在剔除重复数据后，按照融资金额排序。公司筛选是通过从资金最多的公司到资金最少的公司进行筛选，直到确定了15家有资格纳入研究的公司。其余公司均因融资金额不足而被排除在外。3位在数字健康和2型糖尿病领域拥有丰富行业和学术经验的专家对确定的公司名单进行了审查，以确认通过数据库搜索确定了覆盖当前市场的所有相关公司。这些专家包括2名在英国和美国大学有超过10年dbci工作经验的科学研究人员和1名在德国糖尿病管理系统全球市场领导者之一有多年工作经验的行业专家。gydF4y2Ba

我们在PubMed和谷歌Scholar上搜索截至2021年4月30日发表的科学文章，使用搜索词“Name_Intervention”和(智能手机或应用程序或应用程序或干预或移动健康)与指定公司的DBCI相关。此外，我们通过筛选公司网站的出版参考文献来确定研究。gydF4y2Ba

所有确定的dbci都包括一个移动应用程序作为干预传递的主要形式。我们搜索并下载了2个最受欢迎的应用商店谷歌Play Store和Apple app Store中的所有应用。gydF4y2Ba 37gydF4y2Ba]，时间为2020年10月12日至2021年4月10日。如果某个应用程序无法访问，就会通过电子邮件联系这些公司，要求访问。如果第一封邮件没有收到回复，两周后会发送一封后续邮件。我们亦查阅了有关dbci和公司的网站，以及有关dbci特征的刊物。作为干预计划一部分的其他硬件设备，如活动跟踪器、血糖仪、无线秤或血压设备，是不可用的，因此没有进行审查。gydF4y2Ba

公司、出版物和dbci的数据提取由两名独立调查人员(RK和SH)完成。讨论并以协商一致意见解决了分歧。如果无法达成一致，则通过与第三个审稿人(GWT)讨论来解决分歧。使用Covidence系统评价软件(Veritas Health Innovation Ltd)进行数据提取[gydF4y2Ba 38gydF4y2Ba］．gydF4y2Ba

从公司、出版物和dbci中提取的信息进行了叙述性的总结。gydF4y2Ba

Crunchbase Pro上总共有133家公司，Pitchbook上有399家公司。去除重复后，489家公司符合筛选条件。筛选后，54家公司被发现不符合纳入研究的条件，最常见的原因是不主要涉及行为改变(36/ 54,67%)。在剩下的435家公司中，有420家公司因资金不足而被排除在外，无法跻身15家资金最多的公司之列。根据独立专家的建议，另外一家公司(KKT Technology Pte Ltd)也被纳入研究，最终有16家公司有资格纳入研究。gydF4y2Ba 图1gydF4y2Ba概述甄选过程及排除原因。所有入选公司的dbci都有英文版本。gydF4y2Ba

研究作者(Virta、Dario、Welldoc、Liva、Twin和Sweetch)无法访问6个dbci的应用程序，因为它们只能通过订阅服务、在特定地理区域、雇主订阅或由医生推荐使用。因此，在这些应用程序的结果中，没有提供关于健康和行为结果、测量或ca可用性的信息。gydF4y2Ba

入选分析的16家最受资助的数字医疗公司的资金量从6573万美元到1550万美元不等，总额为23.55亿美元gydF4y2Ba 表2gydF4y2Ba．此外，11家(69%)公司总部设在美国，2家(13%)公司总部设在英国(13%)，丹麦、以色列和新加坡各有1家(6%)。成立年份在2005年至2018年之间，81%(13/16)的公司是在2011年之后成立的。有关公司特征的更多信息可在gydF4y2Ba 多媒体附件2gydF4y2Ba．gydF4y2Ba

