数据取自一项实用的随机试验，两组平行进行分组随机分组，按性别分层，随访时间分别为6个月和12个月[ 14］．简而言之，我们通过在全国性报纸和健康相关网站上刊登广告，从普通人群中招募成年参与者。研究和干预完全通过互联网进行，知情同意书必须通过邮件签署和返回。在纳入标准中，我们对问题饮酒的男性和女性采用了不同的分界点。选择的男性在过去3个月里每周饮酒超过21个标准单位(过度饮酒)或每周至少有一天饮酒超过6个标准单位(有害饮酒)。在过去的3个月里，女性每周饮酒超过14个单位或每周至少有一天饮酒超过4个单位。一个标准单位代表10克乙醇。额外的入选标准是:年龄18-65岁，能上网，在研究开始时没有关于酗酒问题的专业帮助。

我们将排除标准保持在最低限度，以促进低阈值纳入策略，与无治疗指导的自助干预的性质一致。因此，我们没有进行诊断性访谈。在筛选和基线评估后，参与者被随机分配到实验组(减少饮酒干预)或对照组(10分钟内即可阅读的在线酒精使用心理教育手册)[ 25］．我们总共挑选了261名成年问题饮酒者。 图1显示了参与者在试验中的流程。

图1

参与者通过试验的流程

实验条件下的参与者接受了“少喝酒”干预措施[ 26］．“少喝酒”是一种免费的、基于网络的自助干预，没有治疗师指导，适用于想要减少饮酒量的问题饮酒者，最好是在荷兰推荐的低风险饮酒量范围内[ 27］．干预是基于认知行为和自我控制原则[ 28， 29]由于它们的标准化性质和系统方法，适合于基于web的实现。减少饮酒包括一个主页，提供有关酒精和治疗服务的信息，并通过自动注册程序提供自助计划的访问，并说明该干预适用于谁( 图2)．该计划分为四个连续的阶段:(1)准备行动;(2)目标设定;(3)行为改变;(4)保持收益和预防复发。这些阶段包含已知有效的要素，如设定目标和分析饮酒行为[ 29， 30.］．自助计划还包括进入一个经过审核的对等讨论论坛。建议的治疗期为6周，这段时间应该能让饮酒量的减少有足够的时间保持住[ 31］．试验参与者被允许使用干预，只要他们认为有必要。“少喝酒”计划通过唯一的登录和安全识别码进行，每周7天、每天24小时都可以使用。

图2

“少喝酒”网页[ 26］

我们选择基线参与者特征作为假定的预测因子是基于理论假设和先前预测研究的结果[ 16- 22］．我们选择了六个特征:(1)性别，(2)教育程度，(3)互联网使用能力(社会人口学因素)，(4)平均每周饮酒量，(5)先前针对酒精问题的专业帮助(问题饮酒水平)，以及(6)参与者对网络干预有助于克服问题饮酒的期望。

结局指标定义为总组中基线(T0)平均每周饮酒量与治疗后(6个月，T1)和随访(12个月，T2)平均饮酒量之间的个体差异。使用荷兰版每周回忆法(WR)评估酒精消费量[ 32， 33］．它记录了评估前7天内消耗的单位数。

我们首先使用 t-检验、卡方检验和逻辑回归，以评估随机分组是否在基线时导致两组比较，以及是否发生了随访的差异损失。然后，我们进行意向治疗(ITT)分析，使用最后一次观察结转(LOCF)数据和回归imputation (RI)来处理随访损失。随访总损失较高( 图1)，我们希望避免高估干预措施的影响[ 34］．ITT分析使我们能够保持足够的能量和随机化的完整性。LOCF归责程序假设未进行随访的参与者的结果评估将等于其上一次可用评估[ 34］．在6个月和12个月时缺失的WR数据也由RI估计，使用缺失结果和退出的重要预测因素[ 34］．在6个月时，根据WR，这些预测因素是病情、基线伴侣状态和基线每周酒精单位;在12个月时，根据6个月时的WR(估算值)，分别为病情、性别、每周酒精单位，以及根据荷兰版数量-频率变异指数(QFV)测量的基线酒精单位[ 35］．

