医学互联网研究杂志——社交媒体干预对健康成年人减肥和改善身体活动的影响:系统评价

审查

澳大利亚卧龙岗医学与健康大学理学院护理学院

通讯作者:

Wa'ed Shiyab，注册会计师，BN，理学硕士

卧龙岗大学医学与卫生学院护理学院

诺思菲尔德大街

伍伦贡,2522

澳大利亚

电话:61 2 4221 3784

电子邮件:weys741@uowmail.edu.au

背景:久坐不动的生活方式和超重或肥胖是公认的心血管风险因素，在很大程度上造成了全球疾病负担。改变这样的行为是复杂的，需要支持。社交媒体干预显示出支持健康行为改变的希望，但其影响尚不清楚。此外，先前的评论报告了关于参与社交媒体干预与这些干预的有效性之间关系的相互矛盾的证据。

摘要目的:本综述旨在批判性地综合有关社交媒体干预对健康成年人身体活动和体重影响的现有证据。此外，本综述还研究了参与社交媒体干预对其有效性的影响。

方法:CINAHL和MEDLINE检索了相关的随机试验，这些试验旨在调查社交媒体干预对体重和身体活动的影响，并在2011年至2021年间以英语发表。如果干预使用社交媒体工具，在参与者之间提供明确的互动，则纳入研究。如果干预是通过应用程序网站被动提供的，或者参与者患有已知的慢性疾病，则排除研究。对符合条件的研究进行质量评价，并采用叙事综合法进行综合。

结果:共有17篇论文报告了来自4个国家的16项研究，涉及7372名参与者。总体而言，56%(9/16)的研究探讨了社交媒体干预对身体活动的影响;38%(6/16)的研究涉及减肥;6%(1/16)的研究评估了运动和减肥的效果。在纳入的研究中，社交媒体干预对体育活动和减肥影响的证据参差不齐。没有衡量社交媒体参与度的标准指标，参与者参与干预与随后的行为改变之间的关系也很复杂。虽然35%(6/16)的研究报告称，参与并不是行为改变的预测因素，但29%(5/16)的研究发现，参与社交媒体干预与行为改变有关。

结论:尽管社交媒体干预带来了希望，但有关其有效性的证据喜忧参半。需要进一步的有力研究来阐明导致成功行为改变的社交媒体干预的组成部分。此外，需要清楚地了解参与社交媒体干预对行为改变的影响。

试验注册:普洛斯佩罗国际前瞻性系统评价登记册CRD42022311430;https://www.crd.york.ac.uk/prospero/display_record.php?RecordID=311430

[J] .中国医学信息学报，2009;22 (2):389 - 391

doi: 10.2196/38429

关键字

社交媒体; 体育活动; 超重; 生活方式风险因素

背景

有规律的身体活动和体重管理是降低心血管风险的行之有效的策略。保持健康的生活方式已被证明可以增加无慢性疾病的生活年数，并改善整体身心健康[1，2]。相反，超重或肥胖与慢性疾病和生活质量差有关。3.]。因此，强烈建议成年人保持正常的BMI (18.5-24.9 kg/m)²)，透过健康均衡的饮食及有规律的体力活动(每周最少150分钟中等强度或75分钟的剧烈体力活动)[4，5]。然而，久坐不动的生活方式和超重或肥胖正变得越来越普遍。在世界范围内，四分之一的成年人不运动，约52%的成年人受到超重或肥胖的影响[6，7]。

各种干预措施已被用于控制体重和促进身体活动，但效果各不相同[8]。社交媒体可以成为提供行为矫正干预措施的强大且具有成本效益的平台[9]。社交媒体被定义为“基于互联网的渠道，允许用户与广泛和狭隘的受众进行机会性互动和选择性自我呈现，无论是实时的还是异步的，这些受众从用户生成的内容和与他人互动的感知中获得价值”[10]。使用社交媒体平台(如Facebook和Twitter)提供社交媒体干预措施，以改善或保持健康的行为[11]。社交媒体的使用无处不在，80%的澳大利亚人使用互联网访问社交媒体，72%的美国人使用至少一种社交媒体。12，13]。在欧洲，85%的人口使用社交媒体[14]。

参与是决定社交媒体干预有效性的一个重要因素[15]。然而，维持一个人对数字干预的参与往往具有挑战性[16]。为了提高社交媒体干预的效果并促进其在“现实生活”中的使用，了解个人如何与社交媒体互动至关重要[17]。参与度可以通过多种方式衡量，包括花在社交媒体上的时间、点赞或帖子的数量，或登录次数。然而，文献中并无关于敬业度的标准定义或测量方法[15]。

客观的

先前的评论评估了社交媒体干预对各种健康行为的影响[18-21]。这些综述存在一些局限性，因为它们没有关注特定年龄组(如成年人)，并且包括方法学质量较低和异质性干预特征和方法学方法的研究[19-21]。此外，来自这些综述的关于社交媒体干预在促进健康行为方面的功效的证据尚无定论。此外，之前的评论都没有研究参与者与社交媒体干预的互动和参与如何影响他们的效果。因此，本综述旨在对报道社交媒体干预对健康成年人身体活动和体重减轻效果的随机对照试验进行关键综合。

研究设计

系统评审及荟萃分析的首选报告项目指引[22]被用来指导本系统评价的报告。该审查于2022年2月在PROSPERO注册(注册ID: CRD42022311430)。

搜索策略

MEDLINE和CINAHL检索了2011年至2021年间发表的相关随机对照试验，这些试验旨在评估社交媒体干预对减肥和体育活动的有效性(图1)。选择这段时间是为了反映社会上越来越多地使用社交媒体的最新趋势[23]。通过对某高校图书馆员的咨询，选择了关键词。社交媒体类型是基于审查时成年人的普遍使用情况。

合格标准

如果这些研究是用英语发表的随机试验，并且专注于社交媒体干预，以增强健康成年人的身体活动和减肥，则将其纳入其中。结果要么是自我报告，要么是客观测量。在这篇综述中，一个健康的成年人被定义为没有慢性疾病的人，而慢性疾病是干预的重点。如果干预使用社交媒体工具(作为单一干预或组成部分之一)，在参与者之间提供明确的互动，则纳入研究。如果干预是通过应用程序网站被动提供的，或者参与者患有已知的慢性疾病，则排除研究。此外，将评估社交媒体干预的成本效益或参与作为主要结果的研究被排除在外。

