这是一篇开放获取的文章,根据创作共用署名许可协议(http://creativecommons.org/licenses/by/2.0/)发布,该协议允许在任何媒体上不受限制地使用、分发和复制,前提是要正确引用最初发表在《医学互联网研究杂志》上的原始作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物链接,以及版权和许可信息。
现在有大量证据表明,基于网络的干预可以有效地改变行为并成功地治疗心理障碍。然而,对药物使用对干预结果的影响的兴趣直到最近才发展起来。到目前为止,持续或完成干预是最常被报道的使用指标,但这并不能充分描述用户的在线行为。对使用的替代措施及其与结果的关系的分析可能有助于理解干预使用者可能需要多少才能从项目中获得临床显著的益处。
这项研究的目的是确定哪些使用指标(如果有的话)与在线抑郁症治疗试验的结果相关。
心血管风险E-couch抑郁预后(CREDO)是一项随机对照试验,评估基于认知行为疗法和人际疗法的无指导网络项目(E-couch),用于抑郁症和心血管疾病患者。总共有280名参与试验的参与者开始了该项目,共分为12个模块,包含多个页面的文本和活动。使用数据(例如,登录的数量,完成的模块,花在网上的时间,和完成的活动)被程序接口自动捕获。我们估计了这些指标和复合指标与患者健康问卷(PHQ-9)抑郁评分≥5分的临床显著改善结果的相关性。
总之,214/280(76.4%)参与者在12周期间结束时提供了结果数据,并被纳入分析。其中94名(43.9%)参与者获得了临床显著改善。参与者平均登录课程18.7次(SD 8.3次),大多数(62.1%,133/214)完成所有12个模块。每次登录的平均在线时间为17.3分钟(SD 10.5)。参与者平均完成了项目内18项活动中的9项。在多元回归模型中,只有每次登录完成的活动数量与临床显著结果相关(OR 2.82, 95% CI 1.05-7.59)。最终模型预测的结果方差为7.4%。曲线估计表明,显著的对数(
只有一种客观的使用方法与已知有效性的基于web的干预的更好结果独立相关。在回归的最后一步中保留的4个使用指标占了很少的结果差异。与低水平用户相比,中等水平用户似乎没有什么额外的好处,这表明使用和结果之间的线性关系的假设可能过于简单,需要进一步探索模型和变量来充分理解这种关系。
澳大利亚和新西兰临床试验注册中心(ANZCTR): ACTRN12610000085077;http://www.anzctr.org.au/ACTRN12610000085077.aspx(由WebCite在http://www.webcitation.org/6K9FQtKBn存档)。
基于网络的心理状况干预已被发现具有中等到较大的效果[
到目前为止,许多关于敬业度的报告都是关于退出的减员[
在测量使用情况方面,基于网络的干预措施比传统药物试验具有优势,因为有许多现成的客观指标[
最近的文章已经开始探讨程序使用和结果之间的关系[
最近一项基于网络的干预的系统综述显示,几个潜在的使用指标(登录次数、自我报告的活动完成次数和在线时间)与基于网络的心理障碍干预的结果并不一致[
无法一致地检测剂量-反应关系可能受到所使用的使用度量的影响。因为大多数研究只报告1或2个这样的使用指标,很少检查这些指标之间的关系,所以对不同指标的相对贡献或这些指标与结果的关系知之甚少。以前曾试图定义使用的度量,最常以坚持的形式[
心血管风险E-couch抑郁结局(CREDO)是一项随机、双盲、平行、注意力控制、网络传递的试验,针对具有心血管疾病(CVD)风险因素或诊断的患者的抑郁症状。CREDO的方法和主要结果已在其他地方发表[
试验参与者从45岁及以上的研究中招募[
E-couch是一个iCBT项目,包含了关于抑郁症的心理教育,包括CBT、人际心理治疗(IPT)、应用放松和身体活动。其开放获取格式[
