了解抑郁症心理健康干预中内容的使用:日志数据分析

了解抑郁症心理健康干预中内容的使用:日志数据分析

了解抑郁症心理健康干预中内容的使用:日志数据分析

原始论文

特温特大学心理、健康与技术系,恩斯赫德,荷兰

*所有作者贡献均等

通讯作者:

Julia EWC Van Gemert-Pijnen博士

特文特大学

心理健康与技术学系

Drienerlolaan 5

恩斯赫德,7522 NB

荷兰

电话:31 534896050

传真:31 534892895

电子邮件:j.vangemert-pijnen@utwente.nl


背景:基于网络的早期抑郁症状治疗干预措施可被认为对减少精神疾患有效。然而,人们对干预措施中哪些因素有助于有效性的了解有限。为了提高干预措施的效率和效果,需要深入了解使用内容和有说服力的特征。

摘要目的:本研究的目的是:(1)说明如何使用日志数据来理解基于接受和承诺疗法(ACT)的基于网络的干预内容的吸收;(2)发现日志数据如何对改进基于网络的干预内容的整合有价值。

方法:从239名参与者中,有206名参与者开始了基于网络的干预的前9节课,“活得充实”,他们的数据被用于对父母研究中关于干预依从性的日志数据子集的二次分析。本研究中使用的日志文件是每节课:登录,开始正念,下载正念,查看成功案例,查看反馈信息,启动多媒体,打开短信教练,关闭短信教练,查看短信。使用重复测量anova(方差分析)来探讨课程之间的使用差异。采用单因素方差分析探讨组间差异。为了探索每节课登录次数四分位数对结果测量的可能预测价值,采用了四种线性回归,以登录四分位数作为预测因子,以结果测量(干预后和随访的流行病学研究中心-抑郁[CES-D]和医院焦虑和抑郁量表-焦虑[HADS-A])作为因变量。

结果:随着时间的推移,登录和使用内容和有说服力的功能显著减少。在治疗过程中,特征的使用变化显著。在ACT的第三部分(承诺以价值为基础的生活)中,说服性特征的使用有所增加,这可能表明在该阶段动机支持是相关的。随着时间的推移(9周),更高的登录次数与更高的功能使用率相对应(在大多数情况下是显著的);当预测干预后的抑郁症状时,线性回归产生了一个显著的模型,login四分位数作为显著的预测因子(解释方差为2.7%)。

结论:需要在干预设计中更好地整合内容和说服功能,并在系统内更好地使用功能,以确定哪种功能组合最适合谁。模式识别可用于根据先前课程的使用模式来定制干预措施,并支持对治疗必不可少的内容的吸收。为治疗功能的模块化组合提供适应性强的界面,为基于web的治疗提供动态方法;不是为所有人预定义的路径,而是一种灵活的方式来浏览所有必须使用的功能。

医学与互联网研究,2014;16(1):27

doi: 10.2196 / jmir.2991

关键字



基于网络的心理健康治疗干预是有希望的。与单独的面对面治疗相比,客户更喜欢这些治疗,基于网络的干预措施在实现治疗目标方面是成功的[1-4].与传统的面对面治疗相比,这种干预措施在获得和减少精神疾患方面是有效的[2],尽管干预的范围相当有偏见;大多数用户是受过高等教育的女性。要了解基于网络的干预措施的效果,重要的是要知道干预措施的哪些因素有助于效果[2].许多研究关注于用户特征是否以及哪些特征解释或预测了干预的效果,从而忽略了基于网络的干预可能影响效果的特征。从先前的研究中我们知道互动性(例如,来自咨询师的支持)[5])、剂量反应、频繁更新内容和劝导技术(如提醒)增加了对基于网络的干预的依从性[6].

依从性,即系统的预期使用,似乎是实现治疗目标的中介。因此,日志数据对于获得有关干预使用情况的客观实时信息、用户登录时如何“走过干预”以及在登录期间进行了哪些操作非常重要。这样的日志数据可以提供治疗过程中依从性或(非)依从性的广泛而深入的见解。登录次数、每个参与者的操作次数、完成模块(课程、操作)的比例和在治疗过程中花费的时间被用作识别流失曲线和用户群体之间差异的指标,例如,坚持者、非坚持者或较低活跃用户[7].与每次登录活动较少或每次登录活动中等相比,每次登录活动或模块的完成次数越多,治疗方案的效益就越大[7].这意味着对登录的支持可以改善结果。

最近的研究表明,基于网络的干预的依从性可以通过干预的使用模式来预测[89].例如,治疗过程第一周的登录次数或第一周的活动天数可以用作干预依从性的预测因子。了解用户如何与技术交互对于增加使用基于web的干预的便利性和避免退出非常重要。特别是,早期使用干预的日志数据可以为使用有说服力的触发器来提醒低活跃度用户登录提供有价值的提示。例如,将社交网络工具(博客、论坛)与在线饮食干预计划相结合的基于网络的生活方式(减肥)干预的日志数据[8研究表明,在最初几周(早期互动),干预的高使用率与用户对干预的留存率高度相关。使用比行为意图或人口统计数据更能预测回报。社会支持等说服性特征的使用影响了干预的回归和依从性。

为了提高基于web的干预的易用性和说服力,不仅需要了解登录数量或完成模块的比例,还需要了解干预功能随时间的使用情况。这项研究[9使用日志数据来了解高依从者和低依从者在使用干预措施特征方面是否存在差异。日志文件包含有关每个参与者所采取的操作的数据:用户ID、操作类型(例如“登录”)、操作规范(了解他们如何“走过”干预,例如,课程1,屏幕11),以及“访问”了哪些元素(点击,例如,反馈)、时间和日期。基于这些数据,每个参与者在基于网络的干预中执行动作的次数被提取出来。对于登录,这意味着不仅可以提取干预期间每个参与者的登录总数,而且还可以提取干预期间每个参与者每节课的登录数量。从这些数据中可以观察到,对于每个参与者来说,干预的哪些要素(课程)已经达到,哪些具体行动在什么时候采取(例如查看反馈)。使用中的紧急模式(低/高访问元素)和用户之间的差异(低/高依从性)可以帮助我们了解使用说服功能的关键时刻,以支持动机,解释退出的风险,并以积极的方式刺激用户实现他们的目标。用户模式的差异可以用来激励低水平或中等水平的用户登录,并提醒他们使用对治疗进展至关重要的内容。

为了优化基于网络的干预措施,测井数据可以用来预测哪些特征以及哪些特征组合与依从性和效果相关。从先前的一项研究中[6],我们知道,基于网络的干预包括不同的内容特征,如教育、信息、练习、监测,并结合各种有说服力的特征,如短信(短消息服务,SMS)和提醒,以支持用户在治疗过程中。在大多数情况下,基于网络的干预措施的内容是基于改变行为或生活方式的疗法,类似于传统的面对面的行为改变干预[2].对基于网络的干预措施内容的格式或设计的研究很少;大多数研究是比较基于网络的干预措施与传统干预措施在感知帮助、满意度或达到的目标和效果大小方面的差异(荟萃分析)[2].基于web的干预的内容元素通常直接应用于基于web的环境,通常按照传统的面对面方法组织,为做作业、练习和提供反馈提供计划和时间表。有说服力的特征(提醒等)的使用似乎相当临时和直观[6].

