了解围产期妇女数字心理健康和福祉项目的参与:无元分析的系统回顾

简介

围产期的重要性

怀孕、分娩和产后可能是心理压力(压力、焦虑或抑郁)增加的时期[1]，而多达20%的女性在围产期会有抑郁的经历[2，3.］．有相当多的证据表明，这一时期的心理痛苦对产妇健康有害，并可能对儿童产生长期的有害影响[4-7]，被认为是健康与疾病发展起源范式的一部分[8，9］．特别是，越来越多的证据表明，在子宫内和生命的最初几年，不良心理健康状况通过这些途径在两代人之间传递[10］．因此，具有成本效益的、可获得的干预措施，既能支持持久的积极心理健康，又能预防心理健康问题的症状，对公共卫生至关重要。促进福祉的心理健康干预措施不仅有可能改善妇女的结果，而且有可能最大限度地减少负面健康影响传递给下一代的风险。

健康促进战略旨在使亚临床状态良好的人群获得最佳的健康和技能，以应对逆境。因此，重要的是，不仅要努力治疗疾病，还要发展个人的情感技能，以便在日常生活中应用。11］．针对围产期妇女的心理干预也被证明在数字化分娩时是有效的[12］．数字干预——即计算机或基于网络的干预——可以通过计算机、平板电脑或智能手机在离线或网络上进行。在这种形式下，广大地理区域内的许多人都可以以具有成本效益和灵活的方式获得干预措施[13］．基于网络的干预措施可能在围产期特别有用，因为这一人群面临的无障碍问题以及许多孕妇在互联网上搜索健康信息[14，15］．此外，这些干预措施可能有助于克服妇女在试图获得传统围产期健康、心理困扰预防或治疗项目方面存在的许多障碍，特别是在引导心理社会护理系统方面的挑战[13］．由于COVID-19大流行而实施的广泛限制，为获取精神卫生和福祉信息和服务造成了额外障碍[16］．

数字化心理健康干预

尽管最近的一项系统综述提供了初步证据，表明基于网络的干预可能是一种有前途和可取的产前干预形式[13]，但这些项目的长期有效性缺乏证据。[17］．影响数字精神卫生干预(DMHI)实施的许多问题，如可用性问题、卫生保健提供者缺乏宣传以及缺乏长期结果数据;最终，项目参与是关键。有效的循证方案得不到充分利用，可能会减少妇女和婴儿提高自身福祉的机会，从而限制公平的公共卫生福利。

退出干预和失去随访会降低治疗效果[18］．尽管人们一直在争论各种策略，包括电子邮件提示，短信短信，和家庭作业是帮助参与者发展可应用、练习和持续的干预技能的方法[19]，目前尚不清楚DMHIs研究使用或评估这些策略的频率。尽管研究证明了干预对那些仍在研究中的人的有效性，但我们认为，衡量参与程度与衡量有效性的基准同样重要。基于网络的干预提供了更多的工具来了解参与者的参与度，以及它与短期和长期的留存率和干预结果之间的关系。这些信息可以用来理解用户粘性的动态。18以及如何在干预措施的开发和交付中加强这些特征。

参与评估

人们普遍认为，只有严格遵守规定的治疗方案，才能充分发挥许多有效治疗的疗效[20.］．最近的检讨[21，22]一直在强调这些关于低参与度和留存率的挑战，特别是对于数字项目来说，这些项目的覆盖面和使用率往往很低[13］．持续参与是一个复杂的过程，已被确定为干预成功的关键因素[23］．然而，缺乏系统的方法来评估敬业度，特别是在现实环境中。比较不同研究之间的项目参与是困难的，因为用于评估参与结果的策略范围广泛[22，24］．因此，应用结构化的过程来评估参与度可以使比较更有意义。

评估面对面项目参与度的框架之一是“连接、参加、参与和制定”(CAPE)模型，它可以适用于基于网络的项目。25］．CAPE模型在不同的干预阶段确定并定义了参与的四个方面。首先,连接涉及有多少人表示有兴趣参与干预的那些合格的。第二,参加指持续存在，例如参与者完成干预会话的次数。第三,participatE是参与者积极参与干预内容的程度，例如完成干预任务并留在项目中。最后一部分，制定，指参与者将干预策略或知识作为日常生活的一部分。虽然这是为了指导面对面的育儿计划参与研究而开发的，但它可以很容易地应用于理解和测量研究背景下的数字干预参与。

