條文本
摘要
介紹超重和肥胖是兒童和青少年的一個全球性公共衛生問題。然而,盡管在這個問題上進行了大量試驗,但對選定的肥胖測量的影響程度以及運動幹預的層次(有氧、力量訓練或兩者兼而有之)並沒有很好地建立起來。本研究的主要目的是使用網絡元分析方法來確定運動幹預對超重和肥胖兒童和青少年選擇的肥胖測量的影響和層次。
方法與分析在2017年8月31日前,包括直接和/或間接證據的4周隨機運動幹預試驗>將納入研究範圍。研究將通過搜索七個電子數據庫、交叉引用和專家評審來確定。數據的雙重選擇和抽象將會發生。主要結果將是身體質量指數(kg/m)的變化2)、脂肪量及體脂百分比。使用Cochrane偏倚風險評估工具評估偏倚風險,使用網絡薈萃分析的建議分級評估、發展和評估工具評估對累積證據的置信度。網絡元分析將使用多變量隨機效應元回歸模型進行。累積排名曲線下的曲麵將用於提供運動治療的等級(有氧、力量或兩者兼有)。
倫理與傳播這項研究不需要倫理批準。研究結果將在一個專業會議上發表,並發表在同行評議的期刊上。
PROSPERO注冊號CRD42017073103。
- 鍛煉
- 超重
- 肥胖
- 孩子們
- 青少年
- 網絡分析
這是一篇開放獲取文章,根據創作共用屬性非商業(CC BY-NC 4.0)許可證發布,該許可證允許其他人以非商業方式分發、混音、改編、在此作品的基礎上進行構建,並以不同的條款許可其衍生作品,前提是原始作品被正確引用且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/
數據來自Altmetric.com
本研究的優勢和局限性
據調查小組所知,這是第一個使用網絡元分析方法來確定運動幹預(有氧、力量訓練或兩者都有)對體重指數(kg/m)的影響及其層次的係統綜述2超重和肥胖兒童和青少年的脂肪量和體脂百分比。
這一係統綜述的結果與網絡薈萃分析應該有助於從業者和決策者在治療兒童和青少年超重和肥胖的運動方麵做出明智的決定。
該網絡元分析係統綜述的結果對於研究人員開展和報告這一主題的未來研究是有用的。
對於大多數薈萃分析來說,結果可能會產生無法解釋的顯著異質性。
與任何彙總數據元分析一樣,生態謬誤的可能性也存在,即群體平均值並不能反映個人的價值觀。
介紹
基本原理
兒童和青少年超重和肥胖是世界範圍內的一個重大公共衛生問題。1980年至2013年期間,發達國家兒童和青少年超重和肥胖患病率分別從男孩的16.9%上升至23.8%和女孩的6.4%,從16.2%上升至22.6%。1在發展中國家,男孩從8.1%增加到12.9%,增加了4.8%,女孩從8.4%增加到13.4%,增加了5%。1
與兒童和青少年肥胖相關的負麵後果是直接的和長期的。2一項針對5-17歲兒童和青少年的基於人群的研究發現,大約70%的肥胖青年至少有一種心血管疾病風險因素(高膽固醇、高血壓等)。3.肥胖兒童和青少年也更有可能被診斷為前驅糖尿病,4此外,還會增加骨骼和關節困難、睡眠呼吸暫停以及社會和心理問題的風險,如汙名化、缺乏自尊和健康相關的生活質量較差。5個6長期來看,兒童和青少年的超重和肥胖會一直持續到成年,7 - 11因此,超重和/或肥胖的成年人患心血管疾病、2型糖尿病、中風、幾種癌症和骨關節炎的風險更大。2
運動是治療超重和肥胖的一種很有希望的幹預手段。然而,之前僅限於或包括超重和肥胖兒童和青少年的隨機試驗導致了相互矛盾的結果,12-58一些研究報告稱,主要結果為肥胖(體重指數(BMI))有統計學意義上的顯著降低12 13 16 17 22 27 28 31 41 51-56 59-63而其他人則表示沒有變化。14 15 18-21 23-26 29 30 32-40 42-50 57 58 62 64 65當僅限於超重和肥胖的男女兒童和青少年時,12 14 17-20 22-26 28 31 33 36 38-41 45-57隻有18例(45.0%)報告BMI有統計學意義上的顯著降低。12 17 22 28 31 41 50-58雖然這可能會導致人們得出一個普遍的結論,即運動對降低超重和肥胖兒童和青少年的BMI幾乎沒有什麼作用,但這是短視的,因為它依賴於計票方法,66這種方法已被證明不如元分析方法有效。66 67