测井数据分析可以提供丰富而有价值的知识,了解干预措施在实践中是如何起作用的,以及干预措施中的哪些要素(内容和系统)应该得到改进,以便参与者能够从干预措施中获益更多。特别是,重要的是要知道如何呈现基于网络的治疗内容,以鼓励参与者遵循治疗路径。特别是,对于通过互联网提供的内容驱动的干预措施,使用有说服力的特征,如提醒,对于激励参与者接受治疗中的教育、信息和练习模块是很重要的。这就要求将测井数据适当地纳入干预措施中,以便在实践中衡量性能。为此,可以开发一个日志协议来收集有关用户的信息(登录ID、知情同意)、操作类型(登录/注销、开始上课、开始练习、下载练习、查看反馈消息等)、操作规范(例如已查看的文本消息名称、访问过的系统页面)、时间和日期[9-11].

测井数据的结果可用于优化系统的可用性和干预内容的说服力。例如,当某些特性没有按预期使用时,可以考虑使用日志文件和使用模式来调查与易用性相关的问题,例如,没有很好地整合到系统中的特性,因此可能会被忽略。例如,提醒可能没有很好地连接到内容,这可能导致没有操作。因此,日志数据可以为基于web的治疗提供比“Internet上的自助书籍”更动态、更灵活的内容表示提示。因此,本研究的目的是:(1)说明如何使用日志数据来理解基于接受和承诺疗法(ACT)的基于网络的干预措施;(2)日志数据如何有助于改善基于网络的干预措施的内容整合。

这项研究是建立在先前一项研究的基础上的[9使用日志数据来识别坚持者和非坚持者使用活动的差异。研究发现,参与者的特征对依从性的预测价值很小,为了实现效果,吸收所有干预的特征是很重要的。上述研究[79发现高度活跃的使用者可以从干预中获益更多,但需要更多的洞察力来了解使用治疗程序如何影响结果。因此,本研究的重点是基于治疗的项目的元素或特征的使用,即ACT,这是一种认知行为治疗(CBT)的形式,正在精神卫生保健中迅速实施。尽管ACT中一些练习和教育的内容可能与CBT略有不同,但干预的一般方法是相似的。与一般的认知行为治疗一样,我们预计将建立许多基于ACT的新的基于网络的干预措施。


家长研究及参与者

在这项研究中,我们对一种基于网络的治疗的日志数据子集进行了二次分析,该治疗旨在通过基于网络的“生活到完整”干预来减少抑郁症。

本文中所描述的分析是在父母研究中收集的关于网络干预预防抑郁症依从性的数据子集上进行的。参与者为有轻至中度抑郁症状的成年人,即流行病学研究中心抑郁量表(CES-D) >9和<39 [12她完成了我们的在线筛选程序。参与者是从一般公众(广告)中招募的,并被选中以避免非治疗目标的用户。在目前的研究中,研究人员使用了九节课中第一堂课的参与者的数据。因此,我们使用了父母研究中239名参与者中的206人的数据[9].

基于网络的“充分生活”干预

上下文

基于网络的“充实生活”干预是基于ACT [13]和正念[1415],并以自助书籍的形式出版[16].干预措施已被证明可以有效地减少抑郁和焦虑症状,作为一个小组和自助课程,并提供电子邮件支持[17-19].基于网络的干预是一种基于个人的自助计划。参与者可以在任何时间、任何地点免费访问基于web的干预。预期使用时间为每周3小时。

ACT包括三个主要过程:开放、集中和参与回应[20.].第一个过程是开放回应,包括对负面情绪和感受的接受和认知融解。与接受相反的是经验回避(EA),它被定义为试图逃避或避免个人事件(情感、记忆、思想),即使这样做的企图会造成心理伤害[21].逃避策略,如过度使用药物、食物或酒精,或避免工作或社交活动,是对痛苦的常见反应,通常在短期内有效。然而,从长远来看,EA往往会助长挫败感和不断升级的心理痛苦。认知融解是一种能力,通过以一种不加评判的方式从远处观察消极思想,从而摆脱消极思想的纠缠。第二个过程,集中反应,包括正念。正念指一种以非评判或接受的方式关注和意识到当下发生的经历(包括身体感觉、情绪、思想、意象)的状态[1422].第三个过程,参与式回应,指的是了解一个人的个人价值观,并使自己基于这些价值观采取行动,即使存在不希望的感觉和想法[23].从ACT的角度来看,价值观可以被看作是过上有意义生活的内在激励框架。当一个人是开放的,集中的,投入的,他们被认为是心理上灵活的,也就是说,在消极的私人经历面前,能够根据个人价值观有效地行动[qh]24].ACT的三个主要过程是高度相关的,如果不以这三种方式应对,一个人的心理就不可能灵活[20.].

内容

当参与者登录到基于web的干预时,他们从“驾驶舱”开始。这个基于网络的干预措施的主页呈现在图1。基于网络的干预包括许多特征,可分为一般特征、内容特征和支持性或说服性特征。干预中的一般功能包括我的帐户(图16),参与者可以编辑个人信息,如用户名和密码;帮助(图1(第7条),参与者可以在其中找到有关干预措施本身使用的基本信息;和React按钮(图1(第8号),参与者可以对干预发表评论。内容特色是课程(图1(1)和练习(图1(第2条),并将在下一节详细阐述。有说服力的特点被设计用来支持九课内容的吸收,并将在下一节中讨论。

图1所示。网络干预“充实生活”的主屏幕。
查看此图
内容特征

基于act的干预包括九个课程(见图1(1)必须在12周内按时间顺序完成。参与者可以自由选择是一节课还是多节课。参与者应遵循所有九个课程,以获得ACT过程的全部内容。

第1、2和3课的重点是让参与者意识到EA的负面影响(所以他们意识到不公开回应的后果,这是ACT的第一个过程)。例如,在第二课中,参与者列出了他们所经历的所有压力。他们绘制了过去为控制痛苦而使用的所有应对策略,以及应用这些控制策略所涉及的投资(如时间、金钱)。然后,参与者被要求考虑这些策略在短期和长期的有效性,并考虑这些策略在长期内不能有效地减少痛苦,尽管他们投入了大量的时间和金钱。这引起了一种创造性的绝望感[13].他们开始意识到控制的议程对他们不起作用,这种意识产生了绝望的感觉。与此同时,这些感觉开启了另一种应对策略的可能性:接受消极的情绪、感觉和想法。在第4,5和6课中,参与者练习了开放式回答。参与者学会了接受不想要的情绪,消除消极的想法,不认同外部世界的方面,如地位或奢侈品,以及内心状态,如感觉。例如,在第5课中,参与者必须写下五个让他们非常困扰的想法。作为第二步,他们必须在每个想法之前写下“我认为……”。这个练习帮助他们意识到他们在想的只是想法,而不是现实。另一个练习是第4课的正念练习,在这个练习中,他们必须把注意力集中在他们经历过的困难情况上。参与者学会了注意和接受他们身体里不愉快的感觉,并对可能出现的任何负面情绪保持存在。 In Lessons 7, 8, and 9, the central focus was on engaged living (third process of ACT). Participants identified important values in various life domains such as work or personal relationships and identified actions in compliance with these values. For example, in Lesson 7, participants had to clarify their core values in life domains such as relationships, work, and health. They then had to indicate to which extent they were currently living in accordance with these values. They also had to define actions that were congruent with their values. Exercises were done to strengthen the commitment to value-based living. Centered responding is a focus in all lessons.

