随机对照试验中基于网络的预防抑郁症干预的参与者、使用和使用模式

简介

抑郁症的患病率很高，对医疗保健系统造成了很大的负担。研究表明，(针对高危人群)易于获得的指示性预防干预措施至关重要，而且具有成本效益[1-3.］．基于网络的预防性干预被视为这些干预的一种可能形式，并已被证明在减轻抑郁症状方面有效[4-9］．

虽然基于网络的干预已被证明是有效的，但基于网络的干预仍未在常规护理中广泛实施[10-13］．一个问题是，并非所有基于网络的干预措施都能达到预期的效果，许多干预措施都存在不坚持的问题(即参与者不遵守干预方案)[10，11，14-16］．虽然很难调查坚持与基于网络的干预措施的有效性之间的因果关系，但研究表明坚持与干预措施的效果增强之间存在关系(即剂量-效应关系)[17，18］．

近年来，依从性得到了相当大的关注。Eysenbach创造了“损耗定律”这个短语。15]，从那时起，就有关于参与者特征与依从性之间关系的研究和综述(例如，[14，19])以及干预措施特征与依从性之间的关系[16，20.，21］．在这项研究中，我们看到遵循干预协议(即，使用开发人员预期的干预)，例如，完成所有课程。虽然前面提到的研究深入了解了依从性作为一种结果测量，并给出了一些如何计划依从性的建议，但依从性的过程尚不清楚。通过研究基于网络的干预的使用方式，以及追随者和非追随者之间是否存在差异，可以更深入地了解坚持的过程。此外，有可能从这些使用数据中提取设计建议，并为参与者推荐使用模式，以增加坚持干预的可能性。

人们已经对基于网络的干预的使用和使用模式进行了研究。对可免费获取的干预措施的描述性研究表明，这些干预措施吸引了相当数量的访客，但这些访客往往与干预措施中的可能内容进行互动或获得部分内容[22-30.］．此外，许多研究发现，增加特定功能的使用，如完成评估和自我监测，可以提高干预的有效性[22，24，25，28-31］．然而，对个体使用干预方式的深入了解仍然缺乏。特别是，洞察个体参与者的使用模式可以为设计建议提供基础。此外，这可能会导致最有可能导致坚持的使用模式的形成。

除了依从性作为一个过程之外，还有许多关于受访者特征的问题可以预测依从性。有研究调查了人口统计和疾病相关措施的预测价值(例如，[14，19])，但虽然已找到重要的预测因素，但预测价值仍很低，因此有人呼吁研究其他可能更具预测力的特征[10，14，16，19］．认知的需要和归属的需要可能就是这样的特征。认知需求是指个体参与并享受努力的认知努力的倾向[32］．研究表明，认知需求高的人更有可能参与更具认知挑战性的在线活动[33］．由于许多基于网络的干预措施严重依赖文本和处理信息的认知努力，可能对认知需求较高的个体更有可能坚持基于网络的干预措施。此外，有人提出，作为认知需求的功能，卫生网站上较高水平的互动性将导致对内容的更好理解[34，该研究预测了认知需求和对网络干预的坚持之间的关系。归属感的需要是由鲍迈斯特和利里提出的。35并反映了这种形成人际依恋的欲望是对社会功能有重要影响的基本动机。尽管作者认为，归属的需要在某种程度上存在于所有文化中的所有人身上，但他们指出，个体差异是可以预料到的。35］．在网络干预的背景下，本质上可能是社交的，但通常是需要单独完成的事情，归属感的需要可能是依从性的预测因素(即在社交性较低的网络干预中);更高的归属感需求可能会增加不服从的可能性。

本文对一项基于网络的预防抑郁症干预的依从性和有效性的研究中收集的日志数据进行了分析，239名参与者中有118人(49.4%)坚持了干预(即开始了所有9节课)[36］．当前研究的目的是(1)描述参与者的特征并调查他们与坚持的关系，(2)调查干预的不同特征的利用以及坚持者和非坚持者之间可能的差异，(3)确定出现了什么使用模式以及坚持者和非坚持者之间是否存在差异。

