一项基于网络的接受性促进干预，用于识别患者对网络和移动疼痛干预的接受、吸收和依从性:随机对照试验

介绍

慢性疼痛作为一种疾病本身是一个主要的全球健康问题[1-3.]。2013年全球疾病负担研究[4]、腰痛、颈痛和偏头痛，这些通常是慢性过程，在接受调查的每个国家都被发现是导致残疾生活年限的十大原因之一。这不仅反映了五分之一的成年人患有慢性疼痛的高患病率[2，5但也迫切需要改善医疗保健。在欧洲进行的一项大规模慢性疼痛调查发现，40%的参与者报告说他们的疼痛没有得到充分控制，只有2%的人接受了疼痛专家的治疗[2]。

因此，需要创新、有效和具有成本效益的慢性疼痛医疗保健模式。这应该包括一种多模式的、生物心理社会的方法，被认为是治疗疼痛的黄金标准[6-8，在可能的情况下实行自我管理。在这种情况下，基于互联网和移动设备的干预(IMIs)可能是提供认知行为干预等心理干预的可行手段[9-14]。由于大多数imi在基于网络的平台上提供以证据为基础的策略，作为互动式自助课程，因此它们可以同时随时随地接触到大量的人[15-17]。越来越多的研究表明，IMIs对包括慢性疼痛、抑郁和焦虑在内的多种精神和身体健康状况都有疗效[16-21]。Buhrman等人最近的一项荟萃分析[9研究发现，在干扰或残疾、疼痛强度、灾难化和抑郁方面，IMIs对慢性疼痛的积极作用虽小，但显著，分别为g= - 0.39、g= - 0.33、g= - 0.49和g= - 0.26。最近一项基于接受和承诺疗法(ACT)的IMI随机对照试验(RCT)显示，有指导的而非无指导的IMI在改善疼痛干扰方面是有效的d=0.58，分别为[22])对于慢性、非恶性疼痛持续6个月或更长时间的个体。此外，心理灵活性的变化介导了基于act的慢性疼痛在线治疗(ACTonPain)的所有结果[23]，成本效益分析显示，ACTonPain具有潜在的成本效益，这取决于社会愿意支付的金额[24]。在这项试验中，两个ACTonPain组的摄取率均为97%，有指导的参与者比无指导的参与者完成了更多的模块(0-8)(平均5.94,SD 2.80 vs平均4.74,SD 2.89，F_1199年= 8.92;P< . 01)。疼痛imi的整体效应大小与面对面情境下心理干预的效果一致[25]。因此，综合管理信息系统有潜力通过提供循证的、可能具有成本效益的心理干预措施来改善慢性疼痛保健[9，16-25]具有高可访问性和可扩展性[15-17]。

在常规卫生保健环境中实施综合管理信息系统时，为了限制其充分发挥潜力，已经反复讨论了两个主要障碍:低吸收率(登录干预)和低依从性(完成干预的模块)[26，27]。来自多项实用研究的证据表明，在现实生活中，在结构较松散和监测条件下实施的抑郁症IMIs的吸收率在3%至25%之间变化[28-31]。干预依从性低是一个经常被报道的问题，因为它最终会限制干预的有效性[26，32-35]。在一项关于基于act的IMI治疗慢性疼痛有效性的随机对照试验中，Trompetter等[36研究发现，干预组和候补组的参与者在疼痛干扰方面的差异只存在于对治疗完成者的分析中。在常规卫生保健环境中，与开发人员主导的针对相同IMI的疗效试验相比[37-39]，当提供imi时，依从性问题似乎尤为重要。

反复提出的低吸收和低依从性的原因是患者对IMIs的接受程度低，概念化为使用干预的意图[40-42]。其他因素，如上网和焦虑[41，43]、数据安全方面的不确定性、对使用综合管理信息系统和一般心理干预的不适、朋友、家人和保健专业人员的社会影响以及对综合管理信息系统的有效性缺乏信任等因素经常被报告影响对综合管理信息系统的接受和利用[40，42，44-47]。