共确定了与16家公司专注于有效性的dbci相关的50项已发表研究，如图所示gydF4y2Ba 表2gydF4y2Ba．有关这项研究的详情，请参阅gydF4y2Ba 多媒体gydF4y2Ba．发表日期从2008年到2021年，86%(43/50)的研究发表于2016年以后。每项研究的样本量从16到35921人不等。在50项研究中，只有4项(8%)为1级质量，评估dbci Noom、Livongo、BlueStar和Liva。其余46项研究(92%)质量水平为2级。没有发现干预Dario, BEATdiabetes和Fruit Street的研究。有8个dbci在美国CDC的DPRP中具有识别状态，其中6个dbci实现了完全CDC识别(Noom、Omada、Livongo、Vida、Lark、Fruit Street)， 2个dbci处于待识别状态(One Drop、BlueStar)。gydF4y2Ba

在4项确定的质量等级为1的研究中，3项为为期12个月的随机对照试验，涉及Noom、BlueStar和Liva干预措施[gydF4y2Ba 45gydF4y2Ba-gydF4y2Ba 47gydF4y2Ba]，而一项涉及Livongo的研究[gydF4y2Ba 48gydF4y2Ba]是一项为期6个月的干预试验，在为期12个月的随机交叉试验中进行，6个月进行交叉试验。BlueStar是唯一对HbA进行了显著改进的干预gydF4y2Ba_{1 cgydF4y2Ba}干预组比常规护理组(平均差1.2%;95% ci 0.5-1.9;gydF4y2Ba PgydF4y2Ba=.001)，随访12个月[gydF4y2Ba 47gydF4y2Ba］．在与Noom, Toro-Ramos等人的研究中[gydF4y2Ba 46gydF4y2Ba]在HbA中没有发现差异gydF4y2Ba_{1 cgydF4y2Ba}(平均差0.006%;SE 0.07;gydF4y2Ba PgydF4y2Ba=.93)，随访12个月[gydF4y2Ba 46gydF4y2Ba］．约翰森等[gydF4y2Ba 46gydF4y2Ba]发现Liva干预没有达到预先规定的等效标准(平均差- 0.26%;95% CI−0.52 ~−0.01;gydF4y2Ba PgydF4y2Ba=酒精含量)(gydF4y2Ba 46gydF4y2Ba］．在Livongo的随机交叉试验中，Amante等[gydF4y2Ba 49gydF4y2Ba]报告了相似的HbA发病率gydF4y2Ba_{1 cgydF4y2Ba}两组(干预/常规护理和常规护理/干预)的变化，以及显著的治疗效果(干预/常规护理的平均变化−1.1%，SD 1.5;常规护理/干预的平均变化- 0.8%，SD 1.5;gydF4y2Ba PgydF4y2Ba<.001)。然而，在混合效应模型中，HbA没有明显改善gydF4y2Ba_{1 cgydF4y2Ba}干预与常规护理条件之间(平均变化0.4%;gydF4y2Ba PgydF4y2Ba= 0。06)。与基线相比，Noom、Liva和BlueStar干预显示HbAgydF4y2Ba_{1 cgydF4y2Ba}减幅0.23% [gydF4y2Ba 45gydF4y2Ba]， 0.31% [gydF4y2Ba 46gydF4y2Ba]及1.9% [gydF4y2Ba 47gydF4y2Ba]在12个月时。使用Livongo产生HbA卡gydF4y2Ba_{1 cgydF4y2Ba}干预/常规护理及常规护理/干预组分别减少0.9%及1.2% [gydF4y2Ba 48gydF4y2Ba］．已确定的科学出版物中所有报告的有效性措施的摘要可在gydF4y2Ba 多媒体gydF4y2Ba．gydF4y2Ba

