在重度饮酒学生中使用生态瞬时评估测试基于网络的短期酒精干预的有效性:随机对照试验

简介

鉴于青年人酗酒的高患病率和社会和经济成本，迫切需要采取适当的干预措施[1-3.］．计算机技术和互联网的广泛发展和普及，为通过网络进行干预提供了机会。4]，这对年轻人来说是有利的，因为他们可以在自己选择的时间和地点获得信息，同时保持匿名[5］．基于网络的简短酒精干预已被发现在大量饮酒的年轻人和学生中有效地减少饮酒的数量和频率[6-9］．然而，尽管这些类型的干预措施已经证明了有效性，但由于评估酒精使用和干预效果的方式，必须谨慎解释这些发现。首先，酒精的使用通常是在相对较长的回忆期(如30天)内评估的，参与者通常被要求报告他们在通常一周内消耗的平均酒精单位数。这可能会导致测量误差，因为由于记忆缺陷，饮酒的精确回忆在2或3天后会下降[10］．其次，由于日历特定事件，学生饮酒的波动性[1，11]往往被忽视，因为干预效果是在有限的随访时间点上衡量的(即，干预后约1-12个月的1次短期随访和几次较长的随访)。使用有限的随访时间点不仅忽略了重要的饮酒事件，而且还增加了对干预有效性得出不准确结论的危险。在之前的一项研究中，我们认识到在测试“你喝什么”(WDYD)基于网络的简短酒精干预的有效性时，仅使用2个随访时间点(即1个月和6个月)的缺点。我们的基线评估是在正常饮酒期间完成的，没有任何显著事件，而我们的第一个月随访评估恰逢狂欢节，一个与过度饮酒有关的4天活动。观察到的饮酒增加可能是选择这一周来测试干预效果的结果，而不是WDYD干预的结果，WDYD干预的目的是发现和减少年轻人的酗酒[12］．单次和全自动WDYD干预是与Trimbos研究所(荷兰心理健康和成瘾研究所)合作开发的，使用干预映射协议[13］．内容基于动机性访谈原则[14]和I-Change模型的部分内容[15]其中知识、社会规范和自我效能被认为是行为改变最多变的决定因素[12］．尽管WDYD干预的理论背景很好，但在使用2个随访时间点(7天的短回忆期)时，没有发现对酒精使用的显著主效应[5］．第三，当使用有限的随访时间点时，个体的酒精使用和干预效果随时间的变化仍然没有被注意到。关于这些变化的信息对于确定干预效果停止的时间以及可能需要加强和/或扩大干预效果的时间非常有价值。

在评估干预效果时，使用较短的回忆期来减少测量误差，并包括大量测量，以考虑酒精使用随时间的波动性质，并捕捉重要的饮酒事件，似乎很重要。利用生态瞬时评价(EMA)和潜在生长曲线(LGC)建模技术，可以更准确地确定干预效果。EMA的生态方面是，数据是在现实环境中，在战略选择的时间点收集的[16］．EMA的瞬时方面意味着对酒精使用的评估集中在参与者当前或最近的状态。此外，EMA的特点是随着时间的推移进行重复和大量的测量，通常用于等效于经验抽样方法(ESM)，这是一种让参与者报告其持续饮酒行为的系统方式[17，18］．LGC建模技术可估算酒精消费量随时间的平均增长轨迹(即平均截距和斜率)，以及这些轨迹的个体差异(即截距和斜率方差)[19，20.］．生长轨迹方差的估计增加了结果测量的可靠性。这对于通常用于测试干预有效性的传统统计技术来说是不可能的，例如重复测量方差分析[21]，因为它们只提供平均增长模式，并将方差视为误差[22］．虽然采用EMA和LGC建模技术的优势是显而易见的，但大多数基于web的简短酒精干预试验使用了较长的回忆期，随访时间点有限，使用了传统技术[21]以测试干预的成效[4］．据我们所知，这是第一个测试基于网络的短暂酒精干预是否能在重度饮酒学生的1个月、3个月和6个月随访间隔中持续减少酒精使用量的研究。为了测试WDYD干预的有效性，我们通过在线调查和LGC分析进行了30周EMA测量，为期6个月，以模拟个体在1、3和6个月随访间隔内每周饮酒量和豪饮频率的变化。报告超过3个时间段的基本原理是深入了解干预效果持续的时间，并限制报告异常值轨迹的机会。我们假设，与对照组的参与者相比，实验条件下的参与者在接触WDYD干预后会直接减少他们的酒精使用量(拦截量)。基于产生长期影响的基于网络的简短酒精干预[8，9]，假设在6个月的随访间隔内，降低将持续(斜率)。

