大学生基于邮件的主动酒精网络干预的有效性:在一项随机对照试验中分解评估和反馈成分

简介

大学入学与大量饮酒有关。酒精通常被用来促进社会融合，尽管过度饮酒对学生有潜在的负面影响。一项针对21个国家1.8万多名17岁至30岁学生的调查发现，他们中有相当一部分人饮酒，从南非29%的男性和6%的女性到爱尔兰95%的男性和93%的女性。1］．瑞典的年轻成人学生也有大量饮酒的迹象。一项对瑞典四个校区的4575名本科生进行的调查发现，96%的学生在过去12个月里喝过酒。2］．最近的一项研究调查了Linköping大学的1585名一年级学生，发现51%的女性和71%的男性报告有严重的间歇性(狂欢)饮酒[3.］．

一些研究评估了各种形式的基于互联网的筛查，并结合简短的干预措施，以改变饮酒行为的有效性，如Boon等[4]和赛兹等人[5］．Moreira和他的同事最近在Cochrane综述中[6]比较了大学和学院环境中各种形式的社会规范干预的有效性，包括电子筛查和简短干预(e-SBI)、纸笔筛查的邮寄反馈、个人面对面反馈和小组面对面反馈。证据表明，e-SBI方法比其他分娩方法影响与酒精习惯相关的更广泛因素，包括血液酒精浓度峰值、饮酒频率和饮酒量，且使用成本更低[6］．

e-SBI的使用在很大程度上已成为接触大量青少年的有效方法，因为年轻人中互联网使用率很高。与面对面咨询相比，使用互联网提供的干预措施的优点包括更大的覆盖面和实施范围，干预内容的一致性更高，干预措施与患者特征和推荐指南的匹配度更强[7，8］．现有的在线筛选工具的心理测量特性已被发现是可靠的[9］．

许多早期关于大学生e-SBI的研究都侧重于规范反馈对学生饮酒行为的有效性[10-15］．Carey等人进行的元分析[16研究发现，接受个性化规范反馈的学生明显减少了与酒精有关的有害行为。总体而言，当将大学生自己的饮酒量与同一所大学或学院的同性和年龄的其他学生的饮酒量进行比较时，个性化的规范干预措施似乎可以有效地减少大学生的酒精使用和相关问题。

在学生群体中e-SBI的许多方面需要进行更多的研究。大部分研究都是在美国进行的。以前的许多研究都要求受访者参与在受控环境下进行的e- sbi，而不是允许学生使用自己的电脑访问e- sbi [17，18］．只有少数发表的研究报告描述了更全面地利用电子媒体的项目，通过电子邮件招募大量参与者，并让参与者在自己方便的时候，使用自己或他人的计算机完成电子sbi。大量e-SBI项目，包括我们自己的研究[3.，19]进行了更多的可行性研究，并没有作为全面的随机对照试验进行。一个例外是Kypri等人在澳大利亚进行的几项随机对照试验，包括对1.3万名大学生的大规模研究[20.］．

另一个需要更多知识的领域是评估或筛查酒精消费本身是否会减少饮酒[21-26］．几项关于短暂酒精干预的综述指出，控制组的饮酒量意外地减少了[27，28］．事实上，在没有接受评估干预的对照组中，饮酒量减少了20%并不罕见。这种减少通常可以用回归均值、人们饮酒模式自然变化的影响，以及评估和研究程序可能的无意干预效应来解释[21］．如果通过简单的筛查就能影响学生减少危险或有害的饮酒水平，那么在大学生中大规模实施筛查调查可能会产生相当大的公共卫生影响，而不需要更详细的规范反馈干预。

酒精筛查涉及回答一系列问题，因此是一种简短的评估形式。最近发表的一篇关于短期干预评估效果随机评估的系统综述发现，当纳入对成年人的研究时，评估反应性的证据有些模棱两可，其中一些研究没有确定短期干预效果[26］．然而，当注意力仅限于大学生时，获得了更有力的证据，证实了在访谈和自我完成问卷(包括在线问卷)中回答问题的小评估效果。这些发现与开发简短的基于评估的干预措施的可能性相关，也表明以前的研究可能因对照组的污染而存在偏见。大学生可能比其他人群更容易接受评估效应。

