原始论文
摘要
背景:针对酒精的数字干预措施有助于减少危险和有害酒精消费。少喝应用程序是根据证据和理论开发的，一项阶乘随机对照试验(RCT)表明，它的4个干预模块可能有助于减少饮酒。然而，低介入度是影响干预效果的重要障碍，随访反应低是干预评价面临的挑战。需要进行研究，以了解哪些因素影响用户的参与水平、对随访的反应和酒精减少的程度。
摘要目的:本研究旨在调查基于应用程序的干预(少喝)中用户特征、参与度、随访反应和酒精减少程度之间的关系。
方法:这项研究涉及对少喝应用程序的析因随机对照试验的二次数据分析。参与者(N=672)年龄在18岁或以上，居住在英国，酒精使用障碍识别测试得分为>7(表明过度饮酒)。在基线时评估社会人口学特征和饮酒特征。在第一个月的使用中评估用户粘性(游戏邦注:包括会话次数、使用应用的时间、使用天数以及浏览可用屏幕的百分比)。1个月后测量随访反应和酒精减少程度(过去一周的消费量变化)。使用未调整和调整的线性或逻辑回归模型评估相关性。
结果:年龄(所有非标准化回归系数[B] >.)02年,所有P<.001)和16岁以后的教育资格(所有B>。18日,所有P<.03)与所有敬业度结果呈正相关。年龄(优势比[OR] 1.04，P<.001)，学历(OR 2.11，P<.001)，女性(OR 1.58，P=.02)与随访反应呈正相关。参与结果预测随访反应(all OR>1.02, allP<.001)，而不是酒精减少的程度(全部- .14
结论:饮酒减少应用程序“少喝”(Drink Less)的年龄较大且具有16岁以上教育资格的用户参与更多，更有可能在1个月的随访中做出回应。在随访者中，较高的基线酒精摄入量预示着更大程度的酒精减少，但不能预测随访的参与度或反应。参与程度与随访反应有关，但与酒精减少的程度无关，这表明少喝应用程序不具有剂量反应效应。
试验注册:国际标准随机对照试验编号ISRCTN40104069;http://www.isrctn.com/ISRCTN40104069 (WebCite存档http://www.webcitation.org/746HqygIV)
doi: 10.2196/11175
关键字
简介
背景
过度饮酒是公共卫生的优先事项，由于生产力损失、犯罪和医疗成本，对社会产生了巨大的经济影响。-］．以减少酒精为重点的数字行为改变干预措施(dbci)显示出希望，因为它们可以帮助实现减少危险和有害酒精消费[];可提高支持的可及性;具有较低的增量成本(一旦开发);匿名，避免因亲自寻求帮助而带来的潜在耻辱。智能手机应用程序(“应用程序”)还有一个额外的优势，那就是几乎随时可用，因此能够在需要的时间和地点提供支持。“少喝”是一款针对过度饮酒者(定义为酒精使用障碍识别测试[AUDIT]得分在8分及以上[])。少喝应用程序是根据开放科学的原则系统开发的，由1个核心模块和5个实验干预模块组成(详细描述在其他地方[])。一项第一阶段因子随机对照试验(RCT)表明，4种干预模块的组合有助于短期减少饮酒;然而，这款应用的流失率也很高。］．
Eysenbach的损耗定律区分了两种类型的损耗:不使用和退出[］．不使用损耗指的是对DBCI完全缺乏或低参与度。使用DBCI的程度可定义为“DBCI的使用程度(如数量、深度、频率、持续时间)”[可以通过自动记录DBCI使用情况来测量。人们认为干预的最低参与水平是干预取得预期效果所必需的，尽管没有研究说明什么构成了最低要求。然而，观察到的与可用dbci的接触水平通常被认为过于有限，无法支持行为改变[］．第二种类型的流失——流失——指的是参与者无法跟进。随访反应率低是干预评估中的一个主要方法学挑战[]因为它降低了统计能力，从而降低了准确估计有效性的能力[］．dbcis的试验——尤其是那些涉及远程招募的试验——似乎特别容易受到随访回复率低的影响[，，］．
损耗定律还提出，参与和对跟进的回应是正相关的:如果用户停止参与干预，那么他们就不太可能对跟进做出回应[］．在对基于网络的卫生干预措施的系统审查中发现了参与和后续反应之间的这种积极联系[]以及在基于网络的酒精干预的随机对照试验的每个试验组中[］．尽管这种关系可能取决于干预措施和研究的背景，但也有其他报告称，如果干预措施特别苛刻，在控制条件下随访反应会更高[，］．这可能是用户在实验条件下变得疲劳，并决定已经花了太多的时间在试验上。
为了提高行为改变的可能性和DBCI试验结果的有效性，需要进行研究，以了解某些用户是否不太可能参与干预、对随访做出反应或改变行为。对参与、随访反应和行为改变的预测因素的识别，可以为DBCI试验中特定用户群体的定制策略的开发提供信息。参与度和随访反应之间的关系尚未在基于应用程序的酒精干预中进行评估。
参与和后续反应的预测因素
现有的文献表明，女性、年龄较大和受教育程度较高预示着网络酒精干预的更高参与度和更大的后续反应[，-］．饮酒特征往往会对参与和对相反方向的后续反应产生影响;受酒精伤害风险较低的人士[，]以及每周消耗更少的单位[，，更有可能对跟进做出回应，尽管他们表现出较低的参与度[，-］．然而，其中一些研究涉及特定的学生群体[-]，在研究问题饮酒者时，证据也不一致[，］．因此，这些发现可能不能推广到一般人群，目前关于用户特征的证据可能预测网络酒精干预随访的参与度和反应是模糊的。此外，还缺乏与基于应用程序的酒精干预有关的具体证据，这可能与基于web的用户特征干预不同。最近的一项研究比较了同一项“饮料测量”干预的应用程序和网络版本的用户，发现与网站用户相比，应用程序用户更年轻，饮酒量更高。］．
减少饮酒的预测因素
在英国，试图减少饮酒量的饮酒者多为年龄较大、社会经济地位较高、饮酒量较高的女性，而白人的可能性较小。］．这些尝试的尝试和成功是不同的，可能是独立预测的，而且缺乏关于成功尝试减少饮酒的预测因素的研究，特别是在dbci的背景下。了解哪些用户在使用DBCI时不太可能成功地减少饮酒量，可以为制定额外的策略提供信息，以支持他们，并帮助确定哪些用户更可能需要面对面的支持。了解参与DBCI和行为改变之间的关系，以及确定是否需要一个阈值水平的参与来实现DBCI的预期结果也很重要[］．然而，一些跨行为领域和研究环境进行的研究发现，参与与成功的行为改变之间存在正相关，这表明可能存在剂量-反应关系[-］．到目前为止，还没有关于基于应用程序的干预措施中参与度和酒精减少之间关系的研究。假设这些关系在不同的行为和数字干预类型中是一致的，这是不明智的;最近的一项研究发现，人们对数字压力管理干预的参与度不同，这取决于它是通过应用程序还是网站提供的。］．
本研究
本研究调查了基于应用程序的干预(Drink Less)中用户特征、参与度、随访反应和酒精减少程度之间的关联，并解决了以下研究问题:
- 当饮酒者在应用程序上注册时，测量的用户特征(社会人口学和饮酒)与(a)参与度(b)对随访的回应可能性(c)随访中饮酒减少的程度之间存在什么关联(如果有的话)?