目标

在公共资源紧张的情况下，政策制定者和规划管理者希望投资于有科学证据支持的有效的、引人入胜的预防规划，并带来长期效益。在这些考虑因素中，干预参与必须是最重要的，因为这将最终决定目标人群在社区实施干预时接受和受益于干预的程度。系统综述是一种有影响力的决策工具，因为它们总结了一整套科学研究;确定对政策及实务的影响[26，27];而且可以用来指导投资决策，特别是针对复杂的问题，比如糟糕的代际心理健康。

本系统综述旨在了解在围产期对有亚临床情绪症状的妇女实施基于网络的心理、心理健康或幸福干预研究的报告和参与水平。

具体来说，我们的目标是(1)了解研究如何报告敬业度，敬业度定义为包含CAPE模型中的4个步骤;(2)在此基础上，就报告DMHIs参与情况的最佳实践提出建议;(3)了解该领域介入研究的参与水平。

为了最大限度地发挥这一系统综述的效用，我们打算开发未来公共卫生使用的实用工具:从文献中开发一个逻辑模型，参考变化理论，使用CAPE框架评估研究，并为未来的数据收集制定指南，以便在基于网络(和离线)的干预措施中实现一致的参与报告。

方法

本系统评价中使用的方法结合了标准、严格和透明的评价方法，采用Cochrane无元分析综合(SWiM)报告指南[28]结合逻辑模型的发展来理解变化理论。

搜索策略

综述问题、检索策略、纳入标准和方法在PROSPERO (International Prospective Register of Systematic Reviews;批准号CRD42020162283)。研究问题如下:关于围产期妇女参与数字心理健康和福祉项目的情况，我们知道些什么?进行了系统的数据库检索，以确定与本综述目标相关的论文。最初的搜索由第一审稿人(JAD)进行，使用Ovid平台MEDLINE、PsycINFO、EBSCO平台上的EMBASE、Scopus、Web of Science和医学主题标题按需搜索过去10年(即从2010年1月1日到2020年5月29日)发表的所有英语文章。使用了搜索策略中确定的相关关键字和索引术语，并为每个数据库制定了单独的搜索标准。中提供了所有的数据库搜索策略多媒体附件1．2019冠状病毒病大流行的影响推迟了本文的发表;因此，随后的快速审查于2022年5月进行，并在谷歌学者高级搜索中进行，以检索2020年6月以来的任何进一步出版物。

研究的确定及资格标准

该搜索策略的目的是确定报告在怀孕期间和之后参与和保留女性数字心理健康和福祉项目的研究。使用人口、干预、比较、结果和研究框架制定了明确的纳入和排除标准，以指导参与者、感兴趣的干预或现象、比较物、结果、研究设计和背景的纳入标准(文本框1)．

选择研究

所有根据标题和摘要符合条件的论文都被检索出来进行筛选。第一作者(JAD)审查了所有论文的标题和摘要，评估了资格，并指出了任何排除的原因。全文文章由第一作者(JAD)和第三作者(LYG)独立评审。一旦第三作者(LYG)审阅了论文，任何差异都将通过团队讨论解决。对纳入研究的参考文献列表进行了检查，以确定其他相关论文。

研究特征编码与数据提取

使用为本综述开发的Microsoft Excel(版本2020)数据提取表记录文章的关键特征。这些特征包括研究的一般信息，如国家和作者，以及关于研究设计、比较国和干预类型的具体信息。对研究特征的编码使我们能够将研究分组，作为我们综合研究的一部分。由于我们的主要目的是了解研究人群的参与情况，因此我们对评估时间点、参与措施以及人员流失和依从性报告进行了描述。使用CAPE框架提取与审计业务相关的数据;这包括招聘、保留、流失和后续时间点的变量。框架分析方法[29]被用来确定哪些变量应该包含在CAPE框架的每个步骤中。

