基于网络的针对性干预减少成人酒精消费的效果:随机对照试验

简介

虽然饮酒与许多负面后果有关，如心血管疾病、癌症、肝硬化、神经精神疾病、交通事故和工作效率降低[1-3.]，在世界范围内，大量饮酒在成年人中非常普遍[4-6］．许多有不健康饮酒习惯的人并没有意识到他们的酒精摄入量或与这种行为相关的问题[7，8];其他人知道，但不寻求关怀、帮助或支持。9-11可能是出于恐惧、羞愧或缺乏时间。不健康饮酒者的高患病率和寻求帮助的人数少，突出表明有必要采取易于获取和低门槛的干预措施，鼓励人们减少酒精摄入量。

基于网络的量身定制的干预措施，其中信息根据用户的个人特征进行调整，并需要向他们提供适合他们个人的建议[12，13已被证明是改善健康相关行为的有效工具。各种研究都报告了对生活方式行为的有利影响，如增加身体活动[14，15]，增加水果和蔬菜的摄入量，降低饱和脂肪的摄入量[16]，以及戒烟[17］．与非量身定制的材料相比，提供量身定制建议的干预方案的主要优点是包含更少的不必要信息和更多有吸引力和相关的信息[18，19]，它们具有成本效益[20.]，量身定制的信息更有可能被阅读、保存、打印、记住并与他人讨论[13，21-23]，而量身定制的信息在改变行为方面比一般信息更有效[12，24，25］．

迄今为止，已经发表了几项基于网络的定制酒精干预研究，但在普通成年人中使用定制自助计划的随机对照试验很少[25-32］．以前的大多数研究都是在年轻人中进行的，尤其是在大学或学生群体中[33-37］．这些样本并不代表一般人群，而且可能在改变的动机、阅读水平、电脑及互联网接入，以及电脑素养等方面存在差异[37］．早期的研究报告称，在没有治疗指导的情况下，单一疗程的个性化反馈是一种有效且具有成本效益的减少酒精摄入量的方法[38］．最近发表的一项针对成年男性的研究采用了单次干预，受访者必须去实验室参加10分钟的在线干预，该研究仅报告了干预后1个月的短期效果[26］．

很少有研究评估哪些因素在量身定制的干预措施中效果良好。互联网健康行为改变治疗(HBC-I)的5个标准——建议、协助、评估、提供预期指导和安排随访——是决定一个项目是否提供行为改变潜力的必要但不充分的因素[39］．其他可行的因素似乎是裁剪策略的使用，如规范的、积极的和积极的反馈、个人语气和同理心[40］．解释项目有效性差异的因素包括接触/曝光时间的数量、理论的使用、布局、沟通渠道、问卷的长度、提供的信息量和剪裁的深度[12，41］．

尽管基于互联网的项目有可能覆盖大量人群，但各种研究指出，实际使用可能有限，而且高流失率很常见[42-47］．为了防止早期退出，从而提高项目的有效性，可以使用两种不同的策略来在在线干预中保持受访者的注意力。在第一种策略中，问题和建议交替给出，这样受访者在填写问卷时就能得到奖励，从而激励他们继续填写。这样的交替也会增加课程的吸引力。在第二种策略中，建议是在会议结束时以更传统的方式给出的(即，在完成最后一个问题之后)。这种方法可能会导致延迟退出——前提是问卷不太长——因为受访者必须等到问卷结束后才能收到量身定制的反馈。然而，这种方法也可能会增加参与者被他或她一次性接收到的大量信息压垮的风险[48］．

我们的研究有两个目的。首先，我们探讨了针对一般成年人群中不健康饮酒者的3期、基于网络的定制酒精干预的总体有效性。其次，我们比较了两种反馈策略(交替反馈和总结性反馈)的退出率、有效性和用户满意度。

方法

参与者、程序和研究设计

我们进行了一项随机对照试验(ISRCTN91623132)，包括实验组和等待名单对照组，并在6个月后进行随访测量。这项针对普通人群中不健康饮酒者的干预措施于2010年6月至2011年1月在德国进行。成年参与者是通过一个名为respondi AG(营业地点:德国科隆)的在线访问小组(即表示愿意参加在线调查和研究的样本登记册)招募的。样本收到一封包含干预网站(实验组)或基于网络的酒精调查问卷(对照组)链接的电子邮件。随机化是由计算机系统进行的。两个电子邮件形式的提醒信息被发送给没有回应第一个邀请的样本个人。对完全填写问卷的受访者，以积分的形式给予奖励，受访者可以用积分兑换现金、礼品券或慈善捐款。作为小组成员，在注册过程中获得了知情同意，成员们允许将他们的数据用于科学研究。

