综述:数字健康技术在高血压自我管理中的应用:一篇叙述性综述

《Frontiers in Public Health》:Application of digital health technologies in hypertension self-management: a narrative review

【字体: 大 中 小 】 时间:2026年06月05日 来源:Frontiers in Public Health 3.4

编辑推荐:

  高血压仍是全球重大公共卫生挑战,也是心血管发病与死亡的首要危险因素。血压(BP)的长期有效控制在很大程度上取决于患者持续参与度、用药依从性及生活方式改良。然而,传统照护模式在提供连续监测、个性化支持及长期行为干预方面存在局限。本综述全面概述了数字健康干预措施—

  
高血压仍是全球重大公共卫生挑战,也是心血管发病与死亡的首要危险因素。血压(BP)的长期有效控制在很大程度上取决于患者持续参与度、用药依从性及生活方式改良。然而,传统照护模式在提供连续监测、个性化支持及长期行为干预方面存在局限。本综述全面概述了数字健康干预措施——包括移动健康(mHealth)应用程序、可穿戴设备及人工智能(AI)驱动工具——在高血压管理中的应用。来自随机对照试验与观察性研究的现有证据表明,此类技术可显著改善用药依从性、加强血压自我监测,并促进体力活动增加、饮食调整等健康行为。特别是,集成提醒、反馈与教育模块的mHealth应用程序已在依从性与血压控制方面显示出可测量的改善。可穿戴设备支持实时生理监测,而基于AI的系统则为个性化风险预测与自适应干预策略提供了可能。尽管研究结果令人鼓舞,若干挑战依然存在。数字健康干预的长期有效性与可持续性尚未得到充分验证,多数研究随访期较短。此外,不同数字平台间的互操作性问题、数据隐私与安全顾虑以及技术获取机会不均等,均可能阻碍其广泛实施。研究设计与干预组件的异质性也限制了研究结果的可比性。未来研究应聚焦于开展大规模、长期试验,以评估临床结局与成本效益。同时需着力改善系统集成、提升用户参与度并确保数字健康技术的公平可及。总体而言,数字健康干预代表了一种前景广阔且具有可扩展性的方法,有助于优化高血压自我管理并支持更高效、以患者为中心的照护。
1 引言
本综述旨在概述高血压自我管理的当前格局,总结当前使用的主要数字健康工具与技术框架,并探讨其实施面临的关键挑战。高血压仍是全球重大公共卫生挑战。据世界卫生组织(2025)报告,过去5年全球高血压患者数量维持在约13–14亿,呈缓慢上升趋势,影响近三分之一30–79岁成年人。1990至2024年全球高血压患病率总体随时间波动,不同阶段变化趋势存在差异。该疾病在全球范围内显著贡献于死亡率与伤残负担,并持续对医疗体系构成沉重压力。在中国,高血压患病率居高不下。《中国心血管健康与疾病报告(2023)》显示,≥18岁成人高血压患病率约为27.9%,对应患者数约2.45亿。1991至2022年中国高血压患病率总体呈上升态势,城乡差异随时间变化,近年来农村地区增幅更为明显。有效的自我管理被视为延缓疾病进展、改善临床结局的关键策略。以健康教育与定期随访为主的传统管理模式效果有限,疾病知晓率、治疗率与控制率仍不理想。此类模式常受限于依从性差与临床惰性,难以实现持续、个体化的管理。近年来,数字健康技术日益广泛应用于慢性病管理。通过可穿戴设备、移动健康应用程序与人工智能,这些手段实现了实时监测、个性化健康教育与临床决策支持。此外,反馈驱动的行为干预可增强患者参与度。此类技术在精准性、适应性与可扩展性方面具备优势,能够为不同患者群体提供更具针对性的干预。近期一项针对低收入与中等收入国家的系统评价与荟萃分析指出,数字健康干预与高血压患者血压控制、用药依从性及生活方式行为的改善相关。然而,纳入研究在设计、干预时长与样本量上的差异提示,证据的整体强度与长期普适性仍需审慎解读。