方法

家长研究及参与者

本文中描述的分析是基于家长研究中收集的关于基于网络的预防抑郁症干预的依从性和有效性的数据进行的[36］．母研究采用分数因子实验随机对照试验(RCT;NTR3007)设计，采用8个干预组，研究了5个组成部分对网络干预依从性和临床有效性的影响。该设计要求每个组件创建2个级别，每个组件的每个级别存在于一半的干预组中。参与者为轻度至中度抑郁症状的成年人(流行病学研究中心抑郁量表>9和<39;鉴定(37)，他们已完成网上筛选程序。在目前的研究中，使用了所有开始上第一节课的参与者的数据。因此，我们使用了家长研究中239名参与者中的206名的数据。关于参与者、程序和家长研究设计的详细信息可以在多媒体附件1。

干预

继Van Gemert-Pijnen等人之后[10]，我们将基于web的干预视为内容、系统和它所提供的服务的整体。在这个概念中，交互不是内容、系统或服务，而是基于web的干预的一个组成部分，并且根据观点，它可以被视为属于任何一类。随后，我们将根据这些类别描述干预措施，充分生活。在研究过程中，除了修复一些小错误外，对基于web的干预没有做任何改变。

内容

这种基于网络的干预叫做“活得充实”，是基于“接受与承诺疗法”[38]和正念[39，40]并以自助书籍的形式出版[41］．干预已被证明可以有效地减少抑郁和焦虑症状，作为一个小组课程和电子邮件支持的自助课程[42-44］．基于网络的干预包括9节按时间顺序上的课，每节课都包括心理教育材料和练习。这9节课可以分为4个部分:第一部分(第1课)侧重于形成课程基础的观点;第二部分(第2课和第3课)侧重于了解应对策略，它们的短期有效性，以及缺乏长期有效性;第三部分(第4-6课)侧重于学习接受痛苦的技能;第四部分(第7-9课)侧重于所学课程在日常生活中的应用。参与者被要求在线上和线下完成练习。在线练习包括自由文本问题、多项选择题、监测网络日记中的行为等。离线练习包括练习正念、执行选定的动作、练习认知融合等。

系统

该干预措施采用了CeHRes电子卫生发展路线图中的方法[10]而这个过程在别处有描述[45］．当登录到基于网络的干预时，参与者从他们的驾驶舱开始(图1)．从那里，他们可以访问干预的所有元素。包括所有参与者的元素是(1)课程，(2)完成练习的概述，(3)反馈，(4)日记，(5)成功故事，(6)我的帐户，(7)帮助，以及(8)一个“反应”按钮，允许受访者对应用程序发表评论。

‎ 查看此图

服务

在这项研究中，基于网络的干预是在一个研究环境中实施的，即在荷兰的特温特大学。参与者可以在任何时间、任何地点免费访问网络干预。在完成一节课后，参与者可以在收到反馈后继续下一节课。当参与者观看了所有的心理教育材料并完成了所有的练习时，就会提供这种反馈。此外，反馈是在参与者开始上课后至少5天发送的多媒体附件2对于反馈的确切时刻，这与支持组件的水平不同)。参与者被要求每周完成一节课，但总共有12周的时间来完成9节课。参与者可以自由选择是在一个课程中学习还是在多个课程中学习。据估计，参与者平均每周花3个小时进行干预(在线和离线活动相结合)。

交互

与系统的基于web的交互包括做在线练习、使用多媒体内容和使用个性化功能。系统内还提供反馈消息(人工或自动)形式的交互。此外，与系统的交互是通过自动发送到参与者电子邮件地址的电子邮件消息来进行的，以提醒他们开始、继续或完成一节课。对于报名参加短消息服务(SMS)培训的参与者(见下一段)，互动也通过他们的手机进行。这种相互作用是单向的;没有可能回答。此外，所有参与者都有机会通过电话联系研究人员，尽管这种可能性很少使用(在干预期间总共约5个电话)。