重要的过渡是在第3课和第4课之间以及第6课和第7课之间。在第3课和第4课之间,参与者必须放弃控制和回避的议程,而采用接受痛苦的议程。拔河比喻就是一个例子。参与者被邀请想象自己与自己不想要的情绪和想法进行一场拔河比赛。这是一场不可能获胜的累人战斗。作为一种选择,他们可以决定放下绳子,结束这场拔河比赛。在第6课和第7课之间,参与者被邀请根据他们的价值观做出决定并改变他们的行为,即使存在不必要的感觉和想法。在最后三节课中,参与者必须“言出必行”。

这九堂课的结构如下。每节课都以介绍与上述ACT和课程相关的特定课程的主题开始。每节课都包含了练习、家庭作业、正念练习、比喻(比如拔河)和与那节课相关的信息。日记可以从第二课开始使用。每节课都介绍了一个简短的正念冥想练习,参与者必须每天在家练习。在第1、2、5、6和8课中,一种新的正念练习在在线音频播放器中播放,但参与者也有机会下载MP3文件多媒体附录1)。在第三课中,参与者被要求重复第一课和第二课的练习。在第4课和第7课中,正念练习是通过文本教学进行的。在第九课中,没有引入新的练习。相反,研究人员建议参与者在日常生活中融入正念练习。用户可以开始练习并下载练习(参见多媒体附录1)。

有说服力的特性

对所有参与者来说,通过这九堂课获得的说服力特征是反馈(图1(3)、日记(图1,第4位),以及成功的故事(图1参与者在完成一节课后通过系统收到反馈。他们必须通过点击反馈选项来查看反馈(参见多媒体附录1)。当参与者看完所有的心理教育材料并完成所有的练习时,就会提供反馈。此外,反馈至少在参与者开始上课后5天发送到基于web的系统。这样做是为了确保参与者在每节课上花足够的时间来完全处理信息所有反馈都是为了支持参与者对内容的理解,并旨在加强ACT原则。

参与者可以使用日记功能来监控他们的行为和他们对ACT过程的学习。日记不是干预的强制性特征,纯粹是参与者的;辅导员无权查看日记条目。

干预包括9个成功案例;每堂课结束后,参与者会看到一个新的成功故事(多媒体附录1)。每个故事都有相同的格式,其中虚构的早期参与者回答有关课程对他们的意义,课程的积极经历,课程中的困难时刻以及他们可以给当前参与者的建议的问题。每个故事都是不同的,因为它集中在故事发布时的课程内容上。成功案例的目标是支持每节课内容的吸收,并使参与者能够与干预的其他用户识别自己。

除了所有参与者都有说服力的特征,还有两个特征只有一部分参与者有。这些特征是父母研究的分数因子随机对照试验设计的一部分;大约一半的参与者都可以使用这两种功能。这些特征的包含是随机的,因此参与者可以同时具有两个特征,一个特征,或者两个都不具有。这些特色包括在课程中加入多媒体(即视频片段)和加入短信教练(多媒体附录1)。

对于包含视频的场景中的参与者,第1至8课包括一个片段,其中一位ACT专家对该课程的核心ACT过程进行了全面的解释。这些视频旨在帮助理解ACT的过程,但同样的内容也在所有参与者可用的心理教育材料中进行了解释。

包含SMS教练的场景中的参与者有机会打开SMS教练。这意味着他们每节课都会在手机上收到三条短信。无论SMS教练是打开还是关闭,对于该场景中的参与者来说,所有SMS文本消息也都在基于web的干预中呈现(多媒体附录1)。这些信息旨在提醒参与者继续学习课程并进行正念练习,但它们也旨在支持在日常生活中吸收ACT过程。例如,可以根据参与者正在学习的课程提出与act相关的问题。

数据收集与分析

在这项研究中,我们关注的是在更大的研究中收集的数据的一个子集。我们的重点是每个参与者每节课的内容和说服力特征的使用。这些数据是通过自动记录每个参与者在基于web的干预中的行为来收集的。从这些数据中,提取每个参与者每节课的具体动作数量。

在内容特征中,记录了某节课内的登录次数。我们没有记录每节课中心理教育材料和练习的不同屏幕的观看情况,因为每节课的强制性和时间顺序性质(即,每节课中的所有屏幕都必须被观看,以便参与者能够进入下一节课)。在正念练习中,参与者开始和/或下载每项练习的次数被记录下来(多媒体附录1)。

在所有参与者可用的说服性特征中,我们记录了查看的反馈信息的数量和查看的成功案例的数量。由于日记功能的可选性质,并且日记纯粹是为参与者自己编写的,因此没有记录日志功能的使用情况。

在一些参与者可用的说服功能中,我们记录了观看的视频剪辑的数量,在基于网络的干预中观看的短信短信的数量,以及打开和关闭短信教练的次数。

总而言之,本研究中使用的日志文件是每节课:登录,开始正念,下载正念,查看成功案例,查看反馈信息,开始视频,打开短信教练,关闭短信教练,查看文本信息。例如,行动规范是开始的正念练习的名称或查看的文本信息,并用于确定每节课的独特行动数量(例如,参与者是否多次查看相同的反馈信息或参与者是否查看不同的信息?)。

采用SPSS 20进行统计分析。对于所有分析,采用0.05作为显著性水平。通过重复测量方差分析(ANOVA)来探索课程之间的差异,其中因素“时间”有九个水平(每个干预课程一个)。对于趋势分析,我们主要感兴趣的是是否存在线性趋势(例如,在9个时间点内,总分是上升还是下降)。然而,随着时间的推移,显著的波动也可能令人感兴趣。因此,我们还研究了是否存在二次、三次或4阶直至8阶效应。在本文中,显著的高阶效应被解释为在九个课程中使用的显著波动。顺序越高,使用的波动越大。

为了探索高活跃用户和低活跃用户之间的差异,根据每堂课的平均登录次数,使用四分位数分割将参与者分为四组。用单因素方差分析探讨各组在不同特征使用上的差异。两组之间打开短信教练的参与者数量的差异用卡方检验进行了探讨。

为了探索每节课登录四分位数对结果测量的可能预测价值,使用了四个线性回归,以登录四分位数作为预测因子,以结果测量(干预后和随访时的CES-D和医院焦虑和抑郁量表-焦虑[HADS-A])作为因变量。采用ce - d量表(20项,0-60分;分数越高,抑郁症状越严重)[1225在基线、干预后和随访时。采用HADS-A量表(7项,0-21分;分数越高意味着焦虑症状越多)[2627在基线、干预后和随访时。

在pasw18中,缺失的临床测量数据(CES-D和HADS-A)用期望最大化方法输入。该方法基于在迭代过程中使用观测数据的最大似然估计来估计未测量数据[28].使用观察到的CES-D、HADS-A、性别、年龄、教育程度、所学课程和支持情况的数据进行估计。


每节课内容的使用和说服性特征

在随机分配并收到登录信息的238名参与者中,206名参与者登录(第1课),118名参与者完成了第9课(第9课)。表1)。干预措施的使用(依从率)随时间而波动;辍学的关键时刻出现在第三课和第六课。9].