所包含的dbci的完整列表概述在gydF4y2Ba 表3gydF4y2Ba．总的来说，11个dbci被发现用于糖尿病预防和管理(Noom、Omada、Livongo、Vida、Lark、BlueStar、Liva、Oviva、GlycoLeap、Sweetch和BEATdiabetes)，而4个dbci仅用于糖尿病管理(Virta、Dario、One Drop和Twin)， 1个dbci仅专注于糖尿病预防(Fruit Street)。该计划的费用各不相同，从每月19.99美元到249美元不等，而有些则按年支付或由医疗保健提供者、健康计划或雇主支付。此外，11个dbci (Noom、Virta、Omada、Vida、One Drop、BlueStar、Liva、Oviva、GlycoLeap、BEATdiabetes和Fruit Street)涉及人类健康专业人员作为干预提供的一部分，2个dbci (Livongo和Dario)将其作为可选功能提供。在剩下的3个DBCI中，有2个(Lark和Sweetch)没有雇用保健专业人员，1个DBCI (Twin)不能确定这一点。在包含的16个dbci中，有10个应用程序可供作者访问。10个可访问的应用程序中只有1个使用了CA (Lark)。gydF4y2Ba

我们发现，所有10个可访问的应用程序(10/ 16,63%)都使用自我报告以及传感器和设备分析来跟踪健康或行为结果。饮食和体重是最常被追踪的健康和行为结果(n=10)，其次是体育活动或锻炼(n=9)、血糖(n=7)、血压和HbAgydF4y2Ba_{1 cgydF4y2Ba}(n=5)、情绪(n=3)、睡眠(n=3)、药物(n=2)、腰围(n=1)、幸福感(n=1)、卡路里(n=1)、心率(n=1)、压力(n=1)。gydF4y2Ba

关于使用自我报告以及传感器和设备分析的发现总结在gydF4y2Ba 图2gydF4y2Ba．在考虑的119次使用中，自我报告被使用了74次(62%)，而传感器和设备分析被使用了45次(38%)作为10个可访问应用程序的数据源。自我报告最常见的测量方法是封闭式问题，包括评分、李克特量表和多项选择题(49次，41%)，其次是开放式问题(25次，21%)。最常用的传感器和设备分析是蓝牙和摄像头，分别使用了18次(15%)和7次(6%)。颜色越深表示出现的次数越多。gydF4y2Ba

在本综述中包括的16家公司和dbci中，只有4家公司在改变HbA方面的有效性得到了评估gydF4y2Ba_{1 cgydF4y2Ba}通过高质量的随机对照试验。4个rct的分析结果表明，这些dbci对HbA有不同的影响gydF4y2Ba_{1 cgydF4y2Ba}．例如，蓝星干预显示HbA的显著改善为1.2%gydF4y2Ba_{1 cgydF4y2Ba}12个月时与常规护理组相比，而Noom、Livongo和Liva干预没有显示出任何显著改善。此外，dbci的有效性研究数量差异很大，1项研究没有发表科学证据，1项研究有11项相关出版物。我们发现了一种趋势，即更多涉及高资助公司的发表研究，其中3家资助最多的公司(Noom、Virta和Omada)占所有论文的一半以上(26/ 50,52%)。我们还发现，5家资金最高的dbci获得了DPRP的完全认可(Noom, Omada, Livongo, Vida和Lark)，而在资金排名9至16位的资金较低的公司中，只有1家(Fruit Street)获得了DPRP的完全认可。此外，我们样本中的2个dbci (Dario和BEATdiabetes)既没有得到DPRP的认可，也没有任何发表的有效性研究。需要更充分支持和高质量的随机对照试验来确认资助最多的dbci对2型糖尿病预防和管理的有效性。gydF4y2Ba

国家主管部门对提供循证方案的认可可以成为潜在消费者和医生在决定使用或开出特定干预方案时的重要参考点，并可以激励采用以影响为重点的干预措施[gydF4y2Ba 36gydF4y2Ba］．通过许多需要认可的私人和公共支付方，提供干预措施的可持续性和补偿，如医疗保险，可以使提供干预措施的公司受益。gydF4y2Ba 49gydF4y2Ba］．认可也可以是一种有效的营销工具，并鼓励推荐。但是，我们只发现了1个基于证据的糖尿病预防或管理项目的认证项目，即美国CDC提供的DPRP [gydF4y2Ba 43gydF4y2Ba］．缺乏质量保证方案可能会妨碍消费者和医疗保健提供者在确定最有效方案时的决策过程。因此，有必要开展更多的质量保证项目，以基于循证标准的糖尿病预防和管理干预措施进行认证，特别是在美国以外的国家进行糖尿病管理干预措施。gydF4y2Ba

