重度抑郁症行为激活的理论框架检验:基于智能手机的生态瞬时评估研究

介绍

大多数抑郁症的心理治疗都是基于一个明确的理论框架，即特定的治疗应该如何引起患者情绪状态的变化。鉴于各种心理疗法已被证明对治疗抑郁症有效(例如，[1-4])，人们可能会认为理论框架也是基于证据的。然而，证明一种疗法是有效的并不等于提供证据或解释它实际上是如何起作用的[5-8]，即某一变量导致另一变量发生变化的过程[6，7]。除了针对整体治疗方案的有效性研究外，了解治疗如何针对被认为重要的特定因素之间的相互作用，最终可以提出具体的治疗建议或改进治疗方案(例如，[6-10])。对某种形式的心理治疗的基本理论框架进行验证，有助于优化治疗策略(例如，[6-10])，即指导更好、更强或不同的治疗策略，以支持治疗的关键过程(例如，[6-10])。

一种有效的抑郁症心理治疗干预是行为激活(BA)。BA的经验证据既广泛又令人信服;它既可以作为一种单独的治疗方法，也可以作为认知行为疗法(CBT)的一部分[11-13]。BA基于Lewinsohn等人的[14，15该理论认为，当一个人抑郁时，他们倾向于较少参与愉快或有意义的活动，从而导致他们体验到较少的快乐，而这反过来又会导致抑郁情绪的增加，等等。从这个角度来看，人们最终会陷入抑郁的恶性循环[14，15]，如左图所示图1。

‎ 查看此图

通过BA，患者通过自我监控自己的日常活动和相关情绪，了解到他们的行为方式会影响他们的感受，而反过来，他们的感受会影响他们的行为方式[11，12，16]。治疗师鼓励他们的病人安排并参与日常愉快的活动[12，17]。患者被告知，参与这些活动可能不会让他们立即体验到更大的快乐，体验快乐可能不会立即改善他们的情绪。相反，他们被告知这是一个需要时间的过程，随着他们继续从事愉快的活动，积极的结果将在适当的时候出现[12，17]。在Lewinsohn等人的[14，15的右面板显示了[]的模型图1。可以看出图1在美国，BA旨在通过增加患者参与愉快的活动来打破抑郁症的恶性循环。

目前，关于BA理论框架中假定的因果路径，可获得的经验证据相对缺乏[10，18-20.]。Janssen等[20.]试图通过进行系统回顾来解决现有知识中的这一空白，他们调查了BA对抑郁症的中介作用。在这篇综述中[20.]，参与愉快的活动和体验快乐所起的中介作用的证据并没有在考虑的研究中得到一致的复制。然而，作者确实得出结论，他们的评论并非没有其局限性。首先，一些纳入的研究的方法学质量较差，而不同的问卷被用来评估中介。此外，中介分析的结果并不一定能解释变化发生的过程，因为大多数研究只关注单向关系，而且缺乏时间依赖性[9，20.]。人们认为，不同变量之间的相互作用和纵向关联决定了心理功能[21]。因此，为了成功地描述BA的理论框架，需要进一步的研究，通过使用生态瞬时评估(EMA)方法来考虑相互作用和纵向关联[8，10，20.]。

EMA方法使我们能够在治疗过程中追踪患者之间不同变量变化的时间路径[9，10，20.，22]。利用电磁监测方法或实时监测，人们被要求在自己的生态环境中定期报告他们的情绪和其他相关现象(例如，[23-25])。传统上，EMA是通过纸笔日记和独立的技术设备进行的[25，26]。如今，基于智能手机的应用程序通常为EMA提供便利[25，27，28]。事实是，现象是在接近其发生时测量的，这有助于尽可能地避免回忆偏差[29，30.]。这一事实与患有情绪障碍的患者尤其相关，因为先前的研究表明，这一患者群体的回忆受到当前感觉的影响，更不用说对不愉快活动的回忆比愉快活动的回忆更多[31-33]。在过去的几十年里，EMA方法在情绪障碍研究中的应用激增。