表1呈现平均登录和平均使用的功能,可用于每节课的所有参与者。随着时间的推移,所有参与者可用功能的平均登录活动显著减少:线性效应,P<措施,F1= 13.656(见图1)。表1表明并非所有课程都使用了所有功能,如正念(独特的信息,下载的成功故事;平均得分低于1)。

表1。每节课所有参与者的平均登录次数和平均使用次数。
没有课。(n) 登录,
反馈一个,均值(SD) 独特的b反馈均值(SD) 曼氏金融c起始,均值(SD) 独特的MF启动,
唯一已下载的MF,平均值(SD) 成功案例平均值(SD) 独特的成功故事,平均(SD)
1 (206) 4.40 (3.05) 2.04 (2.34) 1.36 (1.00) 1.75 (1.59) 0.88 (0.33) 0.50 (0.50) 1.67 (1.53) 1.28 (0.78)
2 (194) 4.12 (2.82) 2.10 (2.37) 1.53 (1.18) 1.28 (1.31) 0.78 (0.49) 0.51 (0.58) 1.03 (1.40) 0.87 (1.06)
3 (174) 3.92 (2.58) 2.20 (2.94) 1.53 (1.56) 0.83 (1.41) 0.57 (0.77) 0.03 (0.17) 0.84 (1.29) 0.68 (1.00)
4 (159) 4.27 (2.34) 2.44 (3.60) 1.68 (1.78) 0.11 (0.55) 0.06 (0.29) 0.03 (0.22) 0.73 (1.20) 0.63 (0.97)
5 (152) 3.70 (2.00) 1.99 (2.53) 1.50 (1.38) 1.08 (1.01) 0.73 (0.47) 0.40 (0.59) 0.51 (1.05) 0.44 (0.84)
6 (149) 4.26 (3.25) 1.87 (2.54) 1.46 (1.59) 1.03 (1.32) 0.64 (0.56) 0.40 (0.63) 0.58 (1.28) 0.52 (1.08)
7 (135) 3.96 (3.79) 2.29 (3.36) 1.73 (2.09) 0.05 (0.45) 0.02 (0.15) 0.06 (0.40) 0.76 (1.76) 0.58 (1.27)
8 (125) 3.54 (2.90) 2.99 (6.58) 1.98 (3.11) 0.82 (1.13) 0.58 (0.73) 0.50 (0.75) 0.94 (2.31) 0.76 (1.59)
9 (118) 3.95 (4.22) 2.97 (3.97) 2.19 (2.61) 0.23 (1.03) 0.15 (0.63) 0.34 (1.14) 0.95 (2.10) 0.80 (1.63)

一个查看的反馈消息。

b每节课唯一,即参与者在特定课程中使用的不同信息或练习的数量。

cMF:正念练习。

反馈

图2显示每节课的反馈。参与者在完成该课程的所有练习后收到反馈。在治疗过程中,反馈信息的使用没有显著变化。相比之下,在治疗过程中,查看的唯一反馈信息的数量显著增加(线性效应,P= .025,F1= 5.176)。这表明,在开始时,参与者多次查看相同的消息(消息总数更多,但没有更多唯一或不同的消息),然后,参与者查看不同的消息,但这些消息中的每条消息的次数更少(消息总数相同,但更多唯一的消息)。

图2。每节课的登录和反馈。
查看此图

正念

每节课都引入了正念练习,用于日常练习。随着时间的推移,正念练习的使用显著减少:线性效应,P<措施,F1= 99.029(见图3)。此外,随着时间的推移也存在差异,第4课和第7课使用正念练习的次数最少:P<.001),立方(P<.001),订单5 (P= 0.016),订单6 (P<.001),订单7 (P<.001), order 8 (P= .025)的效果。

开始使用正念练习的参与者比下载这些练习(用于离线练习)的参与者要多。使用独特的正念练习的模式是相同的。随着时间的推移(线性效应),P<措施,F1=100.042)和使用量随时间的变化:二次(P< 0.01),立方(P<.001),订单5 (P= 0.015),订单6 (P<.001),订单7 (P<.001), order 8 (P<措施)的效果。正念练习的下载并没有随着时间的推移而增加或减少(线性效应,F1= 0.340,P=.561),但在处理过程中,使用量有显著差异:二次(P<.001),立方(P<.01), order 5 (P<.001),订单6 (P<.001),顺序7 (P<.001)效应(见图3)。

第3课的正念练习是第1课和第2课的重复练习,第4课和第7课的正念练习只有课文作为内容。采用启动(线性)效果,P<措施,F1=41.511)和unique started (P<措施,F1=24.975)第1、2、5、6和8课的在线正念练习显著减少。

对比第1、2、3、5、6和8课,发现了相似的开始(线性效应)模式。P<措施,F1=36.787)和独特的启动(线性效应,P<措施,F1= 22.485)练习。第三课(顺序4和顺序5)的独特正念练习下载量有所下降;P<措施,F1= 34.152)。

图3。每节课的专注力。
查看此图

成功的故事

每堂课结束后,都会介绍一个新的成功故事。随着时间的推移,成功案例的使用显著减少(观察,线性效应,P<措施,F1= 17.020;独特的视角,P<措施,F1= 13.745)。随着时间的推移,观察到显著的波动:二次效应,P<.001for both viewed and unique viewed (see图4)。

图4。每节课的成功故事。
查看此图

每节课短信和多媒体的使用

表2展示了收到短信和视频功能的参与者数量以及这些功能的平均使用情况。短信教练可以在基于网络的系统中使用,参与者也可以在他们的手机上打开短信教练。无论移动电话选项是否激活,所有SMS文本消息都在基于web的系统中显示。表2显示,只有少数人使用手机选项发送短信。

表2。平均使用功能,每节课的功能短信和视频。
没有课。 短信功能一个n 短信上bn 短信了bn 短信看c,均值(SD) 查看的唯一短信d,均值(SD) 视频功能一个n 观看视频,平均值(SD) 观看次数,平均(SD)
1 105 13 3. 1.44 (2.35) 0.95 (1.27) 116 0.59 (0.94) 0.40 (0.49)
2 98 2 0 1.32 (2.43) 0.99 (1.62) 109 0.44 (0.87) 0.28 (0.45)
3. 85 0 0 1.09 (2.29) 0.86 (1.68) 96 0.61 (1.32) 0.39 (0.49)
4 79 0 0 1.54 (3.39) 1.19 (2.39) 91 0.74 (1.05) 0.45 (0.50)
5 74 0 0 0.96 (2.62) 0.84 (2.19) 90 0.66 (0.96) 0.46 (0.54)
6 73 1 0 1.21 (3.86) 0.99 (2.55) 87 0.49 (0.54) 0.40 (0.56)
7 71 1 0 0.86 (2.26) 0.68 (1.80) 79 0.66 (1.32) 0.42 (0.52)
8 66 0 0 2.44 (2.14) 2.14 (5.95) 71 0.66 (0.99) 0.48 (0.61)
9 63 0 2 1.92 (6.05) 1.48 (4.56) 64 0.05 (0.38) 0.03 (0.25)

