Meta分析在健康促进领域又有新进展？今日，以一篇影响因子15.2分的文献为例，我们探索数字创新如何引领全球宫颈癌防控革命。想要探索数字干预或者健康教育方向Meta分析的小伙伴们，本篇文章将为您打开全新视角！

l题目：Systematic review and meta-analysis comparing educational and reminder digital interventions for promoting HPV vaccination uptakel比较教育和提醒数字干预措施促进HPV疫苗接种率的系统性综述和meta分析

l杂志：NPJ DIGITAL MEDICINEl

影响因子：IF=15.2l

发表时间：2023年8月29日

研究背景

宫颈癌是世界上第四大常见的女性癌症，估计每年有60万新病例被诊断。预防宫颈癌的措施包括注射人类乳头瘤病毒疫苗、定期检查及安全性行为。尽管世界卫生组织已经设定了一个目标，即在15岁之前让90%的女孩接种HPV疫苗。然而，全球人乳头瘤病毒（HPV）疫苗接种率仍然很低，促进疫苗接种的数字干预措施为这一问题提供了解决方案。该研究是一项系统性综述和meta分析，比较了教育和提醒数字干预的有效性，以促进HPV疫苗接种率。

文献检索

数据库：PubMed,PsycInfo, Web of Science, and Cochrane Central Register of Controlled Trials数据库检索时间：从每个数据库建库至2023年1月关键词：（1）数字干预（短信，电子邮件，DVD，网站）；（2）HPV疫苗（例如，HPV、宫颈癌疫苗）；（3）疫苗接种（例如，接种、完成、覆盖）。

筛选文献

纳入标准：该研究纳入了符合PICOS策略的英文文章：（1）Population (P)：研究人群包括有资格接种WHO推荐的HPV疫苗的9至26岁的儿童、青少年和年轻人，以及他们的父母或医疗保健提供者；（2）Intervention (I)：旨在利用数字技术的干预（例如，短信，电子邮件，DVD，网站，网络研讨会，应用程序）提醒或教育客户（儿童，青少年和年轻人和/或父母）或医疗保健提供者接种HPV疫苗。这些干预措施的设计和实施的具体目的是促进HVU； （3）Comparison (C)：符合条件的研究需要使用对照组，例如常规条件或替代对照；（4）Outcome (O)：这些研究探索了数字干预对HVU的影响，包括疫苗接种的开始和完成。我们将开始定义为接受至少一剂HPV疫苗，将完成定义为接受所有推荐的疫苗剂量。自我报告（即，父母或接种者）和提供者验证的疫苗接种状态都是用于评估疫苗接种覆盖率的方法（即，医疗记录、免疫登记）；（5）Study design (S)：研究为随机对照试验（RCT）。