研究筛选和选择

搜索结果导出到EndNote(版本20;Clarivate Analytics) [24]其中删除了重复项(图2)。题目和摘要由1位审稿人(WS)筛选，不符合纳入标准的研究被排除。经题目筛选1560条记录，共删除1222篇(78.3%)论文;经摘要审查338篇报告，共删除173篇(51.2%)论文。两位作者(WS和EH)审阅了剩余165篇论文的全文。通过三位审稿人(WS、EH和KR)的讨论，解决了关于纳入研究的不确定性。在这165篇论文中，17篇(10.3%)符合纳入标准，被纳入本综述。

数据提取和质量评估

纳入研究的特征数据，包括发表年份、国家、干预措施、结局指标和主要发现，由1位审稿人(WS)提取，并由3位作者(WS、EH和KR)进行完整性审查。这些数据被提取到使用自由文本和预定类别组合的标准化汇总表中。三位审稿人(WS、KR和CF)使用修订后的Cochrane随机试验风险偏倚工具(ROB2;Cochrane协作网)[25]。通过讨论解决分歧，并在审稿人之间达成共识。由于对研究排除没有明确的共识质量门槛，所以没有根据质量对论文进行排除[26]。质量评价结果见图3．

数据分析

虽然本研究打算进行荟萃分析，但由于纳入研究的异质性，这是不可能的。因此，我们使用叙事综合来检验纳入研究中的模式[27]。纳入研究的类似数据被确定、分析并作为主题报告。这些措施包括身体活动干预、减肥干预、参与和网站使用。

研究特点

在纳入的17篇论文中，有2篇(12%)的论文报告了来自同一试验但通过不同分析得出的结果[28，29];因此，本综述共纳入16项研究(表1)。在这16项研究中，有8项(50%)研究在澳大利亚进行[29-36]，美国的6项研究(38%)[37-42]， 1(6%)在丹麦学习[43]， 1人(6%)在马来西亚学习[44]。在16项研究中，9项(56%)仅评估了基于社交媒体的干预对身体活动的影响[29，31，32，34-37，41，44]， 6项(38%)研究了社交媒体干预对体重的影响[30.，33，38，40，42，43]。只有1项(6%)的研究调查了社交媒体干预对身体活动和体重的影响[39]。