以前的係統綜述和薈萃分析側重於運動作為獨立幹預對男性和女性兒童和青少年BMI的主要結果的影響,報告了相互矛盾的結果,其中5個報告了BMI的顯著改善68 - 72另外5個國家沒有統計上的顯著改善。73 - 77然而,10項研究中有9項存在以下一項或多項限製:(1)納入了少量以運動為唯一幹預的研究,71 73 - 75(2)納入非隨機試驗,68 74(3)納入不超重或肥胖的兒童和青少年。70 72 74 76 77與本研究相關的是,所有10個研究都依賴於成對與網絡元分析,後者包括直接和間接證據。此外,根據直接和間接的證據,還沒有一個既定的等級製度來確定哪種類型的運動(有氧、力量訓練或兩者兼而有之)可能最有利於改善BMI。68 - 77為了部分解決這個問題並證明可行性,研究小組最近使用了網絡元分析方法來檢查運動(有氧運動、力量訓練或兩者兼有)對超重和肥胖兒童和青少年BMI z評分的影響。78 79發現有氧運動和有氧和力量運動相結合的BMI z評分有統計學意義上的降低,但單獨的力量訓練沒有(平均,95% CI,有氧,- 0.10,-0.15至- 0.05;有氧和強度,−0.11,-0.19至−0.03;強度,0.04,-0.07到0.15)。79有氧和力量結合訓練的效果最好,其次是有氧運動,然後是力量訓練。79在直接研究和間接研究中,證據的一致性和偏倚風險沒有差異。79得出的結論是,有氧運動和力量訓練相結合,以及單獨的有氧運動與BMI z評分的降低有關。79在力量訓練研究中,缺乏對BMI z評分的影響可能是瘦肌肉質量增加的結果。但是,由於BMI單位為kg/m2在臨床和公共衛生環境中,肥胖仍然是最常被評估和報道的測量方法,因此需要使用網絡薈萃分析方法進行這種檢查。此外,由於所有類型的BMI測量以及體重都沒有捕捉到身體成分的變化(脂肪量,體脂百分比等),如前所述,將這些結果包括在內,79也是必要的。
目標
本研究的主要目標是對隨機試驗進行網絡薈萃分析,以(1)確定運動(有氧、力量訓練或兩者兼有)對肥胖(BMI單位為kg/m)的影響2(2)建立治療肥胖的運動幹預(有氧、力量訓練或兩者兼有)的層次(BMI,單位為kg/m2體重超標和肥胖的兒童和青少年。
方法
概述
本研究將遵循醫療保健幹預網絡元分析的係統評價首選報告項目和元分析擴展聲明的指導方針。80
合格標準
本網絡元分析的納入標準如下:(1)來自比較兩種或兩種以上運動幹預措施(有氧、力量訓練,兩者都有)的隨機試驗的直接證據,或來自比較運動幹預組與比較對照組(非幹預、注意力控製、常規護理、等待名單對照、安慰劑)的隨機對照試驗的間接證據,(2)純運動幹預(有氧、力量訓練或兩者都有),(3)持續時間≥4周的研究,(4) 2-18歲的男性和/或女性兒童和青少年,(5)作者定義的超重或肥胖參與者,(6)截至2017年8月31日以任何語言發表的研究,(7)BMI數據,單位為kg/m2,脂肪量或體脂百分比。
研究將僅限於隨機試驗,因為這是控製未知或未測量混雜因素的唯一方法,也是觀察到非隨機對照試驗往往高估醫療幹預的效果的唯一方法。81 82間接證據研究將僅限於隨機對照試驗,至少有一隻運動臂參加有氧、力量訓練或有氧和力量訓練相結合的運動。直接證據研究將僅限於隨機試驗,至少包括以下兩個運動組:(1)有氧運動,(2)力量訓練,(3)有氧和力量訓練運動。