干预组件

概述

虽然干预的组成部分不是本研究的重点，但本节将简要概述每个组成部分的级别，以便能够将本研究中提供的数据置于其背景中。详细的描述可以在多媒体附件2，而这些组成部分的基础可参阅本研究[36］．8个干预组中的每一个都采用了不同水平的干预成分组合。每个干预部门组成的概述可以在多媒体附件1。

支持

支持的来源要么是人工的，要么是自动的。为了隔离支持来源的影响，这两种条件在反馈信息的长度、定制的内容和呈现方式(包括咨询师的照片)方面被设计得尽可能具有可比性。为了保持人工支持和自动支持之间的独特差异(在人工支持中增加了交互的可能性，在自动支持中增加了及时反馈的可能性)，人工支持条件下的参与者有机会向他们的辅导员提问，而在自动支持条件下的参与者每节课收到一条额外的基于web的即时反馈消息。

短信指导

在包含短信的条件下，参与者有机会打开短信教练。该短信教练每周向参与者提供的手机号码发送3条预先设计的短信。这些短信是研究人员在研究开始前写的，内容是基于干预发展研究的结果。45］．每周发送3条短信，包含动机、正念和与内容相关的信息。所有短信都显示在应用程序的短信选项卡中，与短信教练是打开还是关闭无关，但仅针对包含短信的参与者。

科技体验

高体验条件包含额外的多媒体和互动材料，包括短片、互动练习和隐喻的多媒体呈现。

成功故事的剪裁

每节课都有一个成功的故事。对于高定制条件，每个成功故事都是根据以下4个方面定制的:性别、年龄、婚姻状况、日常活动、最突出的症状和参与网络干预的原因。每周的报道都是根据不同的方面进行调整，而不是所有方面都进行调整，以保持报道的可信度。在低定制条件下，每周都有一个标准的成功故事。

个性化

高个性化条件包括个性化内容的改编(系统显示参与者选择的座右铭和图片;该系统显示了参与者选择的最重要的价值)和适应性(有可能创建参与者认为最重要的课程中个人前5个方面)。

数据收集与分析

通过在线问卷收集基线时参与者的特征。采用ce - d量表测量抑郁症状(20项，0-60分;越高=抑郁症状越多[37，46])，焦虑症状用医院焦虑和抑郁量表(HADS-A;7项，得分0-21分;分数越高，焦虑症状越多47，48])。认知需求使用认知需求简短表(18项，得分-54-54;分数越高=对认知的需求越大32])。归属需求使用归属需求量表(10项，平均分1-7;分数越高，就越需要归属感49])。互联网使用使用一个项目来衡量(即，“平均而言，你每天使用互联网多长时间?”)。互联网体验是通过以下格式的10个项目来衡量的:“你曾经使用过以下互联网应用程序吗?”这10个项目主要集中在搜索引擎、电子邮件、网上购物、网上银行、网上社区、图片和视频网站、(微)博客、聊天、广播或音乐网站以及在线(健康)课程的使用情况。分数是通过计算至少在一段时间内回答了一次的项目数量来获得的(范围为0-10)。

基于web的干预的使用是通过日志文件客观地衡量的。可以从这些日志文件中提取粘附性。坚持被定义为从第9课开始的参与者，因为干预计划在9课期间使用。

日志文件包含每个参与者所采取的操作的记录，每个操作包含以下信息:唯一的参与者标识号、操作类型、操作规范、时间和日期。记录的动作类型为登录、注销、开始上课、开始正念、下载正念、查看成功故事、查看反馈信息、开始视频、打开短信教练、关闭短信教练、查看短信。例如，行动规范是开始的正念练习的名称，或者查看了哪条短信。