这项研究弥补了以前研究中发现的几个空白。本研究的总体目的是评估e-SBI的有效性，采用随机对照试验设计，考虑到基线评估反应性(以及研究过程的其他可能影响)，因为干预和评估内容之间的相似性。研究的设计允许对评估影响本身的量级进行探索。更具体地说，该研究测试了以下4个主要假设:

1.在基线时评估并收到反馈的组(组1)的酒精使用障碍识别测试(AUDIT)得分将低于在基线时未联系的组(组3)，这将测试在未选择的大学生群体中普遍提供e-SBI的效果。

2.只进行基线评估组(组2)的AUDIT分数将低于不进行接触基线组(组3)，从而在未选择的大学生群体中提供只进行评估的效果测试。

3.第1组风险饮酒者的AUDIT评分将低于第2组，这为在评估中添加反馈的效果提供了一个测试，仅在基线参与的风险饮酒者中进行。

4.第1组的AUDIT分数总体上要低于第2组，这为在评估中添加反馈的效果提供了一个测试——仅在未选择的大学生群体中进行

方法

研究环境和人群

这项研究是在瑞典中南部的Linköping大学对5227名新生进行的。大学里的每个学生都有一个个人的官方电子邮件地址，所有的官方邮件都通过这个地址发送。e-SBI由学生个人在个人电脑上进行，通常是在家里。

研究设计

该研究是一个三组平行组试验，其中常规提供e-SBI(组1)与没有反馈的e-SBI进行比较(即仅评估;组2)和非接触对照组(组3)的研究条件。第一组和第二组完成了相同的评估，他们之间唯一的区别是第一组像往常一样提供了规范的反馈，而第二组的参与者只是因为他们的参与而受到感谢，并获得了一个有关酒精信息的常用网站的链接，没有规范的反馈。2个月后才联系第3组，此时第1组和第2组也完成了结果数据收集(图1)．

该研究旨在尽可能地保护对照组免受参与研究的可能影响[29］．因此，对照组的参与者不知道他们是试验的一部分(1组和2组也不知道)，只在随访时才与他们联系。

‎ 查看此图

随机化和其他研究程序

我们从三个独立的数据文件中收集了大学官方注册的电子邮件地址。所有参与者都有1 / 3的概率分配到任何特定的研究条件。随机化是计算机化的，不使用任何层或块。每个参与者都得到了一个介于0.0到1.0之间的随机数字，其中有5个小数。例如，参与者A可能得到数字0.12345，参与者B可能得到数字0.54321。然后，参与者的列表按照这个数字降序排序，并将列表切成3个相等的部分(或根据参与者的数量尽可能相等)。

在基线时，学生们收到了一封来自学生健康服务中心的电子邮件，简短的问候欢迎他们来到大学，然后邀请他们进行网络酒精干预。2个月后，瑞典首席研究员(PB)给所有三组人都发了一封电子邮件。这封邮件没有提到学生保健服务部门之前的邮件，而是邀请他们参加一项在线酒精研究调查，并包括100张电影票的抽奖活动，作为增加参与的小激励。酒精研究结果来自10项AUDIT问卷[30.]，每隔一周发送两次提醒，也包含了问卷的链接。

基础垫层

第一组和第二组在回复最初的电子邮件时并不知道他们正在参与一项研究。两组人都以为这些电子邮件是学生保健中心提供的例行练习，目的是帮助学生思考他们的饮酒问题。所有三组人都不知道他们正在参与一项干预研究，他们被随机分配到一个研究小组。在随访中，没有向学生解释这项研究的真实性质。相反，他们被邀请参加一项看似无关的学生酒精调查。由于所有的研究过程都是自动化的，研究团队没有与研究参与者直接接触。在这项试验中使用致盲和欺骗引发了伦理问题。随后，所有学生都有机会在随访期间提供他们饮酒情况的反馈。该研究得到了瑞典Linköping地区伦理委员会的伦理批准(参考编号:2010/291-31)。

