2（RoB2）工具对每项研究的偏倚风险进行了独立评估。评估涵盖了5个预设领域：随机化程序、干预措施偏离、结局数据缺失、结局测量和结果选择。根据这些领域的评估，研究人员为每项研究分配了“低风险”、“有些担忧”或“高风险”的总体风险判断。

**证据确信度评估**
我们使用GRADE评估、发展与评价（GRADE）指南开发工具评估了证据的确信度。根据GRADE系统，每个结局的证据确信度被分类为高、中或低。任何分歧由第三名研究人员裁决。

**数据分析**
数据分析使用Stata 17.0（StataCorp LLC）进行。结局指标为连续变量，效应量以平均值和标准差连同95%置信区间（CI）表示。对于连续变量，当同一结局指标使用相同量表测量时选择平均差（MD）；否则，采用标准化平均差（SMD）。使用I2统计量和P值检验合成效应量的组间异质性。由于预期存在异质性，荟萃分析采用了随机效应模型。为了进一步探讨影响干预的因素，基于设置、干预类型、干预持续时间、运动模式、数字平台、干预持续时间和评分方法进行了额外的亚组分析。分析中包含了反向评分数据（平均值x?1，标准差不变）和正向评分数据，以提高结果的准确性和可靠性。对于多臂RCT，本评价仅包括涉及符合条件的基于数字技术的干预组和对照组的比较。在荟萃分析中，每个试验只贡献一个比较对，以防止对照组数据重复计算。为了评估组合效应量的稳健性，使用了删除一篇文章的方法进行敏感性分析。对于来自超过10项研究的结果，通过漏斗图评估了发表偏倚[33]。Egger检验[34]和Begg检验[35]用于进一步评估发表偏倚。

**结果**
从10个数据库中共检索到17,316篇文章；EndNote X20软件去除3410篇重复文章，手动去除1153篇重复文章。共有12,598篇文章因标题和摘要与研究目的不相关而被排除。在审阅了全文后，又有137项研究被排除。最终，有18项研究[36-53]被纳入本研究。其中1项研究[44]因数据呈现不足而被排除在定量综合分析之外（尽管已联系了作者）。因此，最终有17项研究被纳入元分析中（图1）。

图1. PRISMA（系统评价和元分析的推荐报告项目）搜索流程图。

### 研究特征
纳入研究的特征见表1。共有2,435名老年人参与研究，平均年龄在67.8岁（标准差2.98岁）到84.1岁（标准差5.5岁）之间。女性占比在26.7%到100%之间。研究的发表年份从2013年到2025年不等。这些研究在以下国家进行：澳大利亚（n=2）[39,51]、中国（n=3）[40,42,47]、韩国（n=2）[36,53]、瑞士（n=1）[49]、西班牙（n=2）[41,50]、伊朗（n=1）[45]、新加坡（n=1）[37]、意大利（n=1）[38]、土耳其（n=1）[46]、荷兰（n=1）[48]、巴基斯坦（n=1）[43]、智利（n=1）[52]和巴西（n=1）[44]。研究环境包括社区[37,41,46,48,51-53]、医院[38,39,43,44,47,49,50]以及养老院或福利中心[36,40,42,45]。

表1. 纳入研究的特征（N=18）

| 研究（作者，年份） | 参与者特征 | 主要结果（跌倒效能） |
|-----------|----------|-----------|
| Lee and Shin [36] (2013) | 韩国 | 糖尿病老年人 | 福利中心 |
| Kwok and Pua [37] (2016) | 新加坡 | 身体虚弱程度为中等的老年人 | 社区 |
| Morone et al [38] (2016) | 意大利 | 骨质流失的老年人 | 医院 |
| Evan den Berg et al [39] (2016) | 澳大利亚 | 老年人 | 医院 |
| Liao et al [40] (2019) | 中国 | 身体虚弱的老年人 | 日托中心 |
| Montero-Alía et al [41] (2019) | 西班牙 | 老年人 | 社区 |
| Sun et al [42] (2020) | 中国 | 骨质疏松的老年人 | 养老院 |
| Zahedian-Nasab et al [45] (2021) | 伊朗 | 有跌倒风险的老年人 | 养老院 |
| Khushnood et al [43] (2021) | 巴基斯坦 | 老年人 | 医院 |