- 参与程度与(a)随访反应的可能性和(b)随访时酒精减少的程度之间存在什么联系(如果有的话)?
方法
设计
研究设计是来自2016年5月至8月间少喝应用程序的阶乘随机对照试验的二次数据分析(其他地方有全文报道[])。在阶乘随机对照实验之前，没有计划进行该分析。伦敦大学学院伦理委员会提供了伦理批准(“改变健康相关行为的干预措施的优化和实施”项目[CEHP/2013/508])。
样本及招聘
参加者须符合以下条件:年满18岁;在英国居住;AUDIT评分为8分或以上(表示饮酒过量，需要进行干预)[]);确认他们有兴趣减少饮酒;提供电子邮件地址;并下载了试用版多次下载该应用程序的用户将被删除，第一次下载的用户将被保留以供试用。该应用程序被列入iTunes商店，并通过英国公共卫生部和英国癌症研究中心等组织进行推广。预先设定并计算了672个样本量，因此在干预模块之间检测5个单位酒精消费量的平均变化的概率超过80%。
干预
“少喝”被设计为一个独立的干预措施，任何人都可以寻求减少过度饮酒的数字支持。它以目标设定模块为中心，有5个干预模块:(1)规范反馈，(2)认知偏差再培训，(3)自我监控和反馈，(4)行动计划，(5)身份改变。该应用程序还包含标准功能，如审计问卷和用户结果反馈，英国饮酒指南，以及额外支持的链接。在最初的应用开发过程中进行可用性测试，以了解用户体验并完善应用[］．每个干预模块有2个版本:增强(减少酒精摄入的假设活性成分)和最小的(控制)。干预涉及32种可能的选项(25: 5个干预模块的2个版本)，用户可以随机分配。用户在到达主仪表板之前，以隧道式方法完成了AUDIT问卷、社会人口评估和规范反馈模块。然后为用户提供阶梯式指南，以帮助他们探索应用程序，尽管这是可选的，用户可以自由地浏览应用程序。有关干预行动的全部细节在其他地方有报道[]，该应用程序可在iTunes商店免费下载[］．
程序
数据收集始于2016年5月18日，结束于2016年8月28日。在第一次打开应用程序时，每个用户都会得到一份参与者信息表，并被要求同意参加试验。同意的用户被要求完成AUDIT和一份社会人口调查问卷，表明他们是否有兴趣少喝酒，并提供他们的电子邮件地址以进行后续调查。然后，用户会得到他们的AUDIT分数，并被告知他们的审计风险区．在这一点上，符合纳入标准的用户被应用程序以块随机化方法随机分配到32个实验条件中的1个。后续问卷包括AUDIT和可用性测量，在首次使用应用程序后1个月(28天)通过应用程序内问卷或通过电子邮件分发的基于网络的调查(Qualtrics)进行。
措施
在注册后的28天内，通过自动记录DBCI使用的数量、深度、频率和持续时间，敬业度作为一个连续变量进行测量[]:会话数(即使用频率)，新会话定义为不活动30分钟后的新屏幕视图[];应用程序上的时间，以分钟为单位(即，数量);使用的天数(即持续时间);以及可查看屏幕的百分比(即深度)——在可查看屏幕的数量中，用户所查看的唯一屏幕的百分比(因治疗组而异，范围从50到80)。
对随访的回应是一个二元(是或否)的完成1个月随访问卷的衡量标准。酒精减少的程度是根据酒精使用障碍识别测试-消费(AUDIT-C;一项简短的酒精消费筛查测试)，从登记到1个月的随访。
在第一次打开应用程序时测量基线用户特征变量，并评估:年龄(连续);性别(男或女);就业状况(分为受雇与未受雇);种族(分为白人和非白人);学历(分为16岁前和16岁后的学历);他们现在是否吸烟(是或不是);从AUDIT- c(0 - 90单位)和AUDIT总分(0 - 40单位)得出过去一周的酒精消耗量。
分析
所有分析均使用R版本3.4.0进行，分析计划已在开放科学框架(Open Science Framework)上预注册[］．缺少任何感兴趣变量数据的参与者被排除在分析之外。评估参数检验的假设(如残差分布的正态性)，如果这些假设不满足，则使用适当的非参数检验或转换(如正偏态数据的log()转换)。描述性统计数据(平均[SD]或中位数[四分位范围，IQR]，以解释正偏倚或n[%]，如适用)用于报告分析中包含的变量(用户特征、参与测量、随访反应和酒精减少程度)。
使用广义线性建模(线性或逻辑，视情况而定)来检查用户特征(预测变量)与参与度、随访反应或酒精减少程度(结果变量)之间的关联。报告了未调整(单变量)和完全调整(多变量)回归模型。治疗组被纳入所有调整后的分析，因为它是一个与DBCI相关的因素，可以预测接合[]，回应跟进[，]，以及减少饮酒的程度[］．调整后的模型中不包括过去一周的饮酒量，因为预期过去一周的饮酒量与完整AUDIT评分之间存在高共线性。
采用广义线性模型(线性或逻辑，视情况而定)来检验参与度(预测变量)与随访反应或酒精减少程度(结果变量)之间的关系。报告了未调整和完全调整(治疗组和结果变量的任何预测因子)回归模型。
进行敏感性分析，其中敬业度测量分为高组或低组，并输入逻辑回归模型，以查看结果模式是否不同。
结果
用户特征，参与措施，对随访的反应，以及被随访者的酒精减少程度
研究共纳入672名参与者。平均年龄39.2岁;半数以上为女性(377/672,56.1%);大多数是在职(581/672,86.5%)，白人(640/672,95.2%)，并具有16年以上教育资格(484/672,72.0%)。约四分之一的参与者(165/672,24.6%)目前是吸烟者，参与者在过去一周平均饮酒39.9单位，平均AUDIT得分为19.1，表明饮酒过量。
报告用户特征、参与措施、随访反应，以及在被随访者中，酒精减少程度。在注册后的28天内，参与者使用该应用程序的中位数为5次，使用该应用程序的中位数天数为4天。使用该应用程序的中位数时间为17分14秒，参与者平均浏览了39.0%的可用屏幕。总共有26.6%的参与者(179/672)回应了随访，其中83.2%(149/179)通过网络调查回应。在回应随访的参与者中，过去一周的酒精消费量平均减少了14.3个单位。
用户特征与用户粘性度量之间的关联
而且将用户粘性指标(游戏邦注:包括会话次数、在应用上花费的时间、使用天数和浏览可用屏幕的百分比)回归到用户特征变量中，报告线性回归模型。总的来说，由于残差的非正态性，3项用户粘性指标——会话次数、花在应用上的时间和使用天数——都进行了日志转换。
年龄与所有4项敬业度指标显著正相关。教育水平与所有4项用户粘性指标均显著正相关:会话次数、花在应用上的时间(仅当根据其他用户特征和治疗组进行调整时)、使用应用的天数以及浏览可用屏幕的百分比。年龄较大的用户和16岁以上学历的用户更有可能使用更多的会话，在应用上花费更多的时间，使用应用的天数更多，查看可用屏幕的比例也更大。
在未经调整和调整的模型中，性别与用户查看的可用屏幕的百分比显著相关;女性用户观看的屏幕比例更高。没有其他用户特征与“少喝”应用的参与度相关。
用户特征与后续响应可能性之间的关联
报告未调整和调整的逻辑回归模型，评估用户特征和对随访作出反应的可能性之间的关联。年龄、性别和教育程度在未调整和调整模型中都与随访反应的可能性显著相关。年龄较大、女性且具有16岁以上教育资格的用户更有可能对随访做出回应。在未调整模型中，当前吸烟状况与随访反应的可能性显著相关，但在调整模型中没有。当其他社会人口学变量、AUDIT评分和治疗组未进行调整时，目前不吸烟的使用者更有可能对随访做出反应。