计算机酒精干预的描述

这项研究是基于电子邮件的网络酒精干预(e-SBI)，由Linköping大学的生活方式干预研究小组开发。3.，19］．计算机化干预是一种完全自动化的单次干预，多年来一直被瑞典绝大多数大学作为常规实践的一部分使用。因此，系统是稳定的，在试用期间不需要进行任何错误修复或内容更改，并且我们没有观察到系统停机时间。参与者有机会通过向实施干预的公司发送电子邮件来评论干预措施。在试验期间，只有不到10名参与者对干预的内容进行了评论，给出的大多是积极的评论。

学生们收到来自学生健康服务中心的欢迎邮件后，他们收到了一份邀请，要求他们通过点击测试的超链接来进行网络酒精干预。每隔一周，我们向那些没有回复的人发送了两次提醒，此后链接被关闭。该链接只能使用一次，以确保每个学生只进行一次测试。测试内容包括:过去3个月一个典型周内每天的平均饮酒量、酗酒频率、过去3个月血液中酒精浓度最高(由计算机根据学生的输入计算)、与酒精相关的负面后果、对其他学生和同龄人饮酒量的看法，以及关于改变的动机的问题。计算机化测试的演示版本可以在demo.livsstilste .nu上查看。

然后，第一组学生得到了即时反馈，包括3份陈述，总结了他们每周的消费量，他们重度饮酒的频率，以及他们在过去3个月里的最高血液酒精浓度，并将受访者的饮酒模式与瑞典国家公共卫生研究所建立的安全饮酒限制进行了比较。在此之后，立即进行了全面的规范性反馈，信息描述了参与者与瑞典大学生的酒精使用情况，如果适用，还提供了关于需要减少任何不健康的饮酒水平或消费模式的个性化建议。学生可以在屏幕上查看反馈，并将其打印出来。此外，该学生还收到了一封带有pdf格式反馈的电子邮件。

测量

在每个方案分析中使用的基线评估中，我们计算了典型一周内的平均每周消费量，作为每天的标准玻璃杯数量。重度偶发性饮酒的频率被评估为每月最多一次，每月2-3次，每周1-2次，或每周3次或更多。风险饮酒基线定义为每周风险饮酒(男性每周超过14标准杯，女性每周超过9标准杯，其中1标准杯构成12克纯酒精)或每月两次或更频繁地进行重度饮酒(男性5标准杯或更多，女性4标准杯或更多)。

在意向治疗分析中，我们在随访中使用AUDIT问卷评估了危险饮酒[30.]，询问学生在过去4周的饮酒习惯。男性AUDIT得分≥8，女性AUDIT得分≥6的学生被认为是危险饮酒者。审计问题得分计算为审计问卷中7-10个问题的和，审计依赖得分计算为4-6个问题的和。我们在分析中分别使用了AUDIT问卷中关于重度偶发性饮酒的第三个问题。

统计方法

我们用卡方检验检验了组间比例的差异。每周饮酒、AUDIT总分、AUDIT问题和依赖得分进行对数转换(添加单位常数处理零值)，并以学生为单位进行组间比较t测试。用多水平线性回归(在个体内嵌套的情况下)比较基线和随访期间每周酒精消费量的绝对变化(在对数转换量表中)。用Mann-Whitney方法比较两组间基线和随访期间每周饮酒量的相对变化U测试。所有试验均在双面进行P< . 05。使用SPSS 19版(IBM Corporation, Somers, NY, USA)和Stata 12版(StataCorp LP, College Station, TX, USA)进行统计分析。

结果

整体回应率

第1组和第2组对基线调查的应答率相似(约37%)。然而，在随访中，第1组和第2组的磨损率高于第3组(表1)．因此，第3组随访调查的回复率约为52%，而第1组和第2组的回复率约为41% (P< .001， χ²₂= 54.6)。基线时第1组和第2组的风险饮酒者比例相似(约56%)，随访时所有组的风险饮酒者比例也相似(约50%)(表1)．

所有组的意向治疗分析

所有三组随访参与者的社会人口学特征在性别、年龄和大学部分方面没有差异(见表2)．意向治疗分析包括所有回答后续调查的三组参与者。三组间酒精参数无显著差异(见表3)．