对任意选择的20名参与者进行了使用模式的描述性分析;5个早期不坚持的人(即没有开始第5课)，5个晚期不坚持的人(即开始了第5课但没有开始第9课)，10个坚持的人。我们将不坚持者分为早期不坚持者和晚期不坚持者，以探讨这两组之间是否存在差异。可能早期不坚持的人和后期不坚持的人有不同的原因。这些早期原因可能是在早期阶段就变得清晰的更普遍的方面(例如，内容对他们没有吸引力，或者干预的形式不符合他们的期望)。迟到的原因可能更多的与干预的过程或动机有关(例如，很难每周花足够的时间在干预上)。这可能是因为后期的不坚持者与坚持者更相似，更容易被说服成为坚持者，而对于早期的不坚持者，干预可能根本不适合。虽然从这项研究中无法得出早期或晚期不坚持的原因，但结果可以显示晚期不坚持者在使用干预方面是否与坚持者更相似。努力确保所选参与者具有与完整样本相同的人口统计学特征分布和随机分组。此外，我们只选择了在第2、5或8课中没有开始不坚持的参与者，因为这些是我们调查的课程，我们希望避免包括没有完成所调查课程的参与者的模式。 See多媒体对于人口统计学的概述，随机分组，和教训达到这些选定的参与者。在这些参与者中，我们检查了第2课(所有选定的参与者)、第5课(晚期非追随者和追随者)和第8课(仅追随者)中的所有行为，以确定新兴的使用模式。我们选择检查这些课程，因为它们反映了干预内容的3个主要部分，因为我们希望避免第一课和最后一课，因为这些课程中预期的非常规使用模式;我们希望学员在第一节课中更多地探索和了解应用程序，最后一节课比其他课程更短(即较少的文本和练习)。对于每节课和每个被选中的参与者，我们记录了他们从开始调查的课程到开始下一节课之间的所有行为。此外，还导出了会话的数量(登录和后续操作，直到注销操作或30分钟不活动的时间段被计算为1个会话)，以及这些会话的总持续时间和会话之间的时间。此外，用于完成所有练习和课程内容的会话数也被计算在内。我们选择只对一小部分数据进行分析，因为这种探索性分析的重点是与使用干预措施的特征相关的模式识别。此外，由于缺乏分析日志文件的软件，所有的分析都是手工完成的，所以这个选择是务实的。

统计分析使用PASW 18(预测分析软件;美国IBM)。使用单因素方差分析(ANOVA)和卡方检验(χ²)．使用逻辑回归来评估基线特征是否预测依从性。由于逻辑回归的探索性，所有的预测变量都是一次性添加的，使用enter方法。

结果

参与者的特征

使用干预的206名参与者的基线人口统计数据和结果测量显示在表1。追随者和非追随者在种族上存在差异(非荷兰裔的参与者更多是追随者;χ²₁= 5.5,P=.02)和互联网使用(非信徒平均每天使用互联网的时间明显更长;F_1203年= 3.918,P= .049)。女性更常是信徒，但这不符合统计学意义(χ²₁= 3.7,P= . 05)。非追随者有更高的归属需求，但这也不符合统计学意义(F_1204年= 3.133,P=。08)。

依从性

开始的平均课程数为6.9(可能为9)，本研究中57%的参与者完全坚持干预(模式和中位数= 9课)。图2显示达到特定课程的参与者的百分比。从图中可以看出，在第2课开始不坚持的人数最多，其次是第3课和第6课。此外，我们可以看到26.2%(54/208)的参与者是早期的不坚持者(即，没有开始第5课)，16.6%(34/208)是晚期的不坚持者(即，开始了第5课，但没有开始第9课)。