本文旨在研究重度抑郁症(MDD)患者在BA理论框架中假设的(时间上的)关联，这些患者在常规精神卫生保健(MHC)的混合CBT (bbct)过程中，使用基于智能手机的EMA监测他们参与愉快活动的情况，他们在进行这些活动时体验到的愉悦感，以及他们相关的情绪状态。bbct将面对面(f-t-f)会议与基于网络和智能手机的组件集成到一个治疗方案中[34]。作为欧洲基于互联网的抑郁症治疗(TAU) (e- compare)试验的比较有效性研究的一部分，来自接受bbct和基于智能手机的EMA的患者的子样本(N=240)的数据被用于调查纵向相互关联[35，36]。

方法

参与者、程序和治疗方案

e - compare是一项在8个欧洲国家进行的随机对照、非劣效性试验。该试验的主要目的是比较bbct与常规治疗(TAU)治疗重度抑郁症的临床疗效和成本效益。对于该试验，建立了通用的bbct协议[35，36]。e - compare的研究方案给出了bbct方案的完整概述[36]。简而言之，bbct协议的核心组成部分反映了传统的f-t-f CBT:(1)心理教育，(2)BA，(3)认知重构，(4)复发预防。然而，在bbct中，f-t-f课程被在线模块取代并交替进行[34，37]。f-t-f会议的主题与在线会议的内容相匹配。更实用的部分在网上授课(如心理教育、完成家庭作业)。在f-t-f会议期间，卫生保健专业人员的重点是与过程相关的治疗结果(即讨论感受和想法)，讨论家庭作业，并提供支持[36]。虽然方案包括相同的核心组成部分(包括BA)，但bbct是在专业MHC的初级保健中提供的，治疗师被授予一定的自由，可以根据当地的需要定制方案。为了确保协议适合他们当地的情况，治疗师被允许调整治疗时间和f-t-f会话与在线会话之间的比例。此外，治疗师被允许加入一些额外的成分(例如，正念或解决问题)，但这不能超过总治疗的25% (f-t-f和在线治疗的总和)。此外，基于本地可用性，使用了不同的基于网络和智能手机的应用程序。表1显示每个国家的bbct格式。

与传统的f-t-f CBT一样，本研究中的BA成分基于Lewinsohn等人的[14，15抑郁症的理论，旨在增加患者对活动的参与。BA成分在治疗早期开始，在整个治疗过程中(f-t-f)会议中一直是一个反复出现的话题。在f-t-f会议期间，患者被卫生保健专业人员激励去安排和参与(潜在的)愉快的活动。患者可以(重新)在线阅读BA的基本原理，阅读所谓的活动列表，可以用来获得灵感，并使用平台作为工具来指定和安排该周参加哪些活动。基于智能手机的EMA应用程序用于监测活动的参与度，这些活动带来的愉悦体验以及治疗过程中的情绪状态。虽然f-t-f和在线课程大约每周一次(交替)，但患者被鼓励在治疗中发挥积极作用，并在疗程之间在自己的环境中练习。

在2015年2月至2017年12月31日期间，患者从初级保健(德国、波兰、西班牙、瑞典和英国)和专业MHC设置的门诊(法国、荷兰和瑞士)招募[35，36]。患者的医疗保健专业人员询问他们是否愿意参加这项研究。入选标准如下:(1)必须年满18周岁;(2)满足精神障碍诊断与统计手册，第四版(DSM-IV)， MDD的标准，由Mini国际神经精神病学访谈(M.I.N.I.) 5.0版确认[38，39];(3)在患者健康问卷-9 (PHQ-9)中报告轻至重度抑郁症状(得分≥5分)[40，41]。排除标准如下:(1)已经在主要或专门的MHC环境中接受抑郁症心理治疗;(2)自杀风险高，或被DSM-IV诊断为物质依赖、双相情感障碍、精神疾病或强迫症，并经M.I.N.I. 5.0版确认[38，39];(三)不懂居住国语言文字的;(四)不能使用高速互联网连接的计算机;(5)没有与Android操作系统兼容的智能手机或不愿意携带研究团队提供的智能手机。有关两国具体情况和招聘程序设置的详细信息，请参阅[35，36]。