HbA减少gydF4y2Ba_{1 cgydF4y2Ba}是评估2型糖尿病预防和管理干预措施有效性的关键临床结果之一，也是获得DPRP认可的有效性标准之一[gydF4y2Ba 44gydF4y2Ba］．在我们分析评估的4项rct中，Noom和Liva干预显示了适度的HbAgydF4y2Ba_{1 cgydF4y2Ba}减幅0.2%至0.3% [gydF4y2Ba 45gydF4y2Ba，gydF4y2Ba 46gydF4y2Ba]，而蓝星和Livongo干预显示出更高的HbAgydF4y2Ba_{1 cgydF4y2Ba}减幅超过1% [gydF4y2Ba 47gydF4y2Ba，gydF4y2Ba 48gydF4y2Ba］．根据DPRP的标准，HbAgydF4y2Ba_{1 cgydF4y2Ba}减少0.2个百分点被认为足以使生活方式改变计划获得认可[gydF4y2Ba 44gydF4y2Ba]，尽管0.4%至0.5%的变化被认为是有临床意义的改善[gydF4y2Ba 50gydF4y2Ba］．4项被回顾的随机对照试验[gydF4y2Ba 46gydF4y2Ba-gydF4y2Ba 49gydF4y2Ba]也被用于检测HbA的变化gydF4y2Ba_{1 cgydF4y2Ba}在0.4%到1%之间。因此，这就提出了DPRP标准的有效性标准是否围绕HbA的变化的问题gydF4y2Ba_{1 cgydF4y2Ba}是充分的。此外，尽管DPRP的认可保证了由于特定的DBCI而实现了一定程度的糖尿病风险降低，但由于公司为实现DPRP认可而提交的数据没有公开，因此认可并没有提供有关降低幅度的任何进一步信息。这种信息的缺乏限制了研究人员、投资者、用户和付款人识别最有效项目的透明度。此外，如果已经被公认提供循证项目的公司不愿意在研发上投入额外资源，那么数据透明度的缺乏可能会变得更加麻烦。因此，我们强调需要提高与dbci有效性相关的数据的透明度。我们认为，我们的研究结果也表明了鼓励数字健康行业建立更多基于证据的dbci的重要性。明确围绕dbci的监管格局和制定激励措施，以形成更强大的客户市场，已被确定为政策制定者可能采取的促进此类鼓励措施的两个可能领域[gydF4y2Ba 36gydF4y2Ba］．此外，我们认识到DBCI公司在应用程序功能、使用行为改变技术以及使用什么和如何使用传感数据的信息方面的报告标准很差。缺乏透明的报告可能是因为开发这些专有应用程序的公司往往不愿披露可能对竞争对手有用的应用程序细节。从研究的角度来看，缺乏透明度使得客观比较干预特征变得困难。它还表明，这些公司需要更透明地报告dbci的特征。gydF4y2Ba