一个接受包含该特征的干预的参与者人数。

b在特定课程中开启/关闭短信教练的参与者数量。

c在基于web的干预中查看的SMS消息数。

d每节课唯一,即参与者在特定课程中使用的不同消息的数量。

短信的教练

短信教练每节课提供短信提醒参与者做练习,并在课程期间通过量身定制的短信支持他们。图5显示查看和唯一查看的短信,每节课。在9节课中观看短信的数量并没有随着时间的推移而增加或减少。然而,在使用上有显著的波动:SMS查看(线性效应,P= .579,F1= 0.311;二次效应,P= .032;8阶效应,P= 0.018)和独特的SMS查看(线性效应,P= .274,F1= 1.219;8阶效应,P= 04)。

图5。每节课发短信。
查看此图

多媒体

从第1课到第8课提供了解释治疗和理解特定课程内容的视频。观看的视频(线性效应,P =幅,F1=7.133)和独特的视频观看(线性效果,P<措施,F1=15.935)显示,随着时间的推移,使用率(二次)显著下降和波动(观看的视频:二次效应,P<措施;5级效应,P<。01,和unique videos viewed: quadratic effect,P<措施;立方的效果,P<措施;4级效应,P= .041;5级效应,P(见< . 01)图6)。没有第9课(因为没有第9课的视频),观看的视频和唯一观看的视频(观看的视频:线性效应,P= .977,F1= 0.001;独特的视频观看:线性效果P= .244,F1= 1.382)。随着时间的推移,只观察到使用不同的视频观看(顺序4效应,P<。1)。

图6。每节课看几部电影。
查看此图

针对不同用户使用内容和有说服力的功能

表3显示每个开始的课程的平均操作(功能的平均使用),按每个开始的课程的登录级别(登录的四分位数)。每个开始的课程的平均登录数被用作将用户划分为更高(3)的度量理查德·道金斯4th四分位数)和较低的活跃用户(1, 2nd)。随着时间的推移(9周),更高的登录次数与更高的功能使用率相对应(在大多数情况下是显著的;看到表3),反之亦然。

表3。对于不同的用户,平均登录次数和平均功能使用次数(1)4th四分位数,n = 206)。

1四分位数登录(n=51) 2nd四分位数登录(n=57) 3.理查德·道金斯四分位数登录(n=49) 4th四分位数登录(n=49) F(df) P
登录,平均(SD) 1.95 (0.46) 3.18 (0.31) 4.24 (0.38) 6.55 (2.30) 139.376 (3,202) <.001
反馈均值(SD) 0.97 (0.77) 1.63 (1.07) 2.19 (1.62) 3.34 (2.36) 20.867 (3,202) <.001
唯一反馈,平均值(SD) 0.75 (0.43) 1.08 (049) 1.17 (0.56) 1.54 (0.71) 17.090 (3,202) <.001
起始MF,均值(SD) 0.74 (0.66) 0.75 (0.53) 0.95 (0.74) 1.15 (0.71) 4.464 (3,202) .005
起始MF百分比,平均值(SD) 70.1 (34.7) 66.6 (30.3) 76.3 (27.7) 80.2 (30.0) 2.030 (3,202) .111
下载MF的百分比,平均值(SD) 24.0 (33.0) 48.9 (40.9) 47.3 (40.1) 62.8 (40.5) 8.652 (3,202) <.001
成功案例平均值(SD) 0.61 (0.59) 0.92 (0.68) 0.83 (0.65) 1.29 (0.96) 7.474 (3,202) <.001
成功案例百分比,平均值(SD) 49.1 (47.3) 61.8 (34.6) 54.9 (31.9) 70.4 (28.5) 3.189 (3,202) .025
短信功能,n 25 30. 25 25

短信开启,% 16.0 36.7 12.0 32.0 卡方:6.201 (df=1) .102
查看短信,平均值(SD) 0.42 (0.77) 0.73 (1.04) 1.36 (1.72) 2.37 (2.86) 6.111 (3,101) 措施
查看短信的百分比,平均值(SD) 11.8 (23.4) 18.5 (22.9) 28.1 (30.1) 41.1 (37.0) 4.992 (3,101) .003
多媒体功能,n 22 34 30. 30.

观看视频,平均值(SD) 0.34 (0.54) 0.38 (0.56) 0.45 (0.53) 0.80 (0.83) 3.236 (3,112) .024
观看视频百分比,平均值(SD) 24.3 (36.0) 26.5 (35.8) 35.7 (40.1) 43.4 (41.7) 1.508 (3,112) .216

使用和影响

为了探索每节课登录四分位数对结果测量的可能预测价值,我们进行了探索性线性回归,将登录四分位数作为预测因子,并将结果测量(干预后和随访时的抑郁和焦虑症状)作为因变量。表45表明只有在预测干预后的抑郁症状时,线性回归产生了一个显著的模型,登录四分位数作为显著的预测因子。然而,解释方差的百分比仅为2.7%。

表4。以登录四分位数为预测因子的线性回归。
模型 包括 B (SE) P 优势比(95% CI)
预测干预后的CES-D

常数 20.8 (0.90) <.001 19.0 - -22.6

登录四分位数 -1.17 (0.49) .018 -2.14到-0.20
预测随访时的CES-D

常数 18.1 (0.95) <.001 16.2 - -20.0

登录四分位数 -0.63 (0.52) .229 -1.65到0.40
干预后HADS-A的预测

常数 8.16 (0.35) <.001 7.46 - -8.86

登录四分位数 -0.37 (0.19) .057 -0.72至0.01
预测HADS-A随访

常数 7.44 (0.33) <.001 0.78 - -8.10

登录四分位数 -0.23 (0.18) .210 -0.59到0.13
表5所示。经检验的线性回归模型的特点。
模型 F(df = 1, 204) P R2
预测干预后的CES-D 5.697 .018 .027
预测随访时的CES-D 1.457 .229 .007
干预后HADS-A的预测 3.660 .057 .018
预测HADS-A随访 1.582 .210 .008

主要结果

本研究的目的是:(1)说明如何使用日志数据来理解基于ACT的基于网络的干预措施内容的吸收;(2)显示日志数据如何对改进基于网络的干预措施的内容整合具有价值。

本研究中使用的日志文件是每节课:登录,以及通过启动一个功能(点击)和/或下载一个功能(点击)来练习的功能的使用。我们感兴趣的是干预的哪些特征被使用了,以什么方式(观看和/或下载练习),以及以什么强度(参与者多次观看相同的特征还是参与者观看不同的特征?)此外,我们想知道登录(高/低活跃使用)对结果的影响以及功能对结果的影响。研究结果与将基于网络的干预内容与治疗方案的各个阶段相结合以减少抑郁有关。本研究的日志数据显示,内容的摄取并不完全符合治疗的基本原则,因此,它为改进程序提供了见解。