方法

研究设计

在荷兰(2010-2011年)进行了一项采用EMA方法进行30周EMA测量的2组平行组随机对照试验，以测试WDYD干预是否能够在1个月、3个月和6个月随访间隔内维持重度饮酒学生的酒精使用量减少。这项试验完全是基于网络的，因为在干预和评估结果的措施中没有面对面的成分。

流程与参与者

在2010年9月至12月期间，研究人员采用便利抽样策略，在大学和高等职业教育机构(即应用科学大学)在线发送带有研究信息的电子邮件，在线下招募重度饮酒的学生。封面故事是，学生必须评估新开发的关于酒精使用的健康教育材料，他们必须判断这些材料，以减少社会可取性偏见的风险。在EMA研究结束之前，学生们对研究的目的一无所知。感兴趣的学生被推荐到一个电子邮件地址，并通过电子邮件发送一份详细的研究说明。被纳入研究的学生必须(1)年龄在18到24岁之间，(2)报告过去6个月酗酒，(3)准备改变他们的饮酒习惯，(4)每天都能上网(并且识字)，(5)签署在线知情同意书。重度饮酒被定义为每周饮酒超过14(女性)或21(男性)杯标准酒精单位和/或每周至少有一天每次饮酒超过5杯标准酒精单位[23］．在酒精使用障碍识别测试(AUDIT)中取得20分或以上成绩的学生[24]，和/或正在接受酒精相关问题治疗的人被排除在研究之外，并被建议寻求治疗，因为WDYD干预是为了减少重度饮酒而不是问题饮酒。

需要908名参与者的样本量来检测1个月后显示低风险饮酒指南的参与者比例的增加，实验条件下为42%，而对照组为31% [25]，在随机化后预期退出率为30%的情况下，具有5%的双侧显著性水平和80%的幂。符合纳入标准的学生被随机分配到WDYD干预组(n=456)或对照组(n=451)，每组4人，由行为科学研究所的一名独立研究员使用计算机化随机数发生器，该研究员不能影响或预测随机化结果。参与者对随机化结果并不盲目。2011年1月基线评估前按性别和教育程度进行随机分层[23］．

2011年1月至8月，共在线进行了30周EMA测量，通过4次前测和26次后测评估结果。在1月份的4次预测之后，试验组的参与者接受了WDYD干预，而对照组的参与者只接受了评估。在2月第一周的干预暴露后，两种情况的参与者都接受了第一次后测。干预后一周，所有参与者在2月至8月的6个月内每周接受EMA后测。EMA测量在周一上午进行。所有参与者都会收到一封电子邮件，上面有调查的使用说明，他们被要求在午夜前回答调查。每项调查都需要大约10分钟的时间来完成，并包含关于参与者每周饮酒、酗酒频率和拒绝饮酒自我效能的相同问题。此外，在基线评估时、干预后立即以及干预后1个月和6个月进行了扩展调查。这些扩大的调查包括有关酒精相关认知、成本效益和问题饮酒的额外问题。扩展调查的完成时间约为20分钟。 Paper-and-pencil surveys with identical content were provided to participants in case they were unable to access the Internet. Participants who failed to complete the survey on Mondays received a short text message on their mobile phones on Tuesdays to remind them. Those who still did not complete the survey on Tuesdays were reminded by a telephone call on Wednesdays. On average, 11% (range 7%-17%) of the surveys were completed on Tuesdays and Wednesdays instead of Mondays. When participants completed at least 28 of 30 surveys, they received €100 as an incentive, as stated in the informed consent. Ethical approval was provided by the Ethical Committee of the Faculty of Social Sciences at Radboud University Nijmegen (ECG30062011). This trial is registered at the Netherlands Trial Register (NTR2665) as mentioned in the trial protocol [23］．