2 方法
本研究为叙述性综述,未采用PRISMA等正式系统评价方案,但仍采取结构化检索流程以确保文献概述的全面性与均衡性。检索在PubMed、Scopus与Web of Science数据库中进行,覆盖2010年1月至2025年5月发表的研究。检索策略结合自由词与规范主题词,参考医学主题词(MeSH)以提升查全率与一致性,涵盖“高血压”“高血压”“数字健康”“移动健康”“mHealth”“可穿戴设备”“人工智能”“远程医疗”“自我管理”等概念,并运用布尔运算符(“AND”“OR”)优化检索式。同时通过人工筛查相关综述与关键文献的参考文献以补充检索。所有检索记录导入文献管理软件去重后,由两名研究者独立进行标题与摘要初筛及全文复筛,分歧通过讨论或咨询第三位研究者解决。纳入文献类型包括同行评议原创研究、系统评价与荟萃分析,语言限定为英文,同时参考世界卫生组织等权威公共卫生机构报告以获取流行病学背景与政策信息。研究主题需聚焦数字健康技术在高血压管理中的应用,尤其涉及自我管理行为、用药依从性、血压监测或生活方式改良。排除无关主题、重复发表、无全文的会议摘要及非英文文献。最终对约20项研究进行叙述性综合。鉴于综述性质,目标并非穷尽所有证据或进行定量合并,而是遴选反映该领域关键进展、应用路径与实施挑战的代表性研究。代表性研究的选择依据方法学质量(如随机对照试验、系统评价与荟萃分析)、样本量、时效性与临床实践相关性,故未绘制PRISMA流程图或开展正式偏倚风险评估。
3 不同年龄分层人群的高血压管理模式
高血压管理是一个融合药物治疗、饮食调节、体力活动与健康教育的多维度过程。不同年龄段患者的自我管理能力存在显著异质性。尽管治疗策略不断进步,整体血压控制与自我管理仍不理想。Lewington等人的大型流行病学研究表明,中国人群血压水平与心血管死亡率之间存在持续的正相关,风险随血压升高与年龄增长逐步上升,未见明确阈值。这提示高血压相关心血管事件风险随年龄递增,强调了跨年龄组维持有效血压控制的重要性。韩国一项研究发现,年轻人群血压控制率与疾病知晓率低于老年人。老年患者更倾向于规律血压监测与社区健康服务,而年轻人群更频繁暴露于不健康饮食与久坐生活方式,此类行为差异可能导致血压控制率的年龄差异。此外,尽管心血管风险随年龄增加,这一动态变化尚未被充分纳入现行危险分层体系。中国一项大型人群研究显示,45岁及以上人群高血压控制率为23.36%,控制率随年龄增长而升高,在85–94岁组达到峰值,但在95岁及以上组再次下降。这些发现共同提示年龄与血压控制之间可能存在复杂的非线性关系,既往文献尚未对此进行系统综合。这一模式可能反映了疾病知晓、生活方式行为、身体机能、数字素养与自我管理能力等多重年龄相关因素的综合影响,这些因素对不同年龄组的血压管理产生差异化作用。随着年龄增长,身体功能、认知能力与健康素养的下降可能削弱患者对复杂治疗方案的依从性,凸显了借助数字健康技术提供额外支持的必要性。累积证据表明,数字化支持的自助管理干预与血压控制改善相关,并可能带来降低心血管风险与住院率等有利临床结局。总体而言,高血压自我管理是整合饮食调节、体力活动、用药依从性与行为改良的综合过程。然而,传统管理模式往往缺乏个体化与连续性支持,难以在不同人群中促成长期行为改变。这些局限可能导致依从性欠佳与血压控制效果不足,从而凸显了对更具适应性与技术赋能的自我管理支持手段的需求。
4 数字健康技术在高血压自我管理中的应用