表1。收录文章摘要。

基于结果测量的研究		国家和样本特征	干预	结果测量	结果
体育活动
	Alley等[28］	澳大利亚 ‎ WALK 2.0试验的504名参与者(年龄≥18岁) ‎	记录步数的纸质日志，硬拷贝的教育材料和计步器(n=171)。 ‎ Web 1.0:计步器、记录步数的网站、公共论坛和教育材料(n=165)。 ‎ Web 2.0: WALK 2.0网站，除了Web 1.0组(n=168)相同的功能外，为参与者提供了更多的社交网络功能。 ‎	3个月、12个月和18个月的身体活动(Acti Graph监测仪)。 ‎ 3个月、12个月和18个月的网站使用情况(在网站上的时间、登录次数和步骤条目数量)。 ‎	MVPA的平均差^一个Web 2.0 vs log和>55 vs <55年的min/day为13.7(范围1.1 - 26.4;P< 0.05)。 ‎ Web 1.0与log、>55岁与<55岁的MVPA min/day的平均差异为8.3(范围从- 4.8到21.3;P> 0.05)。 ‎ 老年人和年轻人在Web 2.0和Web 1.0上花费的时间有显著差异。P> . 05)。 ‎
	Cavallo等人[37］	美国 ‎ 女本科生134名(25岁以下) ‎	干预(n=67): INSHAPE^b网站(基于网络的教育材料和自我监控工具)和Facebook群。 ‎ 对照组(n=67):通过电子邮件向Facebook小组提供基于网络的教育材料和与体育活动相关的相同新闻故事。 ‎	12周的身体活动(帕芬巴格活动问卷)。 ‎	对照组在体育活动中消耗的平均卡路里为2248.98(标准差1541.19)，而干预组为2394.75(标准差1448)(P> . 05)。 ‎
	Chee等人[44］	马来西亚 ‎ 政府公务人员代谢综合征147例(18-59岁) ‎	对照组(n=103):计步器、通过小册子、日志卡和定期会议获得的体育活动信息。 ‎ 干预(n=44):与对照组相同，加入Facebook群组。 ‎	4个月和6个月时的身体活动(每天步数/加速度计)。 ‎	对照组在基线、4个月和6个月时平均每天步数分别为3938.95 (SD 1276.29)、4459.15 (SD 1282.52)和4318.06 (SD 1293.11) (P> . 01)。 ‎ 干预组在基线、4个月和6个月时平均每天步数分别为3897.50 (SD 1188.69)、7192.20 (SD 1925.55)和6161.30 (SD 1603.97) (P> . 01)。 ‎ 干预组在4个月和6个月时每天平均步数分别为7192.20 (SD 1925.55)和6161.30 (SD 1603.97)，对照组为4459.15 (SD 1282.52)和4318.06 (SD 1293.11)。P> . 01)。 ‎
	Duncan等[31］	澳大利亚 ‎ 301名男性(35-54岁) ‎	基于信息技术的干预(n=205):教育材料、自我监测和基于身体活动和饮食行为目标进展的自动反馈。能够与其他参与者互动。 ‎ 基于印刷品的干预(n=96):教育材料和自我监测身体活动和饮食行为的能力。 ‎	身体活动(积极的澳大利亚问卷)。 ‎ 饮食行为(19项根据现有工具改编)。 ‎	自我报告的体力活动(分钟/周)，95% CI exp (β)=1.03 (0.78-1.36)P> . 05)。 ‎ 基于it和基于打印的饮食评分(95% CI exp (β)=0.97 (0.75-1.25)) (P> . 05)。 ‎ 两组在3个月和9个月时，自我报告的体力活动(分钟/周)95% CI分别为exp (β)=1.45(1.09-1.95)和exp (β)=1.55 (1.14-2.10) (P> . 01)。 ‎ 3个月和9个月时，两组饲粮评分(95% CI)分别为exp (β)=1.07(1.03-1.11)和exp (β)=1.10 (1.05-1.13) (P> . 01)。 ‎
	Edney等[32］	澳大利亚 ‎ 444名成人(18-65岁) ‎	基础组(n=160): Active Team应用的计步器和访问自我监控功能。 ‎ 社交增强组(n=141):计步器和完整的Active Team应用，包括游戏化和社交功能。 ‎ 对照组(n=143):不干预。 ‎	3个月和9个月时的身体活动(geneactive加速度计)。 ‎ 3个月和9个月的身体活动(积极的澳大利亚调查)。 ‎	3个月和9个月时两组间MVPA的平均差异分别为0.32和0.47 (P> . 05)。 ‎ 两组自我报告的体力活动平均差异为1.04 (P> 0.05)和2.62 (P> 0.05)。 ‎
	Kolt等[29］	澳大利亚 ‎ 504名活动不足的成年人(年龄≥18岁) ‎	记录步数的纸质日志，硬拷贝的教育材料和计步器(n=171)。 ‎ Web 1.0:计步器、记录步数的网站、公共论坛和教育材料(n=165)。 ‎ Web 2.0: WALK 2.0网站，除了Web 1.0组的相同功能外，还为参与者提供了更多的社交网络功能(n=168)。 ‎	3个月、12个月和18个月的身体活动(Acti Graph监测仪)。 ‎ 3个月、12个月和18个月的网站使用情况(在网站上的时间、登录次数和步骤条目数量)。 ‎	Web 1.0与Web 2.0的MVPA在95% CI时与基线的平均差异为−7.3(−12.3至−2.4;P< 0.01)， 1.1(−4.4至5.6;P> 0.05)， 2.5 (- 4.5 ~ 9.5;P> 0.05)，分别在3、12、18个月时。 ‎ Web 1.0与日志的MVPA在95% CI时与基线的平均差异为- 5.3(- 9.9至- 0.6;P< 0.05)， 0.0(−6.2 ~ 6.1;P> 0.05)， 1 (- 6.6 ~ 8.5;P> 0.05)，分别在3、12、18个月时。 ‎ 在95% CI时，web2.0与日志的MVPA与基线的平均差异为2.1(- 2.4至6.5;P> 0.05)，−1.2(−6.5 ~ 4.2;P> 0.05)，−1.5(−7.5 ~ 4.4;P> 0.05)，分别在3、12、18个月时。 ‎ Web 1.0的平均现场时间(秒/周)为386.40 (SD 371.80)、121.54 (SD 219.39)和88.99 (SD 214.08)，而Web 2.0在3、12和18个月时分别为713.32 (SD 948.75)、305.47 (SD 488.29)和188.90 (SD 291.74)。P< . 01)。 ‎
	loyestyn等[34］	澳大利亚 ‎ 89名不常运动的成年人(18至50岁) ‎	干预组(n=41): Facebook小组计划，包括每日互动帖子和跑步的细节。 ‎ 对照组(n=48):运行程序硬拷贝。 ‎	2个月和5个月的身体活动(积极的澳大利亚调查)。 ‎	干预组自我报告的平均MVPA在2个月和5个月时分别为409.5 (SE 52.8)和398.3 (SE 52.8)，而基线时为269.0 (SE 47.5)。P< . 05)。 ‎ 对照组在2个月和5个月时自我报告的平均MVPA分别为450.8 (SE 48.3)和309.8 (SE 52.1)，而基线时为359.6 (SE 43.9) (P< . 05)。 ‎ 按时间分组互动的平均差异为3.39 (P< . 05)。 ‎
	Maher等[35］	澳大利亚 ‎ 110名成人(18-65岁) ‎	干预组(n=51个人，12个团队):Active Team应用程序包括自我监控和社交元素以及计步器。 ‎ 对照组(59人，13组):不干预。 ‎	身体活动(积极的澳大利亚调查)在8周和20周。 ‎	干预组从基线到8周的总体体力活动平均变化为248 (SE 59)，而对照组为113 (SE 43) (P< . 05)。 ‎ 从基线到20周，干预组总体体力活动的平均变化为97 (SE 50)，而对照组为56 (SE 47) (P> . 05)。 ‎