| 用户的特点 | 统计数据 | |
| 年龄(年)，平均值(SD) | 39.2 (10.9) | |
| 性别 | ||
| 女性，n (%) | 377 (56.1) | |
| 就业状况 | ||
| 就业人数，n (%) | 581 (86.5) | |
| 种族 | ||
| 白色，n (%) | 640 (95.2) | |
| 教育 | ||
| 16岁后，n (%) | 484 (72.0) | |
| 当前吸烟者 | ||
| 是的，n (%) | 165 (24.6) | |
| 过去一周饮酒量单位，平均值(SD) | 39.9 (27.3) | |
| 审计b平均分数(SD) | 19.1 (6.6) | |
| 参与措施(n=672) | ||
| 会议次数，中位数(IQR一个） | 5 (2-17) | |
| 应用程序运行时间(min:s, median (IQR)) | 17:14 (8:53-37:19) | |
| 使用天数，中位数(IQR) | 4 (2 - 13) | |
| 已查看的可用屏幕百分比，平均值(SD) | 39.0 (13.3) | |
| 对随访测量的反应(n=672) | ||
| 随访1个月完成率n (%) | 179 (26.6) | |
| 随访患者的酒精减少程度(n=179) | ||
| 过去一周饮酒量减少单位，平均值(SD) | 14.3 (24.1) | |
一个IQR:四分位间距。
b审计:酒精使用障碍鉴定测试。
| 用户的特点 | 会话，中位数(IQR一个） | 未调整简单线性回归 | 调整b多元回归 | 应用时间(min)，中位数(IQR) | 未调整简单线性回归 | 调整b多元回归 | ||||||
| Bc(95%置信区间) | P价值 | B (95% ci) | P价值 | B (95% ci) | P价值 | B (95% ci) | P价值 | |||||
| 年龄(年) | - - - - - -d | .02(0.02至0.03) | <措施 | .03(0.02至0.03) | <措施 | - - - - - - | .03(0.02至0.03) | <措施 | .03(0.02至0.03) | <措施 | ||
| 性别 | ||||||||||||
| 男性(参考;n = 295) | 7(2至18) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 16(8至34) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 女(n = 377) | 5(2至15) | .14(−0.05至0.33) | .14点 | .12(−0.07至0.31) | . 21 | 18(9至41) | .13(−0.02至0.29) | .09点 | .11(−0.03至0.26) | 13。 | ||
| 就业状况 | ||||||||||||
| 失业(参考;n = 91) | 5(1至15) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 15(9至37) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 使用(n = 581) | 6(2至17) | .23(−0.04至0.51) | .10 | .27(−0.01至0.54) | 06 | 18(9至37) | .06(−0.16至0.28) | 收 | .12(−0.10至0.34) | 低位 | ||
| 种族 | ||||||||||||
| 白色(参考;n = 640) | 5(2至17) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 17(9至38) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 非白人(n=32) | 6(2至16) | −.09点(−0.54 ~ 0.35) | .68点 | .01(−0.43至0.45) | .96点 | 17(10至27) | −.06点(−0.42 ~ 0.29) | .74点 | .04(−0.30至0.39) | 结果 | ||
| 教育资格 | ||||||||||||
| Pre-16(参考;n = 188) | 4(2至13) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 15(8至34) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| Post-16 (n = 484) | 6(2至18) | .31(0.10至0.52) | 04 | .36(0.15至0.57) | <措施 | 18(9至41) | .12(−0.05至0.28) | 只要 | .18(0.02至0.16) | 03 | ||
| 当前吸烟者 | ||||||||||||
| 是的(参考;n = 165) | 4 (2 ~ 16) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 15(8至29) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 没有(n = 507) | 6(2至18) | .20(−0.02至0.42) | 。08 | .01(−0.22至0.23) | .96点 | 18(9至39) | .16(−0.01至0.34) | 07 | −.02点(−0.19 ~ 0.16) | 点 | ||
| 过去一周饮酒量(单位)e | - - - - - - | 0 (0) | .570 | 0 (0) | 综合成绩 | - - - - - - | 0 (0) | 票价 | 0 (0) | .37点 | ||
| 饮酒(审计)f分数) | - - - - - - | −. 01(−0.02 ~ 0) | .19 | −. 01(−0.02 ~ 0.01) | 点 | - - - - - - | 0(-0.01至0.01) | .64点 | 0(-0.01至0.01) | 总收入 | ||
一个IQR:四分位间距。
b根据所有社会人口学变量、AUDIT评分和治疗组进行了调整(除非另有说明)。
c非标准化回归系数。
d不适用。
e根据所有社会人口学变量和治疗组进行了调整(不包括AUDIT评分)。
f审计:酒精使用障碍鉴定测试。
| 用户的特点 | 使用天数，中位数(IQR一个） | 未调整简单线性回归 | 调整b多元回归 | 已查看的屏幕数，%平均值(SD) | 未调整简单线性回归 | 调整b多元回归 | ||||||
| Bc(95%置信区间) | P价值 | B (95% ci) | P价值 | B (95% ci) | P价值 | B (95% ci) | P价值 | |||||