逻辑模型的开发

逻辑模型可以帮助概念化复杂的审查问题，并指定分析环节，以测试程序按预期工作的合理性[26］．逻辑模型通常说明了支持干预如何导致即时(或短期)结果，然后导致长期结果和影响的推理链[30.］．该模型的一个关键部分是详细说明通路内变化的机制以及可能与结果相关或影响结果的调节和中介因素。这通常被称为变化理论[30.］．在这项系统综述中，研究团队开发了一个逻辑模型，以帮助理解CAPE框架如何以及何时应用于解释不同参与变量在促进数字围产期心理健康和福祉项目结果中的作用。项目团队利用文献中的主题和团队的集体知识和经验，共同开发了逻辑模型。为了开发逻辑模型，我们整合了在选定的研究中发现的可用于评估用户粘性的粘性指标类型(图1)．

‎ 查看此图

质量评价与偏倚风险

本综述中纳入的研究的偏倚风险基于Cochrane协作组用于评估每一类研究(即随机对照试验[rct]和非rct)偏倚风险的工具，本综述采用了偏倚风险，并根据Cochrane偏倚风险工具将其分为低、不确定或高。31以及这项系统评价的主要目的(即参与而不是疗效)。研究质量的评估由第一作者(JAD)进行，并由项目团队进行评审。多媒体附件2［17，32-46]提供了纳入研究的偏倚风险评估的详细信息。

结果综合

由于本系统综述综合了多种干预措施的结果，我们使用了SWiM指南[28以促进透明的报告。SWiM项目可以对研究进行分组，并为用于研究结果综合的标准化指标的报告提供指导。具体来说，我们采取了以下步骤:

1. 总结每项研究的特点，并报告干预措施实施、招募和参与活动、研究结果、报告的减员和方法学质量
2. 通过比较各个研究(例如，数字平台类型和产后与产前)，确定哪些研究足够相似，可以在每个比较中进行分组
3. 确定哪些数据可用于综合
4. 综合各研究的特点
5. 对适当的定量数据进行统计综合，并通过定性数据的元综合方法进行全面的批判性评估
6. 对于本系统综述中包括的每一项试验，我们记录了评估合格性的试验参与者、被招募的试验参与者以及分配到干预组和控制组的试验参与者的数量;通过评估基础R (R Foundation for Statistical Computing)统计包中招募率、完成率和随访损失率的比例来综合招募率、试验完成率和随访损失率[47];综合数据报告为森林样地[48］．

结果

包括研究

电子搜索生成了3473项潜在符合条件的研究的数据库，这些研究使用了审查资格标准进行了评估。去除重复(680/3473,19.58%)后，对所有标题和摘要进行资格筛选。总的来说，在3473项研究中，筛选了2795项(80.48%)记录，根据纳入或排除标准排除了2654项(76.42%)记录(文本框1)．第一次筛查后，5.31%(141/2654)的潜在研究仍然存在;全文文章由第一作者和第三作者进行资格评估。其余141项研究中，125项(88.7%)经项目团队协商一致排除;第一和第三作者独立筛选了团队验证的论文，最终选择了16篇(11.3%)研究纳入综合。最后的研究根据研究设计进行分组。

文献检索和纳入过程详见PRISMA(系统评价和元分析首选报告项目)流程图(图2)．搜索流程图显示了使用PRISMA指南选择进行综合的论文[49］．在2022年进行的二次快速检索没有产生任何符合我们特定纳入标准的额外论文。

‎ 查看此图

结果综合

概述

这项系统评价的主要目的是评估妇女参与数字精神健康或福祉干预措施的情况;因此，标准化度量和变换方法[28]在所有研究中使用的是那些用于评估参与度而不是幸福感效应大小的研究。在研究特征分析方面，我们根据研究设计对16项干预措施进行分组，以便在广泛的研究类型中进行内聚性比较。第一组为随机对照试验(rct)(6/ 16,38%)，包括主动组和对照组。一般而言，随机对照试验随访时间较长(最长12个月)。第2组包括非随机对照试验(3/ 16,19%)，无活动比较者，随访时间短或无随访期。第3组包括试验性随机对照试验(7/ 16,44%)，包括主动组和控制组以及随访期。