	Rote等[41］	美国 ‎ 女大学生63名(平均18.6岁，标准差0.7岁) ‎	标准步行干预(n=31):反馈基线体力活动水平、计步器和纸质日志。 ‎ Facebook社会支持小组(n=32):与标准加Facebook小组相同。 ‎	身体活动(每日步数/计步器)。 ‎	8周时，Facebook组的平均每日步数为12,472.44步(SD 2816.61)，而基线时为5595.10步(SD 1729.48)。P< . 05)。 ‎ 8周时，标准组的平均每日步数为10,135.64 (SD 3316.37)，而基线时为5595.10 (SD 1729.48)。P< . 05)。 ‎ Facebook组的平均每日步数为12,472.44步(SD 2816.61)，而标准组在8周时为10,135.64步(SD 3316.37)。P< . 05)。 ‎
	Vandelanotte等[36］	澳大利亚 ‎ 1328名成人报名参加万步计划(年龄≥18岁) ‎	Web 1.0组(n=899):基于Web的步骤日志、讨论论坛和基于Web的教育材料。 ‎ Web 2.0组(n=868):与Web 1.0相同，访问WALK 2.0网站，为参与者提供更多的社交网络功能。 ‎	3个月的体力活动(积极的澳大利亚调查)。 ‎ 网站参与度(谷歌分析)3个月。 ‎	3个月时，Web 1.0组的平均体力活动(分钟/周)为381.7 (SD 16.6)，而Web 2.0组为473.9 (SD 26.4)。P= . 05)。 ‎ 3个月时，web 1.0的平均现场时间(第二次/周)为195 (SD 464)，而web 2.0为179 (SD 678)。P> . 05)。 ‎
重量
	Balk-Møller等[43］	丹麦 ‎ 社会福利和保健部门566名雇员(年龄≥18岁) ‎	干预组(n=355):使用sosu -生活工具-饮食和运动的自我报告和反馈，每周分配和同事的挑战。每个参与者从7个承诺中选择1个重点:减肥、健康饮食、增强体质、增强体力、戒烟或保持健康的生活方式。共有154名(44%)参与者和74名(35%)参与者分别在16周和38周时选择了减肥承诺。 ‎ 对照组(n=211):不干预。 ‎	16周和38周体重(数字称)。 ‎ 身体脂肪腰围。 ‎	体重减轻亚组与对照组体重的平均差异为- 2.36 (- 3.23 ~ - 1.49;P< 0.01)和- 1.64 (- 3.04 ~ - 0.24;P< 0.05)，分别在16周和38周。 ‎ 体重减轻亚组与对照组体脂的平均差异为- 0.99 (- 1.63 ~ - 0.34;P< 0.05)和- 0.39 (- 1.43 ~ 0.64;P> 0.05)，分别在16周和38周。 ‎ 减肥亚组与对照组腰围平均差值为- 2.45 (- 4.09 ~ - 0.81;P< 0.05)和- 2.47 (- 4.30 ~ - 0.63;P< 0.05)，分别在16周和38周。 ‎
	Brindal等[30.］	澳大利亚 ‎ 2648名超重或肥胖的成年人(年龄≥18岁) ‎	信息型(n=53):提供饮食信息的非交互式网站。 ‎ 支持性(n=1314):饮食信息、体重追踪器、膳食计划和社交网络平台。 ‎ 个性化支持(n=1281):饮食信息、体重追踪器、个性化推荐的膳食计划和社交网络平台。 ‎	体重(基于网络的自我报告问卷)在12周。 ‎ 12周时的网站使用情况(网站使用的总天数，最后一天使用的天数，以及第一次和最后一次使用网站之间的天数)。 ‎	信息支持组、支持组和个性化支持组的平均体重减轻分别为4.15% (SD 4.26%)、4.22% (SD 4.34%)和3.97% (SD 3.73%);P>。12周时05。 ‎ 使用网站的平均天数分别为3.43天(SD 4.28)、5.50天(SD 10.35)和5.50天(SD 10.35)，分别为信息化、支持性和个性化支持性网站(P< . 05)。 ‎
	Godino等[38］	美国 ‎ 超重或肥胖大学生404例(18-35岁) ‎	干预组(SMART)^c干预;n=202):通过6种方式(Facebook、移动应用程序、短信、电子邮件、网站和与健康教练的技术沟通)进行教育材料、自我监控和反馈、目标设定和挑战。 ‎ 对照组(n=202):通过网站和电子邮件获取一般健康信息。 ‎	6、12、18、24个月体重(数字秤)。 ‎	干预组和对照组在6个月和12个月时体重的平均差异分别为- 1.33 kg和- 1.33 kg (P< . 05)。 ‎ 干预组与对照组在18个月和24个月时体重的平均差异分别为- 0.67 kg和- 0.79 kg (P> . 05)。 ‎
	Jane等人[33］	澳大利亚 ‎ 137名超重或肥胖的成年人(20-65岁) ‎	Facebook组(n=46):通过Facebook组和计步器进行体重管理计划。 ‎ 小册子组(n=46):通过小册子和计步器进行体重管理计划。 ‎ 对照组(n=45):遵循澳大利亚政府膳食指南和国家成人体育活动指南。 ‎	6、12、18、24周体重(数字秤)。 ‎	Facebook组的平均体重减轻了- 2.5 (P< 0.05)，−3.5 (P> 0.05)，−4.9 (P< 0.05)，−4.8 (P< 0.05)，而对照组在6、12、18和24周时分别为- 1.1、- 1.8、- 2.0和- 1.5。 ‎ 小册子组的平均体重减轻了−2.7 (P< 0.05)，−3.4 (P> 0.05)，−4.5 (P< 0.05)，−3.6 (P< 0.05)，而对照组在6、12、18和24周时分别为- 1.1、- 1.8、- 2.0和- 1.5。 ‎
	Napolitano等[40］	美国 ‎ 大学生52人(18-29岁) ‎	Facebook (n=17):关于饮食和活动的讲义和播客，以及投票和健康活动的访问。 ‎ Facebook Plus (n=18):与Facebook Plus目标设定、自我监控和社会支持相同。 ‎ 对照组(n=17):不干预。 ‎	4周和8周体重(称)。 ‎	4周时，Facebook、Facebook Plus组和对照组的体重变化分别为- 0.46 (SD 6 1.4) kg、- 1.7 (SD 6 1.6) kg和0.28 (SD 6 1.7) kg (P< . 05)。 ‎ 8周时，Facebook、Facebook Plus和对照组的体重变化分别为- 0.63 (SD 2.4) kg、- 2.4 (SD 2.5) kg和- 0.24 (SD 2.6) kg (P< . 05)。 ‎
	特纳-麦克格里，等[42］	美国 ‎ 96名患有超重或肥胖的成年人(18-60岁) ‎	仅播客(n=49): 2个关于营养和体育活动的播客和一本关于卡路里信息的书。 ‎ 播客+移动群组(n=47):与前者相同，再加上在移动设备上使用饮食和身体活动监测应用程序，并在Twitter上与学习顾问和其他参与者互动。 ‎	减肥(数字秤)。 ‎	播客组在3个月和6个月时体重的平均变化分别为- 2.6 (SD 3.8)和- 2.7 (SD 5.1)，而播客+移动组的体重变化分别为- 2.6 (SD 3.5)和- 2.7 (SD 5.6)。P> . 05)。 ‎
体力活动和体重
	Greene等[39］	美国 ‎ 349名成人(18-79岁) ‎	干预组(1)好osn^d;n=180):关于饮食和体育活动的教育材料，获得I Well生理机能监测系统和计步器。 ‎ 对照组(n=169):饮食和体育活动教育材料。 ‎	体育活动(壁球)^e． ‎ 重量(数字秤)。 ‎	在3个月和6个月时，干预组的所有体力活动(分钟/周)平均值分别为2479.3和2686.9，对照组为2102.4和2248.2 (P> . 05)。 ‎ 干预组在3个月和6个月时的休闲步行时间(分钟/周)分别为354.1和341.0，对照组为160.4和208.6 (P< . 05)。 ‎ 干预组在3个月和6个月时的平均体重分别为4.4磅和5.2磅，而对照组的平均体重分别为0.9磅和1.6磅(P< . 05)。 ‎