| 年龄(年) | - - - - - -d | .02(0.01至0.03) | <措施 | .02(0.02至0.03) | <措施 | - - - - - - | .25(0.16至0.34) | <措施 | .28(0.19至0.38) | <措施 | ||
| 性别 | ||||||||||||
| 男性(参考;n = 295) | 4(2至11) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 37.7 (13.54) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 女(n = 377) | 5(2至13) | .12(−0.05至0.30) | 16 | .10(−0.07至0.27) | 二十五分 | 40.0 (13.54) | 2.29(0.27至4.32) | 03 | 1.99 (0.01 ~ 3.97) | .049 | ||
| 就业状况 | ||||||||||||
| 失业(参考;n = 91) | 3 (1 ~ 11) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 38.6 (13.97) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 使用(n = 581) | 4(2至13) | .16(−0.09至0.41) | 口径。 | .18(−0.08至0.43) | 。 | 39.0 (13.22) | .37(−2.58 ~ 3.32) | .80 | .07(−2.88 ~ 3.02) | .96点 | ||
| 种族 | ||||||||||||
| 白色(参考;n = 640) | 4(2至13) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 39.1 (13.29) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 非白人(n=32) | 4 (1 ~ 13) | −13。(−0.54 ~ 0.27) | 点 | −.04点(−0.44 ~ 0.36) | 点 | 36.9 (13.84) | −2.12 (6.86 ~ 2.61) | 38 | −1.48(−6.16 ~ 3.19) | 53 | ||
| 教育 | ||||||||||||
| 16岁以下(参考;n = 188) | 3 (1 ~ 9) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 36.7 (13.27) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 16岁以上(n=484) | 5(2至14) | .23(0.04至0.42) | 02 | .28(0.10至0.47) | .003 | 39.8 (13.24) | 3.15(0.91至5.38) | .006 | 4.04(1.85至6.24) | <措施 | ||
| 当前吸烟者 | ||||||||||||
| 是的(参考;n = 165) | 3 (1 ~ 12) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | 37.8 (12.72) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 没有(n = 507) | 5(2至13) | .20(0至0.39) | 0。 | .02(−0.02 ~ 0.01) | .85 | 39.4 (13.49) | 1.57(−0.77 ~ 3.91) | .19 | −0。(−2.40 ~ 2.30) | .97点 | ||
| 过去一周饮酒量(单位)e | - - - - - - | 0(-0.01到0) | .33 | 0 (0) | 点 | - - - - - - | 0(−0.04 ~ 0.04) | .98点 | 0(−0.03 ~ 0.04) | .87点 | ||
| 饮酒(审计)f分数) | - - - - - - | −. 01(−0.02 ~ 0) | 13。 | −. 01(−0.02 ~ 0.01) | 陈霞 | - - - - - - | 0(−0.15 ~ 0.16) | 获得 | .02(−0.13至0.17) | 总共花掉 | ||
一个IQR:四分位间距。
b根据所有社会人口学变量、AUDIT评分和治疗组进行了调整(除非另有说明)。
c非标准化回归系数。
d不适用。
e根据所有社会人口学变量和治疗组进行了调整(不包括AUDIT评分)。
f审计:酒精使用障碍鉴定测试。
| 用户的特点 | 完成随访，n (%) | 未经调整的简单逻辑回归 | 调整一个多元逻辑回归 | |||
| 或b(95%置信区间) | P价值 | 或(95% ci) | P价值 | |||
| 年龄(年) | - - - - - -c | 1.04 (1.02 - -1.05) | <措施 | 1.04 (1.02 - -1.06) | <措施 | |
| 性别 | ||||||
| 男性(参考;n = 295) | 63 (21.4) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 女(n = 377) | 116 (30.8) | 1.64 (1.15 - -2.34) | .006 | 1.58 (1.09 - -2.29) | 02 | |
| 就业状况 | ||||||
| 失业(参考;n = 91) | 31 (34.1) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 使用(n = 581) | 148 (25.5) | 0.66 (0.42 - -1.07) | .09点 | 0.66 (0.40 - -1.12) | 点 | |
| 种族 | ||||||
| 白色(参考;n = 640) | 172 (26.9) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 非白人(n=32) | 7 (21.9) | 0.76 (0.30 - -1.70) | 53 | 0.74 (0.28 - -1.73) | .51 | |
| 教育资格 | ||||||
| Pre-16(参考;n = 188) | 36 (19.1) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| Post-16 (n = 484) | 143 (29.5) | 1.77 (1.18 - -2.70) | .007 | 2.11 (1.38 - -3.29) | <措施 | |
| 当前吸烟者 | ||||||
| 是的(参考;n = 165) | 34 (20.6) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 没有(n = 507) | 145 (28.6) | 1.54 (1.02 - -2.38) | .045 | 1.23 (0.79 - -1.95) | .37点 | |