### 干预措施细节
纳入研究的干预措施由合格的医疗专业人员[37-40,42-44,48-50]实施，其中物理治疗师最为常见。在其他情况下，干预措施由受过培训的非专业人员[36,41,51,52]执行，包括研究助理或体育教师。然而，多项研究未报告干预者的具体资格[45-47,53]。数字干预形式包括以平衡为主的多模式训练[38,41,44,45,48,51]；结合平衡训练与一种或多种阻力或有氧运动的综合训练；以及以有氧运动为主的非平衡训练[52]。其中，以平衡为主的多模式训练最为普遍。此外，预先设计的程序如“八段锦”[42]和“奥塔哥运动计划”[47]包含了平衡、力量和柔韧性等多种元素，属于此类训练。电子游戏[36-41,43-45,51-53]是最常用的数字干预平台，其次是基于计算机的应用程序[46,47,49,50]，只有2项研究[42,48]使用虚拟现实（VR）提供虚拟训练环境。每次干预的持续时间从30分钟到120分钟不等，最常见的单次训练时间为60分钟。干预频率每周1到5次，最常见的每周2到3次。干预持续时间从2周到12个月不等，最常见的是8周。

### 结果评估
18项研究中有9项[38,40,41,43,48-52]使用“跌倒效能量表-国际版”（FES-I）、“简短跌倒效能量表”（Short Falls Efficacy Scale International，简写SFEI）或“图解跌倒效能量表”（Iconographical Falls Efficacy Scale，简称Icon-FES）来评估跌倒担忧和跌倒效能。其中，“修改后的跌倒效能量表”（Modified Fall Efficacy Scale，简称MFES）和“特定活动平衡自信量表”（Activities-Specific Balance Confidence Scale，简称ACSBC）是正向评分量表，分数越高表示跌倒效能越好。“跌倒效能量表-国际版”（FES-I）和“简短跌倒效能量表”（SFEI）也是正向评分，但分数越高表示对跌倒的担忧越严重。“伯格平衡量表”[36,38,45,47,52]、“定时起身测试”（Timed Up and Go Test[36,37,40,43,45,47,49,51-53]和“简短身体功能测试”（Short Physical Performance Battery[39,46,49-51]则用于评估平衡、功能性移动能力和身体功能。只有16.7%的研究[37,43,47]将跌倒担忧或跌倒效能作为主要结果，7项（38.9%）[39,40,44,48-51]将其明确列为次要结果，其余研究（44.4%）[36,38,41,42,45,46,52,53]在原始文本中未明确区分主要结果和次要结果。

### 偏倚风险评估
对18项随机对照试验（RCT）的偏倚风险进行了评估。大多数研究被认为存在较高偏倚风险或总体上存在一些问题。在随机化过程方面，大多数研究偏倚风险较低。两项研究因缺乏分配隐藏信息而被评为存在某些问题。一项研究因基线差异显著，暗示随机化程序可能存在问题，因此被评为高风险。在干预措施偏离方面，大多数研究被评为高风险或存在一些问题，主要原因是参与者和干预提供者未进行盲法处理。在结果测量方面，3项研究因未对结果评估者进行盲法处理而被评为高风险。所有其他领域的偏倚风险均较低（图2）。

### 干预效果
共有8项研究评估了基于数字的锻炼干预措施对老年人跌倒担忧的影响，干预组有758名参与者，对照组有834名参与者。8项研究的汇总结果显示，基于数字的锻炼干预措施对跌倒担忧有显著影响（标准化平均差异SMD ?0.12，95%置信区间 ?0.28至 ?0.05；P>.05；I2=48.8%；证据确定性低）。尽管各亚组之间的点估计值有所不同，但亚组差异的测试均无统计学意义（P>.05），唯一的例外是锻炼方式的亚组显示出名义上的显著差异（P=.003），但这完全是由一项关于非平衡训练的 studies 引起的。然而，当排除该研究后，其余锻炼方式亚组之间的差异不再显著（P=.86），表明最初的亚组差异并不可靠。因此，没有明确的证据表明哪种干预特征最有效降低跌倒担忧（表3）。