干预措施

被分配到实验条件的参与者使用WDYD干预。WDYD干预的第一部分侧重于提高使用者对与其饮酒行为相关的潜在问题、后果和风险的认识。它包含一个主页和一个筛选测试，以非评判、非对抗性和非厌恶的方式提供个性化的反馈(参见图1)．筛查测试包括参与者自我报告的姓名、性别、年龄、教育水平、体重、饮酒情况、改变饮酒习惯的准备程度、消费酒精饮料的平均费用以及描述性的社会规范。个性化的反馈包括根据低风险饮酒指南提出的饮酒建议[26]、个人饮酒情况(过去一年中消耗的数量-频率)、卡路里摄入量的估计、体重的增加、饮酒导致的金钱支出，以及个人使用率与同性同龄人的国家标准的比较，以纠正对描述性社会规范的误解(见图2)．个性化的反馈是基于个人的个人情况，这意味着WDYD干预是量身定制的。WDYD的第二部分侧重于设定和维持饮酒目标(见图3)，以及通过提供不同饮酒情境下的抗酒技巧，加强使用者的拒绝饮酒自我效能感，以实现和维持饮酒目标(见图4)．参与者能够通过WDYD干预跟踪他们的进展，该干预大约需要20分钟才能完成。WDYD干预的完整描述在其他地方给出[12］．被分配到控制条件的参与者只接受评估。

‎ 查看此图

‎ 查看此图

‎ 查看此图

‎ 查看此图

结果测量

每周饮酒量和酗酒频率是通过在线调查自我评估的主要结局指标。在随访1、3和6个月期间，使用每周EMA测量来评估主要预后指标。

每周饮酒量，定义为前7天内消耗的标准酒精单位的平均杯数，使用荷兰版每周酒精召回评估[27］．参与者被要求回顾性地指出他们在过去7天内每天消耗的酒精饮料的确切数量、大小和类型。概述了各种饮料的标准单位，以保证标准化的反应。总体而言，1.47%的参与者得分高于每周酒精消费量样本均值的3个标准差，但他们的得分正好高于每周酒精消费量样本均值的3个标准差，以保留分析中的异常值(结果范围为0-109)[28]，并根据我们以往的研究处理异常值[5，29］．酗酒频率，定义为前一周参与者每次饮酒5杯或以上标准酒精单位的天数[5李克特量表采用8分制，从0=从不到7=每天。

分析

数据根据意向治疗(ITT)原则进行分析。缺失的数据通过使用预测平均匹配方法进行多次计算来处理[5，30.］．对20个输入数据集进行评估P<。05作为统计显著性的标准，通过平均结果(即汇总)。首先，描述性分析涉及t进行了检验和卡方检验，以探讨在基线评估中，随机化是否导致参与者的人口统计学特征和酒精使用(即每周酒精消费量和酗酒频率)在不同条件下的平衡分布。随访损失也通过减损分析进行了检查，使用1、3和6个月随访间隔作为结果测量，人口统计学特征、酒精使用和病情状态(干预vs对照组)作为预测因素。其次，在1、3和6个月的随访间隔内进行LGC分析，以模拟个体随时间饮酒的变化情况。LGC分析在3个时间段内进行，以限制报告异常值轨迹的机会。首先对没有条件状态和酒精使用基线水平的模型进行测试。随后，生长曲线分别对每周酒精消费量和狂饮频率的条件状态进行回归，同时对基准酒精使用水平进行调整。模型中没有包括教育机构的随机效应参数，因为各机构之间参与者的变化预计是有限的，因为所有参与者都需要满足研究的纳入标准。

报告了非标准化截距(代表干预后直接饮酒)和非标准化斜率(代表饮酒随时间的变化)。采用全局拟合指标来评估每个结构的模型拟合性:卡方统计量、比较拟合指数(CFI)、临界值≥0.90和≥0.95的塔克-刘易斯指数(TLI)，以及临界值≤0.06的逼近均方根误差(RMSEA) [31］．与LGC分析并行的是，在1个月、3个月和6个月的随访间隔内，对每周酒精消费量和狂饮频率进行线性回归分析，并将其作为未调整和调整的基线酒精使用水平，以提供额外的具体测试，以确定条件之间的差异。对于线性回归分析，非标准化系数(beta)，标准误差(SE)和科恩的d［32]的效应量。所有分析均使用Mplus 6.0版本[20.］．

共进行30周EMA测量，包括4次前测和26次后测。对于LGC和线性回归分析，4个预测被聚合成基线评分。干预后立即进行的第一次后测被排除在两项分析之外，因为参与者报告了前一周的结果测量，因此不可能观察直接干预的效果。因此，对于所有分析，使用了4个前测和25个后测。仅对于额外的线性回归分析，计算了1个月随访间隔(后试验1-4)、3个月随访间隔(后试验1-12)和6个月随访间隔(后试验1-25)的汇总评分。