入选标准

本研究建立了以下纳入标准:作为受访者的小组成员;具备电脑/互联网知识;熟练掌握德语;年满18岁或以上;有不健康的饮酒习惯，其定义为:(1)不遵守建议每天饮酒不超过1杯(女性)或2杯(男性)的指南，(2)每周饮酒超过5天，(3)酒精使用障碍鉴定测试(AUDIT)得分高于7分[49]，或(4)正在尝试怀孕，怀孕期间饮酒或哺乳(与怀孕有关)，或试图让伴侣怀孕(男性)。

干预

这个干预项目，叫做酒精-一切都在限制之内?!(德语:“酒精- alles im grünen Bereich?!:“看图1)，这是一个基于网络、分为3个环节、针对成年问题饮酒者量身定制的项目。干预的主要目的是刺激参与者减少他们的酒精摄入量。制定干预措施的理论框架是I-Change模型[50］．之所以选择这个社会心理模型，是因为它结合了不同的模型，并将这些模型集成在动机前、动机和动机后阶段，这最适合用于计算机裁剪以支持行为改变的过程。I-Change模型建立在其他社会心理模型的基础上，如计划行为理论[51]、社会认知理论[52]、健康信念模型[53]，以及跨理论模型[54］．

个性化的建议立即呈现在受访者的电脑屏幕上，由5个部分组成，每个部分都侧重于模型的不同心理社会建构(即知识、意识、态度、社会影响、自我效能和行动计划)。该计划的第一部分通过解决知识和意识的概念，作为饮酒行为改变过程(前动机阶段)的起点:它提供了有关德国酒精指南的信息，特别是每天不喝超过1(女性)或2(男性)标准饮料(即含有10克酒精的饮料)，每周至少有2天不饮酒，并通过比较/规范性反馈评估受访者是否符合这一指南。此外，受访者的分数使用交通信号灯符号进行图形化描述(表明他们是否符合、几乎符合或不符合指导方针)。为了提高受访者的知识水平，解释了酒精与各种疾病的关系，并针对受访者的健康状况提供了关于酒精和怀孕的信息，以及关于参与者饮酒行为对其子女可能产生的影响(如果适用)。该计划的第二部分提供了关于受访者所感知的饮酒利弊的个性化反馈，目的是培养每天不饮酒超过1杯(女性)或2杯(男性)的积极态度。第三部分通过关注受访者的伴侣、家人、朋友和同事，以量身定制的信息解释社会影响力的重要性。第四部分定义了预备行动计划，为预期的行为改变做准备。最后一部分关注自我效能和应对计划，通过识别困难情况并提出应对方法。关于如何处理感知到的困难情况以克服潜在障碍(动机后阶段)，给出了个性化的技巧，并为单个受访者总结了情况和计划，以帮助他们记住这些。

在3个月后的反馈时刻和6个月后的随访测量中，实验组的参与者再次根据他们之前的心理建构得分获得个性化的建议。此外，通过比较本次访问的饮酒得分与上一次访问时的饮酒得分，对受访者的酒精摄入量进行积极反馈。反馈是关于潜在的变化，所有的分数都在一个图表中说明，使受访者能够一目了然地监控整个变化过程。

‎ 查看此图

条件

所有研究小组都收到了相同的问卷。在完成第三次测量后，等待名单对照组的受访者获得了干预网站的链接，在那里他们还可以获得个性化的建议。实验条件分为2个亚组。这两个小组的干预网站提供了相同的反馈信息。在所有3个反馈时刻(基线时、3个月后和6个月后)，一个实验亚组交替收到问题和个人建议(交替条件)，而另一个实验亚组的受访者在回答完所有问题后立即得到所有个人建议(总结性条件)。换句话说，在交替条件下，反馈信息被分割成一系列信息，讨论在受访者仍在完成基于web的会话时所提供的单个主题，而在总结条件下，整个材料/反馈信息在基于web的会话结束时一次性提供。两种情况下的实际文本是相同的。在测试结束时，这两个小组还收到了他们建议的完整概述(相当于大约7到10页A4纸的文本，包括图片和图形)，他们可以打印或保存在他们的电脑上。6个月后，我们再次给出了个性化的反馈，以刺激用户的参与，并使我们能够重新评估用户对计划的满意度。

