综述：数字可穿戴设备支持2型糖尿病患者运动自我管理的行为改变路径：一项结合机器学习辅助文本挖掘的范围综述

　　背景：长期自我管理对2型糖尿病 mellitus (T2DM) 患者至关重要，然而运动管理仍是自我保健中最薄弱的环节之一。随着数字健康技术的进步，数字可穿戴设备在支持糖尿病管理方面的应用日益增多。然而，这些设备促进运动行为改变的路径仍缺乏充分理解。目的：本范围

　　背景：长期自我管理对2型糖尿病 mellitus (T2DM) 患者至关重要，然而运动管理仍是自我保健中最薄弱的环节之一。随着数字健康技术的进步，数字可穿戴设备在支持糖尿病管理方面的应用日益增多。然而，这些设备促进运动行为改变的路径仍缺乏充分理解。目的：本范围综述旨在系统梳理数字可穿戴设备支持T2DM患者运动自我管理的现有证据，识别其行为改变路径，并利用机器学习辅助的文本挖掘技术考察主要研究主题与热点，从而为靶向干预措施的制定提供信息。方法：在PubMed、Scopus、Web of Science、Embase、CINAHL、PsycINFO和Cochrane Library中进行范围综述检索，时间跨度从数据库建库至2026年3月。检索策略采用与T2DM、数字可穿戴设备、运动自我管理、身体活动和行为改变相关的术语。研究采用机器学习辅助文献挖掘以识别纳入研究的主题模式。研究选择过程和整体工作流程遵循范围综述PRISMA扩展指南 (PRISMA-ScR)。结果：共纳入11项研究。证据表明，数字可穿戴设备主要通过自我监测、实时反馈、目标设定、动机激活、社会支持和自我效能增强来促进T2DM患者的运动自我管理。机器学习辅助文本挖掘进一步显示，该领域文献主要围绕运动干预设计、行为调节机制、血糖监测结果和身体活动追踪展开。结论：数字可穿戴设备似乎通过多种且相互作用的行为支持路径，而非任何单一功能，来支持T2DM患者的运动自我管理。本综述识别了文献中反复出现的模式而非作出因果推断，并可为基于行为改变理论的个性化运动自我管理数字干预措施的发展提供参考。

　　2型糖尿病 mellitus (T2DM) 是一种以胰岛素抵抗和胰岛素分泌不足为特征的慢性代谢性疾病。因其病程长且并发症风险高，患者除需长期药物治疗外，还需持续的疾病自我管理，其中运动是综合管理的基础。然而，相较于饮食控制、用药和血糖监测，运动自我管理往往是患者最难启动和维持的行为。随着数字健康技术的快速发展，包括智能手表、健身手环和持续血糖监测 (CGM) 系统在内的数字可穿戴设备通过实时监测、数据记录和反馈提醒等功能，客观捕捉运动相关指标，从而增强患者对自身行为的认知并支持其参与身体活动和行为调整。尽管以往研究展示了此类设备的潜在益处，但大多聚焦于结果测量，对设备促进运动自我管理的路径关注有限。从理论视角看，行为改变理论为理解慢性病健康行为的启动、维持和内化提供了重要框架。当前针对T2DM运动行为的干预常基于社会认知理论 (SCT)、自我决定理论 (SDT)、跨理论模型 (TTM) 和目标设定理论。数字可穿戴设备的核心功能与这些理论的关键构建高度契合，表明其可能通过自我效能增强、动机激活、自我调节改善和持续行为支持等路径影响运动自我管理。因此，本范围综述旨在系统梳理数字可穿戴设备支持T2DM运动自我管理的现有研究，重点识别行为改变路径，并应用机器学习辅助文本挖掘分析该领域的主题分布、研究热点和新兴知识结构，以期为未来基于理论的数字干预设计提供参考。

　　本研究采用范围综述方法，其设计和报告遵循范围综述PRISMA扩展指南 (PRISMA-ScR)。研究方案已在开放科学框架上注册。符合范围综述方法学原则，本研究旨在映射现有证据的广度并澄清该领域的概念结构，而非定量合成效应量或评估单项研究的方法学质量。

　　在明确了研究问题和综述范围后，本研究基于初步探索性搜索，旨在系统映射和综合数字可穿戴设备支持T2DM患者运动自我管理的现有证据。研究主要聚焦于三个问题：设备的主要应用场景和研究焦点、促进运动行为启动维持和优化的关键行为改变路径、以及现有文献中设备功能、行为改变过程与运动自我管理结果之间存在的主题模式和概念关系。