为了探索基线特征对依从性的可能预测价值(即从所有9节课开始)，我们对所示的所有基线特征进行了探索性逻辑回归表1作为预测器输入。表2表明模型中的重要预测因素是性别和认知需求，其中女性和具有更高的认知需求增加了坚持干预的几率。通过线性回归来预测基线特征所达到的教训，得出了一个显著的模型(χ²₁₂= 28.9,P= 04;考克斯&斯内尔R²= 0.132, NagelkerkeR²= 0.177)，但没有显著的预测变量(数据未显示)。

‎ 查看此图

使用

从日志文件中，提取了每个参与者在基于web的应用程序中执行操作的次数(表3)．总体而言，参与者平均每节课登录4次，但追随者每节课开始登录的次数明显多于非追随者(F_1204年= 20.710;P<措施)。其他不同之处在于，坚持者比非坚持者下载了更高比例的可能独特的正念练习(F_1204年= 5.888;P=.02)，在包含短信指导的条件下，坚持者比非坚持者查看了更大比例的可能的短信(F_1103年= 7.668;P= .007)。为了探索干预成分是否影响用户操作的频率，我们比较了参与者在高定制成功故事和低定制成功故事条件下所看到的独特成功故事的百分比，发现没有显著差异。然而，在人工支持和自动支持条件下查看的唯一反馈消息总数之间存在差异(整个组:人工支持查看了10.7条唯一消息;自动支持5.9独特的消息查看;F_1204年= 37.322,P<.001)以及追随者和非追随者每节课查看的唯一消息数量的条件之间(追随者:人工支持每节课1.7条，自动支持每节课0.9条，F_1116年= 93.604,P<措施;非追随者:每节课1.1个人工支持，每节课0.6个自动支持，F₈₆= 23.860,P<措施)。

使用模式

为了更详细地检查参与者在课程中与系统交互的方式，研究了20名参与者(5名早期非追随者，5名晚期非追随者和10名追随者)在第2课(所有被选中的参与者)、第5课(晚期非追随者和追随者)和第8课(仅追随者)的使用模式。多媒体附件4每节课呈现每个参与者的所有动作，组织成会话。此外,多媒体附件4显示每个会话的持续时间，会话之间的时间，以及会话总持续时间的概述，以及每节课每个参与者的会话之间的时间。对于早期非追随者，晚期非追随者和追随者，这一信息的摘要在表4。从这张表中我们可以看到，这三组人的使用模式似乎存在差异。首先，早期的不坚持者比后期的不坚持者和坚持者使用更少的课时和时间，完成课程的课时比坚持者更少。其次，晚期不坚持的人比坚持的人总持续时间更短，这种差异在第5课中更加明显。最后，在后面的课程中，坚持者使用更少的课程(总共和完成一节课)，但在课程持续时间和课程之间的时间上没有明显的趋势，尽管他们在第5节课中更高。在看数据的时候多媒体附件4，我们观察到一些值得注意的模式:

1. 有许多会话只涉及登录和注销操作，间隔时间不到一分钟。
2. 追随者以非常短的第一个阶段开始后面的课程。
3. 许多反馈消息在可用后的第一个会话中不会被阅读。
4. 在另一个操作之后不久会有许多登录操作。

讨论

主要结果

本研究的目的是:(1)描述参与者的特征并调查他们与依从性的关系，(2)调查干预的不同特征的使用情况以及依从者和非依从者之间可能的差异，以及(3)确定出现了哪些使用模式以及依从者和非依从者之间是否存在差异。