活动遍布E-couch。CBT组有12个活动,IPT组有4个活动,而锻炼组有2个活动。放松部分包含了放松练习的记录,但因为这不需要参与者在程序中输入任何内容,所以它没有作为一项活动包含在分析中。看到
该研究的主要结局衡量指标为9项初级健康问卷(PHQ-9) [
项目客观记录了一些干预措施的使用情况,并不依赖参与者的自我报告。
记录了个人完成的12个可能的E-couch模块的比例。一个完整的模块由用户点击模块的每个页面组成,直到他们查看了所有的页面。完成模块不需要任何时间限制或活动级别,只需单击模块的页面即可。
每一种类型的活动部分(即认知活动、关系活动和身体活动)和整体活动完成情况的数据都被捕获。该课程共有18种不同的活动可供完成,分散在各个模块中。为了完成更多的活动,用户需要完成更多的模块。为了使一个活动被算作完成,个人必须以某种方式参与到任务中(例如,提供文本或通过单击所需的部分完成活动)。
参与者在12周的时间内登录该项目的次数被记录下来。参与者每周需要完成一次登录;因此,他们应该登录了12次程序。理论上,所有模块都可以在第12周的一次登录中完成(每周提供一个模块,持续12周)。参与者可以在每个模块上登录任意次数,允许该指标从1到一个未知的限制(由研究时长和参与者的可用性决定)。
用户可以尽可能多地完成每个活动,并且不受限于18个活动。鉴于此,收集了已完成的活动总数。
记录每周登录该程序的总时间。如果用户没有注销,程序将继续计时;因此,每次登录花费在最后一页上的时间被排除在外,以防注销失败。本次分析使用了每次登录的平均在线时间和在程序中的总时间。每次登录的平均在线时间被限制在60分钟,以减少异常值的影响。这影响了1名参与者;每次登录的平均上网时间从83分钟限制到60分钟。该项目没有定义最低平均时间要求。
这是用完成的活动总数除以登录到程序的总数来计算的。
这是通过在程序中花费的总时间(以分钟为单位)除以登录程序的总次数来计算的。
这是用完成的模块数除以登录程序的次数计算出来的。
通过将完成的模块数量(范围为0-12)与完成的必修活动数量(范围为0-18)相加,计算出一个综合指标,得到0- 30的总范围。
数据分析使用SPSS 20.0版本(IBM公司,Armonk, NY, USA)完成。对数据进行正态性检验,如果不满足正态性假设,则采用非参数检验。卡方检验(χ2),独立样本
然后使用输入方法完成二元逻辑回归模型,以评估使用变量预测临床显著改善的能力。如果回归模型中有人口统计变量和使用变量,则将其包括在内
获得了所有参与者的书面知情同意,新南威尔士大学人类研究伦理委员会提供了45岁及以上研究的伦理批准。CREDO试验获得了悉尼大学人类研究伦理委员会的伦理批准。
在562名同意并符合试验标准的参与者中,280人(49.8%)被随机分配到E-couch iCBT项目中。其中214人(76.4%)坚持研究并提供了干预后的结果数据。坚持治疗的患者与未提供结果数据的患者在年龄、性别、出生国家、婚姻状况或基线抑郁严重程度方面无显著差异(
人口统计学、基线抑郁评分和基本使用指标与研究持久性的关系。
变量 | 持续程序 |
Nonpersisters |
或(95% ci) |
|
|
年龄(年),平均值(SD) | 57.39 (6.5) | 57.68 (7.1) |
|
0.31 (278) | 综合成绩 |
抑郁评分(PHQ-9),平均值(SD) | 12.13 (3.5) | 11.27 (3.0) |
|
-1.81 (278) | 07 |
性别(女),n (%) | 133 (62.1) | 40 (60.6) | 1.07 (0.61 - -1.88) |
|
|
在家说英语,n (%) | 203 (94.9) | 57 (86.4) | 2.91 (1.15 - -7.38) |
|
|
婚姻状况(有配偶),n (%) | 151 (70.6) | 53 (80.3) | 0.59 (0.30 - -1.15) |