在第三步中，我们创建了连续和分类基线变量的二分法测量，以及已经二分法的性别变量(女性性别:是/否)。WR量表的值转化为一个变量，将中度问题饮酒(女性平均每周饮酒单位14 - 35，男性平均每周饮酒单位21 - 50)与严重问题饮酒(女性/男性平均每周饮酒单位> - 35或> - 50)区分开来。有两个以上类别的分类变量被重新编码为两个有意义的类别:(1)教育程度:高/低(大学和专业学位与其他);(2)网络能力:有经验/初学者;(3)曾有酗酒问题的专业帮助:是/否;(4)基于网络的干预期望:高/低。然后，我们应用回归分析来确定这些特定的群体是否比其他群体从干预中受益更多。我们评估了基线以上属性和减少饮酒干预方式之间的相互作用，然后评估了这些相互作用对治疗结果的影响。在这个模型中，标准化的个体变化分数(干预前到干预后的效应大小)作为依赖变量或结果变量。每个参与者特征与干预假人(实验条件= 1，对照条件= 0)的交互项及其组成的主效应作为独立的预测变量。

接下来，我们计算了干预假人与每个描述参与者特征的假变量的乘积[ 36， 37］．相互作用项与相应的主要效应一起输入线性回归模型，并在 P< . 05。Independent-samples t-测试用于分析T1和T2条件下问题饮酒结果的差异。这项技术使我们能够测试预测因素与减少饮酒治疗相互作用的差异效应。它还增强了探测效果的能力。如果这些相互作用项都不显著，则预测因子的影响被认为没有被减少饮酒所改变。也就是说，减少饮酒对饮酒结果的影响不能用预测因子对治疗和结果之间关系的修正效应来解释。

随后，我们对在6个月(n = 151)或12个月(n = 163)完成随访问卷的参与者重复了这一过程，以验证两项ITT分析的结果是否持续。最后，我们使用描述性统计来说明在确定的预测因素方面，酒精消费量随时间的变化。样本量为6个月时每个变量24名参与者，12个月时每个变量26名参与者[ 38］．所有分析均使用SPSS 15进行，并由两名研究人员独立进行交叉检查结果。

基线时参与者的人口学特征和临床特征见 表1．在基线时，实验组和对照组在这些变量上没有发现差异(即使在保守测试时也是如此 P< .10以确保不存在可能影响结果的边际差异)。这表明随机化是成功的。在基线时，所有261名参与者(100%)都超过了荷兰健康成年人合理饮酒指南规定的每周平均酒精单位数。平均每周酒精摄入量为43.6标准单位(SD = 21.6)。超过一半的样本属于中度问题饮酒者，而不是重度问题饮酒者(n = 148, 57.7%)。女性和男性的比例几乎是1:1。三分之二的参与者具有高等教育背景(n = 182, 69.7%)。大多数参与者认为自己是有经验的互联网用户(n = 204, 78.1%)。几乎一半的人对干预有积极的预期(n = 127, 48.2%)。绝大多数受访者(n = 231, 88.5%)正处于考虑改变的阶段，即他们希望在不久的将来减少饮酒量[ 39， 40］．大多数人(n = 243, 93.1%)的目标是适度而不是禁欲。很少有人(n = 33,12.6%)曾因酗酒问题接受过专业帮助。

基线后6个月未返回问卷的参与者与治疗后应答者在基线时评估的特征方面没有差异( P> .10; 表1特征)。6个月随访损失为42.1% (n = 110)，并且在两种情况中分布相当均匀(试验组n = 60，对照组n = 50;χ²₁= 1.71, P= .19)。12个月时，随访损失为37% (n = 98)，在实验条件下(n = 59,45%)比对照组(n = 39,30%;χ²₁= 5.56, P= .02点)。12个月时无应答者的基准周平均酒精摄入量(WR为46.9单位，SD = 24.3)高于无应答者(41.7单位，SD = 19.7; t₂₅₉= 1.91, P= 0。06)。