这项研究的参与者主要是具有较高教育水平和有偿工作的荷兰女性。这一群体与许多基于网络或电子健康干预措施(例如，[15，19，22])，这是我们在开发过程中所考虑到的预期群体。当观察支持者和非支持者之间的差异时，我们看到，尽管我们只涉及了一小部分非荷兰裔的参与者;这些参与者通常是追随者。其他人则强调接触非荷兰族裔的重要性和挑战[13］．这项研究表明，如果我们能够成功地接触到这些人群，可能更容易让他们参与基于网络的干预，但这需要进一步的研究。此外，非追随者通常比追随者每天使用互联网的时间更长。这一发现与其他研究相似[19，50这值得我们进行更多的研究。一种可能的解释是，不同的人使用互联网的数量不同，他们对基于网络的系统的期望也不同，在这种情况下，基于网络的干预。这种基于Web的干预可能并不完全符合普通互联网用户对Web应用程序的思维模式;例如，基于网络的干预可能需要更多的使用，而不是浏览信息，在很短的时间内浏览很多页面。我们的逻辑回归模型从参与者的特征来预测依从性，其预测能力相对较低(NagelkerkeR²=0.177)，只有女性和认知需求较高的人坚持干预的几率才会增加。女性更有可能坚持的发现也反映了更多女性是坚持者而非坚持者的发现(尽管这在统计上不显著)，这可能反映了我们选择将更多女性作为发展过程的参与者。此外，它加强了考虑目标群体是重要的假设。如果我们打算更多地接触和参与男性，我们应该根据他们的意见重新设计干预措施。第二个重要的预测因素是对认知的需求，这支持了我们的假设，即对认知的更高需求可能受益于完成基于网络的干预，这种干预在很大程度上依赖文本和认知工作来处理信息。这意味着，如果干预措施不仅针对认知需求高的参与者，还应注意使干预措施更适合认知需求低的参与者。尽管这个模型和其他研究[14，19，51]表明个体差异在依从性中发挥作用，我们测量的特征的预测价值仍然很小。另一种不同的方法在劝导技术领域被使用，根据个性特征定制劝导信息已被证明是有效的。52］．此外，在这一领域，为什么某些人被说服而另一些人没有被说服的问题已经从更实际的角度进行了研究:通过从实际行为的数据中生成一个个人说服概况，可以推导出并使用最有效的说服这个人的策略。53］．由此，人们可以推断这些说服力特征来自哪里，以及它们是否可以提前测量。这可能是在基于网络的干预和电子健康领域解决这一问题的一种实际方法。

总的来说，在使用该应用程序的206名参与者中，有118名参与者坚持进行干预。虽然我们使用这些数字包括了追随者的百分比，但应该注意的是，我们只报告了从第1课开始的参与者。所有参与者的真实依从性为49.4% (118/239)[36］．这一百分比与系统评价中发现的平均依从性一致[16］．数据显示，大多数没有坚持干预的参与者在前3节课开始不坚持(55%，48/88名参与者开始了第一节课，但没有坚持干预)。这可能反映了干预的内容，其中第一堂课的重点是参与者是否真的愿意接受治疗，接下来的两节课的重点是意识到他们使用的应对策略是无效的。这可能是非常具有挑战性的，因此，可能解释了这些课程的高度不遵守。有趣的是，还有相当多的参与者在第6课开始不坚持。这一课是学习接受痛苦的新技能部分的最后一课，这一课的重点是观察自我。上过这门课的辅导员知道，这对许多参与者来说是很难的一课，这可能解释了为什么这门课上有这么多不坚持的人。对于基于网络的干预的重新设计，这一发现表明，此时干预可能应该提供额外的动机，例如，通过更多的互动或简单地承认，已知这是一个很难坚持项目的时刻。根据支持性问责模型，人力支持可以通过提供适当数量的支持(为个人量身定制)来提高这些时候的依从性[54］．

我们使用不同功能的结果与使用免费网络干预的研究结果相一致，参与者并没有使用他们可以使用的所有功能。22-30.］．似乎作为治疗不可分割部分的特征(例如，本研究中的正念练习)比其他特征(成功故事、短信指导和电影)使用得更多。在设计或重新设计基于web的干预措施时，要记住这一点:要注意不是应用程序中的所有功能都将被使用，并尝试将功能集成到干预措施中，而不是将它们添加到干预措施中。例如，成功的故事可以通过插入到每一课中，更多地整合到干预中。这与Krukowski等人的建议一致[30.鼓励或更突出地突出某些功能，以增加使用，并在理想情况下改善结果。