总的来说,从日志数据中得出的模式显示,随着时间的推移,登录次数减少,内容和有说服力的功能的使用减少(9节课)。登录次数的减少可能是一种学习效应;来自父母的研究[9在治疗结束时,参与者完成一节课所需的课时(登录)似乎比治疗计划的第一节课要少。除了反馈信息的使用外,内容和说服性特征的使用模式随着时间的推移发生了显著变化(二次、三次和高阶)。与使用唯一的反馈消息相比,反馈的使用并没有随着时间的推移而改变。这可能与在治疗过程结束时需要量身定制的反馈有关,此时承诺“基于价值的生活”是治疗的重点(第7,8和9课)。成功案例的使用随着时间的推移而波动,并在第5课之后增加。每个故事的内容都是针对特定课程和治疗阶段的本质而量身定制的。第6至8课是转变过程的一部分,以个人价值观为基础,改变参与生活的行为[2124].这可能影响了人们对他人经历和建议的故事的需求。短信的使用随着时间的推移而波动,在治疗过程结束后,即第7课之后,短信的使用有所增加。一种解释可能是,在治疗过程结束时,可获得的短信比之前的课程更多。

使用中的二次、三次和高阶效应对于理解每节课的特征吸收与指导干预课程(内容)的ACT的三个主要过程之间的联系非常重要。根据海斯的说法[24,这些主要的过程是高度相关的,一个人必须经历这三个阶段。“充分生活”干预的基本原则是,当参与者使用与ACT的三个主要过程相关的所有特征时,他们将从治疗中受益。此外,课程必须按时间顺序进行。正念是所有课程的重点,特别指的是集中的反应过程。第3,4和7课的正念下降与这些特定课程的正念内容(重复第1和2课,而第7课只有文本)有关。此外,在线和离线功能(下载正念练习)的次优使用表明,参与者并没有从所有可用的正念功能中受益。这是相关的,因为正念是干预的一个组成部分,也是基于act的干预的核心特征。在课程结束时(第8课和第9课),使用者被要求将正念练习融入日常生活中。这可能导致了更密集的使用,这与下载的独特正念练习的增加是一致的。此外,在最后,用户还收到了所完成的所有练习的概述。第9周后,他们不允许回到所有特征的干预。 So it may be that users wanted to complete all possible exercises at the end of the lessons because they knew they could not return to the features after week 9. Overall, the increase of persuasive features at the end of treatment, the engaged responding stage, might indicate that participants needed motivational support to comply with the “value-based-living” stage.

本研究的日志数据有助于了解如何将内容整合到基于网络的治疗中,从而使参与者从干预中获益更多。研究表明,随着时间的推移,登录次数越多,大多数功能的使用率就越高。较高活跃度的用户比较低活跃度的用户更多地消耗所有功能,这可能表明需要刺激用户登录以坚持治疗方案。每节课的登录并不能预测结果;只有在预测干预后的抑郁症状时,登录是一个显著的预测因子,尽管解释方差很低。这揭示了剂量-反应关系:每节课较高的积极使用率可能会带来更好的结果。当使用每节课的内容和说服力特征作为预测因子(每节课一个单独的模型)时,没有一个模型显著地预测抑郁症的减少。这些发现质疑了摄取叶酸的重要性所有特征或完成所有模块来实现治疗的目标。根据我们之前的研究[9,我们知道,除了反馈外,在干预中增加一个特征并不会影响依从性或结果。此外,特征强度的差异(更广泛地使用单一特征与较低程度地使用该特征相比)并不影响依从性或结果[29].可能不是一个特征,而是一个结合对内容和行动量身定制的说服功能可以起到支持作用干预期,导致更高的投入和更多的学习效果。是否有某些特征的组合可以预测依从性、复发率或结果?尽管基于act的治疗需要固定的课程规划,但如果我们考虑到学习风格的差异(例如,完成课程所需的会话较少),并允许“走过干预”时路径和节奏的差异(例如,更短的路径和更高的活动),那么使用内容和说服功能的高(二次,三次,高阶)波动需要更大的治疗灵活性。

此外,使用与行动相关的说服特征可以加强对依从性的影响。另一项研究表明,接触与行动相关的说服特征(减肥的社会支持)会影响基于网络的干预的持久性[8];不是行动本身,而是行动的后果影响了持久性[8].这些结果是初步的,但对于基于网络的干预措施来说,有希望为治疗和相关行动量身定制内容和有说服力的特征,例如,使用在线和离线练习,如正念。通过日志数据,我们观察到参与者,例如,开始观看练习,但从未下载练习。这是干预开发人员的相关信息(识别与操作相关的触发器,以获得下载练习的额外支持)。日志数据是在线使用情况的客观记录。结合干预期间的调查、自我报告和访谈,可以深入了解活动开展或不开展的原因,并对系统和内容进行评估。反应按钮是本研究干预的特征之一,表明大多数评论都是关于系统的质量(错误,对系统如何工作的困惑)和服务(完成后干预的可用性)[29].为了改善在治疗中起主要作用的内容的整合,洞察有说服力的特征激活或吸引用户的能力是很重要的。

为了从日志数据中获益,内容专家(例如,治疗师)必须在干预开发的早期阶段与设计人员进行沟通,讨论哪些特征应该纳入基于web的系统,以及按照何种逻辑顺序(路径、组合)。一个经过深思熟虑的活动日志协议描述了应该记录干预的哪些特征,以及如何将日志数据合并到干预中,应该指导这场辩论,以便捕获数据,以确定哪些组合和路径(路由)有助于内容的吸收,以及哪些特征组合(内容和说服力)最适合谁。根据我们的研究[29-31,我们知道这样的辩论是富有成果的,但往往是复杂的。首先,开发人员和内容专家之间的合作经常出现问题,因为开发人员和内容专家使用不同的“心理空间”和不同的“词汇表”。其次,合并日志数据可能很费力。第三,需要高级数据分析来识别和预测使用模式。这场辩论涉及到几个层面的调查。在内容层面,我们需要决定哪些功能是治疗和课程的组成部分,打算提供什么样的支持(有指导的,无指导的),以及什么样的有说服力的功能可以激励内容和离线练习的吸收。在系统层面,这是一个考虑内容的逻辑顺序和课程中可用的说服性特征的问题,以及讨论系统中“行走路径路径”的灵活性(例如,让参与者按时间顺序浏览内容,一次浏览所有课程)。在用户层面,所谓的电子健康素养是什么?在证据层面,应该收集哪些数据来确定影响依从性、结果和保留的因素?在开始设计干预系统之前,这些问题都是相关的。 To guide such an early stage development debate, we developed guidelines with an accompanying toolkit [30.31]以及将日志数据纳入基于web的干预措施的协议[91129].