针对这些方面的接受，建议接受促进干预(AFIs)，以减少患者对IMIs的担忧和误解。它们提供有关管理信息系统的可靠资料及介绍[40，48-51]。迄今为止，已有3项随机对照试验调查了基于视频的[42，47]或personal [46]临床疼痛人群的AFI [47]，糖尿病[46]和初级保健患者的抑郁症状[42]。所有研究一致报告了AFI后基线接受度较低和接受度增加[42，46，47]。然而，这三项研究都只考察了患者的接受程度，缺乏关于AFI是否有效地增加了干预的接受度的更重要的信息。

只有两项研究报道了IMI接受与IMI使用之间的关系[27，52]。在这两项研究中，都发现IMI接受度与使用(登录和坚持)之间存在显著关联。这一发现表明，afi也可能影响IMI的使用。然而，关于AFI对干预措施的吸收和依从性的影响的研究是缺失的。

因此，在本研究中，我们研究了信息视频(AFI)是否可以增加患者(1)对慢性疼痛的IMI的接受度，(2)对慢性疼痛的IMI摄取，以及(3)对慢性疼痛的IMI依从性。

我们预计AFI将积极提高患者的接受度、吸收率和依从性。此外，我们预期AFI会增加接受度的预测因子，并降低网络焦虑的影响。为了检查哪些因素影响IMIs的接受度、吸收率和依从性，我们进行了额外的探索性亚组分析。

方法

研究设计

该研究与德国临床试验注册(DRKS)的结果评估研究相关联:DRKS00006183，该研究由阿尔伯特-路德维希-弗赖堡大学伦理委员会批准。本试验是根据《电子和移动医疗应用程序试验报告综合标准》和《在线远程医疗核对表》[53]。这是一项采用平衡(1:1)随机化平行组设计的两臂实用研究。干预组(IG)接受AFI，随后进行网络调查(由德国弗莱堡大学提供主页);对照组(CG)在没有收到AFI的情况下填写同样的网络调查。在该随机对照试验中，随机化在评估受试者资格和纳入受试者之前进行。我们选择这个程序，因为它允许我们发送邀请电子邮件，提供IG或CG条件下的调查链接。这是一个随机化的案例，在数据可用之前，以确认个人的资格，而不存在分析偏差的风险[54]。因此，随机排除所有不符合条件的参与者可以被认为是可以接受的[54]。

阅读和提供在线知情同意书并回答调查大约需要20-30分钟。在完成调查后，参与者可以选择接受无指导版本的ACTonPain [22，55通过提供他们的电子邮件地址来访问ACTonPain。

样本

招聘于2015年9月进行。我们向所有之前表示有兴趣参与ACTonPain评估研究的个体发送了电子邮件邀请他们参与这项研究[22，55]。由于以下原因，以下类别的个体不能纳入ACTonPain的评价研究:(1)未完成筛选或基线评估或未获得主要试验的知情同意(n=332)或(2)在达到主要试验的目标样本量后表示有兴趣参与(n=157)。没有邀请表明自杀风险较高的申请人参加主要试验。我们根据基于网络的自我报告评估了以下纳入标准:(1)≥18岁，(2)疼痛持续时间≥3个月，(3)足够的德语技能，(4)足够的计算机和互联网技能来进行基于网络的问卷调查。我们排除了所有知情同意书不完整和不符合纳入标准的参与者。ACTonPain干预的概念是将慢性疼痛作为一种疾病，而不是任何特定疾病(如慢性腰痛、偏头痛或纤维肌痛)的症状[1，55]。此外，ACT可作为通用治疗模式[56]，因此，没有进一步说明与慢性疼痛有关的任何特定疾病。所有的参与者都能像往常一样得到充分的治疗。

本研究的目标是最小样本量为102名参与者，以检测临床相关的中等效应大小(Cohend=0.50)，幂为80%，双侧显著性水平为5%。

随机化和分配

为了分配给IG或CG, BF(密封信封网站)使用计算机生成的随机数列表，随机变化块大小为4,6和8。在回答基于网络的问卷之前，IG观看了美国电影协会的一段视频。CG立即填写了问卷。在489名潜在参与者中，115名提供了知情同意并符合纳入标准(图1)。