用于高血压自我管理的数字健康干预涵盖一系列技术支持手段,旨在实现连续监测、行为干预、个性化管理与远程医疗交付。这些技术整合监测系统、智能分析方法与互动干预策略,以促进以患者为中心、连续性的高血压管理。当前应用主要聚焦于血压监测、生活方式改良、用药依从性与个性化行为支持。
4.1 可穿戴设备与移动健康平台
4.1.1 可穿戴设备
可穿戴设备是数字化高血压管理的重要组成部分。随着传感技术与动态心血管监测的进步,此类设备能够在临床环境外连续采集生理参数,尤其是血压相关信号。与传统间歇性测量相比,可穿戴技术可提供更具动态性与纵向特征的数据以支持高血压管理。这些特性在早期风险识别、分层管理与治疗反应监测方面具有潜在优势。然而,其临床效用可能受到设备准确性、用户依从性、数据可靠性与监测方案差异等因素的影响。Yen与Huang的最新研究表明,可穿戴技术可通过加强血压监测与促进行为改变来支持高血压自我管理。其采用商用智能手表血压监测功能的试点研究观察到血压水平与自我管理行为的适度改善。此外,荟萃分析证据表明,基于可穿戴设备的监测系统,尤其是联合远程反馈或临床支持时,可能带来小幅血压下降。尽管如此,所报告的降压效果仍相对有限且在研究中存在异质性。此外,许多现有研究受限于小样本量、短干预期以及设备准确性与研究设计的差异。这些发现提示,可穿戴技术若作为综合数字健康策略的一部分而非独立干预,可能更为有效。尽管可行性令人鼓舞,若干挑战依然存在。特别是测量稳定性、校准标准化与最佳再校准间隔尚未完全确立,限制了其广泛临床应用。未来仍需更大规模、更长期的研究以进一步明确其在常规临床实践中的有效性与适用性。
4.1.2 移动健康应用程序与平台
移动健康(mHealth)指利用智能手机、平板电脑与可穿戴系统等移动设备提供健康相关服务与信息。这些平台可实现远程监测、预约挂号、在线咨询、用药提醒与实时血压反馈等功能,将照护延伸至传统临床环境之外。社区研究证据表明,整合数据监测、个体化反馈与持续互动的数字健康平台可在一定程度上弥补传统高血压管理在连续性与个性化方面的不足。此外,基于mHealth的干预在支持高血压患者饮食管理、生活方式改良、体力活动依从性与用药管理方面显示出有益效果。Liu等人的研究指出,基于mHealth的干预可改善高血压患者的饮食行为,特别是低盐饮食依从性,同时支持用药依从性与更广泛的生活方式改良。研究表明,基于终止高血压膳食疗法(DASH)饮食的移动应用程序可改善对健康饮食模式的依从性,并有助于降低血压。近期证据还表明,基于移动端与网络的生活方式干预可通过行为强化与持续自我监测改善血压控制、体重管理、心理健康状况与生活质量。通过社交媒体与移动平台提供的数字行为干预同样显示出改善高血压患者体力活动依从性与自我管理行为的潜力。类似地,包含用药提醒、依从性追踪与临床医生反馈的移动健康干预相较于常规照护,可改善用药依从性并取得更有利的血压控制结局。总体而言,现有证据表明mHealth平台为慢性病管理提供了可扩展且灵活的途径,尤其在基层与社区环境中。然而,干预设计、干预期与人群特征的显著异质性仍限制了研究结果的普适性。
4.2 人工智能辅助管理
人工智能(AI)利用计算能力、先进算法与大规模数据集支持临床决策与预测建模。在高血压管理中,基于AI的方法日益被用于分析患者行为、预测用药依从性、识别疾病控制不良的相关风险因素,并支持个性化干预策略。随机森林、人工神经网络、Logistic回归与XGBoost等机器学习算法在识别不依从患者以及捕捉复杂心理与行为决定因素方面,表现出优于传统统计方法的性能。新兴的AI赋能数字健康平台整合生活方式指导、血压监测与行为分析,进一步显示出实现血压控制持续改善与长期自我管理的潜力。这些发现提示AI技术可促进数据驱动的个性化干预开发,并优化高血压患者的自我管理策略。然而,算法可解释性、数据质量、模型普适性与伦理考量等挑战仍是大规模临床实施的重要障碍。