^一个MVPA:中度到剧烈的身体活动。

^bINSHAPE:为促进运动的健康协会提供互联网支持。

^CSMART:社交移动减肥方法。

^dosn:在线社交网络。

^e南瓜:评估促进健康的体育活动的简短问卷。

干预描述

干预的持续时间由2个月[34，40，41]至24个月[38]。纳入的研究(n=16)在干预的持续时间和组成部分方面存在异质性。1项研究将Facebook作为主要干预方式[34在这个实验中，一个封闭的Facebook小组传递了一个跑步程序的内容。然而，在38%(6/16)的研究中，Facebook是多成分干预的一部分[33，37，38，40，41，44]。Facebook小组大多是封闭或私人的，用于提供干预材料、目标设定和反馈，并为参与者和研究协调员或参与者自己提供社会支持和互动。这个Facebook小组要么由研究主持人领导33，34，37，41，44]或健康教练[38]。

在25%(4/16)的研究中，第二代网站(Web 2.0)被用作干预手段，它比Web 1.0具有更多的互动社交网络功能[29，30.，36，39]。总体而言，12%(2/16)的研究同时使用网站和移动应用程序[31，43];12%(2/16)的研究使用与Facebook相关的移动应用程序[32，35]， 6%(1/16)的研究将Twitter与网站结合使用[42]。一般使用网站或手机提供干预材料和自我监测，如记录步骤。

大多数研究(12/16,75%)将社交媒体干预与其他类型的干预进行了比较。总体而言，44%(7/16)的研究将社交媒体与教育材料(如小册子或小册子、播客和基于网络的教育材料)进行了比较[30.，33，34，37-39，42]。其他类型的干预措施包括附有自我监测计步器的纸质日志[41，44]、非互动网站[36]，或两者的结合[29]。此外，1项(6%)研究使用基于印刷品的干预作为比较，包括教育材料和自我监测[31]。

身体活动干预

在将身体活动作为结果的10项(63%)研究中，9项(90%)研究仅测量了身体活动[29，31，32，34-37，41，44]， 1项(10%)研究测量了身体活动和体重[39]。60%(6/10)的研究通过自我报告主观地测量身体活动[31，34-37，39]，而40%(4/10)的研究通过加速度计客观地测量身体活动[32，44]或计步器[29，41]。其中一项研究通过自我报告作为次要结果来衡量身体活动[32]。

尽管70%(7/10)的研究报告了两组之间身体活动的显著改善[29，34-36，39，41，44]， 30%(3/10)的研究发现，两组之间的体力活动没有显著改善[31，32，37]。有趣的是，67%(2/3)没有发现显著改善的研究报告说，随着时间的推移，组内的身体活动发生了显著变化[31，37]。然而，Edney等人[32]发现，主观测量时，体力活动仅在9个月时有所改善，客观测量时无显著影响。

由于大多数干预措施是多成分的，因此很难断定哪些成分有助于改善身体活动。此外，某些特征对身体活动改善的影响存在不一致性。例如，在2项研究中，游戏化被用于干预[32，35]。尽管Maher等人[35Edney等人[32研究结果显示，两组之间没有显著差异。

总体而言，30%(3/10)的研究评估了身体活动改善的预测因素[34，35，41]。这些研究报告了基线体力活动与体力活动变化之间的显著相关性(值范围从P<。001年到P=.04)，即基线体力活动水平越低，改善越大。在2项研究中，坚持干预与身体活动改善显著相关。在这些研究中，依从性越强，身体活动的改善程度越高(P= .04点03)(34，35]。相反，Rote等人[41发现坚持干预并不能预测身体活动的变化。

减肥干预措施

共有38%(6/16)的研究评估了社交媒体干预对体重的影响[30.，33，38，40，42，43]， 6%(1/16)的研究同时测量了体重和身体活动[39]。除1项研究外，所有研究(5/ 6,86%)都使用数字秤供员工测量体重。另一项研究使用了自我报告的体重[30.]。在43%(3/7)的研究中，代谢参数(BMI、腰围和体脂)被作为次要指标进行测量[33，38，43]。

57%(4/7)的研究报告了两组之间在减肥方面的显著差异(支持社交媒体干预组)[33，38，39，43]。社交媒体干预组的代谢参数显著改善，与体重减轻相对应[33，38，43]。相比之下，29%(2/7)的研究未发现组间有显著差异[30.，42]。最后一项研究有3组(Facebook、Facebook plus和对照组)，发现Facebook plus组和对照组在减肥方面有显著差异。然而，对照组和Facebook组之间没有显著差异，后者缺乏“Facebook +”组的附加功能(每日短信、个性化反馈和“支持伙伴”)[40]。

不同的因素可能导致组间差异的不一致。虽然在干预中有社会特征，但它们的使用并不一致。例如，Balk-Møller等[43[]的报告指出，社交特征的使用是最优的，因为参与者在研究前就已经认识了彼此，这可以提高干预的有效性。然而，有3项研究报告社交功能的使用率较低[30.，33，42]，因为参与者不愿意与不熟悉的人接触。然而，尽管这些社交功能的使用率很低，但它取代了来自家人和朋友的实时支持，最终降低了干预的效果[30.，33，42]。

季节性是影响干预效果的另一个因素。总体而言，29%(2/7)的研究是在圣诞节和新年期间进行的，据报道这削弱了干预的效果[33，42]。此外，29%(2/7)的其他研究强调干预剂量是提高干预效果的一个因素;使用社交媒体干预越多，干预效果越好[39，42];29%(2/7)的研究发现，无论是电子还是纸质的自我监控，都与减肥效果的改善有关[30.，42]。

参与和网站使用

69%(11/16)的纳入研究报告了用户粘性和使用指标[29-32，34-38，40]。没有标准的度量方法来衡量使用的各种度量方法。这包括在现场花费的时间;登录平台的频率;以及交互的数量(例如，点赞、对其他参与者的评论、发送消息或对事件的响应)。高参与度被定义为在整个研究期间定期、持续地登录网站。低参与度被认为发生在很少或没有定期与网站互动的情况下。在研究中，高参与度和低参与度的定义之间没有明确的界限。

共有44%(7/16)的研究报告称，在整个研究过程中，用户参与度有所下降[29-31，36-38，41]。这些研究的持续时间从2个月[41]至24个月[38]。然而，4项(25%)研究在2至3个月内进行[32，34，35，40]，在整个干预过程中取得了很高的参与度。此外，13%(2/16)的研究报告称，游戏化功能可以提高用户粘性。32，35]。另一项研究表明，使用Facebook主要是为了传递干预内容，而不是作为干预的一部分，Facebook群组上帖子的多样性可能会提高参与度[34]。