符合纳入标准的患者(N=943)被随机分配接受bCBT (N= 476)或TAU (N= 467)。为了本研究的目的，最初只选择随机接受bbct的患者，因为分配到TAU组的患者没有被邀请完成基于智能手机的EMA测量。在476例bbct患者中，152例未接受治疗(从未参加第一次治疗，在第一次治疗后退出，从未登录平台)或未提供任何每周EMA报告。在剩下的324名患者中，所有患者都报告了他们的情绪，但其中84人未能完成他们的活动或快乐水平的报告。这导致了240例患者的分析样本，他们在每周EMA报告中报告了所有3个感兴趣的变量(活动，快乐和情绪)。通过分析随机分配接受bCBT但不符合研究纳入标准的e - compare患者(n = 476 - 240 = 226)与纳入本研究的患者(n =240)在人口学和临床特征方面的潜在差异，检验潜在选择偏倚。这些分析的结果在“结果”一节中给出。

措施

人口学及临床特点

在基线时，收集有关人口统计学和临床特征的信息。基本人口统计包括年龄、性别和教育水平。这些信息是通过基于网络的调查问卷获得的。临床特征包括当前的重度抑郁症诊断和其他(共病)精神诊断，抑郁症的严重程度和抗抑郁药物的使用。当前重度抑郁症和当前共病精神障碍(心境恶劣、伴或不伴广场恐怖症的恐慌症、广场恐怖症、社交恐怖症、广泛性焦虑症、创伤后应激障碍)的存在根据DSM-IV标准进行定义[39]并使用m.i.i. 5.0版[38]。患者通过填写基于网络的PHQ-9量表来报告其抑郁症的严重程度[40-42]。本问卷共9项，每项涵盖DSM-IV的1项重度抑郁症诊断标准[39]。问题的回答范围从0(完全没有)到3(几乎每天)，根据前两周的经历。总得分表明抑郁症状的存在和严重程度:无(0-4)、轻度(5-9)、中度(10-14)、中度(15-19)和重度抑郁(20-27)症状[40，41]。PHQ-9的最后一个项目评估自杀意念(即死亡或自残的消极想法)。e - compare的研究人员并没有积极监测或回应自杀意念的报告，因为这不是一个独立的在线治疗服务。提供治疗的MHC专业人员被认为是非常合格的，并且经过培训，可以识别和解决患者的自杀风险。

基于智能手机的愉快活动、愉悦感和情绪EMA

报告当天的活动信息，即参与愉快活动的程度，是通过以下问题收集的:“你今天完成愉快活动的程度有多大?”这个问题是在视觉模拟量表(VAS)上回答的，范围从1到10，小数点后有一个精确数字，分数越高表明越参与愉快的活动。快乐，即通过这些活动体验到的快乐的主观评价，在报告当天通过“你有多喜欢今天的活动?”这个问题来衡量。这个问题是在VAS量表上回答的，范围从1到10，小数点后有一个精确数字，分数越高表明体验到的快乐越多。最后，通过以下问题收集有关患者当前情绪的信息:“你现在情绪如何?”这个问题是在一个VAS量表上回答的，范围从1(最差)到10(最好)，小数点后有1个精确数字。因此，分数越高，表明他们在报告当天参与的愉快活动越多，体验到的快乐越多，情绪也越好。