在成功减少6个月和12个月平均每周酒精使用量方面，对预测因子-治疗交互作用的分析显示，最后一次观察-结转(LOCF)和仅完成者模型的结果相似。因此，我们在这里只介绍意向治疗模型。仅完成者分析的结果可从第一作者处获得。

在成功减少每周平均酒精使用量方面，对预测因素-治疗相互作用的分析发现，在6个月时，假定的预测因素没有显著影响( 表2而且 表3)，但问题饮酒之前的专业帮助除外，这是在回归归算(RI; 表3)．其对治疗反应的预测能力仅为边缘显著性，解释方差较小(N = 261, beta .18， P= 0。 R² =厚)。在12个月时，女性在两个分析模型中预测了成功的酒精减少( 表2而且 表3)．RI表示显著但较小的影响，并解释了方差(N = 261, beta = .27， P= . 01 R² = .03)，而LOCF模型显示出较弱的显著性影响和较少的解释方差(N = 261, beta = .22， P= .045, R² = .02点)。高教育水平被认为是12个月成功结果的另一个预测因素。LOCF分析(N = 261, beta = .33， P= . 01 R² = .03)显示了显著但适度的影响，并占治疗结果方差的一小部分，但在RI模型中的影响不显著。

我们比较了两种情况在6个月和12个月时的平均每周饮酒量，如意向治疗分析和仅完成分析所示。最后的观察-结转(LOCF)模型似乎是对整个组最保守的估计方法，因为它在两种情况下都返回了最高的酒精摄入量，因此表明改善较少。因此，我们选择这些更谨慎的LOCF结果来报告我们分析中确定的两个主要预测因素的结果。关于其他两个模型的详细信息可以从第一作者那里获得。

图3研究显示，饮酒较少的女性在6个月时每周平均饮酒量的下降幅度并不比男性更大，无论是绝对值(-5.86单位vs -8.01单位)还是相对值(-14.6% vs -16.9%)。相比之下，在12个月时，饮酒较少条件下的女性减少了他们的摄入量(-8.13个单位，与基线相比-20.3%)，无论是绝对值还是相对值都远远高于女性对照组(-5.36个单位，-15.3%)或实验条件下的男性(-3.8个单位，-8.0%)。有趣的是，对照组的男性在12个月时，无论是绝对值还是相对值(-8.16个单位，-15.5%)都比完成了减少饮酒干预的男性(-3.8个单位，-8.0%)减少了更多的摄入量。

图3

基线后6个月和12个月，实验组和对照组每周平均酒精消耗量(含10克乙醇的平均每周单位)减少，按性别分列(LOCF)

6个月时，与其他类别相比，受教育程度越高的“少喝酒”(实验)参与者在绝对和相对方面都实现了最大的减少(-7.74个单位，-19.0%)。 图4)．尽管在12个月时，他们的减少量减少了近一个单位(0.80)，但他们的饮酒量仍然比基线时少(-6.94单位，-17.1%)，并且他们的减少量仍然大于受教育程度较低的实验参与者(-3.93单位，-7.8%)和受教育程度较高的对照组(-4.73单位，-11.6%)。然而有趣的是，受教育程度较低的对照组在12个月时实现了最大的减少(-11.65个单位，-23.1%)。

图4

在基线后6个月和12个月，实验组和对照组每周平均酒精消耗量(含10克乙醇的平均每周单位)减少，按高教育程度和低教育程度排序(LOCF)

这项研究有几个必须承认的重要局限性。我们对实际随机试验的数据进行了二次分析[ 14］．该试验随访的总体损失在两次随访评估中都是巨大的( 图1)．在没有治疗师指导的情况下，无论是基于网络还是其他方式，对于酗酒问题的自助干预，高辍学率是很常见的。 49， 50]，但网上教学的流失率似乎特别高，因为容易进入也可能意味着容易退出。因此，在所有基于网络的自助干预中，随访的高损失率是一个潜在的问题[ 51， 52］．我n the present study, we dealt with attrition data analytically as rigorously as possible by conducting intention-to-treat analyses, using last-observation-carried-forward and regression imputation. Nevertheless, the high loss to follow-up may still have biased our results by obscuring meaningful predictors.