|
|
最高学历(研究生),n (%) | 157 (73.4) | 47 (71.2) | 1.11 (0.60 - -2.06) |
|
|
出生在澳大利亚,n (%) | 158 (73.8) | 53 (80.3) | 0.69 (0.35 - -1.36) |
|
|
完成的模块数(范围0-12),平均值(SD) | 12 (3.8) | 3.21 (2.1) |
|
-21.05 (196) | <措施 |
完成的活动数量(范围0-44),平均值(SD) | 11.9 (9.1) | 1.6 (3.0) |
|
-14.18 (276) | <措施 |
登录数(范围1-65),平均值(SD) | 18.72 (8.3) | 7.18 (4.7) |
|
-14.25 (196) | <措施 |
在214名参与者中,62.1%(133/214)完成了所有12个模块,79%(169/214)完成了10个或以上模块。总共有2名参与者(1%)没有完成任何模块,但完成了评估。参与者平均完成了18项活动中的9项(50%);完成的活动数目从0到18个不等。多个参与者在项目允许的情况下多次完成相同的活动,完成的活动总数从0到44个(平均11.9个,标准差9.1个)。参与者平均登录了18.7次(SD 8.3,范围1-65)。平均总时间为318.3分钟(SD 204.3,范围24.7-1221.7)。
参与者平均每次登录完成0.5个活动(范围0-7.57)和0.6个模块(范围0-2.0)。平均在线时间为17.3分钟(SD 10.5),而完成一个模块的平均时间为33.19分钟(SD 23.18)。在活动和模块的综合使用度量中,平均得分为19.47 (SD为7.49)。
94名(43.9%)参与者在研究期间获得了临床显著改善。获得临床显著改善的患者与没有获得临床显著改善的患者在年龄、教育水平、出生国家、家庭语言、婚姻状况或抑郁基线评分方面没有差异。
年龄越大,上网时间越长(ρ=0.27,
研究人员检查了基本和综合使用措施与临床显著改善之间的关系(
在综合测量中,获得临床显著变化的患者与未获得临床显著变化的患者在每次登录完成活动的平均次数上存在显著差异(平均差异0.20,范围0.07-0.33;
214例病例采用逆向似然比法建立二元逻辑回归模型。在单变量分析中,共有6个使用变量与结果相关
其余的使用指标(每次登录的平均分钟数,每次登录完成的平均活动数,以及花在程序上的总时间)按性别和年龄输入模型。在简约模型中,在程序中花费的总在线时间、每次登录花费的在线时间、每次登录完成的活动以及模块-活动的组合度量仍然保留在模型中。其中,只有每次登录完成的活动数量与临床显著改善在统计学上相关
根据Nagelkerke的说法
为了检验用药与预后之间的线性关系,将线性回归中临床显著变化的线性模型和显著用药指标与对数和二次曲线估计进行比较。在分析的最后一步中发现了4个使用变量的显著曲线估计,除了活动-模块的组合度量(参见
E-couch使用指标与CREDO中抑郁症临床显著变化的单变量关联。
变量 | 总体样本, |
临床显著改善, |
差异(95% CI) |
|
影响的大小 |
|
|
|
是的(n = 94) | 没有(n = 120) |
|
|
|
完成12个模块的比例 | 0.9 (0.3) | 0.9 (0.3) | 0.9 (0.3) | 0.03 (-0.05, 0.11) | 点c | 0.11 |
完成全部18项活动的比例 | 0.5 (0.3) | 0.6 (0.3) | 0.5 (0.3) | 0.07 (-0.20, 2.70) | .09点b | 0.23 |
完成的活动总数(范围0-44) | 11.9 (9.1) | 13.6 (9.5) | 10.8 (8.7) | 2.89 (0.44, 5.34) | 02c | 0.32 |
