不同数字化戒烟干预的规模和成本各异。总体而言，这些工具可分为两类：一类试图复制人工提供的支持，另一类则提供人工无法实现的支持形式。

第一类干预措施将传统“戒烟”支持数字化，例如自助指南或分阶段推送的戒烟项目，有时还会根据个人特征进行定制。许多戒烟应用程序还融入了传统戒烟项目罕见的特色功能，如用户论坛、“省钱计算器”、减压工具及烟瘾日记。部分工具可提供药物处方，但开具处方通常仍需人工操作。近期，聊天机器人与“虚拟顾问”开始模拟人工支持模式。尽管多数系统尚显原始，但生成式人工智能（AI）正持续提升其能力。这类工具凭借全天候支持特性，提供了人工合理服务能力之外的解决方案。

另一方面，即时适应性干预则突破了人工服务的现实边界。这类干预旨在实时提供支持——通常在用户面临强烈渴望或诱惑时介入，以防止复吸（戒烟期间再次吸烟）。此类干预可由传感器驱动，而传感器通过追踪地理位置、运动轨迹（加速度计）、时间或其他指标，识别脆弱时刻（吸烟诱因）或干预时机（应用尼古丁替代疗法的最佳时间点）¹。包括即时干预在内的自适应系统可根据用户特征、行为模式、戒烟进展以及对干预措施的参与度和反应动态调整支持策略。然而，此类工具的效果证据尚不充分，尤其对于人工无法提供的支持形式¹。尽管不断有新证据证明数字化戒烟干预措施的接受度（如印度证据）和效果（如中国和土耳其证据），但印度mCessation等大规模项目尚未经过严格评估。

正如技术驱动创新领域的普遍情况，对此类工具的评估存在滞后现象。当前随机对照试验主要聚焦于短信和网站干预，但针对智能手机应用程序的评估数量正在增多。LMIC的评估滞后程度比高收入国家更为严重；我们近期开展的回顾性分析发现，尚无在LMIC开展的戒烟应用程序评估试验²。世界卫生组织2024年发布的吸烟临床治疗指南将开展戒烟应用程序及AI干预措施研究列为优先事项。

目前数字化戒烟干预中最可靠的证据来自短信或即时通讯干预。尽管这些干预措施的效果各异，但根据Cochrane综述，相较于最低限度支持，短信干预可使戒烟成功率提升3~4个百分点（从6%增至约9%），且该结论具有中等确定性证据³。此类干预措施通常采用碎片化戒烟方案，每日发送1~2次戒烟技巧、激励与支持，持续4~12周。在LMIC与在高收入国家开展的评估显示，短信干预的效应量一般相似，但部分LMIC研究显示的戒烟率有较大组间差异²，这可能源于这些地区现有戒烟干预资源的匮乏。

相较于短信干预，应用程序的效果评估更为复杂，因为不同应用程序的设计存在很大差异。理想情况下，应用程序应被视为提供干预的载体，而非干预。各类数字化戒烟支持干预措施——包括“严肃游戏”、“第三波”认知行为疗法及即时适应性干预——均可通过应用程序提供。部分证据提示，提供个体化或交互式支持的数字化干预措施（包括应用程序）可能比缺乏此类功能的干预措施更有效，这可能是因为此类支持有助于提高参与度。需要对每种基于应用程序的戒烟支持方法进行进一步评估，特别是在LMIC开展评估，同时需要明确干预措施的特征、目标人群和实施环境，以便清晰呈现证据的具体情境。

为了使数字化支持在人群层面产生最大益处，需综合考量机会成本与个体偏好。许多数字化干预措施的效果不及人际干预，部分原因是数字化工具的参与度较低。在人际干预资源匮乏的地区（如众多LMIC），只要成本可控，广泛部署数字化支持的决策便不言自明——即便工具效果仅属中等偏下，也远胜于毫无作为。在数字化干预与人际干预均可获得且具吸引力的地区，人们可能选择更易获取的数字化方案，但其戒烟成功率可能不及人际支持。但对部分人群而言，使用数字化支持工具反而能促进人际支持的采用，尤其当数字化工具促使他们寻求额外帮助时。在治疗方案多元化的地区，理想状态下应由医疗专业人员或数字化系统根据患者偏好及潜在治疗获益进行分诊，引导其选择最具前景的方案。

影响数字化戒烟干预措施效果但常被忽视的关键因素是应用率。极少有研究量化这些工具的应用率，且我们未发现任何在LMIC开展的相关研究。英国一项大型研究显示，尝试戒烟者中使用数字化支持的比例最多仅占10%⁴。多数人通过应用程序商店获取戒烟应用程序，其选择高度依赖于主要由流行度指标决定的应用程序商店排名。例如，我们其中一位研究者近期发现，4.8星的应用程序商店评分对影响戒烟应用程序选择的重要性是4.0星评分或可信开发者的两倍⁵。结果导致热门应用程序占据主导地位。但研究提示，热门戒烟应用程序鲜少基于循证医学，且通常与临床指南不符。英国研究进一步证实了这一结论，其数据显示“真实世界”戒烟应用程序的使用与戒烟成功率并无关联⁴。对数据隐私的担忧、部分应用程序与智能手机兼容性差、手机存储空间不足等因素同样限制了应用程序普及。

因此需要专门推动有效戒烟应用程序的普及和使用。一种方案是让临床医师和公共卫生机构确保希望使用数字化戒烟干预的人群能获得循证干预措施。包括孕产妇、结核病和HIV项目在内的医疗项目可将这些干预措施整合到其治疗模式中。数字化门户同样可提供高质量的循证工具。但英国国民医疗服务体系的应用程序库经验（该库历经多次重启后最终停用）凸显了维护数字化干预库所面临的挑战，其要求所有应用程序均符合循证标准。

另一种方案是允许临床医师开具数字化干预处方，德国通过建立数字化健康应用程序目录的方式实现了这一模式。但缺乏循证应用程序（该目录目前仅有两款可供开具的戒烟应用程序）限制了人们对数字化支持措施的选择。各国（特别是LMIC）数字化数据安全标准的差异构成另一挑战。

尽管数字化戒烟干预措施的使用量预计将上升，但这些工具能否有效降低全球烟草使用率尚不明确。此类干预措施前景广阔，尤其在概念和技术不断进步的背景下。数字化干预措施无疑将持续发展，并更多纳入AI，但这必然引发复杂的伦理问题。在地方资金允许获取戒烟药物的地区，这些工具还可能整合其他组件，例如无需直接人际接触的药物处方服务。在临床医师、公共卫生从业者和政策制定者等待更多研究结果，以确定最有效数字化戒烟方案的同时，我们可着手营造有利环境，确保一旦相关证据确立，循证戒烟方法能得到广泛采用。