组1和组2的协议分析

对第1组和第2组的方案分析评估了基线时有危险饮酒的参与者的结果，这些参与者也回答了随访调查。因此，在第1组提供随访数据的377名参与者中，201名(57.4%)也提供了基线调查数据，同样，第2组421名参与者中207名(54.9%)被纳入了方案分析。基线调查参与者的社会人口学特征在第1组和第2组之间没有显著差异。两组在基线时的每周饮酒量相似，第1组的平均饮酒量为135.9克/周，第2组的平均饮酒量为133.4克/周(两组的中位数为120克/周)。在基线时，两组之间重度间歇性饮酒的频率没有显著差异。

表4显示每个方案分析的结果，显示基线和随访之间每周消耗相对变化的统计学显著差异(P= 03);这一结果的绝对变化在统计学上并不显著。第1组和第2组之间无统计学差异。在随访中，两组中大多数风险饮酒者都以非风险的方式饮酒。

讨论

这项研究没有发现组间差异，表明在未选择的大学生意向治疗分析中缺乏评估或反馈获益的证据。在研究开始时的方案分析中，高危饮酒者组间存在一个差异。这可能提供了一些非常温和的证据，证明除了评估之外，接受反馈也有好处，尽管这应该在更广泛的研究发现没有影响的背景下解释。

在本研究中，要对干预无效的证据做出更明确的陈述，有三个主要障碍。首先，第3组与第1组和第2组之间的差异磨损表明组之间存在不相等的问题，因此在直接比较中存在偏差。其次，本研究是为随后的大型试验做准备，因此最初并不是为了得出这样的结论而设计的。最后，应该仔细考虑对人群进行随机和比较而不考虑干预需求的结果评估方法。这些问题中的每一个都应加以详细讨论。

由于本研究的随机性质，可以推断，差异磨损是由于组1和组2比组3更早地参与研究造成的。较早的参加酒精e-SBI的邀请显然与后来的酒精调查没有太大区别，或者仅仅是第二次与酒精有关的电子邮件邀请这一事实就可能影响了接受邀请的可能性。无论具体机制如何，主要含义是明确的:选择偏差是可能的，如果不太可能的话，并且不能有效地假设第3组的结果与第1组和第2组的结果在干预有效性方面具有直接可比性。由于与第三组缺乏接触，为评价这种可能性而进行比较的基础是有限的。这仅限于在随访中收集的数据不太可能随着时间的推移而发生差异。这里有证据表明男性参与者比例较大的轻微趋势，并且不能排除其他未测量的混杂因素的存在。值得注意的是，这一差异损耗问题尤其使涉及第3组的随机比较变得复杂，而对于仅局限于第1组和第2组的比较来说则不是什么问题。因此，可以得出一个更有力的结论，即反馈是否增加了仅评估的效果，这里几乎没有证据表明它确实如此，尽管每个方案分析结果之间存在统计学上的显著差异。

谨慎的第二个原因与高度自然主义的互联网研究背景有关，并且需要面对长期研究项目过程中所隐含的困难的方法挑战。在Linköping和其他瑞典大学开发e-SBI之前的工作中，人员流失一直是困难的主要来源[31］．

正如Eysenbach所强调的，这也是在其他人群中进行在线试验的一个重要问题。32]及其他[33］．e-SBI常规服务提供的最初使用情况与本文观察到的情况类似，可能受到电子邮件使用模式、危险饮酒率、酒精的显著性和干预兴趣等因素的影响。在瑞典，和其他地方一样，饮酒也受到季节的影响，包括考试的临近，这些因素使任何随时间变化的分析都变得复杂。应该注意的是，如果减员和其他类似的偏倚来源在组间等价分布，随机化可以保障组间比较的有效性[34］．在Linköping大学先前进行的随访研究中，在第一次随访时参加基线调查的患者中，不到一半的人参加了第一次随访，大约四分之一的人参加了第二次随访[19，34］．在这里，不像以前那样由学生保健服务机构发送后续电子邮件，而是对试验行为的参与者进行了盲化。这涉及明确尝试将随访经验与早期e-SBI交付分开。第一作者(PB)发送了一封电子邮件，要求参与学生酒精消费调查，部分遵循了Kypri及其同事的方法，他们在一开始就邀请参与了一系列调查，并获得了很高的随访率[20.］．正如我们所看到的，这种创新，连同电影票激励的使用，在限制后续流失方面取得了部分成功。它还介绍了已经讨论过的差异损耗。为了纠正这一点，我们决定在下一个试验中，我们将简化酒精结果测量，并将其隐藏在后续研究的生活方式问卷中。使用更强的激励措施可以进一步提高整体流失率，尽管这可能会损害研究的实用主义性质[35］．