為了本研究的目的,運動、有氧運動和力量訓練將根據2008年美國人身體活動指南進行定義,83也就是說,運動是“有計劃的、有結構的、重複的、有目的的,目的是為了提高或維持身體健康的一個或多個組成部分”,83 84有氧運動是“主要利用有氧能量產生係統的運動,可以提高這些係統的能力和效率,對提高心肺耐力有效”,83力量訓練是“主要旨在增加骨骼肌力量、力量、耐力和質量的運動訓練”。83根據先前的研究,我們選擇4周作為幹預長度的較低切點,這些研究表明,11歲兒童的肥胖狀況在這段時間內有所改善。21
參與者將僅限於原研究作者定義的超重和肥胖兒童和青少年,因為研究表明,這一人群一生中過早發病和死亡的風險增加。85
雖然一些研究表明,產生統計上顯著和積極結果的研究更有可能發表在英語期刊上,而不是非英語期刊上,86其他研究表明情況並非如此。87考慮到前者,來自英語和非英語文章的研究將被包括在內,後者由第二作者使用免費的網絡Babelfish和必應翻譯器翻譯成英語。對於那些無法使用Babelfish和/或Bing翻譯的研究,將使用專業翻譯服務。
BMI單位為kg/m2之所以被列為三大主要肥胖結局之一,是因為它是從業者和其他人最常用和理解的變量,可以很容易地從體重和身高測量。然而,因為BMI是肥胖的間接衡量標準,脂肪量和身體脂肪百分比將被包括在內,因為它們是更直接的肥胖衡量標準。脂肪量和體脂百分比可能與包括力量訓練的研究特別相關,因為BMI測量的脂肪減少可能會被肌肉量的增加所抵消,這是一個將被包括在內的次要結果。
信息來源
以下七個電子數據庫將被搜索:(1)PubMed, (2) Web of Science, (3) Cochrane中央對照試驗登記,(4)護理和相關健康文獻的累積索引,(5)運動鐵板,(6)將研究轉化為實踐,(7)ProQuest論文和論文。除了電子數據庫搜索外,還將通過檢查以前綜述文章的參考文獻列表以及每個納入研究的潛在文章來進行交叉引用,以尋找符合納入標準的文章。在完成初始搜索後,第三作者將檢查參考列表的徹底性和完整性。然後將檢索所建議的研究,以確定它們是否滿足所有納入標準。
搜索策略
調查小組將製定針對每個數據庫的具體搜索策略。主要的關鍵字或關鍵字的形式將包括“隨機”,“兒童”,“青少年”,“超重”,“肥胖”,“運動”,“身體健康”,“身體成分”,“脂肪量”,“身體脂肪”,“身體成分”,“身體質量指數”,“肥胖”。使用PubMed的初步搜索策略的副本,包括限製,可以在網上找到補充文件.此搜索策略將適用於其他數據庫搜索。所有數據庫搜索和文章檢索將由第二作者在第一作者的監督下進行。
補充文件1
研究記錄
研究選擇
所有篩選的研究將被導入EndNote (V.X8;湯森路透旗下的;2016年,美國紐約)和副本通過電子方式刪除,然後由第二作者手動刪除。然後將數據庫副本提供給第一作者進行重複篩選。為了盡量減少選擇偏差,第一和第二作者將選擇所有的研究,彼此獨立。然後他們會檢查他們選擇的準確性和一致性。每篇文章的完整報告將檢索所有似乎符合納入標準的標題和摘要以及存在不確定性的標題和摘要。同一研究的多個報告將通過包括最近發表的文章和從以前的報告中提取來處理,假設報告的方法和樣本量相同。基於以往的研究表明對結果沒有臨床或統計學上的顯著影響,在篩選和數據提取過程中不會采用盲目的期刊標題、研究作者或作者所在的機構。88排除研究的原因將使用以下類別進行記錄:(1)不適當的人群,(2)不適當的幹預,(3)不適當的比較,(4)不適當的結果,(5)不適當的研究設計,(6)其他。在篩選的結論,第一和第二作者將見麵,並審查他們的選擇。Cohen’s κ統計量可用於檢驗互選一致性。89任何分歧將以協商一致方式解決。如果不能達成一致意見,第三作者將擔任仲裁員。在選擇要納入的最終研究數量後,將通過將納入的研究數量除以去除重複後篩選的研究總數來計算搜索的總體精度。90然後,需要讀取的數字(NNR)將被計算為精度的倒數。90描述搜索過程的流程圖也將包括在內補充文件所有被排除的研究的參考列表,包括排除的原因。圖1說明了所提出的流程圖結構。