追随者和非追随者的用户行为之间的显著差异(即，追随者每节课的登录次数更多，下载了更多的正念练习，比非追随者查看了更多的短信)表明，追随者不仅在整个干预过程中有更多的使用耐力，而且与非追随者相比，他们也更投入于干预。这反映了一项发现，即坚持者对干预表现出更多的参与[36］．在课程中较高的参与度可能有利于干预的有效性，因为更多地接触基于网络的干预已被证明可以提高有效性(例如，[17，30.])。对于这种特定的干预，建议在一次以上的登录中完成一节课，因为内容需要反复练习(例如，正念和日记练习)，在完成练习之前需要时间反思内容。但是，参与者可以在一次登录中完成一节完整的课程。

追随者和非追随者的平均每节课的反馈信息浏览量都在1条以下，这说明并不是所有的反馈信息都被浏览过。根据我们发展研究的参与者，接受反馈是基于网络干预最希望和最期望的特征，而提供支持已被证明对基于网络干预的有效性有积极影响[4］．这使得并非所有反馈信息都被查看的发现更加引人注目。一种解释可能是，开发人员认为这个功能是整体处理的一部分，但以一种不反映整体性质的方式实现了它;反馈信息被显示在与课程(治疗的主要部分)不同的系统部分，参与者可以在不查看反馈信息的情况下继续下一节课。此外，人工支持条件下的参与者比自动支持条件下的参与者看到更多的反馈信息。这一发现并不令人惊讶，因为自动化支持条件只包括每节课一条消息，而人工支持条件包括提出问题和要求更多反馈的可能性。有趣的是，对这种干预的依从性和有效性的研究[36]并没有显示出在这些条件下随访有效性的显著差异，即使咨询师给出了反馈，并给出了更多的反馈信息(如本研究所示)。这两个发现表明有必要进一步研究支持和反馈在基于网络的干预中的作用。

我们对20名参与者在3节不同课程上的使用模式进行了分析，为我们提供了有用的见解。这种更加定性的分析证实了我们对用户行为的定量结果:追随者总体上更投入，他们使用更多的会话，在干预中花费更多的时间。此外，对使用模式的分析表明，早期非追随者、晚期非追随者和追随者之间可能存在差异，其中晚期非追随者在会话数量上与追随者更相似，但会话持续时间更短，这与早期非追随者更相似。这似乎符合我们的假设，即早期和晚期的不坚持的原因是不同的。后期的不坚持者可能更类似于坚持者，他们可能更容易被说服成为坚持者，而干预可能根本不适合早期的不坚持者。这应该在未来的研究中进行研究。

通过识别追随者和非追随者之间的差异，就有可能筛选这些错误的模式，并识别有可能成为非追随者的参与者。这为干预提供了机会，例如，通过通知这些参与者他们的使用模式增加了不遵守的可能性，并建议更合适的使用模式。这种行为监控和自我监控的结合，以及为不同的行为提供建议，被认为是改变行为的有说服力的策略。55，56］．干预的另一种方式可能是为参与者提供更多或不同的互动，以提高依从性和有效性[54］．虽然目前的研究提供了一种干预方式，但对于特定的参与者，当时需要采取的具体行动应该是未来研究的重点。

中给出的使用模式的深入分析多媒体附件4，得出了值得注意的模式，这些模式对于重新设计这种特定的干预是有用的。例如，频繁的登录-注销操作之间没有用户操作可能是等待反馈的参与者的行为。这一假设得到了一项发现的支持，即这种模式通常发生在参与者完成了一节课，但没有收到反馈的情况下。一个重新设计的选项是提供一个突出的功能，“我什么时候能得到反馈?”，计时器可以显示预期的反馈时间。该功能还可以用于引导参与者使用他们当时没有使用过的功能，以支持参与者使用所有功能，从而从干预中获益最大。我们看到许多信徒以非常短的第一阶段开始后面的课程。这反映了干预的设置，即只有在参与者完成当前课程后，并且在课程开始后的某一段时间后，才能进行下一节课。这个定时器在课程开始时就会启动，所以第一个短会话可能会启动定时器。发现许多反馈消息在第一次可用时没有被阅读，这反映了早期的发现，并不是所有的反馈消息都被阅读，并且可以通过使有新的反馈消息更明确来改进。应用程序中一个尚未修复的已知错误是，参与者在使用浏览器的后退按钮时注销了应用程序。 This bug is a likely explanation of the many log-in actions shortly after another.