社会人口学数据、临床特征和互联网使用

问卷包括年龄、性别、关系状况、教育程度和就业状况等社会人口学项目。此外，我们询问了参与者目前或过去的心理疼痛治疗(是或否)以及他们对此的满意程度。

疼痛

参与者评估了他们的实际疼痛，以及上周最严重、最轻微和平均疼痛，范围从0到10。此外，疼痛持续时间分为5个类别，从“1个月到6个月”到“5年”。

身体机能

多维疼痛量表(MPI)的干扰量表[j]57，58])被用来测量全天活动对疼痛的干扰程度。此问卷是衡量疼痛对身体功能干扰的有效方法[59]。本研究的Cronbach alpha为0.91。

情感功能

我们采用患者健康问卷抑郁量表(PHQ-8) [60-63])和广泛性焦虑障碍筛查7项(GAD-7) [64])与广泛性焦虑障碍相关的症状学。

‎ 查看此图

PHQ-8评估所有《精神疾病诊断与统计手册》第五版(DSM-V)的重度抑郁症症状，但在过去两周内有自杀或自残想法除外。李克特评分为4分，从0分“一点都不”到3分“几乎每天”。每个项目的得分被加起来，得到0到24分之间的总分。5-9分代表轻度抑郁症状;10 - 14,温和;15-19，中重度;20-24，严重[61]。本研究PHQ-8的Cronbach α值为0.81。

GAD-7包括DSM-V诊断标准A、B和C中的7个核心症状[64]。关于过去两周，这些项目的得分从0分“根本没有”到3分“超过一半的日子”。得分范围从0到21;截断点5,10,15分别代表轻度、中度和重度焦虑症状水平的阈值[64]。本研究的Cronbach alpha为0.87。

互联网的使用

我们用“你多久上网一次?”这个问题来衡量互联网的使用情况。答案按5分李克特量表打分，从1“很少或从不”到5“每天多次”。

Acceptance-Facilitating干预

为了提高患者对ACTonPain的接受度，AFI包括一个3分钟的ACTonPain的介绍和信息视频以及该程序的截图。图2提供AFI的截图。我们设计了干预的内容，以解决上述障碍和接受的驱动因素。我们根据之前证明在提高接受度方面有效的afi来构思视频[42，47，65]。我们的AFI是采用的AFI版本，在以前的研究中使用过慢性疼痛患者[47详细介绍了ACTonPain。视频内容包括以下信息:(1)综合管理信息系统的有效性;(2)综合管理信息系统中的数据安全性和匿名性;(3)综合管理信息系统的各种优势(例如，使用方便、舒适、灵活的时间管理);(4)获得技术支持的可能性;(5)项目期间的援助。此外，视频还介绍了使用ACTonPain的过程，包括登录或注销过程以及模块和不同功能(音频文件，视频剪辑和家庭作业)的概述。

基于接受和承诺的慢性疼痛在线治疗

在完成问卷调查后，参与者被邀请接受无指导版本的ACTonPain治疗，没有短信服务(SMS)短信(SMS Coach)。这个版本的ACTonPain是在没有任何人工支持的情况下提供的，由于其高可扩展性和低成本，因此应该对公共卫生服务特别感兴趣。

‎ 查看此图

ACTonPain由一个介绍和7个连续模块组成。干预针对Hayes等人提出的核心变革过程[56]， Lin等人对此进行了更详细的描述[55]。建议参与者每周完成一次，完成时间约为60分钟。参与者可以通过网络或移动电话访问ACTonPain，并提供相应的移动视图。ACTonPain并不是作为手机应用程序发布的，AFI通过网络演示了ACTonPain的使用。

ACTonPain的有效性在一项三臂随机对照试验中进行了调查，共有302名参与者被随机分配到ACTonPain指导组、ACTonPain非指导组或候补组。指导由训练有素的eCoaches(心理学家)提供，他们在每个模块后提供个性化的标准化反馈，并提醒参与者遵守治疗计划并设定截止日期。此外，参与者还可以收到支持性的短信(短信教练)。

措施

主要的结果

主要结局是接受、吸收和依从性。

验收

我们在公认的接受与技术使用统一理论(UTAUT [66，67])。该框架为用户接受信息技术的驱动因素和障碍提供了可靠的理论基础[66-68]，并已在许多综合管理指数研究中使用[27，47，65，69-72]。UTAUT模型假定接受为使用技术的意图，而最近预测者为实际使用[73]。