调查问卷

饮酒行为

每周酒精摄入量采用广泛使用的荷兰五项量-频率-变异性(QFV)问卷[55］．审计被用来确定问题饮酒[49］．习惯性饮酒行为由12项自我报告习惯指数(SRHI)问卷评估[56］．

社会心理因素

关于国家酒精指南的知识通过一个问题进行评估:“你认为每天和每周可接受的标准酒精摄入量是多少?”，其中有14个回答选项，比如“每天允许喝两杯”。在所有3种情况的最终测量中都包含了一项知识测试，包括9个问题，如“怀孕期间建议喝多少酒(即允许喝而不必担心不利后果)?”或“一杯标准饮料的酒精含量是多少?”

研究人员通过饮酒的6个优点和6个缺点来评估态度，例如“饮酒……让我放松”和“……对我的健康有害”(1=完全不同意;5 =完全同意;α=。83.，cons alpha=.71).

社会影响通过将这一概念分为规范、建模和支持来评估。Norm使用以下项目进行评估:“根据我周围环境的人，我每天绝对不应该喝超过1杯(女性)或2杯(男性)酒精(=1)”到“我每天绝对应该喝超过1杯(女性)或2杯(男性)酒精(=5)”。建模通过以下问题进行评估:“在你周围的环境中，有多少人每天饮酒不超过1杯(女性)或2杯(男性)?”(1 =没人;5 =所有人)。对支持度的评估包括这样的陈述:“我的直接环境中的人支持我努力做到每天不超过一杯(女性)或两杯(男性)的饮酒”(1=不，他们根本不支持我;是的，他们非常支持我。

自我效能感由6个项目评估，这些项目涉及困难的社交、情感和日常情况，比如“我能满足酒精指南……当我在一个聚会上，”“……当我感到压力或紧张时，”和“……(1=不，绝对不是;2 =是的,肯定;α=结果)。

预备计划由4个项目进行评估，如“我计划外出时少带钱，所以我不能买很多酒精饮料”(1=不，绝对不会;5 =是的,肯定;α= .77点)。

应对计划由6个项目评估，涉及各种风险情况，如“我已经制定了一个计划，当我感到有压力或紧张时，饮酒不超过1杯(女性)或2杯(男性)”(1=完全不同意;5=完全同意，alpha=.96)。

应用行为改变的跨理论模型评估了按照酒精指南饮酒的动机阶段[54］．我们使用了一个项目:“你是否打算每周饮酒不超过5天，每天不超过1杯(女性)或2杯(男性)?”(1=不，我不打算这样做;我从来没有想过;我想过，但还不知道;4=有，但不是在未来5年内;是的，5= 1-5年内;6=有，6-12个月内，7=有，3-6个月内;8=有，1-3个月内;9=是的，在一个月内;10=是的，我已经这样做了)。

健康状况

研究人员用六个项目来评估受访者是否患有糖尿病、心绞痛、癌症、高血压或中风或心肌梗死。采用流行病学研究中心10项抑郁量表(CES-D10)评估抑郁症状[57］．

人口统计信息

评估了以下人口统计学变量:年龄、性别(1=男性;2=女性)，教育水平(1=低/没有教育或初等教育;2 =媒介/中等教育;3=高等教育)，收入(每月欧元)，就业情况(1=有偿就业;2=无有偿工作)、婚姻状况、怀孕/哺乳状况(1=怀孕/哺乳和饮酒;2=n/a)，住在家里的孩子数量，原籍国(1=德国;2 =其他国家)。

对计划的赞赏

两个实验小组都被邀请填写一份评估问卷，以评估个性化的水平和他们对干预的赞赏。其中包括7个问题，如“我收到的个人建议很有趣”(1=否，绝对不是;5 =是的,绝对)。