将Web 2.0(带有社交功能)与Web 1.0(作为对照组)进行比较的研究发现，Web 2.0的使用率明显更高[30.]和跨步进入[29]与Web 1.0相比。在其他研究中发现，Web 2.0组的参与度和使用率更高[31，32，37]，但目前尚不清楚这种差异是否显著。Vandelanotte等[36]网站的浏览次数与平均浏览次数有显著差异;然而，在网站上花费的时间没有区别。

参与干预与行为改变之间的关系尚不清楚。在45%(5/11)的研究中，参与者参与并不是行为改变的预测因子[31，32，36，38，41]。然而，55%(6/11)的研究发现，参与和使用社交媒体干预与行为改变有关[30.，34，35，37，39，40]。

社交媒体干预效果

这篇综述发现，关于社交媒体干预对短期内增加体育活动或减肥的影响，随机对照试验的结果各不相同，没有证据表明其长期有效。有几个因素可能促成了这一发现。首先，考虑到干预措施的多面性和各种成分的组合，很难阐明哪些成分有助于干预措施的有效性。其次，尽管一些功能旨在优化干预效果(如社会支持)，但这些功能的使用往往是次优的，或者减少了与家人和朋友的支持性联系。最后，参与者参与干预的程度是可变的。在纳入的研究中，干预剂量不足以改善身体活动或减轻体重。

之前的评论强调，社交媒体可以对行为改变的某些方面产生积极影响，例如提高身体活动水平，更好地选择健康食品和体重管理;然而，在这些综述中，社交媒体干预有效性的证据尚无定论[18，45，46]。相比之下，其他综述和荟萃分析发现，社交媒体干预对行为改变没有显著影响[19，20.，47]。这突出表明需要进一步开展强有力的研究，为临床实践提供明确的循证建议。

在纳入的研究中，一个关键的遗漏是卫生保健专业人员的参与。尽管护士和医生在提供健康建议和行为改变方面受到患者的信任[48]，纳入的研究中没有一项涉及卫生保健提供者的干预措施。传言(49认为，医疗服务提供者使用社交媒体可以改善健康结果，促进沟通。卫生保健提供者提供社交媒体干预也可以提高干预效果，因为患者使用社交媒体作为卫生保健专业人员的补充，而不是替代品[50]。未来对社交媒体干预措施的研究应考虑这些干预措施如何寻求缩小与现有卫生保健服务的差距，而不是为预防保健创造不同的途径。

参与和行为改变之间的关系

这篇综述发现，随着时间的推移，干预的参与程度经常下降，尤其是干预时间越长。这一结果是可以预料的，因为人们往往不太可能进行长期干预[51]。这与之前的研究结果一致，即用户粘性会随着时间的推移而下降。46，52]。参与的减少也可能是影响健康结果长期改善的有限证据的一个因素。

这篇综述发现，将投入作为行为改变的预测因素的证据并不一致。之前的研究也报告了类似的不一致。尽管Murray等人[53Hageman等人发现，投入并不能预测行为改变。54研究报告称，关注某些功能可以预测体重减轻，而关注其他功能则不能。然而，由于衡量用户粘性的指标不同，所以很难进行比较。此外，参与可能受制于“潜伏”概念。潜伏是指在没有主动交互的情况下观察干预成分[55]。因此，这些结果应谨慎解释。为了理解用户粘性和行为改变，有必要标准化用户粘性指标，并考虑被动用户粘性的影响[31，38]。

优势与局限

透明协议的存在、质量评估和多审稿人的参与是本次审查的优势。然而，这篇综述有一些局限性。首先，本研究仅使用了2个数据库，因为它们导致大量研究被确定为潜在的合适研究。使用单一审稿人筛选标题和摘要可能会引入偏倚，尽管他们确实对论文进行了两次筛选，并在做出最终决定之前征求了共同作者的意见。此外，在纳入的研究中，不一致的报告使得评估研究质量和提取数据具有挑战性。虽然质量评价提供了对纳入论文质量的深入了解，但由于缺乏质量截止点的一致定义，它不能用于排除研究。最后，由于缺乏接受“常规”治疗的对照组，因此很难确定疗效。

结论

尽管社交媒体干预有望支持改变体育活动和减肥的行为，但有关其有效性的证据参差不齐。需要进行更有力的研究，以确定社交媒体干预的哪些组成部分或功能对行为改变的影响最大，以及干预的剂量如何才能在对参与度影响最小的情况下达到最佳效果。此外，参与和行为改变之间的关系需要被清楚地理解。