UTAUT接受的项目是根据以往的研究制定的[46，47]。量表的总得分范围为4 ~ 20分，可分为低(总得分为4 ~ 9分)、中(总得分为10 ~ 15分)、高(总得分为16 ~ 20分)3个等级。本研究的Cronbach alpha相对较低，为0.71。表1概述了本研究中被接受的项目和被接受的预测因素(见次要结果)，包括它们的量表。

吸收

我们在干预进入4个月后对IMI进行了登录(是或否)评估。选择4个月的时间，因为这应该有足够的时间让参与者开始干预并完成所有8个模块。我们假设在获得干预措施后4个月是评估吸收和依从性的合理时间。

依从性

我们将依从性作为干预获得后4个月完成干预模块的数量进行评估。

二次结果

次要结果是根据UTAUT的接受度和网络焦虑的预测指标。

接受的预测因素

根据UTAUT模型，IT的行为意图或使用行为有4个关键预测因素:绩效预期、努力预期、社会影响和促进条件[67]。测量结构的绩效期望和努力期望的项目来自Wilson和Lankton [74]。社会影响和促进条件项目改编自Venkatesh等人[67]。

互联网焦虑

网络焦虑的两个条目改编自Venkatesh等人[67(1)“互联网对我来说是一种威胁”(2)“我害怕在使用互联网时犯下不可挽回的错误”)。这些条目以5分的李克特量表打分，从1分“完全不适用”到5分“完全适用”。本研究的Cronbach alpha值为0.69。

统计分析

我们使用SPSS Statistics 22 (IBM Corporation, Armonk, NY, USA)进行数据分析。描述性统计提供了社会人口统计数据和功能来描述样本。为了检验IG和CG之间的随机化不平衡，我们采用卡方检验和t-独立样本的检验。描述性统计基于非拟合数据，而后续分析均采用SPSS (intention-to-treat analysis)中实现的拟合算法，多次拟合，共20次拟合。

为了检测IG和CG在接受、吸收、依从性以及接受和网络焦虑的预测因素方面的差异，我们进行了t-独立样本检验和卡方检验。在显著组差异的情况下，标准化的平均差异(Cohend)，计算95% CI来量化效果。由于本研究包括多个主要结局，我们使用Bonferroni调整P值为0.02(3次测试，α水平为0.05)。这一过程使样本有足够的统计能力来检测两种情况之间大于Cohen的差异d= 0.65。

为了检查潜在的亚组差异(年龄、性别、教育程度、疼痛持续时间和强度、以前或现在的心理干预、互联网使用和焦虑、身体和情绪功能)，在接受、吸收和坚持方面，提供了探索性分析(平均值，标准差，t-检验和卡方检验)。为此，使用定义的截止点(性别、疼痛持续时间、教育程度和心理干预)或中位数分割(年龄、疼痛强度、互联网使用和焦虑、身体和情绪功能，以及对摄取和坚持的接受程度)对变量进行二分类。注意，亚组分析和次要结果分析的结果是探索性的，且效力不足;调整多重测试是没有意义的[75]。

结果

参与者

在489人当中，有141人(28.8%)回应邀请。在我们排除了未提供知情同意(n=22)或不符合纳入标准(n=4)的受试者后，我们在IG和CG中分别纳入了57和58名受试者。每个变量的缺失值在0%到5.7%之间，Little 's missing complete at Random检验表明数据是随机缺失的(χ²₄₁= 45.31,P= .30)。

大多数参与者(82/115,71.3%)为女性。年龄18 ~ 76岁，平均年龄50.42岁(SD 13.67)。大多数样本(96/115,83.5%)报告疼痛持续时间超过2年，57.4%(66/115)报告疼痛持续时间超过5年。此外，86.1%(99/115)和75.7%(87/115)的参与者分别报告了至少轻度的抑郁和焦虑症状。表2显示社会人口学和临床特征以及样本中的互联网使用情况。除了就业方面，两组之间没有发现人口统计学和疼痛和功能相关变量的显著差异，因为更多的CG参与者被雇用。IG和CG在所有结果上的差异总结于表3。