數據抽象
本項目使用Microsoft Excel (V.2016;微軟公司(Redmond, Washington, USA)將被用於開發全麵的電子代碼本,它將定義每個編碼變量的編碼過程。代碼本將由前兩位作者根據第三位作者的反饋創建。因此,從這個擬議項目的研究中提取數據應該不需要編碼員的主觀判斷。編碼的主要變量組將包括(1)研究特征(作者、期刊、出版年份等),(2)參與者特征(年齡、性別、身高、體重等)和(3)主要和次要結果的數據(樣本量、基線和運動後均值和SD等)。表1包含將被編碼的變量的初步列表。根據調查小組之前的研究,79預計將有一個能夠包括每個研究中至少242個項目的代碼本。為了避免數據抽象偏差,前兩位作者將獨立編碼(雙編碼)所有研究,以確保準確性和一致性。評分者之間的協議將使用科恩κ進行評估。89在編碼項目上的任何分歧將被討論,直到雙方達成一致。如果不能達成協議,由第三作者擔任仲裁員。
結果和優先順序
本研究的主要結果將是體重指數(kg/m)的變化2超重和肥胖兒童和青少年的脂肪量和體脂百分比。次要結果將包括體重、瘦體重、腰圍、腰臀比、能量攝入、能量消耗、體力活動水平、最大耗氧量(相對和絕對)、肌肉力量、靜息收縮壓和舒張壓、總膽固醇、高密度脂蛋白膽固醇、總膽固醇與高密度脂蛋白膽固醇、非高密度脂蛋白膽固醇、低密度脂蛋白膽固醇、甘油三酯、糖化血紅蛋白,空腹和非空腹葡萄糖和胰島素。
個體研究的偏倚風險評估
納入研究的偏倚風險將使用Cochrane偏倚風險量表進行評估。91評估基於六個定義領域的低、高或不清楚偏倚風險的判斷:(1)序列生成,(2)分配序列隱藏,(3)參與者和人員的致盲,(4)結果評估人員的致盲,(5)不完整的結果數據和(6)選擇性結果報告。第七個領域,如最初的研究作者所定義的,參與者是否定期鍛煉,也將使用與其他六個領域相同的方法進行評估。如前所述,將根據偏倚風險(低、高或不清楚)報告每個領域的研究水平結果,同時還將報告每個領域的低、高或不清楚結果的百分比。91由於缺乏實證證據支持研究質量評分量表,建議采用這種偏倚風險方法。82 92 93對偏倚風險的評估將僅限於感興趣的主要結果,即體重指數(kg/m)的變化2,脂肪量和體脂百分比。鑒於在運動幹預方案中幾乎不可能對參與者的分組分配進行盲化,所有研究將被歸類為“參與者和人員的盲化”這一類別的高偏倚風險。在以往研究的基礎上,不排除任何基於偏倚風險結果的研究。94
數據合成
效應量的計算
本研究的主要結果將是體重指數(kg/m)的變化2,脂肪質量(kg),以及使用原始度量的體脂百分比。間接比較的變化將通過減去運動組的變化結果差異減去對照組的變化結果差異來計算。方差將使用訓練組和對照組變化分數的合並SDs來計算。如果沒有變化評分SDs,則根據95% ci計算變化結果或治療效果差異,以及sd前和sd後的值,後者根據Follmann開發的程序等.95對於直接比較,即沒有對照組的隨機試驗,將遵循相同的一般程序,除了對照組數據將被以下運動幹預之一所取代:(1)有氧減去力量訓練,(2)有氧和力量訓練結合減去有氧訓練,(3)有氧和力量訓練結合減去力量訓練。95% CI和z將計算每項研究的每個結果的-α值。對於那些包括直接和間接比較的研究,將隻包括直接比較數據,因為當前薈萃分析的主要目的是確定哪些運動幹預措施可能對改善兒童和青少年的肥胖最有效。對於在多個幹預時間點評估肥胖結果的研究,例如,0周、8周和16周,僅使用最初和最後一次評估的數據。如果有後續數據,還將對這些研究的結果進行單獨分析,以確定肥胖變化的可持續性。如果包括任何交叉試驗,將使用幹預和對照期的所有評估來計算治療效果,並對其進行類似於平行組試驗的分析。96雖然存在分析單位誤差的可能性,以及研究權重過低或過重的可能性,但這種方法被認為比其他方法更好,例如,限製來自第一個評估點的數據或試圖歸因SDs,特別是考慮到主要和次要結果以及結果的預期分布。96