EMA方案在治疗过程中有所不同。在治疗的第一天和最后7天，患者被要求在每天3个不同的场合(上午10点左右，晚上8点左右，上午10点到晚上10点之间的随机时间)评估他们的情绪。在这些特定的几周内，在晚上8点的提示，患者也被邀请报告他们愉快活动的水平和体验到的快乐。从治疗的第二周到最后一周，患者被要求在每天上午10点到晚上10点之间的随机时间对自己的情绪进行一次评估。此外，每周随机安排1个晚上(晚上8点)，请患者对他们参与愉快活动、体验愉悦感和情绪进行评分。尽管患者被要求尽快完成问题，但他们的时间范围为60分钟。此外，除了固定提示外，患者还可以在任何时候自由报告自己的情绪。EMA方案在整个治疗过程中有所不同，因为EMA组件在治疗中用于支持手段。第一周是让患者适应EMA应用，但期望临床环境中的患者在整个治疗过程中每天完成完整的日记被认为是不现实的[35，36]。

在本研究中，计算EMA报告的每周平均值，以确保所有患者具有相同数量的测量点。3个问题的每周平均值在3个月的时间内被计算出来，这导致每个患者的活动、快乐和情绪的12周EMA报告，因为考虑到bbct方案的平均长度，3个月被认为是检查变化过程的合适时间范围[36]。

统计分析

对基线人口统计学和临床特征进行描述性统计。为了回答主要的研究问题，我们进行了线性混合模型(LMM)和随机截距交叉滞后面板模型(RI-CLPM)分析。首先，我们执行了多重输入(MI, m=100)来输入缺失的EMA周报。在数据集中，12周报告中分别有18%、54%和54%的报告缺少情绪、快乐和活动。全信息最大似然(FIML)和最大似然(MI)是两种被认为最适合处理缺失数据的技术[43，44]。在RStudio中执行RI-CLPM时，处理缺失观测值的默认设置是film [45]。然而，我们选择应用MI，因为这种技术允许在RStudio中运行RI-CLPM时更方便地将辅助变量合并到模型中。辅助变量是在最终分析中最终分析的变量旁边包含在模型中的附加协变量。有人认为，添加辅助变量可以大大改善对缺失数据的处理[46]。

我们使用Amelia ii - r包(版本1.7.6)执行MI [47]，因为这允许时间序列数据的MI。该包使用基于引导的期望最大化引导算法来估算缺失的观测值。它使用数据集中存在的所有信息，允许将先前已知的信息纳入估算模型，并提供模型的诊断[47]。在本研究中，患者ID被纳入固定效应。通过将导联(前一次测量[t - 1])和滞后(下一次测量[t+1])纳入imputation模型来考虑时间。通过设置1到10之间的逻辑界限来包含先前已知的信息，因为这是EMA问题的答案范围。辅助变量包括性别、年龄、教育水平、基线时DSM-IV合并症诊断、基线时PHQ-9、3个月后PHQ-9和基线时抗抑郁药使用情况。通过检查过插补诊断图来检查插补模型的诊断。请参阅多媒体附录1［48-54]获取更多关于缺失数据和MI过程的信息。

接下来，使用3个独立的lmm检查治疗期间参与活动，愉悦体验和情绪状态的发展。EMA报告的周平均值被添加为因变量。为了检验我们的主要研究问题，我们对无约束的ri - clpm进行了估计。同样，我们分析了EMA报告的周平均值。由Hamaker、Kuiper和Grasman提出的RI-CLPM [55]，是传统的CLPM [56]。CLPM是描述变量间交叉滞后关联的一种权宜方法[56]。然而，传统CLPM的一个主要缺点是无法提取人的影响;这是有问题的，因为这些影响反映了个人内部的过程，为了能够得出结论，一个变量的变化随着时间的推移是如何与另一个变量的变化联系在一起的，就同一个人而言。RI-CLPM分解了人与人之间和人与人之间的影响。图2提供RI-CLPM的可视化表示。

‎ 查看此图

RI-CLPM包括:

• 自回归系数(α和ζ)，表示结转效应(例如，X_t在X_{t+ 1)}。负系数表示，如果某一周的X得分高于整体均值，那么下一周的X得分很可能低于整体均值，反之亦然。反之，如果系数为正，则表示某一周的某项得分较高或较低，对应下一周的某项得分较高或较低。
• 交叉滞后系数(β和ε)表示两个变量相互影响的程度。在控制了Y的自回归后，系数显示了一周内变量X的任何偏差与下一周变量Y的任何偏差的相关程度。
• 协方差(γ)表示第一周X与Y之间的关联，而同周残差协方差(δ)表示协变变化，即同一周内X的内部变化与Y的内部变化的关联程度。
• 随机截距(RIs;η)，这反映了治疗过程中人与人之间的影响。