| 过去一周饮酒量(单位)d | - - - - - - | 1.00 (0.99 - -1.01) | .92 | 1.00 (1.00 - -1.01) | 56 | |
| 饮酒(审计)e分数) | - - - - - - | 1.00 (0.97 - -1.02) | 开市 | 1.00 (0.97 - -1.03) | .95 | |
一个根据所有社会人口学变量、AUDIT评分和治疗组进行了调整(除非另有说明)。
bOR:优势比。
c不适用。
d根据所有社会人口学变量和治疗组进行了调整(不包括AUDIT评分)。
e审计:酒精使用障碍鉴定测试。
在那些被跟踪者中，用户特征与酒精减少程度之间的关联
报告了未调整和调整的线性回归模型，评估了用户特征与随访中酒精减少程度之间的关系。过去一周的饮酒量和AUDIT评分(基线时)与减少饮酒量显著正相关，那些过去一周饮酒量较高且基线时AUDIT评分较高的人在随访时减少饮酒量的程度更大。在被随访者中，没有社会人口学用户特征与酒精减少程度显著相关。
参与测量与后续响应可能性之间的关联
报告未调整和调整的逻辑回归模型，评估参与和随访反应之间的关系。所有参与措施都与后续跟进的回应可能性显著相关，因此更大的参与增加了后续跟进回应的可能性。当对随访反应的已知预测因素进行调整时，调整后的模型也是如此。
在被随访者中，参与措施与酒精减少程度之间的关联
报告了未调整和调整的线性回归模型，评估敬业度和酒精减少程度之间的关系。在任何未调整的模型和调整后的模型中，都没有发现敬业度和酒精减少程度之间的关联。
敏感性分析
敏感性分析中，用户粘性指标根据中位数分为高组和低组(可观看屏幕的百分比除外，该百分比根据平均分进行了分类)。结果的格局保持不变。
| 用户的特点 | 意思是(SD) | 未调整线性回归 | 调整一个多元回归 | ||||
| Bb(95%置信区间) | P价值 | B (95% ci) | P价值 | ||||
| 年龄(年) | - - - - - -c | −13。(−0.44 ~ 0.18) | 点 | −厚(−19.71 ~ 27.33) | 53 | ||
| 性别 | |||||||
| 男性(参考;n = 63) | 14.4 (26.25) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 女(n = 116) | 14.2 (22.97) | −.20(−7.67 ~ 7.26) | .96点 | .51(−6.95 ~ 7.96) | .89 | ||
| 就业状况 | |||||||
| 失业(参考;n = 31) | 10.9 (21.4) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 使用(n = 148) | 15.0 (24.63) | 4.05(−5.35 ~ 13.45) | .40 | 5.07(−4.73 ~ 14.89) | 。31 | ||
| 种族 | |||||||
| 白色(参考;n = 172) | 14.5 (24.28) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 非白人(n=7) | 8.6 (19.91) | −5.92(−24.29 ~ 12.45) | 53 | −7.17 (25.84 ~ 11.49) | 。45 | ||
| 教育资格 | |||||||
| Pre-16(参考;n = 36) | 17.2 (26.49) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| Post-16 (n = 143) | 13.6 (23.51) | −3.58(−12.46 ~ 5.30) | 点 | −2.96 (11.93 ~ 6.01) | 点 | ||
| 当前吸烟者 | |||||||
| 是的(参考;n = 34) | 15.9 (25.42) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | ||
| 没有(n = 145) | 13.9 (23.86) | −1.97 (11.05 ~ 7.11) | 正 | .45(−8.91 ~ 9.81) | 公布 | ||
| 过去一周饮酒量(单位)d | - - - - - - | .49(0.37至0.61) | <措施 | .49(0.37至0.62) | <措施 | ||
| 饮酒(审计)e分数) | - - - - - - | 1.01 (0.46 ~ 1.55) | <措施 | .98(0.40至1.55) | <措施 | ||
一个根据所有社会人口学变量、AUDIT评分和治疗组进行了调整(除非另有说明)。
b非标准化回归系数。
c不适用。
d根据所有社会人口学变量和治疗组进行了调整(不包括AUDIT评分)。
e审计:酒精使用障碍鉴定测试。
| 参与的措施 | 统计数据 | 未经调整的简单逻辑回归 | 调整一个多元逻辑回归 | |||
| 或b(95%置信区间) | P价值 | 或(95% ci) | P价值 | |||
| 会话，中位数(IQRc） | ||||||
| 未回复(参考) | 4 (2 - 11) | - - - - - -d | - - - - - - | - - - - - - | - - - - - - | |
| 回应 | 19 (8-32) | 1.08 (1.06 - -1.10) | <措施 | 1.08 (1.06 - -1.09) | <措施 | |
| 应用时间，中位数(IQR) | ||||||
| 未回复(参考) | 13.2 (7.4 - -26.0) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 回应 | 35.1 (18.9 - -70.9) | 1.02 (1.02 - -1.03) | <措施 | 1.02 (1.02 - -1.03) | <措施 | |
| 使用天数，中位数(IQR) | ||||||
| 未回复(参考) | 3 (1 - 8) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 回应 | 14日(6日到24日) | 1.14 (1.11 - -1.17) | <措施 | 1.13 (1.11- 1.16) | <措施 | |
| 已查看的可用屏幕百分比，平均值(SD) | ||||||
| 未回复(参考) | 35.6 (12.14) | - - - - - - | - - - - - - | - - - - - - | - - - - - - | |
| 回应 | 48.3 (11.92) | 1.09 (1.07 - -1.11) | <措施 | 1.09 (1.07 - -1.11) | <措施 | |
一个根据治疗组、年龄、性别和教育程度进行调整(作为随访反应的重要预测因素)。
bOR:优势比。
cIQR:四分位间距。
d不适用。