4.3 虚拟现实与新兴技术
虚拟现实(VR)是一种交互式计算机生成模拟环境,允许用户沉浸于近似真实世界的体验中。在慢性病管理中,VR被探索作为一种创新工具用于患者教育、行为干预与运动推广。Jiravská Godula等人的近期研究表明,与传统教育方式相比,基于VR的教育干预可改善患者对高血压的理解。VR的沉浸特性似乎能够增强疾病感知并促进更有效的知识获取。此外,新兴证据表明,基于VR的运动干预可有效促进老年人的中等强度体力活动,同时表现出良好的安全性与可行性。通过提高参与度与运动依从性,此类干预可能间接促进血压控制的改善。尽管VR在高血压管理中的应用仍处于早期阶段,其在运动相关行为干预方面的潜力尤为值得关注。VR赋能的活动,包括引导式有氧运动、互动体感游戏、平衡训练与低冲击抗阻练习,可根据个人体能水平与临床状况进行定制,从而支持持续的体力活动与长期行为改良。
4.4 当前挑战与未来展望
总体而言,数字健康技术将可穿戴设备、移动健康平台、人工智能与虚拟现实整合为一个以患者为中心、连续性的管理模式。这一范式将高血压管理从偶发性监测转向个体化、自适应与技术辅助的干预,对行为改良、治疗依从性与自我管理支持产生综合效应。然而,现有证据大多来自小规模或短期研究,长期验证有限。临床转化的关键障碍包括系统集成难题、AI可解释性有限、设备可及性约束、数字素养差异以及数据隐私与安全顾虑。未来研究应聚焦于大规模、多中心与纵向研究,以评估长期有效性与可持续性。此外,多模态整合、人机交互、模型可解释性与个性化自适应干预策略的改进,有望进一步提升高血压自我管理中数字健康技术的可用性、患者参与度与临床适用性。
5 数字健康干预在高血压自我管理中的挑战与对策
5.1 特殊人群的挑战与策略
尽管数字健康干预为高血压管理提供了重要优势,但其在特殊人群中的应用仍面临多重现实障碍。老年人是尤为脆弱的群体。认知功能减退、数字素养有限与新技术的接受度低常常妨碍其独立使用数字健康工具。在某些情况下,家庭支持的缺失进一步限制了患者有效操作移动健康应用程序或可穿戴设备的能力。此外,视力或听力下降等感官功能损害可能增加技术使用的难度。除老年人群外,农村或资源有限地区的居民还面临额外的结构性障碍。数字基础设施不足、智能设备获取受限与互联网覆盖不充分可能制约数字健康干预的实施。此外,文化背景与健康素养的差异可能影响对数字健康内容的理解与接受,从而降低干预效果。应对这些挑战需要多层次、协调一致的战略,而非孤立的技术改进。从设计角度而言,以用户为中心的优化至关重要。简化界面、语音辅助交互以及高对比度大字体显示可改善老年人群的可用性。从服务提供角度而言,让家庭成员或照护者参与干预过程有助于弥补患者操作能力的不足。在资源受限环境中,基于短信的提醒与电话随访等低技术替代方案可提供可行且可扩展的解决方案。此外,基于年龄、教育水平与数字素养的分层干预设计可提高数字健康项目的精准度与可接受性。总体而言,弥合高血压自我管理中的数字鸿沟需要将技术创新与健康公平考量相结合。通过提升可用性、强化社会支持体系与完善基层医疗基础设施,数字健康干预有望在不同人群中变得更加可及和有效。
5.2 数字健康干预的信息安全风险