次要結果(體重、瘦體重、腰圍、腰臀比、能量攝入、能量消耗、最大耗氧量(相對和絕對)、靜息收縮壓和舒張壓、總膽固醇、高密度脂蛋白膽固醇、總膽固醇與高密度脂蛋白膽固醇、非高密度脂蛋白膽固醇、低密度脂蛋白膽固醇、甘油三酯、糖化血紅蛋白、空腹和非空腹血糖和胰島素)將使用與主要結果相同的方法進行處理。然而,考慮到預期的不同指標以及無法在它們之間轉換,體力活動水平和肌肉力量的變化將使用標準化的平均差異效應量計算,並針對小樣本量進行調整。97
對結果變化的彙總估計
網絡(幾何)圖對於每個結果,將用於提供證據基礎的可視化表示,節點(圈)由隨機分配到每個治療的參與者數量加權,邊緣(線)由評估每對治療的研究數量加權。98 99貢獻的情節對於每個結果,將用於確定每個網絡估計以及整個網絡的最主要比較。98應用的權重將是直接處理效果和網絡結構方差的函數,結果是每個直接比較對每個網絡估計的貢獻百分比。98
網絡元分析將使用多元隨機效應元回歸模型這可以在頻率論的設置下進行,允許包含潛在的協變量,並正確地解釋來自多臂試驗的相關性。100 101雙尾α值<0.05和不重疊的95% CI將被認為代表有統計學意義的變化。將使用單獨的網絡元分析模型來檢查每個主要和次要結果的變化。潛在的協變量將通過以下方法進行簡單的元回歸,以確定協變量與主要結局變化之間的統計學顯著相關性(BMI,單位:kg/m2(2)檢驗協變量間的多重共線性(r>0.80);(3)建立多元元回歸模型。中顯示了使用簡單元回歸檢查的潛在協變量列表表1.雖然我們將包括所有用於評估肥胖的方法,但我們也將進行敏感性分析,以查看評估方法的結果是否不同,例如,使用全身MRI評估脂肪質量與生物電阻抗評估。次要結果(能量攝入和消耗、身體活動水平、肌肉力量)將使用相同的方法處理。傳遞性,也就是說,在每個結果的不同兩兩比較中,潛在效應修飾因子分布的相似性102將包括在表1.不一致,即同一比較的直接結果和間接結果之間的效應估計差異,103將通過評估直接效應和間接效應估計之間的治療效果差異以及不同設計的試驗之間的差異進行檢查,例如,兩臂試驗和多臂試驗。101 103 104然而,不一致的概率被認為很小,因為最近的研究表明,僅在2%-14%的測試循環中檢測到不一致,這取決於效果測量和異質性估計方法。105 106最後,預測區間將被用於加強對異質性大小的結果的解釋,並在未來的研究中提供預期結果的估計。107 - 109對於網絡元分析,自由度(df)將設置為研究數量-比較數量- 1。109
Meta-biases
小型研究的影響(發表偏倚等)將使用比較調整漏鬥圖進行評估。98在沒有小研究效應的情況下,經過比較調整的漏鬥圖應該在零線周圍對稱。
對累積證據的信心
問品質分析網絡元分析中特定的成對效應估計,將使用最近開發的網絡元分析建議分級評估、發展和評估的修改來評估:(1)研究局限性,(2)間接性,(3)不一致,(4)不精確和(5)小研究效應。110評估將使用與研究選擇和數據提取相同的程序進行。