表3. 基于数字的锻炼干预措施对跌倒担忧影响的亚组分析

### 元分析结果
元分析结果显示，基于数字的锻炼干预措施显著提高了老年人的跌倒效能（SMD 0.70，95%置信区间 0.51-0.90；P<.001；证据确定性中等）。关于干预环境，效果大小在养老机构（SMD 0.84，95% CI 0.53-1.15）中最大，其次是医院（SMD 0.77，95% CI 0.27-1.27），然后是社区环境（SMD 0.55，95% CI 0.30-0.80），尽管组间差异并不显著（P=.34）。在锻炼方式方面，平衡训练的效果（SMD 0.90，95% CI 0.37-1.43）优于多模式训练（SMD 0.69，95% CI 0.48-0.89），但差异并不具有统计学意义（P=.46）。同样，更高的暴露剂量与更大的效果相关，其中>50次的亚组（SMD 0.83，95% CI 0.50-1.15）的效果优于<20次（SMD 0.63，95% CI 0.16-1.10）和20至50次（SMD 0.69，95% CI 0.48-0.90）的亚组，组间差异也不显著（P=.72）。在其他亚组变量方面，包括干预资格、数字平台类型、干预持续时间和评分方法，各类别的效果大小相似（SMD范围0.56-0.90），亚组间无显著差异（所有P>.05；表3）。图4. 森林图显示了基于数字的锻炼干预对跌倒预防效果的影响（n=9；分数越高表示改善越大）[36,37,39,42,43,45-47,53]。跌倒预防效果的敏感性分析表明，总体结果是稳健的，因为没有单一研究显著改变汇总效果估计。

关于平衡能力（Berg平衡量表），来自6项研究的汇总结果[36,38,45,47,52,53]显示，基于数字的锻炼干预对平衡能力有显著影响（MD 4.03，95% CI 2.57-5.49；P<.001；I2=63.3%；证据确定性中等；图5A）。在平衡方面，大多数亚组，包括干预环境、干预资格、锻炼方式和干预持续时间，亚组间无显著差异（P>.05）。唯一具有统计学意义的亚组差异出现在暴露剂量亚组之间（P=.04）。暴露剂量少于20次的亚组（MD 5.43，95% CI ?0.03至10.89）的效果优于暴露剂量超过50次的亚组（MD 5.03，95% CI 3.38-6.68）和20至50次的亚组（MD 2.53，95% CI 1.43-3.63；多媒体附录1中的表S1）。图5. 森林图显示了基于数字的锻炼干预对（A）平衡能力（Berg平衡量表[BBS]）、（B）功能性活动能力（Timed Up and Go Test [TUG]）和（C）身体功能（Short Physical Performance Battery [SPPB]）的影响。TUG分数较低表示功能性活动能力改善更为显著，而BBS和SPPB分数较高分别表示平衡能力和身体功能改善更为显著[36-40,42,43,45-47,49-53]。敏感性分析显示，没有单一研究能够改变结果，但当排除Zahedian-Nasab[45]的研究后，异质性从63.3%降低到42.6%（MD 3.46，95% CI 2.30-4.61；P<.001；I2=42.6%）。

在十项研究[36,37,40,43,45,47,49,51-53]中，研究人员报告了功能性活动能力的结果。元分析表明，与对照组相比，基于数字的锻炼干预对功能性活动能力有显著影响；然而，所包含的研究之间存在相当大的异质性（MD ?1.65，95% CI ?2.52至?0.77；P<.001；I2=88.1%；证据确定性中等；图5B）。在对干预环境、锻炼方式、干预持续时间、数字平台和干预者资格以及暴露剂量的亚组分析中，最初观察到亚组差异（P=.01），其中非平衡训练的效果大小最大（MD ?3.62，95% CI ?4.81至?2.43），相比之下，包含平衡功能的多模式训练（MD ?1.29，95% CI ?2.22至?0.37）和平衡训练（MD ?1.89，95% CI ?5.32至1.53）的效果较小。然而，在排除单一的非平衡训练研究后，这一显著差异消失了（P=.74）。在干预环境方面，养老机构提供的基于数字的锻炼干预（MD ?2.89，95% CI ?4.11至?1.68）的改善效果优于社区环境和医院（MD ?1.03，95% CI ?1.20至0.07；MD ?1.80，95% CI ?2.34至?1.26），尽管组间差异并不显著（P=.08）。持续时间少于12周的干预（MD ?2.30，95% CI ?3.33至?1.28）比持续时间等于或超过12周的干预（MD ?1.20，95% CI ?2.28至?0.11；P=.15）更能显著改善功能性活动能力。在其他亚组变量方面，包括干预者资格、数字平台类型和暴露剂量，各类别的效果大小相似（MD范围：?2.08至?1.29），亚组间无显著差异（所有P>.05；多媒体附录1中的表S1）。敏感性分析显示，没有单一研究能够改变结果。