程序登录的数量(范围1-65) | 18.7 (8.3) | 18.9 (7.2) | 18.6 (9.1) | 0.23 (-2.04, 2.49) | 点b | 0.03 |
在课程中花在网上的总分钟数 | 318.3 (204.3) | 351.1 (206.4) | 292.6 (199.8) | 58.42 (3.34, 113.47) | .04点b | 0.29 |
每次登录完成的平均活动数(范围0-2.4) | 0.6 (0.5) | 0.8 (0.4) | 0.6 (0.5) | 0.20 (0.07, 0.33) | .04点b | 0.46 |
每次登录完成的模块数(范围0-2.0) | 0.6 (0.3) | 0.6 (0.3) | 0.6 (0.2) | -0.01 (-0.08, 0.06) | 收b | 0.06 |
每次登录的平均在线分钟数(范围1.6-63.8) | 17.3 (8.9) | 19.1 (10.4) | 15.9 (7.2) | 3.26 (0.88, 5.63) | . 01b | 0.37 |
每个模块平均在线分钟数(范围5.6-165.8) | 33.2 (23.8) | 35.3 (22.9) | 31.5 (24.5) | 3.80 (2.69, 10.30) | 二十五分b | 0.16 |
综合测量值(范围0.0-30.0) | 19.5 (7.5) | 20.4 (7.0) | 18.8 (7.8) | 1.595 (-0.43, 3.62) | 点b | 0.21 |
一个定义为PHQ-9得分减少5分或更多。
b
cMann-Whitney
d综合衡量完成的必修课数量(可能是18项)和完成的模块数量(可能是12项),得分范围为0-30。
最后一步在二元逻辑回归模型中使用输入比和调整年龄和性别检验使用措施的关系,以获得临床显著变化。
使用变量 | B | SE | 瓦尔德χ2 |
|
Exp (B) | 95%可信区间 |
上网时间以分钟为单位 | 0.00 | 0.00 | 0.88 | .35点 | 1.00 | 1.00 - -1.00 |
每次登录花在网上的时间 | 0.01 | 0.03 | 0.08 | 尾数就 | 1.01 | 0.96 - -1.06 |
每次登录完成的活动 | 1.04 | 0.51 | 4.21 | .04点 | 2.82 | 1.05 - -7.59 |
组合模块和活动度量 | -0.04 | 0.03 | 1.24 | 低位 | 0.96 | 0.90 - -1.03 |
常数 | -0.86 | 0.30 | 8.13 | <措施 | 0.42 |
|
比较线性回归中使用变量的线性、对数和二次模型。
使用变量和模型 | Unstandardized |
标准化 |
|
|
调整 |
||
|
B | SE | β |
|
|
|
|
|
|
|
|
|
|
|
|
|
线性 | 0.217 | 0.070 | 0.208 | 9.61 (1212) | .002 | 0.039 |
|
对数 | 0.105 | 0.040 | 0.178 | 6.98 (1212) | .009 | 0.027 |
|
二次 | 0.023 | 0.101 | 0.044 | 4.81 (2211) | .009 | 0.035 |
|
|
|
|
|
|
|
|
|
线性 | 0.000 | 0.000 | 0.142 | 4.38 (1212) | .04点 | 0.016 |
|
对数 | 0.114 | 0.047 | 0.163 | 5.79 (2212) | 02 | 0.022 |
|
二次 | 0.001 | 0.000 | 0.418 | 3.23 (2211) | .04点 | 0.020 |
|
|
|
|
|
|
|
|
|
线性 | 0.010 | 0.004 | 0.183 | 7.33 (1212) | .007 | 0.029 |