在这项研究中，我们使用了基于web的干预本身的日志数据。这使我们能够识别特定参与者的行为，并将其与参与者是否坚持干预联系起来。其他研究提倡使用谷歌分析，例如[57]，但是，尽管这在一般水平上提供了有价值的信息，但不可能确定具体的参与者，这就降低了那些旨在在多种情况下使用的基于web的干预方法的价值。然而，在开发基于web的干预时，指定哪些信息是重要的，需要记录是很重要的。例如，在我们的研究中，会话不是这样记录的，这意味着这必须手动完成，这是一个乏味的练习。此外，我们手动编写了在所选课程中所选参与者的所有会话。虽然这种方法提供了有价值的信息，但对所有课程的所有参与者都这样做是不可行的，这需要对数据的子集进行分析。需要更先进的方法来利用收集到的所有信息。Tian等人使用的马尔可夫链可能就是这样一种方法[58]，尽管这对于打算在更多场合使用的基于网络的干预可能不太可行。另一种方法可能是从机器学习的角度使用模式识别方法，看看是否有不同的模式可以自动识别或学习。

限制

本研究的局限性是我们在没有积极参与参与者的情况下分析和解释日志数据。我们没有问参与者为什么他们使用干预的方式。这些信息可能使我们更容易解释数据，并检查我们的解释是否正确。另一方面，重要的是使用客观的日志数据，而不是依赖于参与者如何陈述他们使用干预措施的主观测量，因为关于使用的主观数据可能不太准确。另一个限制是泛化问题。我们的研究使用了一种预防抑郁症的干预措施的数据，主要用于受过高等教育的荷兰女性。此外，我们只调查了一小部分参与者的使用模式。观察到的使用模式可能是特定于这组使用这种干预措施。然而，许多干预措施，特别是心理健康干预措施，具有类似的特点[16]，并达到前面提到的相同的受众。此外，关于依从性设计的影响，常规参与者特征对依从性的有限预测价值，以及基于使用模式筛选进行干预的可能性，似乎比仅对该受众进行干预更广泛。

未来的研究

在分析实时使用模式的基础上，以一种新的方式分析使用模式，并研究在干预使用过程中进行干预是否有用和可行，这是一个值得研究的有趣领域。早期的步骤可能是确定与坚持相关的使用模式，并以促进这些使用模式的方式设计或重新设计干预措施。未来研究的另一个不同领域是研究一种更实用的方法，以确定可能影响或预测依从性的参与者特征，遵循说服分析方法[53］．此外，我们的研究结果表明，不同的课程内容可能需要不同的互动量或模式。这里有一个有趣的研究方向:基于web的干预的内容、系统、服务和交互如何相互协调以达到最佳匹配?

结论

总之，我们可以说，使用日志数据结合充分生活干预参与者的基线特征，为重新设计该干预措施和基于web的干预措施提供了有价值的经验教训。首先，虽然受访者的特征可以显著预测依从性，但其预测价值很小。因此，我们应该研究对参与者进行分类的其他方法，以对个体差异如何影响依从性做出有用的预测。其次，设计基于web的干预措施以促进干预措施中所有功能的遵循和使用是很重要的。一种可能的方法是使用一种更智能的系统，记录参与者当前的使用模式，并在必要时进行干预，例如，通过提供尚未访问的功能的反馈或链接。