首页
模型资源
临床前CRO
赛业动态
客户支持
关于我们
商城
集团站群
CN
想了解更多的最新技术和发现?

Nature Human Behaviour
数字干预在戒烟中的应用效果

2025-11-01

小赛推荐:

该研究通过系统综述与网络荟萃分析,评估了不同数字干预类型在戒烟中的效果,发现个性化与组别定制化干预显著优于标准护理,其中短信干预效果最佳。研究还显示,中年人群与短期干预效果更佳,为数字健康干预提供了重要循证支持。

 

文献概述
本文《Efficacy of digital interventions for smoking cessation by type and method: a systematic review and network meta-analysis》,发表于Nature Human Behaviour杂志,回顾并总结了152项随机对照试验(共117,642名参与者)中不同数字戒烟干预的效果,比较了多种技术类型和方法学框架下的干预有效性。研究结果显示,个性化干预和组别定制化干预在短期与中期效果上均显著优于标准护理,而短信干预在所有技术中表现出最强效果。研究还指出,年龄和干预持续时间对戒烟效果具有显著影响,中年人群和短期干预效果更优。文章强调了未来大规模研究的必要性,以评估长期可持续性与人群特异性反应。

背景知识
吸烟是全球主要的可预防致死因素,与40%的新发癌症及30%的癌症死亡相关。尽管戒烟可降低烟草相关疾病风险,仅3–5%的吸烟者能在无干预情况下维持6–12个月戒烟。传统戒烟干预(如药物治疗、行为咨询)受限于资源密集性和低收入国家的可及性问题,而数字健康干预(如短信、应用程序、电话咨询)则因其可扩展性和低成本,成为近年来研究重点。尽管2012年荟萃分析显示数字干预效果有限,但随着移动通信、人工智能与个性化算法的发展,数字戒烟干预的临床效果值得重新评估。本研究填补了数字戒烟干预在方法学异质性、人群分层与长期效果方面的空白,系统评估了不同数字平台与交互方式的相对疗效。

 

个性化戒烟干预研究的动物模型构建服务

 

研究方法与实验
研究采用频繁主义随机效应网络荟萃分析(NMA),纳入152项随机对照试验(RCT),覆盖117,642名参与者,主要比较不同数字干预(如短信、应用程序、电话、网页、电子邮件)在戒烟率上的相对风险(RR)与95%置信区间(CI)。干预按方法学框架(组别定制、个性化、互动、标准)与技术类型(短信、电话、多组分干预、应用程序、网页等)分类,并进行交叉匹配亚组分析。研究还进行了亚组分析,评估年龄、干预时长对戒烟效果的影响,使用P-score进行干预排名,评估其相对疗效。

关键结论与观点

  • 个性化干预在戒烟中的相对风险(RR)为1.86(95% CI: 1.54–2.24),组别定制化干预的RR为1.93(95% CI: 1.30–2.86),均显著优于标准数字干预(RR 1.50,95% CI: 1.31–1.72)。
  • 短信干预效果最优(RR 1.63,95% CI: 1.38–1.92),其次为电话干预(RR 1.59)与多组分干预(RR 1.56)。
  • 中年人群(≥40岁)在所有干预类型中均表现出更高戒烟成功率,尤其在组别定制化干预中RR达2.66(95% CI: 1.49–4.75)。
  • 短期(<3个月)与中期(3–9个月)干预效果更优,而长期(>9个月)干预效果减弱,提示需优化长期支持策略。
  • 网络分析显示,互动性应用程序(RR 5.70,95% CI: 1.28–25.37)与组别定制化干预(RR 2.01,95% CI: 1.41–2.87)在交叉匹配分析中排名靠前,但因置信区间宽泛,需谨慎解读。
  • 研究指出方法学异质性、偏倚风险及长期数据缺失为限制,建议未来研究应标准化方法并获取个体层面数据,以提升证据质量。

研究意义与展望
本研究为数字戒烟干预的临床有效性提供了最新系统评价与网络荟萃分析,支持个性化与组别定制化干预在戒烟中的应用。研究还指出,不同人群对数字干预的响应差异,提示未来干预设计需考虑年龄、干预时长与交互性因素。尽管数字健康干预在戒烟中显示出一定优势,但其长期效果仍需进一步验证,且需结合行为中介变量(如自我效能、动机、社会支持)以提升干预的持续性与参与度。未来可结合AI与大数据分析,开发更精准、自适应的数字戒烟平台,提升戒烟成功率与依从性。

 

赛业生物提供神经科学与戒烟相关的行为学分析平台,适用于戒烟研究中的动物行为评估。

 

结语
该研究系统评估了不同数字戒烟干预的效果,发现个性化与组别定制化干预在短期和中期显著优于标准护理。短信干预在所有技术中表现最佳,电话与多组分干预紧随其后。研究还发现,中年人群对数字干预的响应更强,提示未来干预应分层设计。尽管数字干预在戒烟中展现出一定优势,但长期效果仍不确定,需更多大规模、标准化RCT验证。此外,研究建议未来应整合个体行为数据,探索干预的中介变量,以优化数字戒烟策略,提高其可持续性与人群适应性。

 

文献来源:
Shen Li, Yiyang Li, Chenhao Xu, Sheyu Li, and Xuelei Ma. Efficacy of digital interventions for smoking cessation by type and method: a systematic review and network meta-analysis. Nature Human Behaviour.
想了解更多的最新技术和发现?
数字戒烟干预
个性化干预
组别定制化干预
戒烟成功率
短信干预
戒烟研究

上一篇:Advanced drug delivery reviews 机器学习与人工智能在PBPK建模型中的机遇与挑战

下一篇:The ISME Journal 微生物真核生物研究文献高度集中于少数人类寄生虫