对ri - clpm的模型拟合进行了评价(1)P的价值χ²检验统计量，(2)标准化均方根残差(SRMR)，(3)标准化均方根近似误差(RMSEA) [57]，(4)比较拟合指数(CFI) [58]。为了使RI-CPLM能够很好地拟合数据，(1χ²检验统计量必须在统计上不显著(P>.05)， (2) SRMR必须≤0.08，(3)RMSEA必须≤0.05，(4)CFI必须≥0.95 [57-60]。

所有分析均在RStudio (R版本4.0.2)中进行。使用mitml- r包准备MI数据集进行汇总分析[61]。lmm使用nlme- r包进行[62]。对于RI-CLPM，我们从Mulder和Hamaker提供的(基本)模型语法中派生出模型语法[45]。为了在MI数据集上运行模型语法，我们需要semtools - r包[63];这个包为MI数据集提供了lavaan接口[63，64]。鲁宾的规则被应用于跨MI数据集的结果汇总[65]。P<。05was considered statistically significant. A more detailed description of the RI-CLPM [55，66， RI-CLPM的模型语法[45]， Amelia II, lavaan, mitml, nmle和semTools包[47，61-64，67和鲁宾规则[65可以在其他地方找到。

结果

样本特征

表2显示分析样本的基线人口统计学和临床特征。样本包括240名参与者，其中66%(158/240)为女性。平均年龄为37.3岁(SD 13.2)， 9%(21/240)、34%(80/240)和58%(139/240)的患者接受过小学、中学和高等教育。59%(142/240)的患者报告了一种或多种DSM-IV合并症，而30%(71/240)的患者目前正在使用抗抑郁药物。最后，13%(31/240)的患者报告轻度抑郁，35%(84/240)报告中度抑郁，30%(72/240)报告中度重度抑郁，22%(53/240)报告重度抑郁。

为检查潜在的选择偏倚而进行的分析表明，随机分配接受bCBT但不符合研究纳入标准(见方法部分)的e - compare患者(n= 476-240 =226)与最终纳入研究的患者(n= 240)在人口统计学和临床特征方面没有差异。

在治疗过程中，愉快活动、体验愉悦和情绪的发展

在12周的时间里，患者每周提供关于他们的活动、愉悦体验和情绪的EMA报告。由于缺失的数据是用MI技术输入的(见多媒体附录I)，因此每个患者的所有3个变量的12周EMA报告都是可用的。平均而言，参与活动(B=0.02, SE 0.01，t₈₄₉= 2.03,P= 0.04)，愉悦体验(B=0.03, SE 0.01，t₉₄₃= 2.95,P= 0.003)，情绪(B=0.04, SE 0.01，t₁₃₅₀= 6.2,P<.001)的患者在治疗过程中均略有增加。在任何分析中，年龄、性别、抑郁严重程度和抗抑郁药的使用都不被认为是混杂因素。

BA圈的纵向互易关联

参与愉快的活动和体验快乐之间的相互联系

图3展示了参与愉快活动和体验快乐之间相互关联的简化模型。拟合指数表明模型拟合良好(χ²₂₁₇= 52.35,P=。99，SMSR=0.05, RMSEA=0.00, CFI=1.00).