从本研究中得出结论时要谨慎的第三个主要原因与我们对结果评估的意向治疗方法有关，这是高度保守的。干预措施包括自动发送电子邮件，在危险和有害饮酒流行率较高的未选定人群中提供访问网站的方法。因此，干预的范围比必要的更广泛，因为我们只希望干预风险饮酒者。这种干预可以更狭义地定义为向访问网站的人发送邮件，而电子邮件仅仅是招聘手段。即使这一定义被应用，干预仍然会被那些饮酒没有风险的学生所接受，因此他们不会被认为是值得进行干预的个人目标。更狭义地说，结果评估可能仅限于那些被发现饮酒有风险的人。最主要的问题是，随机分配的人数超过了干预的目标人数。以这种方式进行的主要理由是，评估资格、基线数据收集和干预交付都迅速整合在一个简短的在线会议中。我们围绕现实世界的干预机会进行了实用主义的研究设计，将研究研究与日常实践相匹配，而不是为了研究目的而干扰它，这将引入外部有效性问题。这种方法利用了一个机会，以避免任何可能与筛选和研究进入的其他方面相关的研究参与效应，与用于此目的的聚类随机试验的方式大致相同。 The obvious major disadvantage of this approach is that it biases hypothesis testing toward the null and thus is highly conservative. Thinking about outcomes evaluation needs to take account of these issues.

这就产生了研究结果与现有文献是否一致的问题。简单地说，没有现有的研究来比较我们的意图治疗结果，因为没有使用非接触对照组。每个方案的比较更密切地反映了现有的研究，并且观察到组间差异较小。因此，无论是内部效度还是外部效度，我们对第三个假设的检验都尤为重要。与现有文献的比较还需要考虑到高度自然主义的研究语境。如果我们的结果在进一步的研究中得到证实，那么在考虑在线酒精干预的有效性时，它们具有重要的意义。

我们不同寻常的研究设计有很多局限性，也有很多优势，其中一些已经被考虑过了。我们使用AUDIT作为酒精消费及其是否可能有害的有效汇总衡量标准。虽然AUDIT已在在线学生环境中得到验证[9]，这并不扩展到在试验中用作结果测量。除了这种使用的不确定性之外，更直接的饮酒行为测量可能更适合普遍的预防环境。由于该研究是完全自动化的，因此在确定研究结果时不存在颠覆随机化的可能性，也不存在观察者偏见。最初的介入或介入范围既不是本研究的简单优势，也不是本研究的局限性，它是评估对象的一部分。必然地，结果是自我报告的，尽管计算机化的数据收集可以最大限度地减少社会期望偏差，但在简短的酒精干预试验中自我报告结果数据的有效性需要研究。这里使用的方法涉及欺骗，因此考虑是否可以使用道德上不那么有问题的方法是合适的。例如，如果我们只关心限制评估反应性，难道不可能采用知情同意程序并简单地拒绝评估吗?如果我们只对探索评估反应性效应感兴趣，这确实是可能的。然而，我们意识到其他研究参与的潜在影响[29并特别希望控制这种可能性。例如，这种需求需要新颖或未充分利用的研究设计方法，而研究可能涉及避免知情同意[36］．除了在这个研究项目中开发研究方法外，我们非常清楚需要同时进行伦理分析，并进行专门的实证研究，以协助伦理评估。提供大样本的进一步试验可能有助于进一步的实质性有效性试验，以及针对本文所涉及问题的专门方法学和伦理学研究。