在我们审查的dbci中，最常跟踪的健康和行为结果是饮食和体重，这在所有10个可访问的应用程序中都有跟踪，其次是体育活动或锻炼，在9个应用程序中都有跟踪。其他经常追踪的结果包括血糖(7个app)、血压和HbA卡gydF4y2Ba_{1 cgydF4y2Ba}(每个应用程序5个)。我们的发现与之前的研究一致，这些研究回顾了应用程序在2型糖尿病患者中的自我管理和生活方式改变[gydF4y2Ba 51gydF4y2Ba-gydF4y2Ba 53gydF4y2Ba]，亦与临床专家对重要干预成分的看法相似[gydF4y2Ba 53gydF4y2Ba，gydF4y2Ba 54gydF4y2Ba］．然而，我们发现不到40%的健康和行为结果是使用传感器和设备分析来测量的，大多数结果是通过自我报告来测量的。虽然这些自我报告可以以生态即时评估的形式使用[gydF4y2Ba 55gydF4y2Ba]与JITAIs概念密切相关的[gydF4y2Ba 56gydF4y2Ba]，自我报告对参与者来说是一项负担，并可能导致难以保持用户的参与[gydF4y2Ba 25gydF4y2Ba，gydF4y2Ba 57gydF4y2Ba］．因此，我们认为自我报告不足以充分发挥JITAIs的潜力。传感器和设备分析测量的低使用率表明，所调查的干预措施不太可能使用JITAI机制来为用户定制干预内容。此外，没有明确的证据表明这些干预成分如何与干预效果相关;因此，未来的研究必须确定哪些DBCI特征最成功地影响干预效果。gydF4y2Ba

我们的审查还旨在评估在dbci中使用人类健康专业人员和自动化ca的程度。我们发现16个dbci中有13个涉及人类健康专业人员，其中2个dbci将其作为可选功能提供。我们发现，在可供我们使用的10个应用程序中，只有1个应用程序使用了CA。人类健康教练的高使用率和CA的低使用率，以及JITAI机制不太可能用于定制干预内容，表明被调查的dbci中自动化的使用率较低。这限制了现有dbci的整体可扩展性以及干预措施覆盖更大比例合格人群的潜力[gydF4y2Ba 58gydF4y2Ba]因为人类健康教练的参与通常是时间和资源密集型的。gydF4y2Ba

我们确定了4个可能导致被调查的dbci中自动化使用率低的潜在原因。首先，自动化方法，如ca，仍然是2型糖尿病管理和dbci中新兴领域的一部分。用户在依赖ca获取有关糖尿病的可操作医疗信息时可能会有顾虑[gydF4y2Ba 59gydF4y2Ba］．其次，使用传感器技术的应用程序功能可能没有得到充分开发，无法取代人类健康专业人员的输入或自我报告方法，从而导致严重的用户负担。例如，由于一些差距和技术问题，目前最先进的用于评估饮食摄入量的食物体积估计方法还不能用于商业应用程序[gydF4y2Ba 60gydF4y2Ba］．因此，许多应用程序依赖于用户输入，例如，通过选择已识别食物的食用份量，从而估算营养价值[gydF4y2Ba 60gydF4y2Ba］．第三，似乎没有足够的证据支持在没有人类卫生专业人员远程接触的情况下广泛使用全自动方法[gydF4y2Ba 13gydF4y2Ba］．因此，需要更多的随机对照试验或队列研究，直接比较涉及数字人类教练的dbci与全自动方法，以更好地理解自动化dbci的潜力和有效性。第四，在目前的DPRP标准和操作程序中，在前6个月内，应至少每周提供与生活方式教练的现场互动[gydF4y2Ba 44gydF4y2Ba］．尽管电子邮件和文本消息交互可能有助于实现这一需求，但对于旨在提供完全自动化的dbci来满足这一需求的公司来说，这可能是一个挑战。得到DPRP的认可对许多公司来说很有价值[gydF4y2Ba 49gydF4y2Ba];然而，满足提供实时教练互动的要求阻碍了完全自动化方法的认可，并限制了dbci在2型糖尿病预防方面的可扩展性。有必要进行进一步的研究，以确定人类教练是否确实有必要提供有效的生活方式改变计划。gydF4y2Ba

这项研究有几个优点。首先，我们对2个广泛使用的风险投资数据库进行了全面的公司搜索[gydF4y2Ba 35gydF4y2Ba]，我们有3位独立的数字健康专家证实，最终入选的公司名单覆盖了整个市场。其次，我们使用多种来源进行全面的数据提取，包括数据库、干预网站、同行评审的出版物和移动应用程序。第三，我们只总结了关于所纳入的dbci有效性的最高质量的科学证据。gydF4y2Ba