| 参与的措施 | 未调整线性回归 | 调整一个多元线性回归 | ||
| Bb(95%置信区间) | P价值 | B (95% ci) | P价值 | |
| 会话 | −16(−0.37 ~ 0.05) | 13。 | −.14点(−0.34 ~ 0.07) | .19 |
| 应用时间 | −.06点(−0.13 ~ 0.01) | 。08 | −.06点(−0.13 ~ 0.01) | 07 |
| 天使用 | −只要(−0.57 ~ 0.21) | .37点 | −.10(−0.48 ~ 0.28) | 收 |
| 已查看的可用屏幕 | −07(−0.37 ~ 0.23) | 点 | −.09点(−0.39 ~ 0.22) | 算下来 |
一个调整了治疗组和基线AUDIT评分(作为酒精减少程度的重要预测因素)。
b非标准化回归系数。
讨论
主要调查结果摘要
参与和回应跟进
年龄较大且具有16岁以上教育资格的用户在更大程度上参与了“少喝”应用程序，这从会话次数、使用应用程序的时间、使用天数和查看可用屏幕的百分比来看。与男性用户相比，女性用户查看可用屏幕的比例明显更高。年龄较大、女性且具有16岁以上教育资格的用户也更有可能对随访做出回应。与之前基于网络的酒精干预文献一致[，-]，女性、年龄较大、16岁以上学历的用户参与程度更高，也更有可能对跟进做出回应。这表明，在应用程序和基于web的酒精干预之间，用户特征是预测参与和响应的相似之处。然而，这项研究发现，性别只与可用屏幕浏览的百分比(即使用深度)有关，而与使用数量或频率等更典型的参与度指标无关。
所有4项参与性指标都与对跟进的回应的可能性呈正相关，当调整用户特征时，这种关联仍然存在，这些特征是对跟进回应的重要预测因素，这重复了之前的研究结果[，］．没有证据表明饮酒特征与参与程度或随访反应的可能性有关。这与先前的文献相矛盾，先前的文献发现，饮酒特征与网络酒精干预的参与度呈正相关，与后续反应呈负相关。一个可能的解释是传播方式(例如，应用程序vs网站)[或干预内容。例如，“少喝”依赖于快速的入职过程，不涉及与卫生保健专业人员的接触，这可能会导致用户感到不那么耻辱，无论他们的饮酒状况如何，都更有可能回来。或者，“少喝”应用程序的内容(如游戏、饮酒日记)可能已经足够有回报，可以在不喝酒的情况下提高用户粘性。由于缺乏与基于应用程序的干预措施相关的现有证据，因此不可能得出任何确切的结论，说明是什么导致了本研究的结果与在基于网络的酒精干预措施中发现的饮酒特征与参与和反应之间的关联之间的差异。
减少饮酒的程度
在被随访者中，过去一周的饮酒量和AUDIT评分均与酒精减少程度呈正相关。社会人口学特征均与酒精减少程度无关。在一般人群中，缺乏关于酒精减少预测因素的研究，特别是在基于应用程序的干预措施方面。我们的研究发现，饮酒特征与减少饮酒的程度呈正相关。这很可能是由均值回归来解释的，因为与真实均值有很大差异的测量值之后往往会出现更接近真实均值的测量值[］．需要进一步的研究来阐明这一观察结果是由均值回归驱动的，还是基于应用程序的干预措施对饮酒水平较高的人更有效。这可以通过验证性随机对照试验来验证，将应用程序的优化版本与未经治疗的对照组进行比较，以检查对照组是否也观察到相同的关联模式(即饮酒特征与酒精减少之间)。
在随访者中，没有检测到参与测量与酒精减少程度之间的关联，这些结果在参与测量作为二分类变量的敏感性分析中是稳健的。这意味着我们无法确定应用程序的参与度是否有一个阈值水平，可以实现用户的预期饮酒量减少。这些发现与之前的研究结果相冲突，之前的研究结果认为敬业度测量与成功的行为改变之间存在正相关。-，］．这种差异可能是因为所使用的方法不同;在本研究中，我们只分析了完成随访问卷的参与者的子样本，而许多研究使用意向治疗方法[，，］．另一种可能性是，由于应用程序设计的复杂性，人们以不同的方式使用“少喝”应用程序，这意味着不同用户的参与阈值不同。在之前的研究中报告的强烈关联可能是由那些行为改变不成功的人驱动的，他们脱离了应用程序，然后没有完成跟进。尽管如此，在那些对随访做出回应的使用者中，参与和酒精减少之间仍然存在剂量-反应关系。参与程度与通过剂量-反应函数成功改变行为无关的发现，与阶乘随机对照研究的发现一致，即“少喝”模块的某些组合比其他模块更有效[］．一项非计划分析发现，对于那些接受自我监控和行动计划结合的用户来说，更多地使用应用程序调节了自我监控模块对降低AUDIT分数的影响[］．这种中介效应表明，参与剂量-反应效应可能取决于干预模块。也有可能是，对于所有用户来说，“少喝”计划的预期结果的参与门槛水平相对较低(与其他dbci相比)，天花板效应可能在没有检测到参与程度和酒精减少之间的总体剂量-反应效应方面发挥了作用。
影响
为受教育程度较低的年轻男性用户量身定制的策略，可以与这些用户共同开发，以提高对跟踪的参与度和响应。年龄较大且具有16岁以上教育资格的用户在会话数量、花费在应用上的时间、使用天数以及使用深度等方面对应用的参与度更高。这款应用并不是为特定的年龄群体(除了成年人)设计的，它还涉及了来自弱势群体的用户测试，这些群体的网络素养通常较差，以确保这些群体可以使用并接受它。］．基于用户年龄的用户粘性差异的一个可能解释是，不同年龄段的用户更倾向于以不同的方式参与应用(例如，年轻用户不太愿意在应用上花费大量时间)。未来的研究应该使用酒精减少应用程序提供的数据来调查是否有不同的用户类型，以及是否按年龄分类。
研究发现，参与措施与酒精减少的程度无关，这表明参与措施不应被用作行为改变的代理，更大程度的参与并不一定需要实现预期的行为改变。因此，为提高参与度和后续反应而量身定制的策略不一定会导致预期的行为改变。
优势与局限
据我们所知，这是第一个在基于应用程序的干预中调查敬业度、随访反应和酒精减少程度的预测因素的研究。“少喝”在英国的iTunes应用商店免费提供，用户没有被直接招募参加试用;相反，他们下载了应用程序，然后被招募到试验中。因此，本样本具有较高的生态效度，代表了大多数行为改变app用户的真实情况。这项研究的样本量适中，可以用更大的样本进行重复，以评估研究结果是否可复制。这项研究的局限性在于，所使用的用户粘性测量方法是总结性的，因此不能用于评估更具体的用户粘性模式(例如，用户参与应用程序不同组件的顺序)，这是未来研究应该研究的内容。
结论
年龄较大且具有16岁以上教育资格的酒精减少应用程序的用户参与程度更高。这些特征和女性身份预示着用户更有可能在1个月后对后续调查问卷做出回应。较高的酒精消费基线水平预示着更大程度的酒精减少，但不能预测随访的参与或反应。参与措施与随访反应显著相关，符合减员规律。参与测量与酒精减少的程度无关，这表明“少喝”应用程序没有剂量反应效应。
致谢
CG, IT, JB和RW由英国癌症研究中心(CRUK: C1417/A22962)资助。OP由保柏与伦敦大学学院(University College London)合作提供资助。SM的贡献是由英国癌症研究所(CRUK)和国家卫生研究所(NIHR)公共卫生研究学院(SPHR)资助的。“少喝”由NIHR SPHR、英国烟酒研究中心(UKCTAS)、成瘾研究学会和CRUK资助。本文仅代表作者个人观点，并不代表NHS、国家卫生研究所或卫生部的观点。该研究团队是UKCTAS的一部分，UKCTAS是英国临床研究合作公共卫生卓越研究中心。感谢医学研究委员会、英国心脏基金会、英国癌症研究中心、经济和社会研究委员会以及英国临床研究合作组织赞助的国家健康研究所提供的资金。资助者在研究的设计、实施或分析中没有发挥作用，也没有解释或报告研究结果。