‎ 查看此图

在个人水平上，交叉滞后系数均无统计学意义;参与活动并不能预测体验快乐，反之亦然。在自回归系数方面，只有2条自回归路径显著:第2周至第3周参与活动的自回归路径(B=0.33, SE = 0.12;P= 0.01)和第2周至第3周体验快乐的自回归路径(B=0.30, SE 0.12，P= .02点)。正显著自回归路径表明，如果第2周的活动水平高于整体平均水平，那么第3周的活动水平也可能高于整体平均水平。第二周和第三周的快乐体验也是如此。此外，第1周的活动和快乐之间的协方差(协方差=2.47)以及第2周至第12周的残差协方差(残差协方差=1.46 ~ 2.07)均有统计学意义(均有统计学意义)P<措施)。这意味着，参与愉快活动的增加与同一周内体验到的快乐增加有关。

在人与人之间的水平上，参与活动和体验快乐是密切相关的(r= 0.88,P<措施)。这意味着在治疗过程中，参与更多愉快活动的患者也比那些参与较少愉快活动的患者体验到更大的快乐。

体验快乐和心情之间的相互关联

图4展示了体验愉悦和心情之间相互关联的简化模型。拟合指数表明模型拟合良好(χ²₂₁₇= 91.67,P=。99，SRMR=0.08, RMSEA=0.00, CFI=1.00).

‎ 查看此图

在个人水平上，交叉滞后系数均无统计学意义;快乐程度不能预测一周后的情绪，反之亦然。关于自回归系数，第2周和第3周之间的自回归路径在体验愉悦方面具有统计学意义(B=0.26, SE 0.10，P= 0.01)，而情绪各系数均呈显著正相关(B=0.24 ~ 0.45;P<措施)。这种正显著的自回归路径表明，如果第t周的体验快乐(或情绪)水平高于整体平均水平，那么第t+1周的体验快乐(或情绪)水平也可能高于整体平均水平。此外，体验愉悦与心情在第一周的协方差(协方差=1.52)以及第2 - 12周的残差协方差(残差协方差=0.51-1.01)均有统计学意义(均有统计学意义)P<措施)。这意味着在同一周内，体验到的快乐的增加与情绪的增加有关。

在人与人之间的水平上，体验快乐和情绪密切相关(r= 0.94,P<措施)。这意味着在治疗期间，体验到更多快乐的患者也比体验到较少快乐的患者心情更好。

情绪与参与愉快活动之间的相互关联

图5展示了一个简化的模型，在愉快的活动中情绪和参与之间的相互关联。拟合指数表明模型拟合良好(χ²₂₁₇= 98.65,P=。99，SRMR=0.08, RMSEA=0.00, CFI=1.00).

‎ 查看此图

在个人水平上，交叉滞后系数均无统计学意义。情绪不能预测一周后的活动参与度，反之亦然。有关的自回归系数，心境的自回归路径为正且显著(B=0.28-0.46;P<.001)，而对于参与活动，只有第2周至第3周的自回归路径(B=0.24，P=.02)差异有统计学意义。此外，第1周情绪与活动投入的协方差(协方差=1.43)和第2 ~ 12周的残差协方差(残差协方差=0.50 ~ 1.00)均有统计学意义(均有统计学意义)P<措施)。这意味着情绪的增加与同一周内参与活动的增加有关。

在人与人之间的层面上，情绪和参与活动之间存在很强的相关性(r= 0.82,P<措施)。这意味着在治疗过程中，情绪改善的患者也报告了更高水平的活动参与度。

讨论

主要研究结果

本研究首次尝试检验BA理论框架的三个构式之间的(时间上的)关联，该框架基于Lewinsohn等人的[14，15bCBT过程中MDD患者的抑郁理论。我们没有发现兴趣的三个变量之间的时间关系的证据:参与愉快的活动，体验快乐和情绪。然而，结果确实揭示了这三个变量之间的横截面正相关关系。此外，在治疗过程中，参与活动、快乐和情绪的水平略有增加。此外，随着时间的推移，情绪似乎是自我预测的，而参与活动或娱乐都不是这样。最后，在治疗过程中，在患者之间的水平上发现了参与活动、快乐和情绪之间强烈的正相关关系。