结果

参与者流

图5说明了根据试验报告综合标准(CONSORT)指南进行研究的参与者流程[33]和30周EMA测量的数据收集。最初，913名学生参与了这项研究。然而，有6名学生没有填写基线评估，因此被排除在研究之外。最后，907名参与者被纳入EMA研究，随机分为实验组(n=456, 50.3%)或对照组(n=451, 49.7%)，并有资格进行ITT分析。总共82.1%(745/907)完成了基线评估和所有25次EMA随访。

‎ 查看此图

描述性统计

907名参与者中，547名(60.3%)为男性，667名(73.5%)上过大学，194名(21.4%)在基线评估时准备在不久的将来减少酒精使用。筛查调查是在2010年9月至12月之间进行的，而基线评估是在2011年1月进行的，这可能解释了基线评估时参与者改变酒精使用的准备程度较低的原因。参与者平均年龄20.8岁(SD 1.7岁)。在基线评估中，参与者报告平均每周消耗21.9 (SD 13.5)酒精单位，报告有1.8 (SD 1.0)次他们每周饮用5杯或更多酒精单位(见表1)．在基线评估中，人口统计学特征条件和结果测量之间没有显著差异(分析未在这里显示)。

后续损失

由于缺乏兴趣和时间，1个月随访间隔的流失率为12.1% (110/907;干预:62/456,13.6%;对照组:48/451,10.6%)，随访3个月14.3% (130/907;干预:72/456,15.8%;对照组:58/451,12.9%)，6个月随访期17.9% (162/907;干预:87/456,19.1%;对照组:75/451,16.6%)。在1、3和6个月的随访间隔中，磨损与病情无关(χ²₁= 1.9,P=。;χ²₁= 1.6,P= . 21;和χ²₁= 0.9,P=点)。完成者(完成基线评估和所有25次EMA随访的患者，n=745)与未完成者(n=162)在人口学特征(即性别:χ²₁= 0.3,P= 56;年龄:t₉₀₂= -0.25,P= .80;教育:χ²₁= 1.9,P=。;改变酒精使用的意愿:χ²₁= 0.1,P=.73)和饮酒(即每周饮酒:t₉₀₃= 0.32,P=综合成绩;酗酒频率:t₉₀₃= -0.57,P=.57)。缺失值的分布表明907名参与者中有87人(9.6%)没有完成EMA研究，907名参与者中有75人(8.3%)几乎完成了调查(30个EMA测量中有1或2个缺失)。

模型结果

首先测试了每周酒精消费量和无病情情况下狂饮频率的模型以及酒精使用的基线水平。每周饮酒量的截距和斜率均显著(截距=23.7，P<措施;斜率= -0.06,P=.002)，表明参与者平均饮酒23.7单位，并在整个6个月的研究期间逐渐减少饮酒(χ²₃₂₀= 1393.2,P<措施;CFI = 0.90;TLI = 0.91;RMSEA = 0.06)。酗酒频率的截距和斜率均显著(截距=1.9，P<措施;斜率= -0.01,P<.001)，这意味着参与者在前一周饮酒5杯或5杯以上的平均次数为1.89。在整个6个月的研究期间，参与者的酗酒频率缓慢降低(χ²₃₂₀= 904.2,P<措施;CFI = 0.92;TLI = 0.92;RMSEA = 0.05)。接下来，两种模型都加入了病情状态和酒精基线水平。除1个月随访期RMSEA外，每周酒精消费模型与随访评估数据的拟合程度可接受。每周饮酒量的拟合指数为χ²₉= 107.3,P<措施，CFI=0.95, TLI=0.92, and RMSEA=0.11 at the 1-month follow-up interval, χ²₉₃= 644.7,P<措施，CFI=0.91, TLI=0.91, and RMSEA=0.08 at the 3-month follow-up interval, and χ²₃₆₆= 1451.2,P<措施，CFI=0.91, TLI=0.91, and RMSEA=0.06 at the 6-month follow-up interval.

LGC分析显示，在干预后，实验条件下的参与者与对照组的参与者相比，每周的饮酒量显著降低。在3个月的随访期间，两种情况的酒精单位截距差异(截距= -2.60，P<措施;斜率= 0.16,P=.08)，但随着时间的推移逐渐消失，导致LCG在6个月随访期出现显著斜率(截距= -2.18，P=措施;斜率= 0.08,P= .02点)(见表2而且图6)．线性回归分析表明，在1个月时，对照组参与者与实验条件参与者相比，每周酒精单位水平显著升高导致截距差异(beta= -2.56;SE 0.74;科恩的d= 0.20;P=.001)， 3个月(beta= -1.76;SE 0.60;科恩的d= 0.13;P=.003)和6个月(beta= -1.21;SE 0.58;科恩的d= 0.09;P=.04)随访间隔(见表3)．