尽管数字健康技术在高血压管理中迅速扩展,信息安全与数据隐私已成为可能限制其大规模实施的重要关切。数字健康干预高度依赖敏感健康相关数据的持续采集、传输与存储,包括血压测量值、用药记录与行为模式。这种广泛的数据交换增加了未经授权访问、数据泄露与网络攻击的潜在风险。特别是,可穿戴设备与移动健康应用程序常依赖云平台,若无充分的保护机制,可能进一步使患者数据暴露于安全漏洞之下。此外,人工智能与大数据分析在高血压管理中的整合引发了关于数据治理与算法透明度的进一步担忧。尽管监管挑战依然存在,欧盟人工智能法案(EU AI Act)等新兴法律框架已开始为数字健康技术中的AI治理、数据保护、透明度与风险管理建立标准化要求。预计这些法规将在未来几年指导各国制定实施政策。然而,地区执行差异与平台特定标准仍可能导致数字健康系统的数据保护水平不一致。此外,患者对其个人健康数据的采集、存储与使用方式可能了解有限,这会影响其对数字健康系统的信任与参与意愿。从临床实施角度看,数字平台与电子健康记录系统之间的互操作性不足也可能增加数据管理碎片化与信息流不一致的风险,进一步阻碍安全的数据整合。为应对这些挑战,需要加强数据保护法规与标准化安全协议。加密技术、安全认证机制与隐私保护数据处理方法应整合到数字健康系统中。此外,建立明确的数据所有权、访问控制与伦理使用治理框架,对于确保患者信任与系统可靠性至关重要。总体而言,尽管数字健康技术为高血压自我管理带来了显著益处,但保障信息安全与保护患者隐私仍是其可持续、大规模应用的关键前提。
5.3 数字健康干预的协调机制缺陷
尽管用于高血压管理的数字健康干预快速发展,但整体协调机制仍不完善,在一定程度上限制了长期疾病管理的连续性与有效性。目前,大多数数字健康干预在孤立平台或单一机构内实施。三级医院与基层医疗机构之间的跨层级协作仍然不足,导致照护路径碎片化与患者在转诊过程中的信息传递不完整。这种整合缺失削弱了高血压管理的连续性,并可能损害长期临床结局。此外,不同数字健康平台在数据结构、互操作性标准与应用程序编程接口(API)方面的异质性进一步限制了有效的数据整合。因此,患者生成的健康数据往往呈碎片化状态且未得到充分利用,限制了其支持临床决策与人群健康管理的能力。另一个重要问题是医护人员在数字健康支持干预中的角色界定不清。一线临床医生与护士常因操作数字工具与解读患者生成数据所需的额外时间与精力而面临工作负荷增加。然而,责任分配、工作流程重构与激励机制方面的相应调整仍然不足,可能对实施效率与可持续性产生负面影响。综上所述,这些挑战凸显了当前数字健康协调系统在组织结构、数据标准化与多利益相关方参与方面仍需大幅改进。从系统角度看,加强信息系统间的互操作性、标准化数据交换协议与重新设计临床工作流程是提高整合效率的必要步骤。更重要的是,构建医院、基层机构、医护人员、患者与照护者之间稳定且权责清晰的协作网络至关重要。只有建立起协调、多层级的可持续照护网络,数字健康技术在高血压管理中的全部潜力才能在真实世界临床实践中得以实现。
6 结论
依托移动健康、可穿戴设备与人工智能等相关技术的数字健康干预,可通过连续监测、个体化干预交付与促进健康行为依从性来支持高血压自我管理。未来发展应优先考虑以患者为中心、分层化的数字健康系统,整合适配血压水平、合并症与用药方案的适应性反馈与疾病特异性提醒机制。应特别关注老年人群与数字素养有限人群的使用便捷性与可及性。尽管证据基础不断壮大,数字健康干预向常规临床实践的转化仍充满挑战。真实世界实施受多种因素影响,包括患者数字素养、长期参与度与依从性、医护人员接受度以及数据隐私与安全顾虑。此外,数字基础设施与医疗资源的差异可能限制不同人群公平获取的机会。与现有电子健康记录系统的互操作性以及报销机制也在决定可扩展性与可持续性方面发挥关键作用。因此,尽管数字健康技术在改善高血压管理方面前景广阔,但其真实世界有效性不仅取决于临床疗效,还依赖于系统层面的准备程度与影响大规模实施的环境因素。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号