主要目标

主要目的是比较实验组(即接受计算机定制反馈策略的亚组)与对照组(1)遵守酒精指南(健康饮酒;(2)基线后6个月的平均每周饮酒量(标准饮料数量)。

次要目的

第二个目标是比较两种计算机定制的反馈策略(交替和总结性)在退出率、对饮酒行为的影响和对该计划的赞赏程度方面。

动力分析

基于Riper等人的一项可比研究的干预效果，我们估计了逻辑回归分析和线性回归分析所需的样本量[25］．对于logistic回归分析，幂次分析计算表明，总共需要180个受访者的样本(在可能的减员后)来测试干预效果。我们计算了2个实验组和1个对照组的样本量，其显著性水平为0.05，统计幂度为80%，并采用了双侧检验。我们预计干预组和对照组的依从率分别为20%和5%。对于线性回归分析，幂次分析计算表明，需要总共254个受访者样本(在可能的减员后)来测试干预效果。再次，我们计算了2个实验组和1个对照组的样本量，基于显著性水平为0.05，统计功率为80%，双侧检验，效应量为0.30(当将2个干预组与对照组进行对比时)，结果变量的测量前和测量后之间的相关性为0.60。

统计分析

数据分析使用SPSS软件，版本19 (IBM公司，Armonk, NY, USA)。检验随机化在人口统计和饮酒行为方面是否成功;连续变量采用线性回归分析，离散变量采用卡方检验。描述性统计用于研究样本的特征和组内的辍学率。进行了逻辑回归分析，以确定研究条件之间的辍学率差异。

两个实验组一起与对照组进行饮酒行为比较。首先，根据平均值和比值比(Cohen’s)计算效应量d)．0.30以下的效应量被认为是小的，0.30至0.80之间的效应量被认为是中等的，大于0.80的效应量被认为是大的[58］．其次，通过logistic分析和线性回归分析探讨两组间的效果差异。在两种类型的回归分析中，使用逆向方法输入以下基线变量作为自变量:条件、性别、年龄、教育水平、就业状况、收入、出生国家、婚姻状况、有孩子、怀孕、疾病、CES-D10、酒精饮料数量、AUDIT、SRHI、赞成、反对、社会支持、社会模型、社会规范、自我效能感、应对计划和意愿。分析中不包括预备计划，因为并非每个与会者都收到这些项目。因变量:(1)满足准则(0=no;1=有)，(2)6个月后每周饮酒的数量。

线性回归分析用于确定两个实验亚组之间的项目评估差异。因变量是关于欣赏程序的独立项目。那些在研究小组之间存在差异的人口统计学变量作为协变量被纳入分析。

测试在alpha=时进行。干预因子为05,alpha=。10为协变量[59］．仅对完整病例的数据以及意向治疗(ITT)分析进行了分析，其中多重归算[60用来填充缺失的值。用人口统计学、健康状况、心理社会决定因素、基线饮酒行为、3个月和6个月后饮酒行为以及研究条件作为预测因素来填补缺失值。imputation的数量设置为55。这是根据建议来完成的，即创建的估算数据集与数据缺失案例的百分比相同[61］．此外，我们还进行了灵敏度分析，使用最后观测结转(LOCF)方法填充缺失值。

结果

参与和减员

图2为研究参与者提供流程图。共有1149名参与者登录了该项目;614名受访者不符合纳入标准，87名受访者提供了不完整或缺失的数据，导致总样本量为448名受访者。在3个月反馈时，随访损失为31.3%(140/448)。3种条件下的辍学率差异显著(P=.001):对照条件下的落差显著低于交替条件(OR 0.40, 95% CI 0.22-0.73，P=.003)，与总结条件相比(OR 0.35, 95% CI 0.19-0.63，P<措施)。此外，男性的辍学率更低(OR 1.48, 95% CI 0.95-2.32，P=.08)，高教育水平的受访者与低教育水平的受访者(OR 0.60, 95% CI 0.36-1.00，P=.05)，虽然这没有达到统计学意义。6个月时，随访损失为36.8%(165/448)，3种情况的辍学率平均分布(P= .74点);然而，在不同收入水平的受访者中，辍学率有显著差异(P= 03);高收入人群的辍学率低于低收入人群(OR 0.36, 95% CI 0.15-0.83，P= .02点)。

‎ 查看此图

各组间完成率的差异

在第一阶段，交替条件下的干预退出率明显低于总结性条件。在交替条件下，96.2%(127/132)完成了程序，而在总结条件下，85.1%(154/181)完成了程序(OR 0.23, 95% CI 0.08-0.60，P= .003)。然而，在3个月和6个月后，关于减员的差异不再显著。3个月后，交替组的62.1%(82/132)和总结组的55.2%(100/181)返回网站并完整填写程序(OR 0.94, 95% CI 0.57-1.54，P= .80)。在6个月的随访中，交替组的56.8%(75/132)和总结组的58.6%(106/181)返回网站并完整填写程序(OR 1.24, 95% CI 0.77-2.01，P= 38)。