致谢

这项研究没有得到任何公共、商业或非营利部门的资助机构的具体资助。WS得到了澳大利亚研究生奖的支持，该奖项由卧龙岗大学颁发。

利益冲突

没有宣布。

安德森E，达斯汀JL。体育活动、锻炼和慢性疾病:简要回顾。运动医学与健康科学2019;1(1):3-10 [j]免费全文] [CrossRef] [Medline］
Nyberg ST, Singh-Manoux A, Pentti J, Madsen IE, Sabia S, Alfredsson L，等。健康生活方式与无重大慢性疾病寿命的关系。《中华医学会医学杂志》2020年5月1日;18 (5):768 -768 [j]免费全文] [CrossRef] [Medline］
肥胖和超重对个人和企业健康的影响。公共卫生学报2019年3月22日;28(2):211-218。［CrossRef］
皮尔西KL，特罗亚诺RP。美国卫生与公众服务部的美国人体育活动指南。《中国心血管质量评价》2018年11月11日(11):005263 [j]免费全文] [CrossRef] [Medline］
Weir C, Jan A. BMI分类百分位数和截断点。坦帕，佛罗里达州，美国:StatPearls Publishing;2022.
肥胖和超重。世界卫生组织。URL:https://www.who.int/en/news-room/fact-sheets/detail/obesity-and超重[2022-02-28]访问
《2018-2030年促进身体活动全球行动计划》。瑞士，日内瓦:世界卫生组织;2019.
carra a E, Encantado J, Battista F, Beaulieu K, Blundell J, Busetto L，等。有效的行为改变技术促进超重或肥胖成人的身体活动:一项系统回顾和荟萃分析。Obes Rev 2021 july;22 supply 4(supply 4):e13258 [免费全文] [CrossRef] [Medline］
Jane M, Hagger M, Foster J, Ho S, Pal S.社交媒体对健康促进和体重管理的影响。中华卫生杂志2018年7月28日;18(1):932 [免费全文] [CrossRef] [Medline］
卡尔CT，海耶斯RA。社交媒体:定义、发展和预测。[J] .通讯学报，2015,02;23(1):46-65。［CrossRef］
Hunter RF, de la Haye K, Murray JM, Badham J, Valente TW, Clarke M，等。社会网络干预健康行为和结果:系统回顾和荟萃分析。PLoS Med 2019 Sep;16(9):e1002890 [j]免费全文] [CrossRef] [Medline］
社交媒体简报。皮尤研究中心，2021年4月7日。URL:https://www.pewresearch.org/internet/fact-sheet/social媒体/[2022-12-23]访问
家庭使用信息技术。澳大利亚统计局2018年3月28日。URL:https://www.abs.gov.au/sta tistics /行业/技术和创新/ household-use-information-technology /最新版本[2022-02-19]访问
2013年全球社交媒体统计研究综述。Smart Insights。2023年1月30日。URL:https://www.smart insights.com/social-media-marketing/social-media-strategy/new-global-social-media-research/#:~:text=More%20than%20 half%20of%20the,social%20media%20is%202h%2027m[2021-02-15]访问
杨建军，李建军，李建军，刘建军，等。理解并促进有效参与数字行为改变干预措施。中华预防医学杂志，2016,11(5):833-842。［CrossRef] [Medline］
张建军，张建军，张建军，等。智能手机应用程序对健康和幸福的影响:系统评价。[J]中国医学信息学报，2020;22(5):572 - 572 [J]免费全文] [CrossRef] [Medline］
艾森巴赫G.损耗定律。[J]医学与互联网研究2005,31;7(1):11 [J]免费全文] [CrossRef] [Medline］
Goodyear VA, Wood G, Skinner B, Thompson JL。社交媒体干预对年轻人和成年人身体活动和饮食行为的影响:一项系统综述。国际行为与营养物理法案2021 Jun 05;18(1):72 [免费全文] [CrossRef] [Medline］
Tong HL, Laranjo L.在移动健康干预中使用社交功能促进身体活动:系统综述。中华数字医学杂志2018年9月4日;1(1):43 [j]免费全文] [CrossRef] [Medline］
李春华，李春华，李春华，等。社交媒体对非传染性疾病风险因素的影响:随机对照试验的系统评价和荟萃分析。中国生物医学工程学报，2016,34 (4):357 - 357 [j]免费全文] [CrossRef] [Medline］
张建军，张建军，张建军，等。基于社交媒体的体育运动干预效果研究。国际环境与公共卫生杂志2021年12月10日;18(24):13018 [J]免费全文] [CrossRef] [Medline］
Page MJ, McKenzie JE, Bossuyt PM, Boutron I, Hoffmann TC, Mulrow CD等。PRISMA 2020声明:更新的系统审查报告指南。英国医学杂志2021年3月29日;372:n71 [j]免费全文] [CrossRef] [Medline］
陈静，王勇。社交媒体对健康的影响:系统评价。[J]互联网研究与发展[J]; 2009;23(5): 917 - 917 [J]免费全文] [CrossRef] [Medline］
尾注20。Clarivate。URL:https://endnote.com/product-details[2021-02-01]访问
Sterne JA, savoviki J, Page MJ, Elbers RG, Blencowe NS, Boutron I，等。RoB 2:随机试验中评估偏倚风险的修订工具。中国医学杂志2019年8月28日;366:1498 [j]免费全文] [CrossRef] [Medline］
系统评价和综合的定性证据的质量评估:有意义吗?如果有意义，应该如何进行?合成方法2015;06 (2):149-154 [j]免费全文] [CrossRef] [Medline］
Higgins JP, López-López JA, Becker BJ, Davies SR, Dawson S, Grimshaw JM，等。在复杂卫生干预措施的系统评价中综合定量证据。英国医学杂志2019年1月25日;4(增刊1):e000858。［CrossRef] [Medline］
Alley SJ, Kolt GS, Duncan MJ, Caperchione CM, Savage TN, Maeder AJ，等。web 2.0体育活动干预老年人的有效性——一项随机对照试验。国际行为与营养物理法案2018年1月12日;15(1):4 [免费全文] [CrossRef] [Medline］
Kolt GS, Rosenkranz RR, Vandelanotte C, Caperchione CM, Maeder AJ, Tague R，等。使用Web 2.0应用程序促进与健康相关的体育活动:WALK 2.0随机对照试验的结果。[J]中华体育杂志，2017;33 (5):349 - 349 [J]免费全文] [CrossRef] [Medline］
Brindal E, Freyne J, Saunders I, Berkovsky S, Smith G, Noakes M.网络干预中超重或肥胖参与者体重减轻的特征预测:随机试验。[J]医学互联网研究，2012;14(6):e173 [J]免费全文] [CrossRef] [Medline］