限制

本研究存在一些局限性。首先,日志数据研究还处于起步阶段,需要对实时使用数据有更深入的了解,以了解什么在实践中有效,对谁有效。现有的一些研究报告以所使用的模块的百分比(例如,[32]),有些已经有了关于哪些特性支持持久性的初步结果(例如,[8])。需要先进的分析技术来开发动态和灵活的干预措施。例如,需要机器学习技术来寻找成功的路径,根据学习概况定制干预的路径,并了解成功的结果需要付出多少努力(例如,完成治疗的最小和最大会话量)。马尔可夫模型对于识别成功的特征组合可能很有价值。此外,还需要展示技术将数据可视化,使治疗师和设计师能够进行讨论。为了开发理论驱动的基于web的干预措施,应该在干预措施中建立一个高级登录系统,以便能够收集满足高级分析(机器学习、马尔可夫模型)要求的数据。

我们的另一个限制是,由于先前研究中的分数因子设计,使用短信教练和多媒体的参与者样本减少了[9].在本研究中,我们仅使用日志数据来评估内容和说服力特征的使用情况。本研究未报道参与者对这些特征的附加价值的看法;我们将在另一项研究中对此进行报道。

未来的研究

本研究的发现可用于日志协议的开发,以实现高级分析,以测量基于web的干预措施的内容吸收情况,并改进内容和说服力特征的结合。

为了开发基于web的干预,应该开发一个协议,该协议解释在系统中构建什么样的日志文件,以获得可管理且对使用分析有意义的数据。出于透明度和可重复性的考虑,这样的协议可以作为基于web的干预描述的一部分发布。在目前的研究中,测井资料的使用没有得到全面的报道。例如,日志协议可以包括有关登录(干预的范围)、时间、使用时刻(暴露)、执行的活动(使用了哪些功能)、使用强度(一个会话中有多少活动)、会话描述(登录后的交互时间段,例如,30分钟,以避免计算参与者何时不活动)、反应(例如,对反馈的反应)等信息。这方面的例子可以在[1129].

为了深入分析参与者如何从干预中获益更多,以及哪些特征组合对谁最重要,需要先进的方法来执行日志数据分析,并自动识别和预测使用模式。模式识别可以指导参与者根据他们的使用情况进行干预,并从早期的课程中返回模式,并支持他们接受治疗所需的内容,比如正念。在一项基于网络的抑郁症干预研究中[33],建议进一步调查旨在提高参与度的互动内容功能与节目其他功能的使用之间的关系。在我们的研究中,特征和内容的使用之间没有发现简单的线性关系。为了能够揭示其他非线性关系,我们将在未来的研究中使用更复杂的模型或更先进的技术(机器学习)。

通过日志数据,可以在干预中更好地结合内容和有说服力的特征,并且可以在系统内更好地使用内容和有说服力的特征(首页和附带的子页面)。本研究的结果表明,内容特征和行动相关说服特征的结合可以改善治疗方案与课程和练习的更好联系,并促进练习的练习(不仅仅是观看,还包括下载练习)。此外,基于这些发现,设计师和内容专家之间需要就治疗方案的节奏进行讨论。例如,参与者是否需要按时间顺序浏览所有课程的内容?如何在项目中建立灵活性来应对新的行为和自我反思?虽然治疗方案是强制性的,但这并不意味着一个通用的方法。参与者在不同时刻对支持的需求可能不同,在治疗过程中可能有不同的学习和电子学习风格以及自我反思的需求。高阶(以上4)的波动可用于审查考虑到特征的可变和瞬时使用的治疗原则,而不是平等地完成课程和练习。

一个用于治疗功能模块组合的交互式和适应性界面假设了基于web的治疗方法的新概念:不是为所有人预先定义的路径,而是一种灵活的方式,通过必须使用的主要功能从治疗中获益。就技术而言,这种灵活的内容呈现方式不是问题,但它首先需要内容专家和设计师之间的争论,以审查这种方法的优点和缺点及其对治疗的影响(例如,在线与混合格式)。日志数据显示,应该考虑在线和离线活动的集成以进行改进。开始的练习和下载的练习之间缺乏平衡。更好地整合移动支持(例如,下载练习)和与行动相关的说服触发器的结合可能是一个选择。在一项针对抑郁症的基于网络的项目研究中,与移动服务的整合已经得到了解决,因为SMS文本信息在通过移动电话创建更新的使用不足[33].

为了确定支持与系统更好互动的潜在特征,我们认为有说服力的系统设计(PSD)模型[34)是有价值的。PSD模型提供了一个分类法,将有说服力的特征纳入系统,以支持任务(例如,练习),对话,社会支持,并支持系统的可信度。这些有说服力的特征可以在实验设计中进行测试(如多阶段优化策略[MOST])。35]),以评估基于网络的干预措施所带来的附加价值。这有助于避免更直观地选择有说服力的特征。

最后,技术可以支持治疗。但要取得成功,理论驱动内容的发展必须与技术的发展交织在一起。基于web的干预措施和内置日志数据的开发过程应该以一种允许复制的方式进行描述。

结论

可以得出结论,日志数据对于深入了解基于web的“充分生活”干预内容的使用情况是有价值的。根据日志数据,可以根据接受和承诺治疗的主要过程来定制干预的内容和说服特征。为了更详细地了解参与者如何从干预中获益,需要先进的分析方法来确定哪种导航路线有助于内容的吸收,以及哪种特征(内容和说服力)的组合最适合谁。

从日志数据中得出的模式显示,随着时间的推移,登录次数减少,内容和有说服力的功能的使用减少(9节课)。在治疗过程中,内容和说服特征的使用显著变化(二次)。正念的吸收是ACT的一个组成部分,与反馈相比,在治疗过程中变化很大。在ACT的第三部分(承诺以价值为基础的生活)中,短信、多媒体、成功故事和反馈等说服性特征的使用有所增加,这可能表明在这个阶段,动机支持是相关的。

为了提高对干预内容的吸收,需要在干预中更好地整合经验教训和有说服力的特点,并在系统内更好地利用特点。最好对ACT干预不可或缺的部分和支持性特征的组成有一个总体的看法。在设计的早期阶段,应该制定一个计划良好的活动日志协议,该协议描述了应该记录干预措施的哪些特征,以及如何将日志数据纳入干预措施。这样的协议使我们能够确定系统中的哪条导航路线有助于内容的吸收,以及哪种功能组合(内容和说服力)最适合谁。