在6项研究[39,42,46,49-51]中，研究人员报告了基于数字的锻炼干预对身体功能的影响。元分析显示，基于数字的锻炼干预显著改善了老年人的身体功能（MD 0.57，95% CI 0.12-1.02；P=.006；I2=69.7%；图5C）。医院亚组的效果大小最大（MD 1.13，95% CI 0.42-1.83），高于社区亚组（MD 0.24，95% CI ?0.16至0.64；I2=64.5%；P=.060）。在排除养老机构亚组（仅1项研究）后，观察到组间显著差异（P=.03）。应用亚组（MD 0.67，95% CI ?0.14至1.49）的效果大小优于娱乐游戏亚组（MD 0.14，95% CI ?0.16至0.44；I2=81.5；P=.005）。然而，在排除虚拟现实亚组（仅1项研究）后，组间差异不再具有统计学意义（P=.23）。20-50次的亚组效果最强（MD 1.02，95% CI 0.51-1.53），优于>50次的亚组（MD 0.21，95% CI ?0.22至0.64；I2=59.1；P=.09）。在排除<20次的亚组（仅1项研究）后，观察到组间显著差异（P=.02）。干预持续时间和干预者资格在组间无显著差异（P=.43和P=.52；多媒体附录1中的表S1）。敏感性分析显示，没有单一研究能够改变结果。

关于功能性活动能力的结果，漏斗图显示不对称；然而，Egger检验（P=.09）和Begg检验（P=.53）均表明没有统计学上的发表偏倚（多媒体附录1中的图S1）。

在定量综合中，有一项研究[44]因数据呈现不当而被排除，尽管尝试联系了作者。该研究显示，沉浸式虚拟现实平衡训练改善了老年人的活动能力（Timed Up and Go Test：MD ?1.71，95% CI ?2.73至?0.69），但并未缓解跌倒的担忧（FES-I：MD 1.80，95% CI ?2.02至5.62），与对照组相比无显著差异。

元分析评估了基于数字的锻炼干预对老年人跌倒担忧和跌倒预防效果的有效性。总体而言，这些干预措施在提高跌倒预防效果方面是有效的，但对跌倒的担忧（与跌倒相关的情绪构念）效果不明显。这一关键区别表明，认知和情绪成分可能是两个相对独立的干预目标，需要不同的策略来有效解决每一个问题。Gao等人[54]报告称，虚拟现实干预对非残疾老年人的跌倒预防效果无显著影响。这种差异可能是因为与之前的研究相比，这项分析汇总了更多研究的数据，从而提高了统计功效和稳定性。通过基于数字的锻炼干预改善认知能力的机制可能归因于它们能够提供结构化和重复性的锻炼及反馈。这些发现与大量证据一致，表明体育锻炼直接增强了身体功能和平衡能力[55,56]，从而提高了自我效能感。这一过程可以归因于潜在的神经生物学机制：虚拟现实锻炼提供的多感官刺激（如视觉、听觉和前庭）促进了中枢神经系统的可塑性，提高了大脑处理感官信息和维持姿势控制的能力[57-59]。因此，成功完成运动挑战的经验，通过这种神经重塑得到直接强化，增强了老年人的平衡信心或跌倒预防效果。亚组分析探讨了各种干预特征对跌倒预防效果的潜在调节作用，所有亚组间均未发现统计学上的显著差异，表明基于数字的锻炼干预对跌倒预防效果的改善在各种特征下是一致的。在干预环境中，效果大小在养老机构中最大，其次是医院，然后是社区环境，这可能归因于机构环境中更标准化的实施和参与者更高的遵从性。在锻炼方式方面，平衡训练的效果略优于多模式训练，这与其直接改善姿势控制能力的核心机制一致[60]。上述维度上无显著差异可能是因为各亚组的样本量较小以及研究间干预方案的异质性。其他亚组（包括干预者资格、数字平台类型和暴露剂量）的效果大小相似，亚组间无显著差异（所有P>.05；多媒体附录1中的表S1）。敏感性分析显示，没有单一研究能够改变结果。