|
对数 | 0.146 | 0.064 | 0.155 | 5.21 (1212) | 02 | 0.019 |
|
二次 | 0.001 | 0.011 | 0.022 | 4.04 (2211) | 02 | 0.028 |
|
|
|
|
|
|
|
|
|
线性 | 0.007 | 0.005 | 0.106 | 1.22 (1212) | 点 | 0.007 |
|
对数 | 0.084 | 0.055 | 0.104 | 1.15 (1212) | 陈霞 | 0.001 |
|
二次 | 0.011 | 0.019 | 0.169 | 1.23 (1211) | .30 | 0.002 |
我们还通过使用低、中、高用户的分类来研究使用模式。当探讨这种分类对获得临床显著变化的影响时,发现结果与在线时间之间存在显著的关系(χ22= 6.6,
参与者实现临床显著变化的百分比差异在使用组中与项目中在线总时间有关。
参与者实现临床显著变化的百分比差异在使用组中与每次登录花费的在线时间有关。
与每次登录完成的活动有关的不同使用组的参与者实现临床显著变化的百分比差异。
采用PHQ-9变化评分连续变量进行敏感性分析。这允许稍微增加功率,并在分析中包含更多的变量。然而,当回归分析完成后,每次登录完成的活动仍然是唯一的显著预测结果。曲线估计不满足每次登录完成的活动的显著性(对数曲线估计:
关于网络干预中使用的作用,目前的思想流派倾向于借鉴其他治疗范式的文献,假设从项目中获得的益处与项目使用的水平成正比。这项研究发现,在坚持iCBT计划的参与者中,只有少数客观测量的使用变量与临床显著改善之间存在关系。在线性回归模型中包含的4个使用变量中,只有每次登录完成的活动数量独立预测最终回归模型的结果。此外,几个使用变量的非线性模型的重要性表明,使用和结果之间的关系可能不像线性关系那样简单。相反,它支持这样一种观点,即使用的好处可能发生在每次参与计划期间的高水平活动之后,而不一定是长期参与计划的结果,并且计划中完成的模块的数量是获得的好处的一个糟糕指标。同样,对使用水平的分析表明,尽管高级程序用户通常做得更好,中级程序用户并不一定比低级程序用户受益更多。
通过分析,那些更积极参与项目的参与者(每次登录时完成更多的活动,每次登录时花更多的时间在项目中)最有可能从项目中受益。这些发现与面对面的CBT并无不同,在CBT中,在治疗过程中持续完成家庭作业活动最能预测结果[
每个登录指标完成的活动在结果中占的差异很小。其他一些指标无法预测结果可能反映出可变性有限,特别是在完成模块方面,该指标此前与结果相关[
正如预期的那样,没有坚持试验的参与者提供了使用水平较低的结果数据。这很可能反映的是早期退出和没有接触到内容;因此,他们无法更严格地遵守整个计划。年龄越大的人似乎坚持得越坚定,这与其他研究结果一致。
在这里确定的使用指标和结果之间缺乏任何强有力的预测关系,这可能会挑战与结果相关的剂量-反应关系的传统观点。本研究中的高使用率可能意味着许多参与者达到了剂量反应平台期,他们已经暴露在适当水平的项目中,不太可能从额外的暴露中获得进一步的好处。该模型表明,患者可能在某些使用水平达到治疗饱和,并可能在早期获得方案的效果。如果是这样的话,我们希望通过使用培养基获得疗效,然后在患者坚持干预的情况下保持效果。在较长时间的基于网络的干预中已经看到了这样的效果[
高使用率可能反映了该分析只选择了坚持研究的参与者,而其他使用-结果关联研究使用了最后观察结转(LOCF)技术。虽然只保留那些坚持的人可能会使分析偏向于更坚持的人,但使用LOCF技术合并了对坚持的测量(完成项目的人数),这反过来又导致这些参与者似乎也使用不好(因为只有一小部分项目完成)。此外,LOCF也可能低估了干预的总体有效性,因为一些研究报告称,注意到症状改善的人会退出[