利益冲突

其中两位作者参与了基于网络的“充分生活”干预措施的开发。

多媒体附录1

网络生活的全面干预。

PDF档案(adobepdf档案),890KB

  1. 成人抑郁症的网络和其他计算机化心理治疗:荟萃分析。心理学报,2009;38(4):196-205。[CrossRef] [Medline
  2. 陈建军,陈建军,陈建军。基于网络的心理治疗干预效果的meta分析。科技与人类服务2008;03;26(2-4):109-160。[CrossRef
  3. 张建军,张建军,李建军,等。抑郁和焦虑的计算机化认知行为疗法更新:系统回顾和经济评估。卫生技术评估2006年9月10日(33):iii, xi- xiv, 1 [j]免费全文] [Medline
  4. Robertson L, Smith M, Castle D, Tannenbaum D.利用互联网加强抑郁症的治疗。澳大利亚精神病学2006;14(4):413-417。[CrossRef] [Medline
  5. 基于计算机的抑郁症心理治疗:系统回顾和荟萃分析。中华临床医学杂志,2012;32(4):329-342。[CrossRef] [Medline
  6. Kelders SM, Kok RN, Ossebaard HC, Van Gemert-Pijnen JE。有说服力的系统设计确实很重要:对基于网络的干预措施的依从性进行系统审查。中国医学杂志,2012;14(6):e152 [J]免费全文] [CrossRef] [Medline
  7. Donkin L, Hickie IB, Christensen H, Naismith, Neal B, Cockayne NL,等。重新思考抑郁症在线干预中使用与结果之间的剂量-反应关系:随机对照试验。中国医学杂志,2013;15(10):e231 [J]免费全文] [CrossRef] [Medline
  8. Freyne J, Saunders I, Brindal E, Berkovsky S, Smith G.持续参与在线饮食干预的相关因素。2012年5月5日发表于:CHI'12计算机系统中的人为因素扩展摘要;2012年5月5日;奥斯汀,德克萨斯州。[CrossRef
  9. Kelders SM, Bohlmeijer ET, Van Gemert-Pijnen JE。随机对照试验中预防抑郁症的网络干预的参与者、使用情况和使用模式。中国医学杂志,2013;15(8):e172 [J]免费全文] [CrossRef] [Medline
  10. 韩建勇。健康传播研究中的交易日志分析:挑战与机遇。患者教育统计,2011;82(3):307-312。[CrossRef] [Medline
  11. 用日志数据作为起点使电子健康更有说服力。见:Berkovsky S, Freyne J,编辑。有说服力,LNCS 7822。柏林-海德堡:斯普林格出版社;2013:99 - 109。
  12. Radloff LS。CES-D量表:一种在普通人群中进行研究的自我报告抑郁量表。应用心理测量1997,01;1(3):385-401。[CrossRef
  13. 刘国强,刘国强。接受和承诺治疗:行为改变的经验方法。纽约:吉尔福德出版社;2003.
  14. 完全的灾难生活:用你身体和心灵的智慧来面对压力、痛苦和疾病。纽约:德拉科特出版社;1990.
  15. 无论你走到哪里,你就在那里:日常生活中的正念冥想。纽约:Hyperion;1994.
  16. Bohlmeijer ET, Hulsbergen M. Voluit Leven。正念的艺术van heet的每一个人,而不是praktisch的帮助。活得充实。正念或接受的艺术,现在是一本实用的帮助书。阿姆斯特丹:繁荣;2008.
  17. Bohlmeijer ET, Fledderus M, Rokx TA, Pieterse ME。基于接受和承诺治疗的早期干预对成人抑郁症状的疗效:随机对照试验的评价中国生物医学工程学报,2011,31(1):62-67。[CrossRef] [Medline
  18. Fledderus M, Bohlmeijer ET, Pieterse ME, Schreurs KM。接受和承诺治疗作为心理困扰和积极心理健康的引导自助:一项随机对照试验。中华精神病学杂志;2012;42(3):485-495。[CrossRef] [Medline
  19. 李建军,李建军,李建军,等。心理健康促进作为公共精神卫生保健的新目标:一项增强心理灵活性干预的随机对照试验中华卫生杂志;2010;31(12):372。[CrossRef] [Medline
  20. 海耶斯SC,斯特罗萨赫KD,威尔逊KG。接受和承诺治疗,第二版:正念改变的过程和实践。纽约:吉尔福德出版社;2011.
  21. 张建军,张建军,张建军。实验回避与行为障碍的关系:基于功能维度的诊断和治疗。[J]中华精神病学杂志;2009;31(6):1152-1168。[Medline
  22. Baer RA, Smith GT, Hopkins J, Krietemeyer J, Toney L.使用自我报告评估方法探索正念的各个方面。2006年3月;13(1):27-45。[CrossRef] [Medline
  23. Trompetter HR, Ten Klooster PM, Schreurs KM, Fledderus M, Westerhof GJ, Bohlmeijer等。参与生活量表(ELS)的价值测量与承诺行为:非临床样本和慢性疼痛样本的心理测量评估。精神病学杂志2013;25(4):1235-1246。[CrossRef] [Medline
  24. 张建军,刘建军,张建军。接纳与承诺治疗:模型、过程与结果。中国生物医学工程学报,2006,31(1):1-25。[CrossRef] [Medline
  25. 王晓明,王晓明,王晓明,等。流行病学研究中心抑郁量表(CES-D)在老年人抑郁症状诊断中的应用。国际老年精神病学杂志2004;19(6):558-563。[CrossRef] [Medline
  26. Zigmond AS, Snaith RP。医院焦虑抑郁量表。精神病学杂志1983年6月;67(6):361-370。[Medline
  27. Spinhoven P, Ormel J, Sloekers PP, Kempen GI, Speckens AE, Van Hemert AM。医院焦虑抑郁量表(HADS)在荷兰不同人群中的有效性研究。精神医学1997;27(2):363-370。[Medline
  28. Dempster AP, Laird NM, Rubin DB。通过EM算法从不完整数据中获得最大似然。[J]统计系统B辑统计方法1977:1-38。
  29. Kelders SM。理解网络干预的依从性[论文]。荷兰恩斯赫德:特温特大学;2012.
  30. van Gemert-Pijnen JE, Nijland N, van Limburg M, Ossebaard HC, Kelders SM, Eysenbach G,等。改善电子卫生技术的吸收和影响的整体框架。中国医学杂志,2011;13(4):e111 [J]免费全文] [CrossRef] [Medline
  31. Van Gemert-Pijnen JEWC, Peters O, Ossebaard HC。提高电子健康。海牙:繁荣;2013.
  32. Carlbring P, Hägglund M, Luthström A, Dahlin M, Kadowaki Å, Vernmark K,等。基于网络的行为激活和基于接受的抑郁症治疗:一个随机对照试验。[J]心理疾病学报;2013;31(2):331-337。[CrossRef] [Medline
  33. 夏丽J,戴维森R,麦克劳克林O, Doherty G.基于服务的心理治疗师支持的在线认知行为治疗项目评估。医学互联网研究,2013;15(6):e121 [J]免费全文] [CrossRef] [Medline
  34. 王晓明,王晓明。说服系统设计:关键问题、过程模型和系统特征。公共关联信息系统,2009;24(1):28。
  35. 李建军,李建军,李建军,等。多阶段优化策略(MOST)和顺序多任务随机试验(SMART):更有效的电子卫生干预新方法。中华预防医学杂志2007;32(5增刊):S112-S118 [J]免费全文] [CrossRef] [Medline


行为:接受承诺疗法
认知行为疗法:认知行为疗法
鉴定:流行病学研究中心抑郁量表
EA:经验避免
HADS-A:医院焦虑和抑郁量表-焦虑
:多阶段优化策略
PSD:说服系统设计
短信:短消息业务


D·莫尔编辑;提交29.09.13;J . Freyne, P . VandeVen, F . Schneider的同行评审;对作者07.11.13的评论;修订版本收到20.12.13;接受25.12.13;发表31.01.14

版权

©Julia EWC Van Gemert-Pijnen, Saskia M. Kelders, Ernst T. Bohlmeijer。原发表于医学互联网研究杂志(//www.mybigtv.com), 2014年1月31日。

这是一篇在知识共享署名许可(http://creativecommons.org/licenses/by/2.0/)下发布的开放获取文章,该许可允许在任何媒介上不受限制地使用、分发和复制,前提是原始作品首次发表在《医学互联网研究杂志》上,并适当引用。必须包括完整的书目信息,到//www.mybigtv.com/上原始出版物的链接,以及版权和许可信息。


Baidu
map