利益冲突
JB获得了辉瑞公司关于戒烟的无限制研究经费。RW获得了研究资金，并为生产戒烟药物的公司提供咨询服务。CG、OP、IT和SM没有相互竞争的利益。
参考文献
- 世界卫生组织。《2014年酒精与健康全球状况报告》。2014.URL:http://www.who.int/sorry/[访问时间:2018-10-31][WebCite缓存］
- Burton R, Henn C, Lavoie D, O'Connor R, Perkins C, Sweeney K，等。酒精控制政策的有效性和成本效益的快速证据审查:英语的观点。柳叶刀2017年4月15日;389(10078):1558-1580。［CrossRef] [Medline］
- 欧洲的酒精:公共卫生视角。欧盟委员会的一份报告。伦敦:酒精研究所;2006:1 - 432。
- 王志强，王志强，王志强，等。减少社区居民危险和有害酒精消费的个性化数字干预措施。Cochrane数据库系统更新2017年12月25日;9:CD011479。［CrossRef] [Medline］
- Reinert DF, Allen JP。酒精使用障碍鉴定测试:研究结果的更新。酒精临床试验研究2007年2月;31(2):185-199。［CrossRef] [Medline］
- Garnett C, Crane D, Michie S, West R, Brown J.评估智能手机应用程序减少过度饮酒的有效性:阶乘随机对照试验方案。BMC Public Health 2016 12月8日;16:536 [免费全文] [CrossRef] [Medline］
- Crane D, Garnett C, Michie S, West R, Brown J.减少过度饮酒的智能手机应用程序:在一项析因随机对照试验中确定干预成分的有效性。科学通报2018年3月12日;8(1):4384 [免费全文] [CrossRef] [Medline］
- Eysenbach G.消耗定律。J Med Internet Res 2005 3月31日;7(1):e11 [免费全文] [CrossRef] [Medline］
- Perski O, Blandford A, West R, Michie S.数字行为改变干预的概念化参与:使用批判性解释综合原则的系统回顾。Transl Behav Med 2017 12月;7(2):254-267 [免费全文] [CrossRef] [Medline］
- Michie S, Yardley L, West R, Patrick K, Greaves F.开发和评估促进健康和医疗保健行为改变的数字干预措施:国际研讨会得出的建议。J Med Internet Res 2017 Jun 29;19(6):e232 [免费全文] [CrossRef] [Medline］
- ehealth集团的Eysenbach G。联盟-电子健康:改进和标准化基于网络和移动卫生干预的评估报告。J Med Internet Res 2011年12月31日;13(4):e126 [免费全文] [CrossRef] [Medline］
- 谢迪什W，卢爱伦J.减员。在:埃弗里特B，豪厄尔DC，编辑。行为科学统计百科全书。新泽西州:Wiley-Blackwell;2005.
- Bull S, Lloyd L, Rietmeijer C, McFarlane M.针对男男性行为的艾滋病预防干预的在线样本招募和保留:智能性探索项目。艾滋病关怀2004年11月16日(8):931-943。［CrossRef] [Medline］
- Murray E, Khadjesari Z, White IR, Kalaitzaki E, Godfrey C, McCambridge J，等。在线试验的方法学挑战。J medical Internet Res 2009 Apr 3;11(2):e9 [免费全文] [CrossRef] [Medline］
- Cugelman B, Thelwall M, Dawes P.社会营销健康行为改变活动的在线干预:心理结构和坚持因素的元分析。J Med Internet Res 2011 Feb 14;13(1):e17 [免费全文] [CrossRef] [Medline］
- Murray E, White IR, Varagunam M, Godfrey C, Khadjesari Z, McCambridge J.在一项基于网络的酒精试验中，流失率再认识:依从性和保留率。J Med Internet Res 2013 Aug 30;15(8):e162 [免费全文] [CrossRef] [Medline］
- 施瓦茨LH，诺埃尔JW，施罗德SW，阿里DV。一项基于互联网的全自动戒烟计划的随机对照研究。陶土管制2006年2月;15(1):7-12 [免费全文] [CrossRef] [Medline］
- Blankers M, Smit ES, van der Pol P, de Vries H, Hoving C, van Laar M.缺失=吸烟假设:基于互联网的戒烟试验中的谬误?尼古丁Tob Res 2016 Jan;18(1):25-33。［Medline］
- Bewick BM, West R, Gill J, O'May F, Mulhern B, Barkham M，等。提供基于网络的反馈和社会规范信息以减少学生的酒精摄入量:一项多地点调查。J Med Internet Res 2010年12月19日;12(5):e59 [免费全文] [CrossRef] [Medline］
- Linke S, Murray E, Butler C, Wallace P.促进合理饮酒的基于互联网的交互式健康干预:使用模式和对公众成员的潜在影响。J Med Internet Res 2007年5月8日;9(2):e10 [免费全文] [CrossRef] [Medline］
- Radtke T, Ostergaard M, Cooke R, Scholz U.基于网络的酒精干预:重度饮酒者系统性流失的研究。J Med Internet Res 2017 Jun 28;19(6):e217 [免费全文] [CrossRef] [Medline］
- Bewick BM, Trusler K, Mulhern B, Barkham M, Hill AJ。基于网络的个性化反馈和社会规范酒精干预在英国大学生中的可行性和有效性:一项随机对照试验。成瘾行为杂志2008年9月33日(9):1192-1198。［CrossRef] [Medline］
- Bewick BM, West RM, Barkham M, Mulhern B, Marlow R, Traviss G，等。基于网络的个性化反馈和社会规范酒精干预对英国大学生的有效性:随机对照试验J Med Internet Res 2013年7月24日;15(7):e137 [免费全文] [CrossRef] [Medline］