其次，我们进行了预先指定的亚组分析，因此不能排除多次测试导致的假阳性或假阴性预测因素[ 53， 54］．考虑到我们在6个月时只发现了一个略微显著的预测因素(先前的帮助)，在12个月时发现了两个进一步的预测因素(女性性别和高教育水平)，这可能是事实。另一方面，我们将假定预测因子的数量保持在最小，并且与我们的样本量相适应[ 38］．事实上，我们在6个月和12个月的随访中发现了不同的预测因素，这也可能意味着不同的因素在干预后的不同时间起作用[ 16］．

我们可以调查的预测因子数量也受到数据的限制。这让我们无法研究自我效能感，而自我效能感是一个潜在的重要预测因素。 21］．我们也无法调查另一个关键预测因素，即改变的准备程度。 55]，因为大多数参与者(n = 231, 88.5%; 表1)正处于沉思阶段[ 39］．最后一个限制是，我们的研究结果只适用于一般人群中自我提及的问题饮酒者，他们有动机参加基于网络的自助干预。

我们的研究也有很多优势。这项分析所基于的研究是第一批实用的随机试验之一，研究了基于网络的自助干预的有效性，没有对普通人群中的问题饮酒者进行治疗指导。这些数据也使我们能够研究短期和长期的关系。因为当我们第一次选择试验样本时，我们已经预料到随访的总体损失很高，所以我们纳入了足够多的参与者，以确保统计能力来检测实验条件和控制条件之间以及亚组之间的差异[ 14］．

研究发现，女性性别和高教育水平与减少饮酒自助干预相互作用，以预测干预开始一年后更好的治疗反应。这表明，在没有治疗指导的情况下，基于网络的自助可能对那些更害怕被污名化的问题饮酒者具有特殊的吸引力，包括女性或受过高等教育的人群——这些人群可能很难通过面对面的简短干预来接触[ 56］．网络自助中对问题饮酒的非污名化方法，以及缺乏与治疗师互动的需要，可能构成对这些群体的吸引力的一部分。 44， 57］．

与此同时，这里确定的预测因素的影响仅对患者特征如何与治疗相互作用以影响结果提供了非常部分的解释。自我效能等其他基本属性也可能发挥作用[ 21］．此外，非基线预测因素，包括治疗进展因素(如不同治疗依从性引起的剂量-反应相互作用)和治疗后因素(如社会支持)，可能被证明对患者-治疗相互作用和治疗结果有更强的影响，正如临床治疗样本中确实报道的那样[ 16， 58］．

我们的发现可以提高公共卫生策略，使用阶梯式护理方法来遏制一般人群的问题饮酒。由于我们所确定的群体中没有一个明显地从“少喝酒”中获益，我们认为基于网络的自助非常适合广泛的、异质的问题饮酒者群体。因此，它可以很好地作为阶梯式护理模式的初始干预，适用于一般人群中大量不同的问题饮酒者群体，而不仅仅是更多的个体水平[ 58， 59］．24/7免费获取“少喝酒”保证了快速进入帮助计划，这种现成的获取方式被认为能促进积极的结果以及在需要时额外的寻求帮助的行为[ 60， 61］．为了维持治疗进展，干预后6个月可能需要加强会议，特别是支持男性参与者。

我们的结果增加了从预测研究中已经获得的知识，我们测试了个人基线属性在网络自助对一般人群问题饮酒者的有效性中所起的作用。未来预测研究的范围现在需要扩大，以包括治疗内进展变量的贡献，如剂量-反应关系和启动积极行为改变所需的时间，以及治疗后变量，如社会支持。鉴于基于网络的问题饮酒者干预和相关预测研究的新颖性，我们的研究需要复制。