样本特征

参与这项研究的男性略多于女性，受访者的平均年龄约为42岁。平均每周酒精摄入量接近13杯。研究样本的基线人口学特征见表1．显著的差异P<。10 level were found for the baseline characteristic of income (χ²₆= 14.70;P=.02)和习惯性饮酒(beta=0.10, 95% CI 0.00-0.18，P= .04点)。

干预效果

6个月后，遵守酒精指南的受访者人数有所上升(图3)．实验组遵守指南的受访者比例增加了21.1%，对照组增加了5.8%。在干预期间，研究人群每周饮酒的数量也有所下降(图3)．实验组每周平均酒精摄入量减少3.9杯(SD 9.96)，对照组每周平均酒精摄入量减少0.4杯(SD 19.54)。

如表2， logistic回归分析结果显示，在完整病例中，干预有效地达到了指南规定的低风险饮酒状态(OR 2.65;P= .02点)。然而，当使用ITT分析时，发现了不同的结果。应用多重imputs后，在研究样本中未发现干预效果(OR 1.11;P=标识)。使用LOCF进行灵敏度分析的结果可在多媒体附件1．

完整病例间的线性回归分析(见表3)发现干预对实验组每周酒精饮料摄入量的降低有影响，但没有达到统计学意义(beta= - 0.12, 95% CI - 7.96至0.03，P= . 05)。在应用多重imputs后，没有发现干预效果(B=−1.15,95% CI−4.02至1.72，P=点)。

两个实验亚组的差异

2个实验亚组(n=128)对指南依从性的比较(OR 0.41, 95% CI 0.13-1.36，P=.15)和每周酒精摄入量(beta=−0.03,95% CI为−3.14至2.11，P=.70)效果无差异。在对缺失值进行多次计算后发现了类似的结果。根据指南，在低风险饮酒状态的实现方面没有差异(OR 0.72, 95% CI 0.38-1.37，P(B= - 0.11, 95% CI为- 2.89至2.68，P=.94)。

对项目的欣赏差异

总的来说，两个实验亚组对干预的评价都是积极的(表4)．在基线时，交替条件的受访者报告说，他们比总结性条件的受访者阅读了更多的建议;然而，这一差异不具有统计学意义(P= . 07)。6个月后，这种差异不明显。在6个月的随访测量中，与交替条件相比，总结性条件中的建议被认为更有信息量，尽管这不符合统计学意义(P=。08)。

‎ 查看此图

讨论

主要研究结果

本研究采用随机对照试验，以确定基于网络的定制酒精干预的有效性，并比较两种定制策略在饮酒行为改变、退出率和赞赏方面的效果。实验组和对照组都减少了他们的饮酒量，但实验组对我们的主要结果的影响更大。进行了完整的病例分析和ITT分析。结果不一致。首先，只有在完整的病例中，才确定了符合酒精指南的干预效果。第二，实验组每周的酒精摄入量比对照组减少了更多，尽管在进行完整的案例分析和多重计算时，这种影响没有达到统计显著性。

这项研究的结果在一定程度上证实了基于网络的定制自助干预可以成为减少酒精消费和鼓励成年人低风险饮酒的有效工具[25，32］．值得注意的是，对照组也实现了酒精摄入量的小幅减少，并增加了遵守指南的受访者比例。这一发现与之前的研究一致，这些研究也发现了对照组对酒精摄入量的影响(例如，[26])，以及其他生活方式行为，例如体育活动[62］．评估本身就已经对饮酒产生了重大影响。完成评估问卷的行为可能会诱使对照组的参与者监控和反思自己的行为，从而导致消费的减少[34］．

至于我们的第二个目标——比较交替和总结性剪裁策略——我们发现这两种策略在酒精使用的变化上没有差异。这些结果在完整病例和ITT中是相同的。因为两个实验小组最终收到了相同的建议，信息传递的时间似乎没有影响行为影响。干预的流失率表明，交替组中更多的受访者在基线时完成了干预。这些受访者可能觉得在回答问题的间隙得到建议是一种奖励，这种策略可能会让这个项目更具吸引力。项目评估部分证实了这一点，因为交替组表示阅读了更多的个人建议。然而，在6个月的随访中，两个实验亚组之间的辍学率不再有差异。这两组人对节目的欣赏程度也相当。6个月后没有重新审视该计划的受访者是那些在基线时对该计划进行更负面评价的人，这意味着选择性退出。