主要的结果

IG和CG在接受、吸收或依从性方面无显著差异(P= .64点,P= 56,P=。75，respectively). Among the total sample, 8.7% (10/115) showed a low, 59.1% (68/115) a moderate, and 31.3% (36/115) a high level of acceptance, with an average sum score of 13.76 (SD 3.54).图3显示两组的接受程度。申请使用ACTonPain的参与者IG为48人，CG为50人。

请注意，IG组和CG组分别有9%(5/57)和10%(6/58)的参与者没有完成调查，因此没有表明他们是否想接受干预。然后，IG和CG组分别有7%(4/57)和3%(2/58)的参与者不想接受干预，IG和CG组分别有84%(48/57)和86%(50/58)的参与者报名接受干预。在使用ACTonPain 4个月后，65.2%(75/115)的样本已经登录。这表明摄取率为68% (38/57,IG)和62% (36/58,CG)。在依从性方面，参与者平均完成1.09个模块(SD为1.72)。也就是说，一般参与者只完成了介绍模块。结果显示，5.2%(6/115)的参与者在登录后没有完成任何模块，3.5%(4/115)的参与者完成了研究中的所有模块。因此，治疗退出率为96.5%(111/115)。图4给出每个组的登录数和完成模块数。

二次结果

在表现期望、努力期望、社会影响、便利条件或网络焦虑方面，IG和CG之间没有显著差异(P= .88点,P= 16,P= .96点,P=,。P=。68，respectively;表2)。

亚组分析

由于没有组效应，我们进行了没有组考虑的亚组分析，以增加分析的力量。较低的网络焦虑和较高的焦虑症状的参与者的接受度明显高于同等水平的参与者(表4)。在接受率方面，抑郁症状较高(45/ 60,75%)和接受度较高(47/ 59,80%)的参与者比抑郁症状较低(30/ 55,55%)和接受度较低(28/ 56,50%)的参与者更多地登录了平台。我们还发现，与接受程度较低的参与者相比，接受程度较高的参与者完成了更多的模块(1.43 vs 0.72模块)。

‎ 查看此图

‎ 查看此图

讨论

主要研究结果

据我们所知，这项研究是第一次研究AFI对患者接受、实际服用和坚持服用IMI的影响。AFI包括一个简短的信息视频。

在本研究中，样本的平均接受程度为中等至高度(平均13.76，标准差3.54)，IG和CG之间没有组间差异。该接受水平高于以往同等研究的水平[42，46，47]。在这些研究中，干预组接受AFI治疗后的接受水平在抑郁症患者样本中平均为11.42 (SD 4.28)、12.17 (SD 4.22)和10.55 (SD 4.69) [42]，疼痛[47]和糖尿病[46]，分别在日常保健环境中。在这些研究中，控制组的接受程度明显低于总分10分，表明平均接受程度较低。与以往的研究相反，本研究中的AFI并不影响接受度及其预测因子、表现预期、努力预期、社会影响、便利条件或网络焦虑。这可能是由于在样本中接受的高基线水平。

本研究的两组相对较高的接受度可能是由于选择性抽样。我们从一群已经表示有兴趣参加之前关于ACTonPain的研究的人中招募了参与者。在主要研究的招募结束后，我们邀请所有未被随机分配到研究中的人参加本研究，并在调查完成后接受ACTonPain作为奖励。因此，本研究的参与者两次表达了对ACTonPain的兴趣。因此，接受程度很可能反映了许多IMI疗效研究中的接受和接受程度，这些研究由对IMI感兴趣和开放程度远高于普通人群的人群组成[76]。因此，我们之前关于大众接受度的研究[42，46，47可能会给我们一个更现实的接受度估计。通过比较整个研究的接受率，本研究量化了在疗效研究和常规卫生保健环境中，接受率和吸收率在人群之间的差异。

尽管接受程度很高，但吸收率仅为65.2%。相比之下，主要评价ACTonPain的摄取率[22，55]在有指导组和无指导组分别为97%。此外，两组的依从性相当低，同样没有任何AFI的影响。与接受度的结果相似，两组之间在吸收率和依从率方面没有差异，表明AFI也不影响吸收率。AFI之所以不影响干预的接受和坚持，一种解释是它针对的是接受而不是干预的使用。