然而，我们的综述有一些局限性。首先，尽管我们确定了该领域资金最多的公司，但这并不能保证它们的干预措施能达到目标人群的很大比例。许多接受审查的公司仍处于初创阶段，通常会获得大量资金;然而，他们的dbci的可及性可能有限，例如，只能通过合作临床医生的转诊。其次，我们只能访问16个DBCI应用程序中的10个，因为有些应用程序只能通过订阅服务访问，在特定的地理区域，通过医生的处方，访问代码或通过雇主订阅访问。虽然我们系统地联系了这些公司，并要求获得应用程序的访问权限，但我们只通过这些公司获得了5个付费或专有应用程序的额外访问权限。第三，我们无法访问，因此无法评估任何可能伴随DBCI应用程序的附加设备。其中一些设备通过传感器记录额外的健康参数，如(智能)血糖仪、(智能或无线)秤、活动跟踪器或智能手表。因此，我们无法评估这些设备的所有功能，这限制了我们审查的全面性。第四，我们无法评估付费墙背后的某些应用功能。 This was often the case for support that was delivered through health professionals. Fifth, the DPRP is only relevant for interventions targeting diabetes prevention and therefore does not cover DBCIs that solely target diabetes management. In addition, not all reviewed DBCIs were available in the United States; consequently, they are not eligible to achieve recognition by the DPRP. Sixth, given that most of the investigated DBCIs and all DBCIs with a corresponding fully powered RCT address diabetes management and diabetes prevention, it was not feasible to separately report the results in these 2 categories.

这是对提供dbci用于2型糖尿病预防或管理的顶级资助公司的首次系统评估。以前的评论主要集中在糖尿病管理的应用程序和数字干预，但它们大多仅限于科学研究中报道的干预措施，对市场没有特别的影响[gydF4y2Ba 51gydF4y2Ba，gydF4y2Ba 52gydF4y2Ba，gydF4y2Ba 61gydF4y2Ba-gydF4y2Ba 64gydF4y2Ba］．这些综述普遍发现dbci在改善糖尿病相关结局方面有效，特别是HbAgydF4y2Ba_{1 cgydF4y2Ba}［gydF4y2Ba 51gydF4y2Ba，gydF4y2Ba 52gydF4y2Ba，gydF4y2Ba 61gydF4y2Ba-gydF4y2Ba 64gydF4y2Ba]，这与我们的研究结果一致;然而，他们也一致认为，目前的证据是有限的，需要进行充分有力的严格试验，并进行长期随访，以确定此类干预措施的临床和经济影响[gydF4y2Ba 52gydF4y2Ba，gydF4y2Ba 65gydF4y2Ba］．就JITAI而言，最近一项系统综述调查了针对抑郁症患者的流行心理健康应用程序，得出的结论是JITAI机制尚未被转化为主流的抑郁症应用程序[gydF4y2Ba 66gydF4y2Ba]，这也与我们的发现一致。gydF4y2Ba

我们的研究结果表明，为2型糖尿病预防和管理提供dbci的公司收到的资金水平与干预有效性的证据水平不一致。支持不同dbci的证据水平存在显著差异，总体上需要更严格的有效性试验，以及在美国以外的国家对循证糖尿病预防和管理干预措施的额外认证计划。此外，我们强调质量保证机构需要提高数据透明度，以告知利益相关者和消费者每个DBCI在改善糖尿病相关结果方面的有效性。我们进一步发现，在被调查的应用程序中，ca的使用率很低，JITAI机制的使用不太可能，以及人类健康专业人员的高度支持，这表明自动化方法的使用率很低。由于自动化和技术是提高干预措施可扩展性的关键因素，因此有必要进行进一步研究，以确定全自动dbci与那些由人类卫生专业人员提供支持的dbci的有效性。最后，我们建议DPRP等国家当局帮助减少承认全自动方法的障碍，并鼓励政策制定者营造一个环境，鼓励数字健康行业建立更多基于证据的解决方案。gydF4y2Ba