本分析中发现的使用和结果之间的单变量关联与我们最近的综述一致,该综述表明,在报道使用的在线干预研究中,大多数(31/33项研究)发现使用变量(34/37个变量)和结果之间存在正相关关系[
根据这些发现可以提出一些建议。研究发现,那些每次登录完成大量活动的人比那些很少进行活动的人获得了更大的效益,而每次登录次数中等的活动并不比每次登录次数低的活动带来更多的效益,这表明最大化在线使用行为可能会改善结果。做到这一点的一种方法是确保每个模块包含更多的活动,从而鼓励用户更多地参与他们的治疗。这些活动可以包括使用与项目治疗方式相关的活动或多项选择测验,以评估学习情况,并参考与错误答案相关的部分材料。
在每次登录时限制程序曝光,以便有足够的时间进行学习、完成活动和技能实施的程序也可能是有益的,同时加入一个“钩子”来鼓励用户在下一周继续使用[
提供教育并尽早设定用户需要做什么才能从项目中获益(例如,在在线时更加活跃)可能是改善项目结果的有效方法。这将包括强调,如果用户在可用时更积极并完成活动,他们更有可能获得好处。同样,鼓励用户多次完成活动,特别是在等待下一个模块可用的时候,也可能改善结果。然而,关于这些策略的有用性的明确结论超出了本分析的范围,将受益于进一步的研究。
进一步的机会是在整个干预过程中测量使用情况和项目收益,以确定用户在什么时候达到治疗饱和,并在这个时间点之后获得很少的项目收益。相反,这种监测可能表明需要一定的使用水平才能获得益处。确保用户积极参与计划可能需要频繁的监控,这本身就会影响干预的结果,并使用具有良好测试-再测试特性的措施。利用这种设计的未来项目还需要考虑对用户进行密集监测的负担,以及这可能增加退出研究的倾向。电子测量自动化为减轻监测负担提供了一种途径。
之前的研究发现,虽然使用程序组件与早期的进步有关,但完成家庭作业与长期的进步有关[
如前所述,只包括那些提供结果数据的参与者很可能会限制结果的普遍性。然而,目前还不清楚这可能对分析产生了什么影响,以及如何最好地管理这种影响。使用LOCF实际上可能无法准确描述这些参与者的进展情况。这很大程度上是因为LOCF方法假设本组无进展。尽管研究表明,获得益处可能是帮助人们坚持干预的关键[
此外,该试验的具体纳入标准和每种干预措施的独特性质可能限制了该分析结果对其他人群的普遍性。然而,最近的研究结果表明,这可能不是最初认为的那么重要的因素,与试验相关的抽样偏差可能实际上并没有限制试验结果基于人口统计学因素进行推广的能力[
最后,尽管数据来自随机对照试验,但本亚研究在本质上是观察性的,没有发生与使用相关的变量操作。鉴于此,暗示因果关系的能力是有限的。未来的研究需要探索这些变量的操作,例如控制登录次数以确定无限制访问是否会影响结果,探索单个登录站点的使用和结果,或限制每次登录可以完成的活动或模块的数量,以未来检验从本研究发现中得出的假设。
未来的研究将受益于探索使用指标和结果之间的关系,以进一步调查这种关系的本质。虽然该分析发现只有一个指标可以预测结果,但这一发现受限于本研究的背景。未来的研究需要继续在试验和基于网络的干预的自然实施中探索这一研究,以确定是否如此。
认知行为疗法
心血管风险E-couch抑郁结局
心血管病
网络认知行为疗法
人际关系心理治疗
最后一次观察结转
随机对照试验
该CREDO研究试验由心血管疾病和抑郁症战略研究计划(奖励参考编号:G08S 4048)由澳大利亚国家心脏基金会和beyondblue:国家抑郁症倡议资助。45岁及以上的研究由萨克斯研究所与新南威尔士州癌症委员会的主要合作伙伴合作管理;与澳大利亚国家心脏基金会(新南威尔士州分部)合作;新南威尔士健康;超越蓝色:全国抑郁症倡议;新南威尔士州家庭和社区服务部;和UnitingCare Ageing。
没有宣布。
截图显示了一个关于思想和情绪之间联系的心理教育例子。
截图显示心理教育教授用户关于认知扭曲。
截图显示了一个教用户认知重组的活动的例子。
截图显示了E-couch的人际治疗组件的一个活动示例。