总之，AFI对初始接受度高的样品没有影响。这符合卫生行动过程方法(HAPA)的假设。77])，从而理清了意图形成和意图实施的过程。根据该模型，行为意向(即UTAUT模型中的接受)是行为改变的必要前提，但不是充分前提[78]。在HAPA中，分为三类人:非意图者、意图者和行为者。每个群体都需要特定的行为干预。虽然非意图者可以从自我效能干预和行为改变的利弊信息中获益，以增加行为意图，但意图者和行为人必须得到具体的帮助，如何在实际行为中实现他们的意图[77]。这包括具体的行动计划(何时、何地、如何行动)、应对计划(如何处理障碍)、社会支持和行动控制。通过考虑这些后意向任务，HAPA扩展了UTAUT的范围，并解释了行为改变的整个范围，以及意向形成的过程。

将HAPA的假设应用到我们的样本中，AFI可能是增加干预吸收和依从性的错误手段。参与者表现出使用IMI的高度意图，这意味着他们在HAPA意义上被归类为意图者。我们的参与者可能从具体的行动和应对计划、行动控制和社会支持中获益更多，而不是提供疗效、数据安全等信息的AFI。Zarski等人最近的一项研究支持了这一假设[79在所有被调查的HAPA变量中，计划是IMI中高动机参与者治疗依从性的最强预测因子。

由于大多数参与者只完成了介绍模块，本研究的依从性明显低于相同干预措施的评估研究[22，55]。对于面对面、个人、团体或基于网络的干预，几乎没有经验证据表明什么是干预的最佳剂量。根据心理灵活性作为ACT理论基础的框架，假设ACT的6个潜在子过程以促进更高的心理灵活性为主要目标[56]。关于ACTonPain，这意味着参与者应该学习模块1-6才能从ACTonPain中受益。与本研究相比，ACTonPain评估研究的参与者在指导组和非指导组分别完成了5.94 (SD 2.80)和4.74 (SD 2.89)模块。只有3.5%(4/115)的参与者完成了本研究中的所有8个模块。在ACTonPain评估研究中，分别有60名和40名参与者完成了指导组和非指导组的所有模块。这些完成率的差异是参与者在实施其行为意图时从支持中获益的另一个指标。在ACTonPain评估研究中，参与者被纳入了一个广泛的研究程序，得到了研究小组关于如何创建帐户的支持，并被要求填写所有评估，包括随机化后的两项评估。整个试验过程可以通过提醒提示或社会支持等策略来支持意图的实现[80]。

关于依从性和退学的不同发现不仅突出了指导和短信的影响，而且还突出了参与者接受IMIs的环境的重要性。指导和提示(例如，通过短信短信)是研究IMI中被调查最多的两个促进依从性的因素，最终增加了各自IMI的效果[35，81-86]。然而，缺乏指导和SMS教练本身并不能完全解释两项研究在依从性和退出方面的差异。由于本研究没有像IMIs疗效评估试验那样进行后续评估和进一步的管理联系，因此本研究可能模仿了现实环境。因此，这一发现与一些有效性试验相一致，这些试验表明，在现实生活中实施综合管理信息系统时，综合管理信息系统的实际使用率要低得多[28-31]。如果这些发现在未来的研究中得到重复，这可能表明临床随机对照试验中发现的无指导干预措施的效果大小可能被大大高估了，而在常规卫生保健环境中可以预期的效果[38]。总之，本研究中关于依从性和退出的研究结果提供了在常规卫生保健环境中提供IMIs使用情况的估计。

除了上述高基线接受度外，AFI的相当一般的内容也可能解释了为什么AFI在本研究中没有效果。正如之前一项关于糖尿病患者接受IMIs的研究所讨论的[65]，针对各自人群的具体关注和需求量身定制的afi可能会更有效。本研究的探索性亚组分析显示，焦虑程度较低(GAD-7<8.00)且网络焦虑程度较高的参与者接受度较低的趋势。因此，对于接受度较低的个体而言，具有更具体特征的AFI可能会更有效。然而，由于这项研究的设计和能力不足以可靠地检测不同亚组的异质性，因此这些发现需要谨慎解释。