為了在當前的薈萃分析中為選定的結果建立運動幹預的層次結構,排名分析,也就是說,對研究中單個結果的所有幹預措施進行排序的能力,例如體重指數的變化(單位為kg/m)2,將基於概率使用。然而,由於治療的排名完全基於每個治療是最好的概率,應該避免考慮到相對治療效果的不確定性,以及為幾乎沒有證據的治療分配更高排名的可能性,分開排名圖和累積排名概率圖將被用於呈現排序概率及其主要和次要結果變化的不確定性。98 111累積排名曲線(SUCRA)下的表麵,即平均排名的轉換,將用於建立運動幹預的層次(有氧,力量,兩者),同時考慮所有治療效果的位置和方差。98 111SUCRA值越大,說明治療級別越高。98 111所有排名的解釋將從絕對和相對治療效果的角度進行。99
用於統計分析的軟件
所有數據將使用Stata (V.14.1;Stata/SE for Windows, Stata Corporation, College Station, Texas, USA), Microsoft Excel (V.2016;微軟公司,Redmond, Washington, USA),以及Excel的兩個插件,SSC-Stat (V.2.18;SSC-Stat V.3.0。;統計服務中心;2007;英國雷丁大學)和EZAnalyze (V.3.0;助教Poynton;2007)。
議定書修正案
至今沒有。如果本議定書進行了修訂,則應提供每次修訂的日期、變更說明以及變更的理由。
參考文獻
- 1.↵
- 2.↵
- 3.↵
- 4.↵
- 5.↵
- 6.↵
- 7.↵
- 8.↵
- 9.↵
- 10.↵
- 11.↵
- 12.↵
- 13.↵
- 14.↵
- 15.↵
- 16.↵
- 17.↵
- 18.↵
- 19.↵
- 20.↵
- 21.↵
- 22.↵
- 23.↵
- 24.↵
- 25.↵
- 26.↵
- 27.↵
- 28.↵
- 29.↵
- 30.↵
- 31.↵
- 32.↵
- 33.↵
- 34.↵
- 35.↵
- 36.↵
- 37.↵
- 38.↵
- 39.↵
- 40.↵
- 41.↵
- 42.↵
- 43.↵
- 44.↵
- 45.↵
- 46.↵
- 47.↵
- 48.↵
- 49.↵
- 50.↵
- 51.↵
- 52.↵
- 53.↵
- 54.↵
- 55.↵
- 56.↵
- 57.↵
- 58.↵
- 59.↵
- 60.↵
- 61.↵
- 62.↵
- 63.↵
- 64.↵
- 65.↵
- 66.↵
- 67.↵
- 68.↵
- 69.↵
- 70.↵
- 71.↵
- 72.↵
- 73.↵
- 74.↵
- 75.↵
- 76.↵
- 77.↵
- 78.↵
- 79.↵
- 80.↵
- 81.↵
- 82.↵
- 83.↵
- 84.↵
- 85.↵
- 86.↵
- 87.↵
- 88.↵
- 89.↵
- 90.↵
- 91.↵
- 92.↵
- 93.↵
- 94.↵
- 95.↵
- 96.↵
- 97.↵
- 98.↵
- 99.↵
- One hundred.↵
- 101.↵
- 102.↵
- 103.↵
- 104.↵
- 105.↵
- 106.↵
- 107.↵
- 108.↵
- 109.↵
- 110.↵
- 111.↵
腳注
貢獻者GAK是擔保人。GAK, KSK和RRP起草了手稿。所有作者都參與了相關文獻檢索數據源的開發,包括檢索策略、選擇標準、數據提取標準和偏倚風險評估策略。GAK提供統計專業知識,RRP提供超重和肥胖兒童和青少年運動和肥胖的內容專業知識。所有作者都閱讀、反饋並批準了最終的手稿。
資金這項研究由美國心髒協會資助,Grant #17GRNT33630158 (GA Kelley,首席研究員)。本手稿的內容僅為作者的責任,並不代表美國心髒協會的官方觀點。
相互競爭的利益沒有宣布。
出處和同行評審不是委托;外部同行評審。