研究特点

在所有小组中，都有一系列的治疗方法，包括认知行为疗法、育儿教育、积极心理学、正念和基于同情的训练。一些研究使用心理教育方法来建立为人父母的自我效能感，如Chan等[50]，肖雷等[51]， Corno等[32]，以及蔡等[34］．在第一组中，总体而言，25%(4/16)是自助互联网干预，13%(2/16)是基于智能手机的移动应用;在第二组中，所有这些都是自助互联网干预;在第三组中，除了巴雷拉等人的研究外，所有的研究都是通过互联网干预进行的[37]，这是一个SMS文本消息程序。此外，13%(2/16)的研究包括对生理生物标志物的评估:38]和Matvienko-Sikar和Dockray [41］．本文对该研究的特点进行了总结表1-3.(更详细的报告载于多媒体附件2，包括干预结果)。在这篇综述中，我们报告了为每项研究收集的参与度量作为CAPE度量。

评估用户粘性的变量

概述

参与者敬业度采用CAPE敬业度模型进行评估[25]，将在以下部分中详细描述。所有研究中有四分之三包括报告试验综合标准(CONSORT)参与者流程图，其报告具有相似性(即登记、分配、随访和分析)。在促进参与和提高留存率(出勤率和参与度)的策略方面，使用和报告了各种方法，包括电子邮件和文本提醒、同伴支持功能以及给参与者打电话。

联系:曝光和注册

连接在操作上定义为进入研究并开始干预的参与者相对于了解该研究的参与者的比例。尽管许多研究报告曝光针对目标受众的方法，例如，通过Facebook、Twitter、基于网络的电子邮件列表、社区网站(医疗和零售)和第三方网站(Ashford等[13]， Krusche等[54]，以及Felder等[33])，很少有报告涉及广告和其他招聘手段的总人数。许多研究报告了初次接触的合格参与者。例如，Barrera等[36]报告的符合条件的参与者(n=5071)为女性，怀孕，年龄≥18岁，对个人使用的研究网站感兴趣。在这一组中，2966名参与者通过签署知情同意书继续参与研究。另有2114名潜在参与者被排除在外，报告的原因包括网站错误、重度抑郁发作的当前或缺失状态以及基线不完整。最终随机化的参与者人数为852人。考虑到招聘方法和随机化之间的巨大差距，在这一过程的每个阶段报告指标可以突出必须在哪些方面努力以提高参与度。

本综述中的所有研究都报告了干预的入组率，我们将入组率定义为开始干预的人数相对于对研究表示兴趣的人数。转换到开始是基于多种因素，而不仅仅是参与者参与的决定，既依赖于纳入或排除标准，也独立于纳入或排除标准。本综述中的大多数研究报告了排除的原因，从缺乏联系或完成基线调查到精神痛苦评分升高。入学率从82%不等(Chan等人[50];组1)从符合条件的研究样本开始，最低入组率为12% (Duffecy等[39];一般来说，第1组研究的入组率(聚类约为60%)高于第3组研究(聚类约为25%)。只有一项研究报告了旨在增加入学人数的策略。杜菲西等[39]在试点试验前采取了以用户为中心的设计过程，让目标人群中的妇女参与干预建设过程。然而，这项研究也报告了最低的入学率。

出席:保留和持续存在

在面对面的干预中，出席指每个参与者参加会议的比例。理想情况下，对于数字干预，出勤率将是完成干预量的衡量标准(例如，干预模块相对于模块总数的平均数量)或类似的指标，例如完成所有基于网络的干预的参与者数量。这一信息在本综述所包括的任何研究中都没有提及。因此，我们计算了干预的代理出席作为研究出勤率，在操作上定义为干预保留和持续存在(与干预持续互动)，在干预组和对照组(使用对照组)。所有的研究都报告了参与者与完成研究的人的留存率。

Ayers等人报告了最高的研究保留率(第1组和第3组)[3590%。巴雷拉等[36的干预留存率最低，为13%。（图3［13，50-54),图4［35，36，39-41])。