酗酒模型的频率在所有3个随访间隔中都提供了可接受的拟合。酗酒频次的拟合指数为χ²₉= 42.3,P<措施，CFI=0.97, TLI=0.95, and RMSEA=0.06 at the 1-month follow-up interval, χ²₉₃= 341.3,P<措施，CFI=0.93, TLI=0.93, and RMSEA=0.05 at the 3-month follow-up interval, and χ²₃₆₆= 956.9,P<措施，CFI=0.92, TLI=0.93, and RMSEA=0.04 at the 6-month follow-up interval. According to the LGC analyses, the frequency of binge drinking of participants in the experimental condition was significantly lower compared to participants in the control condition. The intercept difference in frequency of binge drinking was sustained at the 6-month follow-up interval (intercept=–0.14,P= . 01;斜率= 0.004,P= .19)(见表2)，这是由于对照条件下的参与者在1个月时的这一结果水平高于实验条件下的参与者，(beta= -1.15;SE 0.06;科恩的d= 0.16;P=.01)， 3个月(beta= -0.12;SE 0.05;科恩的d= 0.09;P=.01)， 6个月(beta= -0.09;SE 0.05;科恩的d= 0.03;P=.045)随访间隔(见表3而且图6)．

‎ 查看此图

讨论

主要结果

这项研究首次测试了基于网络的短暂酒精干预是否能在重度饮酒学生的1个月、3个月和6个月随访间隔内维持酒精使用的减少，通过EMA方法进行了25次后测。与对照组的参与者相比，WDYD干预并没有减少实验条件下参与者的每周饮酒量和酗酒频率。相反，WDYD干预被证明可以有效地防止干预后3个月和6个月持续的每周酒精消费量和酗酒频率的增加。理想情况下，实验条件下的参与者应该减少他们的酒精使用，而对照组的参与者应该在干预暴露后稳定下来。然而，这些结果表明，实验条件下的参与者稳定下来，而控制条件下的参与者则因增加饮酒而恶化。日历特定事件可能解释了从2月初开始，控制条件下的参与者中酒精使用量的增加。对照组参与者的酒精使用模式与大一新生的酗酒模式相似，从寒假12月中旬到新年前夜增加，随后减少到1月底，然后再次增加到3月中旬春假结束[34］．在2月的第一周，实验条件下的参与者可以受益于WDYD干预的技巧，以抵御不同饮酒情况下的酒精。暴露于WDYD干预可能会导致饮酒拒绝自我效能感的增加，从而使实验条件下的参与者与对照组的参与者相比，更不容易受到与过度饮酒风险升高相关的日历特定事件的影响[11］．此外，酗酒主要发生在学生和朋友在家里，以及在外面的酒吧、聚会、约会或社交活动中。35］．我们可以合理地假设，当学生们发现自己真的处于酗酒的情况下时，他们会认为抵制酒精的技巧更有意义。这可能解释了WDYD干预对干预后3个月每周饮酒的短期预防效果和干预后6个月酗酒频率的长期预防效果。

在我们之前的研究中，当我们在干预后1个月和6个月测试WDYD干预的有效性时，没有发现显著的主效应[5］．然而，通过使用EMA和LGC建模技术，对干预后3和6个月持续的每周酒精消费量和狂饮频率产生了总体显著的干预效果。这一发现强调了在使用有限的随访时间点时，使用大量测量并结合适当的统计技术来获得更高的干预效果精度的重要性，并最大限度地减少对干预效果得出不准确结论的危险。此外，EMA的使用使人们能够检查对治疗结果的干预效果是否随着时间的推移而变化，并有助于确定干预效果停止的时间以及需要加强和/或延长干预效果的加强期的时间。