关于跌倒担忧，我们的发现表明，基于数字的锻炼干预并未显著改善跌倒的担忧，这与Lee等人的研究结果一致[28]，他们使用了FES-I量表。这种无效可能有两个主要原因。首先，跌倒担忧作为一种情绪构念，与认知构念有根本不同。虽然认知构念与个体对其平衡能力的评估密切相关，因此可以通过客观的功能改善来提高，但情绪构念表现为对被认为具有威胁性的情况的恐惧和忧虑[17]。这种非理性的情绪反应对仅针对身体功能的标准化干预不敏感。其次，现有干预的主动成分存在不匹配。本分析中包含的数字干预主要基于体能训练，缺乏专门针对担忧情绪的元素，因此在机制上不足以直接针对情绪的核心。

汇总结果显示，基于数字的锻炼干预显著改善了老年人的身体功能，包括平衡能力、功能性活动能力和身体功能。这些发现与先前的研究一致。大多数基于数字的干预实施了结构化的锻炼计划，特别是针对性的平衡训练。这些锻炼已被证明可以增强下肢力量、姿势稳定性和感觉运动整合能力，这是评估平衡能力和活动能力的关键生理基础[55,56]。系统性的锻炼还提高了日常活动所需的综合身体能力，反映在身体功能上。此外，数字平台显著放大了这些锻炼的效果。娱乐游戏和沉浸式虚拟现实减少了传统训练的单调性，大大提高了动机、参与度和依从性[61]。关键的是，数字化交付方式克服了空间和时间障碍，提高了可访问性和便利性[62,63]。这使得参与更加频繁和一致，从而使锻炼的好处得到充分积累。此外，中等暴露剂量（20-50次）和较低剂量（<20次）的改善效果显著优于高剂量（>50次），表明超过某个阈值后，进一步增加锻炼量可能不会带来额外的功能收益，甚至可能由于疲劳或依从性降低等原因而减弱效果[64]。

本研究有几个优点。首先，这是首个量化基于数字的锻炼干预对老年人跌倒相关心理障碍的认知和情绪构念影响的元分析证据，清楚地展示了它们的不同效果。其次，这项研究严谨，使用全面的术语和广泛的系统搜索策略，仅纳入了来自RCT的可靠证据，并遵循了注册的方案，提供了更精确的效果估计。此外，我们的研究也存在一些局限性。首先，本研究包括了具有不同基线特征的老年人，人群的异质性表明许多受试者在病理生理行为和共病方面存在差异，这些都可能影响了结果的准确性。其次，大多数纳入的原始研究并非主要设计用于改善“跌倒担忧”或“跌倒预防效果”，这可能导致整体效果的低估和异质性的放大。使用自我报告量表来测量跌倒恐惧可能引入偏差，从而导致效果大小的估计不准确，尤其是在那些没有将受试者随机分配到干预组或对照组的研究中。

**进一步研究的建议**
虽然本研究表明此类干预在改善跌倒相关担忧（一种情感层面的问题）方面的效果有限，但它在提升跌倒应对能力（一种认知层面的问题）方面表现出积极效果。这种差异性结果凸显了未来需要开发更精确、更具针对性的干预措施。因此，临床医生和研究人员应根据个体的主要问题来选择或设计相应的数字干预方案。

为了开发这些更精准的干预措施，未来研究应优先开发整合了基于证据的心理学成分（如认知行为疗法和正念训练）的数字程序，以直接针对情感层面的核心机制。未来的研究还应采用更为精细的研究设计，以进一步明确不同干预类型（运动、认知干预及综合干预）对不同心理构念的具体影响途径。此外，在结果评估方面，除了自我报告量表外，还应探索使用客观的生理生物标志物或行为任务来更敏感地测量情感构念的变化。

**结论**
这项荟萃分析评估了基于数字技术的运动干预对老年人跌倒相关心理障碍的效果，发现不同心理构念所受的影响存在差异。结果表明，与对照组相比，基于数字技术的运动干预有助于提升老年人的跌倒应对能力和身体表现。然而，对于与跌倒相关的情感问题（如跌倒担忧），基于数字技术的运动干预的效果在老年人中仍不明确。