在控制臂中，Guo等[53]的参与者保留率最高，达到89%，而Barrera等人[36的比例最低，为13%。

‎ 查看此图

‎ 查看此图

参与:积极参与

参与在操作上定义为干预活动的完成;也就是说,积极参与用干预材料。鼓励参与的后续提示在不同的研究中有所不同;然而，大多数情况下，每周都会有短信、电子邮件和电话等提醒。使用广泛的指标来报告每项研究的持续参与情况，包括模块视图、模块和家庭实践完成情况、使用基于web的组件、应用程序的使用(登录频率)和其他相关服务(如产前课程)、支持电话的数量和持续时间，以及基于web的日记条目。记录这些活动的异质性适用于干预策略的类型，但限制了我们一致报告和跨研究比较的能力。

实施:持续的实践(导致长期的幸福影响)

有限的随访期限制了我们报告参与者应用和练习学习技能的能力[24］．所有研究都通过自我报告评估、访谈、项目可及性、可接受性和满意度的组合来报告干预后的即时随访;然而，这并不一定包括将技能付诸实践的评论。大约31%(5/16)的研究进行了干预后访谈，以揭示有用性、满意度、经验和参与等结果。这些访谈为用户体验提供了更可靠的信息，并为参与或制定(或缺乏)的原因提供了一些见解，但不一定是制定本身(即干预技能的使用)。例如，基于互联网的《我在担心什么》(Ashford, 2018)被认为不够友好，时间太长，对智能手机不友好。部分内容被认为并不总是相关或适当的。参与者认为，该项目可以通过智能手机应用程序的形式进行改进，并使内容更加简洁，包容不同的育儿方式。郭等[53]具有最高的参与率和最长的随访期(产后12个月)，参与者认为该计划非常有用。

逻辑模型开发

通过对每项研究的分析和报告，我们记录了在选定的研究中发现的可用于衡量敬业度的定量和定性措施的类型。这使我们能够系统地构建一个逻辑模型，基于我们对干预预期如何工作的理解。由于我们没有进行荟萃分析，因此这一点与本系统综述尤其相关。如前所述，我们将与CAPE框架相关的变量分组;逻辑模型包括一系列指标，可以在综合参与数据时系统地报告，以直观地解释变化的基本理论。

逻辑模型(图1)包含6栏，详细介绍从投入(参与战略)到长期结果或影响的预期途径。这种方法对干预采取了长期的观点，以实现其预期的结果。为了建立这个模型，我们在这个系统综述中纳入了每个研究中采取的措施类型，以及在更广泛的文献中发现的更广泛的CAPE措施。逻辑模型指示路径中应该收集数据的点。行动机制是使用基于力量的方法促进参与的因素。

作为系统评估的一部分，我们的目标是为未来的数据收集制定指南，以便在基于网络(和离线)的干预中实现一致的参与报告。表4概述了一系列可以在未来的数据收集和报告中持续应用的指标，以增强对参与的理解，并进行比较干预评估。

讨论

主要研究结果

在本系统综述中，我们根据研究类型对所选研究进行分类，并评估其个体特征和汇总特征。我们应用了CAPE框架[25所有的研究，以便我们可以共同评估和比较联系，出席，参与，而且制定．连接和出勤率测量的报告在各个研究中是相当标准化的，并且经常使用CONSORT图进行报告;因此，符合条件并表示有兴趣参与的人数，招募并进入研究的参与者比例，以及随机并随访的参与者比例，包括治疗未开始而流失率也很明显。大约75%(12/16)的研究提供了CONSORT参与者流程图(表明出勤率方面);然而，图表之间的报告类别和术语是不同的。一般来说，最不常报告的领域是制定(即干预技能在现实世界的使用)，只有38%(6/16)的研究清楚地记录和报告了在干预中学习的技能的满意度、有用性、帮助性和感知益处等结果。

一些研究报告了增加的策略连接．例如，Ashford等人[13包括招聘方法的具体细节，比如社交媒体平台、亲子网站，以及在临床环境中使用海报和传单。然而，其他研究报告了招聘方法的极少细节(例如，Guo等[53])。没有研究报告背景目标人群规模的信息;也就是说，符合条件的参与者的潜在总数。这可能是一个有用的未来指标，可以确定和报告目标人口的总覆盖率以及吸引他们的有效战略。