　　依据PRISMA-ScR指南和Arksey与OMalley框架，在多个电子数据库中进行了全面文献检索，时间覆盖建库至2026年3月13日。检索词涵盖数字可穿戴设备、行为改变、运动自我管理、身体活动和T2DM等。研究应用了布尔逻辑运算符和截词符号等，以PubMed检索策略为基础并针对其他数据库进行适配转换。为减少语言选择偏倚，检索限定为英文或中文文献，并手动筛选了参考文献列表以补充合格研究。

　　研究纳入标准包括：研究人群为18岁及以上T2DM成人患者；研究明确探讨数字可穿戴设备对T2DM患者运动自我管理行为的影响或涉及行为改变路径、技术与机制；属于原始实证研究（如横断面、队列、干预或混合方法研究）；以中英文发表。排除标准涵盖动物实验、个案报告、综述、评论等非原创文章，未聚焦设备对运动行为影响的研究，重复发表或数据不全的文献，无法获取全文的研究，以及非T2DM人群研究。

　　所有检索记录导入EndNote 20去除重复项后，由两名受过循证研究培训的 reviewers 独立筛选文献。数据提取包括作者、年份、国家、设计、样本量、参与者特征、设备类型、干预内容、身体活动相关结果、行为改变要素和理论基础。采用标准化数据提取表以确保一致性。因未规划正式偏倚风险评估，研究还提取了方法学强度的描述性指标以提供证据背景。

　　数据分析部分采用了机器学习与文本挖掘技术。首先进行文本预处理，剔除了与DOI和作者相关的句子，最终保留了2,487个有效句子和29,142个词汇。随后，应用潜在狄利克雷分配 (LDA) 模型识别语料库中的潜在主题结构，通过系统比较困惑度和连贯性得分确定最佳主题数。同时，利用预训练的bert-base-uncased模型进行基于BERT的语义聚类，捕捉词汇层面之外更深层的语义关联，并通过误差平方和 (SSE) 和轮廓系数评估最佳聚类数。此外，研究还运用预定义关键词字典进行了领域特定的关键词共现网络分析，计算了数字可穿戴设备与八大概念类别在句子层面的共现频率，以量化概念关联的强度与结构特征。为保证可重复性，所有分析在Python环境下进行并实施版本控制。两名研究人员对算法得出的主题和聚类与原始文献进行了人工审查与语义优化。

　　文献筛选最终纳入11项研究，分布在7个国家。研究设计包括7项RCT、1项以用户为中心的设计研究、1项试点研究、1项双臂非RCT和1项分层实用性对照试验。纳入证据的方法学特征显示该领域尚处早期发展阶段，样本量中位数为31，设备类型、干预成分、持续时间和结局指标存在显著异质性。因此，结果应视为新兴证据的描述性映射，而非干预效果的评估。

　　高频关键词分析显示，“exercise”、“activity”、“diabetes”、“physical activity”和“intervention”出现频率最高，表明现有文献持续关注以身体活动为中心的糖尿病干预措施。此外，“feedback”和“glucose monitoring”的高频出现反映了文献对实时生物反馈和血糖监测的双重关注，凸显了CGM技术的显著地位。

　　基于对数困惑度曲线的拐点和连贯性得分评估，最终选取K=4作为LDA最优主题数。主题1聚焦于运动、干预、行为改变及试验设计与依从性，反映了以RCT为主的运动结局评估；主题2代表以每周监测周期和动机策略为特征的行为自我调节维度；主题3反映了以血糖监测和临床结果评估为核心的领域，其中连续血糖监测 (CGM) 是显著的指标；主题4侧重于活动量、运动强度、身体活动追踪及设备应用，提及了如Fitbit和PAI指标系统。

　　该分析将语料库划分为六个语义簇，涵盖运动干预设计与实施、设备监测反馈功能、目标设定与行为维持、血糖控制相关结局、患者依从性与动机支持以及行为改变理论内容。相较于LDA，BERT聚类能更好地捕捉跨主题的深层语义关联，表明该领域的特点在于技术、行为和临床要素之间的多维度交互作用。