优势与局限

我们的研究有一些优势。首先，我们的干预方案是基于理论的。干预措施符合HBC-I的5项基本标准(即5a) [39，63]除此之外，还提供了其他必要的剪裁元素。受访者对一些问卷的回答被用来就酗酒的风险和改变饮酒行为的必要性提出建议;我们评估了行为改变的各种可能预测因素，如态度、社会影响、自我效能和计划;我们通过提供关于各种心理社会变量的个人建议来帮助受访者，包括支持和理解，以及关于复发预防的个人信息(预期指导);我们还安排了后续会议。在以往的研究中，广泛运用了包括计划行为理论在内的理论[51]，对健康相关行为有相当大的影响[64］．我们的项目基于I-Change模型，该模型由计划行为理论结构组成，辅以意识因素和行动计划策略等概念。特别是后者与增加的行为影响有关，这在一般情况下已经证明[65，66]以及专门为计算机量身定制的程序[67］．我们的干预项目通过提供3个反馈时刻使用多重裁剪。多会话程序可能比单会话程序更有效[68-70］．进一步的研究应该探索反馈时刻的最佳数量以及不同会话之间的最佳滞后时间。据我们所知，这是第一个比较两种不同的剪裁策略(即交替和总结性)在有效性、退出和欣赏方面的研究。最后，很少有研究在普通人群的成年人中测试基于网络的定制酒精干预[71］．

我们的研究也有一些局限性。首先，我们的发现是基于自我报告，这可能会导致回忆偏差。以前的研究表明，数量频率测量，比如我们在这项研究中使用的方法，可能会导致比日常日记更大的低估[72］．然而，由于我们在所有测量时刻都使用了相同的问题，这可能没有影响我们的行为变化数据，从而影响干预的有效性。无论如何，在有关酒精饮料的调查中，遗忘似乎是低估酒精饮料的一个有力来源。55］．其次，所有受访者都是通过在线小组招募的，并获得了参与的激励，这可能意味着他们中的一些人并没有动力改变他们的饮酒行为和/或他们参加这项研究只是为了获得激励。第三，我们的研究样本量适中，流失率高(约41%)，一些基线数据的缺失值(约26%)。基于幂次分析，参与者数量足以进行逻辑回归分析;然而，对于线性回归分析，我们的样本量太小。因此，在完整病例间的效果可能未达到统计学意义。然而，效果是在预期的方向上发现的。虽然我们的数据在完整的病例中仍然产生了统计上的显著影响，但可能是有选择性的一组(即非常积极的一组)完成了干预计划。这意味着我们必须仔细解释关于这个亚组的干预效果的结果。然而，在使用LOCF的敏感性分析中得到了进一步的支持。 Thus, data analysis with complete cases and LOCF methods showed statistically significant intervention effects in reaching a low-risk drinking status and an effect of the intervention in decreasing the weekly amount of alcohol intake, although without reaching statistical significance. Analyses with multiple imputation methods did not confirm these findings. Although multiple imputation methods are regarded as the most preferred technique to handle missing data [73]，我们的分析显示结果有显著差异。此外，当缺失值数目较多时，使用多重imputation技术可能导致不可靠的估计[74)，我们的研究也是如此。因此，需要更多的研究来概述产生这些方法之间差异的条件。此外，当应用多重imputation时，应清楚地记录如何使用该技术的策略，因为多重imputation技术需要特定的程序和规则[61，74-75］．目前，对于所需的估算数据集的数量似乎没有共识[61，73-76］．多重imputation的其他缺点是结果可能强烈依赖于所创建的imputation模型[74，77]以及不同的多重imputation程序似乎显示了不同的结果[73］．最后，尽管我们在基线后6个月进行了随访测量，但基于网络的定制干预措施的长期影响仍然不清楚，需要进一步研究。

结论

通过互联网提供的量身定制的反馈可能是减少成年人酒精摄入量的有效方法，至少在重新参加该项目的一个亚组中是这样。然而，当使用多重imputation技术时，完整案例分析的结果与ITT分析的结果不一致。在我们的互联网小组中，没有迹象表明交替或总结性剪裁策略在通过电子健康计划减少酒精摄入量方面效果更好。然而，第一次就诊时较低的流失率表明，交替提问和建议的干预方式可能是首选。