- 宾汉姆CR，巴雷托AI，沃尔顿MA，科比CM，舒佩JT，拉格纳坦TE。一个基于网络的，量身定制的，大学生酒精预防/干预项目的效果:初步发现。中华医学杂志，2010;28(4):349-356。［CrossRef] [Medline］
- Riper H, Kramer J, Conijn B, Smit F, Schippers G, Cuijpers P.将有效的网络自助转化为现实世界中的问题饮酒。酒精临床试验报告2009年8月;33(8):1401-1408。［CrossRef] [Medline］
- Riper H, Kramer J, Keuken M, Smit F, Schippers G, Cuijpers P.预测网络自助对问题饮酒者的成功治疗结果:来自随机对照试验的二次分析。J medical Internet Res 2008 11月22日;10(4):e46 [免费全文] [CrossRef] [Medline］
- Garnett C, Crane D, West R, Michie S, Brown J, Winstock a .减少酒精消费的智能手机应用程序的用户特征。Transl Behav Med 2017 12月;7(4):845-853 [免费全文] [CrossRef] [Medline］
- Beard E, Brown J, Kaner E, West R, Michie S.尝试减少酒精摄入量的预测因素和原因:英国成年人的人口调查。PLoS One 2017;12(3):e0173458 [免费全文] [CrossRef] [Medline］
- 亚德利L, Spring BJ, Riper H, Morrison LG, Crane D, Curtis K，等。理解并促进有效参与数字行为改变干预措施。2016年11月;51(5):833-842。［CrossRef] [Medline］
- Alexander GL, McClure JB, Calvi JH, Divine GW, Stopponi MA, Rolnick SJ，菜单选择团队。一项随机临床试验评估在线干预措施改善水果和蔬菜消费。中国公共卫生杂志2010年2月;100(2):319-326 [免费全文] [CrossRef] [Medline］
- Cobb NK, Graham AL, Bock BC, Papandonatos G, Abrams DB。一个真实世界的互联网戒烟系统的初步评估。尼古丁含量决议2005年4月;7(2):207-216 [免费全文] [CrossRef] [Medline］
- Donkin L, Christensen H, Naismith SL, Neal B, Hickie IB, Glozier N.依从性对电子疗法有效性影响的系统综述。J Med Internet Res 2011年8月5日;13(3):e52 [免费全文] [CrossRef] [Medline］
- 马瑞森，李志强，李志强，等。比较网络和应用程序压力管理干预的使用:一项观察性研究。互联网Interv 2018 april 21;12:74-82 [免费全文] [CrossRef] [Medline］
- Crane D, Garnett C, Brown J, West R, Michie S.影响智能手机应用程序可用性以减少过度饮酒的因素:大声思考和访谈研究。前线公共卫生2017年4月3日;5:39 [免费全文] [CrossRef] [Medline］
- Garnett C, Crane D, West R, Brown J, Michie S.“少喝”的开发:一个针对过度饮酒者的减少酒精的智能手机应用程序。Transl行为医学2018年5月4日。［CrossRef] [Medline］
- iTunes，苹果公司。在iTunes商店网址:https://itunes.apple.com/gb/app/drink-less-get-help-reducing/id1020579244?mt=8[访问时间:2018-08-28][WebCite缓存］
- 谷歌分析。谷歌(goog . o:行情)。如何在Analytics中定义web会话https://support.google.com/analytics/answer/2731565?hl=en[访问时间:2018-08-28][WebCite缓存］
- 加内特C.开放科学框架，2018。少喝:参与、跟踪和酒精减少程度的预测因素网址:https://osf.io/htfrp/［WebCite缓存］
- Perski O, Blandford A, Ubhi HK, West R, Michie S.吸烟者和饮酒者对智能手机应用程序的选择和参与度预期:一项自言自语和访谈研究。BMC Med Inform Decis Mak 2017 Feb 28;17(1):25 [免费全文] [CrossRef] [Medline］
- Barnett AG van der Pols JC Dobson AJ。回归均值:它是什么以及如何处理它。国际流行病学杂志2005年2月;34(1):215-220。［CrossRef] [Medline］
- Tate DF, Wing RR, Winett RA。利用互联网技术提供行为减肥计划。中国医学杂志2001年3月7日;285(9):1172-1177。［Medline］
- 减少过度饮酒的智能手机应用程序的开发和评估:自我调节因素。伦敦:伦敦大学学院(博士论文);2017.
缩写
| 审计:酒精使用障碍鉴定测试 |
| AUDIT-C:酒精使用障碍鉴定测试-消费 |
| CRUK:英国癌症研究中心 |
| DBCI:数字行为改变干预 |
| 差:四分位范围 |
| NIHR:国家健康研究所 |
| 或者:优势比 |
| SPHR:公共卫生研究学院 |
| 个随机对照试验:随机对照试验 |
| UKCTAS:英国烟草和酒精研究中心 |
G·艾森巴赫(G Eysenbach)编辑;提交04.07.18;L·莫里森，R·罗宾逊的同行评议;对作者01.08.18的评论;修订本收到28.08.18;接受28.08.18;发表14.12.18
版权©Claire Garnett, Olga Perski, Ildiko Tombor, Robert West, Susan Michie, Jamie Brown。最初发表于JMIR Mhealth和Uhealth (http://mhealth.www.mybigtv.com)， 14.12.2018。
这是一篇根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)发布的开放获取文章，允许在任何媒介上不受限制地使用、分发和复制，前提是正确引用了首次发表在JMIR mhealth和uhealth上的原创作品。必须包括完整的书目信息，http://mhealth.www.mybigtv.com/上的原始出版物的链接，以及此版权和许可信息。