　　关键词共现网络呈现出模块化的组织结构。以“exercise”和“intervention”等核心节点作为桥梁，将技术领域（如监测设备、反馈机制）、行为领域（如目标设定、动机驱动）和临床结局领域（如血糖指标、胰岛素水平）连接起来。与行为改变理论相关的节点（如自我效能、认知机制）位于网络外围，并与技术和行为节点保持联系，说明这些概念在连接设备功能与行为改变过程的路径中可能发挥中介作用。

　　数字可穿戴设备与各类行为改变路径的共现关系呈现出显著的梯度强度。运动行为与设备的共现频率最高，其次是行为改变理论、自我监测、目标设定、血糖指标、实时反馈和动机/依从性。其中动机/依从性较低的共现频率表明，当前文献对设备如何影响动机过程和依从性结局的关注相对较少。

　　研究通过多维证据的三角验证，识别出六条核心路径：自我监测路径（通过追踪步数、心率等增强行为意识）；实时反馈路径（通过推送、振动和可视化数据促进行为即时调整）；目标设定路径（建立结构化的日步数或活动阈值目标体系）；动机激活路径（通过奖励、进度追踪维持内在动机）；社会支持路径（通过家庭、同伴和临床医师的互动强化运动维持）；自我效能增强路径（通过可视化进展和掌握经验增强患者信心）。这些路径并非源自单一机器学习模型，而是结合人工审查完成的概念解释。

　　综述表明，数字可穿戴设备并非通过单一孤立的功能发挥作用，而是依赖多重路径的联合运作。自我监测是基础机制，将运动行为转化为可见、可量化的信息。实时反馈将数据转化为可执行的行动提示，增强干预潜力。目标设定将抽象建议转化为具体可行的每日行为目标。此外，动机激活、社会支持对长期维持至关重要，反复的目标达成和可见进展则能强化患者的掌握感和自我效能，促使其从外部提示转向主动自我管理。

　　识别出的路径与既有的行为改变理论广泛一致。自我监测、实时反馈和目标设定与社会认知理论 (SCT) 绩效效价观点契合，支持了从自我观察到行为调节的闭环过程；目标设定功能与目标设定理论一致；动机激活与社会支持可通过自我决定理论 (SDT) 解释，满足了自主、胜任和关系等心理需求；自我效能增强则直接关联SCT中的自我效能构建，说明设备功能不仅在技术上相关，在理论层面也与支撑持久行为改变的心理学过程高度契合。

　　相较于以往主要关注设备在慢性病中的广泛健康结果或代谢指标的综述，本研究特别聚焦于设备功能与运动自我管理行为改变过程之间的关联。机器学习组件展示了超越传统叙述性合成的价值：LDA量化了四大主题的相对突出地位，BERT聚类识别了不同表达下的深层语义关联，共现分析证实了当前文献在动机与依从性探讨上的相对匮乏。然而，计算发现仅代表讨论模式，而非疗效或因果关系的独立证据。

　　临床上，可借鉴六大路径将数字可穿戴设备纳入T2DM的持续护理和个体化管理。对于尚未启动运动的患者，可侧重自我监测与目标设定以促进行为启动；对于维持困难的患者，应关注实时反馈、动机激活与社会支持以提供正向强化。各阶段均应以强化自我效能为核心。未来研究需强化行为改变理论的系统应用，关注个体差异及长期依从性，并深入探讨数字鸿沟，在低教育或低收入的老年T2DM患者中探索数字可穿戴设备的适用性与公平性。

　　本综述存在一定局限性。首先，仅11项符合标准的研究被纳入，且多为样本量较小的试点或可行性研究，限制了模式的确定性与可推广性；干预设计的异质性亦阻碍了直接比较。其次，因范围综述性质未进行偏倚风险评估， pathway 文献出现频率不可作为有效的证据，且设计与样本的混合使得无法建立因果关系。第三，机器学习分析受限于语料库规模与构成，LDA对词分布模式的依赖及BERT受预训练模型特征影响，共现分析无法确定关系的方向或因果性，尽管进行了人工验证，主观判断仍不可避免。

　　现有证据表明，数字可穿戴设备能够通过包括自我监测、实时反馈、目标设定、动机激活、社会支持和自我效能增强等相互关联的行为改变路径来支持T2DM患者的运动自我管理。机器学习辅助文本挖掘仅用于映射文献的模式而非推断因果机制或比较干预效果。鉴于当前纳入研究的数量较少及显著的异质性，结论应被视为新兴证据基础的初步概念映射。未来仍需设计严谨、理论指导明确且随访时间更长的研究，以确定最适合的设备功能和行为改变路径。