排除标准：

（1）重复发表的研究；

（2）与评估HPV疫苗干预试验无关的研究；

（3）非随机化的研究；

（4）只有两种数字干预措施而没有对照组的研究；

（5）仅提供关于HPV疫苗接种的知识，态度或意图的研究被排除在外。

数据提取该研究提取数据包括：进行研究的国家、研究设计、干预细节、研究参与者特征和环境、样本量以及关于HPV疫苗接种的结局。在研究同时报告意向治疗和方案分析的情况下，该研究使用意向治疗数据。该研究检查了参考文献列表或相关的系统评价和确定的主要研究。由两位研究者独立筛选检索到的报告的标题和摘要，以识别可能合格的研究（通过讨论解决分歧）。由研究助理和两位研究者独立评估这些潜在合格的研究全文是否符合标准（通过讨论解决分歧）。统计分析该研究根据评估后HVU（疫苗接种开始或疫苗系列完成）计算了每次比较的效应量OR、95%置信区间（95%CI）和P值（P），代表评估后两组（数字干预组与对照组）之间的差异。由于试验之间的预期异质性，所有分析均采用随机效应模型。如果试验是多组试验，并且报告了两个比较结果，则对样本量进行划分，以避免放大功效。具体而言，将总样本量的一半分配给对照组，而剩余一半平均分配给两个比较组，这种方法确保了治疗效果的无偏估计。研究对OR值进行对数转换后将其合并，然后对合并结果取幂以产生合并OR。使用I2统计量报告统计异质性。同时，该研究使用亚组分析来检验如果只纳入提供客户教育、客户提醒、客户教育加提醒的组合、提供者教育、提供者提醒的研究，结果是否不同。根据混合效应模型进行亚组分析，在该模型中，使用随机效应模型合并亚组，而使用固定效应模型进行亚组间显著性差异检验。使用Cochrane’s Risk of Bias (ROB) 2.0工具评估偏倚风险，以评估纳入的RCT及其各自的方案和试验登记记录在五个领域的偏倚风险：（1）随机化过程引起的偏倚，（2）预期干预偏离引起的偏倚，（3）结局数据缺失引起的偏倚，（4）结果测量的偏差和（5）报告结果选择的偏差。ROB 2.0工具采用全面的标准化算法，考虑每个领域内的特定标准来计算总体偏倚风险。研究通过目视检查主要结果的漏斗图和进行Egger检验来评估发表偏倚。使用 Duval 和 Tweedie 的剪补法进行了敏感性分析，以确定在对发表偏倚进行调整后，主要分析的结果是否会发生变化。主要结果1. 研究选择及特点： 该研究选择了1087个标题和摘要进行初步审查，进一步选择了210篇文章进行全面审查，其中176篇文章不符合纳入标准（例如，非随机化，不合格的干预方法）并被淘汰。最终，该研究分析了34项独特的研究，并计算了41个效应量（6篇文章有多个干预组）。在这41个效应量中，11个评估了客户教育干预措施，9个评估了客户提醒干预措施，9个评估了客户教育和提醒干预措施的组合，4个评估了提供者教育干预措施，8个评估了提供者提醒干预措施。参与者从纳入的34项研究中共抽取了281280名独立参与者。其中25项研究是针对父母和/或青少年（73.5%）进行的，其余研究是针对医疗保健提供者进行的。13项研究仅包括女性，3项研究仅包括男性。在所有研究中，参与者的平均年龄为15岁（范围：9-45岁）。所有纳入的研究均在高收入国家和中上收入国家进行。

2. 按干预类型划分的疫苗接种率：研究发现，在34项研究的41项干预比较中，HVU显著增加（OR=1.25; 95%CI: 1.16-1.34; P

3. 与干预有效性相关的自变量：结果表明，干预效果与2个变量相关：性别（仅女性，仅男性或混合）和使用的数字平台。尽管两种性别都报告了HVU的改善，但仅针对男性或混合性别参与者的研究报告了更大的益处。与单独的教育平台（网站，网络研讨会或Facebook）相比，提醒平台（短信，偏好提醒或电子健康记录警报）对增加HVU的影响更大。以下变量与干预有效性无关：年龄组、干预目标（患者、父母或提供者）、干预地点（诊所或非诊所）、疫苗接种结果（开始和完成）、少数参与者或控制条件类型。

4. 研究质量和发表偏倚：超过一半的研究被认为存在一些问题，因为随机化过程存在问题，并且偏离了预期的干预措施。12次试验未能提供随机分配序列的生成和隐藏信息。9项研究缺乏关于受试者和干预者设盲的信息。由于某些干预措施的性质，不可能蒙蔽干预者。临床试验中的此类事件被视为不太可能影响试验结局的背景偏离。ROB 2.0算法确定这些试验的偏倚风险较低。

漏斗图的目视检查显示没有发表偏倚的证据，效应量分布相当对称。Egger回归截距检验具有统计学显著性（截距=1.35，95%CI: 0.78-1.92，p < 0.001），这表明发表偏倚可能会影响观察到的结果。因此，使用 Duval 和 Tweedie 剪补法进行了敏感性分析以评估发表偏倚，在分析过程中对14项缺失研究进行了插补，以解释潜在偏倚。在调整潜在的发表偏倚后，干预措施的影响仍然具有统计学显著性。

文章小结

结果表明，数字干预措施在促进HVU方面是有效的。具体而言，客户提醒，客户教育加提醒，提供者教育和提供者提醒数字干预有利于促进HVU，而迄今为止研究的客户教育策略是无效的。研究建议可以推广带有提醒系统的数字干预措施，并将其整合到医疗保健系统中。

研究优势

这项meta分析是迄今为止对数字干预在促进HVU的有效性进行的最全面和最严格的分析，也是第一个纳入34项随机对照试验来调查五种常见的干预措施对促进疫苗接种的有效性的研究。该研究处理多组试验时采取了划分样本量的方法，获得了