限制

值得注意的是，本研究存在一些局限性。首先，招聘策略可能影响了参与者填写调查问卷的方式，他们的答案可能更受社会欢迎。因此，接受和吸收的结果可能不能代表慢性疼痛患者群体，但它们可能代表以前的慢性疼痛的IMIs疗效试验中的慢性疼痛患者群体。因此，本研究提供了参与者在疗效研究中的接受度信息，可以用于解释各自的结果。考虑到这些研究大多是在理想情况下进行的，具有高度明确的纳入和排除标准，因此在常规临床实践的推广方面尤其如此[76]。

鉴于上述在我们的AFI中缺乏促进实施的因素，本研究的另一个局限性是它仅基于UTAUT模型。以前一项研究评估的UTAUT模式及其他有关接受综合管理指数的等效模式[74]，以及一些实证研究[27，52]，建议接受与管理信息系统使用之间存在关系，但可能不考虑管理信息系统所要求的持续使用。因此，我们的研究结果表明，即使在接受度高的情况下，依从性促进因素也是至关重要的。因此，未来的研究需要测试旨在增加依从性的干预措施。HAPA可以作为干预模型。

最后，与之前的研究相比，接受度量表的信度相对较低，为0.71 (Cronbach alpha范围为0.84 [42]到0.87 [46，47])。然而，本研究的Cronbach alpha仍在可接受的范围内，特别是量表仅包含4个项目[87]。

结论

总的来说，这项研究表明，尽管接受度很高，但慢性疼痛患者对IMI的接受度和依从性很低。本研究的第一个主要贡献是，它显示了本研究中所代表的参与IMI疗效试验的样本和我们以前研究中所代表的从常规医疗保健环境中收集的样本之间的接受率是如何不同的[42，47，65]。在解释疗效试验时以及在常规卫生保健环境中实施综合免疫系统时，应牢记这一差异。在常规卫生保健环境中，教育水平和动机可能不同于IMI疗效试验环境[76]。因此，需要针对各自卫生保健机构的临床目标群体进行有效性研究。例如，在两项关于IMI治疗的研究中[88]和预防[89在背部疼痛的患者中，招募是在骨科康复后进行的。这些研究的目的是在一个自然的环境中达到所有潜在的目标人群，在那里实施了善后IMI。因此，与大多数疗效试验相比，这些研究的结果可以提供有关IMIs有效性的更具普遍性的结果。

这项研究还表明，高接受度并不能保证可持续地使用综合管理信息系统。需要使用诸如HAPA模型之类的其他模型来制定战略，以提高综合管理指数的依从性。与关于接受率的讨论相同，不同的疗效试验环境和常规保健环境似乎对综合免疫干预的依从性起着至关重要的作用。这可能解释了本研究的依从性与同一干预措施的评估研究之间的高度差异[22，55]，以及最近一项关于抑郁症的IMIs依从性的荟萃分析[90]。在这篇综述中，Van Ballegooijen等人得出结论，坚持指导IMI(平均完成81%的IMI)似乎等于坚持面对面治疗(84%)。同样，Christensen等[91研究人员发现，使用IMIs治疗焦虑和抑郁的辍学率与使用非互联网治疗的辍学率相似。然而，这项研究的结果表明，当在常规卫生保健环境中提供IMIs时，流失率可能更高，这是IMIs特有的问题。当指导作为最重要的依从性促进因素时尤其如此[82没有提供。除了指导和提示外，还不清楚哪些具体的技术特征可以改善依从性和结果。因此，需要对磨耗和粘附及其潜在机制进行研究。除了综合信息系统外，还需要制定和评估促进干预措施的参与，以增加综合信息系统的持续使用。这应包括在开始和整个使用综合管理信息系统期间的持续支持系统，例如对病人的保健提供者的持续监测[42]。在这一点上，很明显，不仅是IMI用户，而且他们的开发人员和提供者也需要参与进来，以便最大限度地接受、遵守并最终提高基于证据的IMI的有效性。

总之，这项研究表明，在参加IMI疗效试验的样本中，接受度可能比常规卫生保健机构的目标人群高得多。因此，未来的研究应该在自然主义的环境中进行，更多的代表性样本。此外，需要制定涉及IMI用户、开发人员和提供者的战略，以增加对IMI的遵守。