如前所述，出席是通过模块或类似练习来衡量DMHI的完成程度。由于这没有明确的报道，为出席，我们计算了干预的代理出席作为研究出勤率，操作上定义为干预保留和持续存在，包括干预组和对照组(rct)。郭等[53]在干预组和对照组中，参与者保留率最高，随访参与者失踪率最低;干预组抑郁、焦虑行为明显改善。本研究中的女性在基线时表现出较高的心理困扰风险;虽然他们符合我们的入选标准，但他们可能有更强的入学动机。杜菲西等[39]在试点试验之前进行了以用户为中心的设计过程，让目标人群中的妇女参与干预建设过程，并就主题、站点和潜在应用的可用性等方面进行咨询。从理论上讲，这应该是支持的出席减少流失率，提高留存率;然而，从基线评估到产后6周的辍学率很高(63%)[39］．我们建议未来的研究报告两者干预出勤和研究出勤率是不同的指标。

基于网络的干预的一个关键问题是缺乏参与［18］．访问和使用网络干预的日志可以让研究人员深入了解人们的行为。正如Piotrowska等人[25)建议，“CAPE模型提出，尽管与父母联系并鼓励他们出勤非常重要，但积极的参与对养育子女影响最大。”数字干预提供了工具，可以更多地了解参与者的参与度，以及这与留存率和干预结果的关系，以及如何通过使用不同的持续参与策略来改善这些结果。裘槎等人[18使用剂量、暴露量或依从性等数据量化参与者参与。在这项系统综述中，除了Duffecy等人[39]及Barrera等[36］．未来研究的其他建议指标包括下载建议的资源或网站，观看建议的视频，完成测验和家庭作业，或其他表明参与者持续参与干预的指标。其他有潜力但仍未被充分开发和利用的功能包括聊天机器人、游戏、讲故事、奖励、虚拟形象和个性化[42］．可以开发这些功能来提高干预、一般应用程序使用和研究的参与度。

制定很难定义，但应该用表明参与者将他们从项目中学到的东西付诸实践的措施来表示[24］．这些研究的有限随访限制了我们报告这些标准的能力。只有一项研究，Guo等[53]，进行了任何时间长度的随访，只有31%(5/16)的研究进行了退出或随访访谈[13，33，35-37］．这些访谈为用户体验提供了更可靠的信息。评估技能发展和使用的研究强调了自我引导网络疗法的潜在途径，如认知行为疗法，作为积极临床改变的机制[43，44］．虽然这些研究针对的是临床群体，但它们有助于加强在干预持续时间之外捕捉行为技能适应的需求。

如果应用程序开发人员想要务实地接受和有效地干预，了解现实世界实用和实践的障碍和推动因素是至关重要的。充足的资源可能是纵向随访的一个因素;然而，为了利用干预措施的影响和成本效益，研究应在概念化设计过程中考虑长期评估。然而，更容易和低成本的实施措施是可能的，并建议用于未来的研究，包括关于在干预期间使用技能的频率的问卷调查。

使用逻辑模型解释结果

作为综述的一部分，我们开发了一个逻辑模型来促进复杂干预研究的收集和整合过程，以更好地为我们对累积结果的解释提供信息。逻辑模型包括在每个研究中使用的综合数据捕获和交战方法。理论上，逻辑模型需要调节或中介因素来理解路径如何发展。在这些研究中，有一个共同的基于力量的方法，如技能发展，信心，满意度和自我效能。总的来说，数据收集的异质性意味着我们无法进行荟萃分析;然而，数据收集的方法和类型的范围有助于指导未来针对这一人群的基于网络的干预措施，并帮助决策者理解干预措施如何发挥作用的基本原理，以及是什么使参与者参与并最终实现预期结果。

有必要更多地了解个人层面的、现实世界的因素，以影响家庭和最小接触实践干预的参与度，以确定参与者如何体验干预，以及这与他们的结果如何相关[19］．退出访谈和后续访谈可以更深入地了解参与者的经历，以加强该模式在现实生活中的持续参与。干预的经验需要是用户友好的、可访问的和积极的，在推广材料时应该考虑到这一点，这是最有效的，有助于用户从一开始就参与进来。