Duncan M, Vandelanotte C, Kolt GS, Rosenkranz RR, Caperchione CM, George ES，等。基于网络和移动电话的干预对促进中年男性身体活动和健康饮食的有效性:ManUp研究的随机对照试验。医学互联网研究[J]; 2014;16(6):e136 [J]免费全文] [CrossRef] [Medline］
Edney SM, oldts, Ryan JC, Vandelanotte C, Plotnikoff RC, Curtis RG，等。一个社交网络和游戏化的应用程序，以增加身体活动:集群随机对照试验。[J]预防医学2020年2月;58(2):e51-e62。［CrossRef] [Medline］
Jane M, Hagger M, Foster J, Ho S, Kane R, Pal S.社交媒体对超重和肥胖成人体重和代谢综合征危险因素的影响:一项随机对照试验。PLoS One 2017;12(6):e0178326 [j]免费全文] [CrossRef] [Medline］
刘建军，刘建军，刘建军，等。基于网络、社交网络的18 - 50岁成人跑步新手干预研究。医学互联网研究，2018年2月26日;20(2):e67 [J]免费全文] [CrossRef] [Medline］
Maher C, Ferguson M, Vandelanotte C, Plotnikoff R, De Bourdeaudhuij I, Thomas S，等。通过Facebook应用程序为缺乏运动的成年人提供基于网络的社交网络体育活动干预:随机对照试验。医学互联网研究，2015;17(7):e174 [J]免费全文] [CrossRef] [Medline］
Vandelanotte C, Kolt GS, Caperchione CM, Savage TN, Rosenkranz RR, Maeder AJ，等。在现实环境中，web2.0干预增加身体活动的有效性:随机生态试验。医学互联网研究，2017年11月13日;19(11):e390 [J]免费全文] [CrossRef] [Medline］
卡瓦洛DN, Tate DF, Ries AV, Brown JD, devlis RF, Ammerman AS。基于社交媒体的体育活动干预:一项随机对照试验。中华预防医学杂志;2012;43(5):527-532 [J]免费全文] [CrossRef] [Medline］
Godino JG, Merchant G, Norman GJ, Donohue MC, Marshall SJ, Fowler JH，等。使用社交和移动工具减轻超重和肥胖年轻人的体重(SMART项目):一项为期2年的平行组随机对照试验。柳叶刀糖尿病内分泌杂志2016;4(9):747-755 [j]免费全文] [CrossRef] [Medline］
刘建军，刘建军，刘建军，刘建军。带有无线监测设备的在线社交网络对身体活动和减肥的影响。中华卫生杂志，2013;4(3):189-194 [J]免费全文] [CrossRef] [Medline］
纳波利塔诺MA，海耶斯S，贝内特GG，艾夫斯AK，福斯特GD。利用Facebook和短信向大学生们发布减肥计划。肥胖(银泉)2013年1月;21(1):25-31 [j]免费全文] [CrossRef] [Medline］
Rote AE, Klos LA, Brondino MJ, Harley AE, Swartz AM。使用社交媒体增加身体活动的步行干预的功效:一项随机试验。J Phys Act Health 2015 june 16;12增刊1:S18-S25 [J]免费全文] [CrossRef] [Medline］
推特、应用程序和POD: 6个月的成人移动数字减磅(移动POD)随机减肥干预的结果。[J]医学互联网研究，2011;13(4):e120 [J]免费全文] [CrossRef] [Medline］
Balk-Møller NC, Poulsen SK, Larsen TM。一项为期9个月的基于网络和应用程序的工作场所干预对社会福利和医疗保健部门员工促进健康生活方式和减肥的影响:一项随机对照试验医学互联网研究，2017年4月10日;19(4):e108 [J]免费全文] [CrossRef] [Medline］
Chee H, Hazizi A, Barakatun NM, Mohd NM。对患有代谢综合征的政府雇员进行基于facebook的身体活动干预的随机对照试验。马来学报，2014;20(2):165-181 [J]免费全文］
李建军，李建军，李建军。基于社交媒体的行为改变干预:系统评价。医学互联网研究，2018年2月22日;20(2):e20 [J]免费全文] [CrossRef] [Medline］
Schoeppe S, Alley S, Van Lippevelde W, Bray NA, Williams SL, Duncan MJ，等。使用应用程序改善饮食、身体活动和久坐行为的干预效果:一项系统综述。国际行为与营养物理法案2016年12月07日;13(1):127 [J]免费全文] [CrossRef] [Medline］
Willis EA, Szabo-Reed AN, Ptomey LT, Steger FL, Honas JJ, Washburn RA，等。在线社交网络提供的体重管理干预措施是否能有效改善体重、身体成分和慢性疾病风险因素?系统回顾。[J]中国电信，2017;23(2):263-272 [J]免费全文] [CrossRef] [Medline］
刘建军，刘建军，刘建军，等。澳大利亚中年人对支持减少生活方式风险因素的看法:一项定性研究。中华医学杂志，2020;26(4):313。［CrossRef］
有传言CL。社交媒体和医疗保健专业人员:利益、风险和最佳实践。中国药学杂志;2014;39(7):491-520 [j]免费全文] [Medline］
刘建军，刘建军，刘建军，等。医疗保健中的社交媒体使用:对患者及其与医疗保健专业人员关系的影响的系统回顾。中华医学会医学杂志，2016;16(1):442 [j]免费全文] [CrossRef] [Medline］
李建军，李建军，李建军。智能手机应用对健康行为改变的影响:定性研究。医学互联网研究，2013年4月18日;15(4):e86 [J]免费全文] [CrossRef] [Medline］
拉兰霍，阿格尔A, Neves AL, Gallagher AM, Kaplan R, Mortimer N，等。社交网站对健康行为改变的影响:系统回顾和荟萃分析。中华医学杂志，2015,22(1):243-256 [J]免费全文] [CrossRef] [Medline］
穆雷JM, French DP, Patterson CC, Kee F, Gough A，唐杰等。预测参与基于互联网的体育活动干预的具体组成部分与财务激励的结果:聚类随机对照试验的过程分析。[J]中国医学杂志，2019;21(4):11394 [J]免费全文] [CrossRef] [Medline］
Hageman PA, Mroz JE, Yoerger MA, Pullen CH.用户参与与网络干预功能相关的农村妇女实现临床有意义的减肥和体重维持。J Obes 2019 Mar 03;2019:7932750-7932757 [J]免费全文] [CrossRef] [Medline］
刘建军，刘建军，刘建军，等。点击“喜欢”来改变你的行为:一项针对大学生接触和参与Facebook减肥内容的混合方法研究。医学互联网研究[J]; 2014 . Jun 24;16(6):e158 [J]免费全文] [CrossRef] [Medline］

‎

棱镜:系统评价和荟萃分析的首选报告项目

编辑:R库卡夫卡，A马夫拉加尼;提交01.04.22;D . Candelaria, A . Martinko, D . Jake-Schoffman的同行评议;对作者23.06.22的评论;收到订正版06.08.22;接受10.02.23;发表16.03.23

这是一篇在知识共享署名许可(https://creativecommons.org/licenses/by/4.0/)下发布的开放获取文章，该许可允许在任何媒介上不受限制地使用、分发和复制，前提是原始作品首次发表在《医学互联网研究杂志》上，并适当引用。必须包括完整的书目信息，到//www.mybigtv.com/上原始出版物的链接，以及版权和许可信息。

本文内容如下e-collection /主题问题:

社会媒体干预对健康成人体重减轻和身体活动改善的影响:系统综述