与以往文献比较

首先，我们感兴趣的是考察BA理论框架的时间维度。在这方面，我们的研究结果并没有揭示参与活动与随后几周的快乐和情绪之间的任何时间关系。这个结果有些令人惊讶，因为它与Lewinsohn等人的[14，15这一理论清楚地假设了参与活动与快乐、快乐与情绪、情绪与活动之间的时间关系图1）.这就提出了一个问题，即我们研究中缺乏时间关系是否源于选择的滞后(每周间隔)。

所选择的滞后是治疗方案中所选择的抽样方案的结果。我们只能使用现有的数据，而且e - compare研究并不是为了研究BA的理论框架。为了避免假阴性或假阳性的结果，选择正确的滞后是至关重要的;然而，这是困难的，因为正确的滞后不能标准化，而是完全取决于研究课题[68，69]。在我们的研究中，如果后续测量之间的时间间隔较短(例如，每日而不是每周EMA报告)，则很可能揭示出时间关系。

数据是否适合说明时间关系的问题进一步引起了三个被检查变量之间的同周关系被确定的事实[68，69]。也就是说，在那些周中，当病人(1)从事更愉快的活动时，他们也报告了快乐的增加;(2)体验到更多的快乐，他们也报告了更好的心情;(3)报告了更好的心情，他们也参与了更愉快的活动。虽然这些患者内部的关联可能符合BA的理论框架[14，15]，由于这些同周关系是横断面的，因此无法确定是否存在因果支配关系、相等互惠关系或周期性关系。

此外，分析强调了患者之间的影响;在治疗过程中参与更多愉快活动的患者也报告体验到更多的快乐。体验到更多快乐的患者也报告了更好的情绪，而报告情绪更好的患者也报告了在治疗过程中参与了更多的活动。虽然我们主要对患者内部过程感兴趣，并且无法建立因果优势，但患者之间的效应确实补充了患者内部效应，只要在患者之间水平上感兴趣的3个变量之间的正相关关系符合BA的理论框架范围[14，15]。据我们所知，这是第一个在常规MHC的成年重度抑郁症患者样本中检查这些影响的研究(EMA);先前的研究要么集中于比较健康对照者和抑郁症患者，后者通常是从普通人群中招募的(例如，[70-72])，或被调查的活动或快乐作为抑郁症治疗后抑郁前后严重程度变化的中介[20.，73]。

限制

除了所选择的时间延迟是否合适的问题外，还应考虑到进一步的限制，即每周EMA报告缺失的比例。特别是，参与活动和快乐报告的依从率相对较低(均为46%)。然而，我们认为我们能够通过对缺失的每周EMA报告执行MI来缓解这个问题。

临床意义和未来研究

这项研究弥补了现有文献中一个值得注意的空白，因此，可以被认为是为重度抑郁症患者BA理论框架建立证据的重要的第一步。据我们所知，这是第一个调查(b)CBT治疗过程中BA的患者过程的研究。这些结果至少为美国心理协会所认为的一种治疗的潜在理论框架提供了一些经验支持[74作为成人抑郁症的推荐治疗方法之一。下一步将是在不同的数据集上重复这项研究，可能在测量之间的时间间隔更短。此外，在我们的研究中，我们关注的是我们是否可以发现作为MDD的BA理论框架一部分的3个关键结构之间的关联。我们确实知道BA在治疗早期就开始了，并且在整个治疗过程中(f-t-f)会议中仍然是一个反复出现的话题。然而，根据我们的数据，我们无法从BA的影响中梳理出其他干预成分的影响，因为BA是CBT的一部分。BA是否成功激活重度抑郁症患者将是一个有趣的问题，需要在未来的工作中探索。

结论

我们的研究结果部分符合BA的理论框架。分析表明，参与活动的水平、活动带来的愉悦感和情绪之间存在统计学上显著的横断面关系。然而，由于我们没有揭示任何统计上显著的时间关系，因此无法得出关于可能的因果关系的结论。较短的测量间隔(例如，每日而不是每周EMA报告)可能更有利于检测潜在的潜在时间通路。因此，未来的研究应基于理论和如何向患者提供治疗，使用EMA方法进一步调查这些时间关联。