本系统综述的局限性

由于本综述中的研究在研究设计、治疗干预方法和提供、随访时间和结果测量方面存在差异，我们使用CAPE框架总结了参与数据，但无法对数据进行meta分析。在许多研究中，流失率很高，参与者的数量很少，特别是在一些初步研究中。由于大多数研究的随访有限，我们无法就增加我们对持续练习的理解方面进行报告。关于订婚行为的报告和术语并不一致。研究之间的语言不一致和术语的互换性，例如减员、退出、退出和失去随访，使直接比较和系统分析具有挑战性。这篇综述的另一个潜在限制是缺乏英语以外语言的研究。此外，系统审查的长期性意味着最初的搜索工作已于2020年结束，并受到COVID-19大流行造成的延误的影响。从那时起，其他的研究可能已经发表，但没有包括在本综述中，但这并不一定会影响我们的一般结论或使用逻辑模型或报告矩阵的影响。

优势及未来工作

利用几个框架的能力增强了这种系统的审查。SWiM指南是Cochrane方法的一部分，指导了我们的综合和报告。此外，CAPE框架提供了一种基于证据的方法来报告干预参与情况;使用这个框架，我们能够为未来的报告提出明确的度量标准。建议未来的研究提供参与分析，以更清楚地界定研究和干预依从性，特别是更长期的制定或持续的实践，以反映实用实效。研究团队非常注重研究成果的翻译;因此，逻辑模型的结合为决策者(如政策制定者和专员)提供了一条清晰的途径，以解释和指导该研究领域未来数字干预的关键结构和评估指标。

有大量证据表明，在网络上提供的心理课程可以有效地治疗和预防心理健康问题;然而，对这些项目的接受可能不是最优的，并且仍然缺乏关于如何增加对循证项目的参与的证据[45］．坚持不良是基于网络的心理健康项目的一个共同特征，这影响了干预结果[45并限制了现实世界的有效性。艾森施塔特等人[42]在他们最近的系统综述中讨论到，坚持和保留仍然是研究质量的挑战，很少或没有关于研究中退出原因的信息。需要进一步的研究来揭示经验的关键结构，包括微观层面的报告和通过一对一的课程后访谈进行的定性、现象学调查。未来使用CAPE框架的DMHI报告可用于确定干预措施的成本效益;也就是说，如果转换率、招聘率、保留率和参与率高，干预可能更具成本效益。然而，这必须与干预的有效性和实际应用一起考虑。从事研究研究的动机与现实世界的参与体验非常不同。

技术的进步，特别是互联网，已被证明是培养个人技能的有效工具，因为它既便宜又容易获得，无论是在地理上还是在时间上。尽管取得了可喜的成果，但互联网干预措施仍然没有得到广泛传播，也没有很好地融入卫生服务;要想成功做到这一点，一定程度上取决于参与。随着心理健康应用程序的激增，对患者和临床医生来说，在其中进行选择变得越来越具有挑战性。46］．为了解决这个问题，我们需要了解在实践中互联网干预的交付和可持续性的障碍和推动因素[17]，以及我们如何不仅让参与者而且让卫生从业人员参与支持和传播有效的干预措施。这种理解的加深将有助于对有针对性的福利项目进行适当的投资、优化和采用，例如为围产期妇女制定的福利项目，其最终目标是防止妇女及其子女的心理健康状况不佳。

结论

为了投资于可获得的、长期的、可持续的卫生解决方案，研究人员、政策制定者和临床医生必须确定可针对性地帮助特定风险群体或特定情况下的最佳干预措施。技术的进步，尤其是互联网，已被证明是培养个人技能的有效工具，因为它便宜且广泛可用。怀孕和产后是心理压力增加的时期;因此，这是一个以力量为基础的工具进行干预的最佳时机，以建立积极的自我效能。虽然在这一领域的一些研究证明了有效性，但很少有强有力的探索参与的构建，特别是，有限的证据表明，长期实施所学习的战略。我们的研究结果表明，在报告短期和长期参与者参与行为方面存在差异，我们建议在研究和现实环境中采用标准化指标来报告DMHI参与情况。这一系统综述为了解增强母亲及其婴儿心理健康的途径提供了一个框架。在世界范围内，无论在低收入国家还是高收入国家，心理健康状况不佳在整个生命过程中都在不断升级，[55，我们必须制定切实可行、以证据为基础、具有成本效益和可扩展的解决方案，以保护当代人和子孙后代。