局限性和优势

本研究的局限性包括使用了大量EMA测量，这可能影响了通过评估[36-38]，但两种情况下的参与者每周都会接受测试后测量。如果存在评估反应性，则可能导致低估真正的干预效果[39］．此外，由于调查条目的长度、回应的频率和研究周期的长度，EMA可能会增加参与者的负担并降低依从性[16］．尽管如此，在目前的研究中，不服从和减员率很低。在研究开始前提供关于研究程序的简要介绍，使用简短而良好的调查，并在研究完成后提供金钱激励似乎很重要。此外，EMA的使用甚至可以减轻样本量的要求，因为它提供了更精确的结果测量，对变化更敏感，从而降低了研究的难度和进行研究的成本[16］．此外，WDYD干预的效果量很小，但与其他基于网络的简短酒精干预报告的效果量相当[40，41］．尽管两种情况在酒精使用方面的绝对差异很小，但优势在于，随着时间的推移，WDYD干预的所有效果都包括在更大的重度饮酒者群体中，这些人的酒精相关问题不太严重，其社会效益比减少少量依赖饮酒者的问题饮酒更大，这被称为预防悖论，用于证明预防人口战略的合理[42］．此外，研究样本的代表性可能因为方便抽样策略而受到影响，尽管大多数基于web的简短酒精干预试验都使用了这种类型的抽样策略(例如，[43])，并根据参加者的可用性选择参加者。此外，如果实验条件下的参与者与控制条件下的参与者共享WDYD干预的链接，则可能会发生条件之间的污染。尽管如此，WDYD还没有在网上提供;因此，它降低了条件之间发生污染的可能性。此外，EMA测量依赖于有7天回忆的自我报告测量，这仍然容易受到测量误差的影响，因为事件中没有收集数据，而且由于记忆缺陷，饮酒的精确回忆在2或3天后会下降[10］．在很长一段时间内，真正的事件测量是非常困难的。然而，这是第一项使用30周EMA测量来评估结果测量的研究，因此产生的结果测量比目前酒精预防文献中任何其他基于网络的简短酒精干预试验更接近于个人的实际饮酒行为。另一个局限性是，每周饮酒量和酗酒频率的结果测量尚未在在线使用中得到验证。然而，这些结果测量已在基于纸张的调查中得到验证[27，44］．此外，研究表明，在线调查数据可以等同于或优于同等的纸质调查数据[45］．此外，参与者对指定的干预措施并不是盲目的，这是基于web的试验中的一个常见限制[46］．意识到自己被分配到实验条件的参与者可能会有良好的期望或增加忧虑，而被分配到控制条件的参与者可能会感到被剥夺或放松，这可能会影响他们对结果测量的反应。最后，将我们的研究结果推广到那些还没有准备好改变饮酒习惯的学生，18岁以下的人，以及那些没有上过或没有上过学院或大学的人，应该谨慎。

这项研究的优势包括在线每周EMA方法，用于评估酒精使用情况和干预效果，同时保持高保留率。首先，利用EMA方法进行大量随时间的测量，使我们能够评估酒精使用的变化和干预效果，同时考虑到学生酒精使用的波动性。其次，EMA的覆盖策略由于参考周期相对较短(即1周)，使回忆偏差最小化，从而产生更多的自我报告饮酒行为的生态有效结果测量[16］．第三，使用在线调查比纸笔调查有优势，因为它减少了输入错误的可能性，同时提高了成本效益[47］．第四，EMA与LGC建模技术的结合使用可以通过产生整体干预效果来减少统计误差，从而获得更可靠的结果测量和更高的干预效果精度。此外，WDYD干预是基于干预映射协议，这是一个基于理论和循证的有效行为改变干预的开发、实施和评估的健全框架[13］．此外，WDYD干预纳入了成功减少学生群体重度饮酒的成分(例如，个性化规范反馈)[48］．

未来的发展方向

目前的研究结果表明，WDYD干预可以防止重度饮酒学生在干预后3至6个月持续的每周酒精消费量和酗酒频率的增加。与Trimbos研究所的合作可以通过将WDYD干预措施纳入他们的材料和计划中来确保充分的大规模实施[12］．此外，研究结果表明，在未来的酒精预防试验中，通过EMA包括大量测量值来评估结果测量值和评估干预效果，以获得更高的精度。如果使用大量参考周期极短(即2小时)的测量来评估结果测量，智能手机可能比在线调查更有益，因为智能手机可以捕获数据，而不受参与者的时间和位置影响[49］．此外，未来的研究应确定与酒精相关的认知(如自我效能)是否能解释所观察到的结果，以帮助解释为什么基于网络的短暂酒精干预能有效地减少或在我们的案例中，防止重度饮酒学生的酒精使用增加，特别是考虑到大多数基于网络的短暂酒精干预是为了影响决定年轻人重度饮酒的与酒精相关的认知[50，51］．

结论

WDYD基于网络的简短酒精干预被证明是有效的，可以防止重度饮酒学生在干预后3个月和6个月持续的每周酒精消费量和酗酒频率的增加。此外，研究结果强调了使用EMA和统计技术(如LGC)在测试干预有效性方面的优势，否则将无法检测到干预效果。