心理健康应用程序的临床意义使用及其对抑郁症的影响:混合方法研究

介绍

在过去的十年里，手机应用程序已经成为管理健康的门户。这些数字工具可以帮助用户监控身体活动、计划健康膳食、跟踪日常情绪和其他个人数据。鉴于移动电话的可及性和普遍性，研究人员和临床医生越来越多地利用移动电话应用程序来提供健康干预措施，并加强对抑郁和焦虑等慢性疾病的自我管理[1-4]。心理健康应用程序可以增强技能培养，提供心理教育，促进自我监控，从而减少抑郁和焦虑的症状[2，5，6]。这些移动技术结合了一系列广泛的系统功能和策略，以促进用户参与和促进行为改变，如定制、提醒、自我监控、奖励和同伴支持[3.，7-10]。

要想让心理健康应用变得有效和成功，用户参与度至关重要。然而，对于如何定义和衡量用户粘性却鲜有共识[11-13]。一直以来，敬业度被不一致地视为一种多维结构，包括行为、情感和认知因素。14，15]。因此，参与的测量方法差异很大，从自我报告问卷到系统使用数据或传感器数据[16，17]。在这项研究中，我们将用户参与定义为一种行为体验，包括人们与手机应用程序的身体互动[18]。系统使用数据是移动健康(mHealth)干预中最常用的行为衡量标准，因为它们可以在应用程序使用过程中获得，不需要用户额外的努力[14]。这些数据定量地捕捉用户与应用的物理交互强度(例如，应用使用会话的数量)。19])，频率(例如，应用程序使用的天数/百分比[20.])，持续时间(例如，花在应用上的时间[21，22])，第一次和最后一次使用应用程序之间的时间[19，20.])和类型(如被动的、主动的、反思的和说教的)[23，24])。研究发现，这些行为参与指标与心理健康等健康结果有关[20.，22]。

然而，行为粘性指标通常采用广泛使用的指标来衡量数量的参与。很少有研究对移动医疗干预的特定组件进行更细致的用户交互，这可能会提供一些见解如何人们使用应用程序的方式具有临床意义[25]。例如，用户可能只是根据提示打开应用程序，而没有任何更深层次的参与，而其他人可能会参与更有意义的活动，如输入或反思数据和阅读内容。这些不同类型的活动可能反映了不同的参与水平和类型，从而产生不同的健康结果。识别用户行为类型可以深入了解移动医疗干预措施的哪些方面吸引了用户，哪些方面可能推动行为改变和症状改善[15，26]。这也可以为设计更具吸引力和临床效果的移动健康干预措施提供机会。

本研究旨在对一套针对抑郁和焦虑的心理健康应用程序中的用户行为类型进行分类。然后我们研究了不同类型的应用程序使用与抑郁和焦虑症状的改善之间的关系。为了提供应用使用的整体情况，我们还将更细微的应用使用与一般应用使用(即应用使用的强度和持续时间)区分开来，并研究这些不同的使用指标如何影响结果。因此，这项研究首次对用户与心理健康应用程序的互动及其对结果的影响进行了细致分类。

方法

参与者及程序

这项研究是对一项随机试验数据的二次分析，该试验检验了指导和应用程序推荐对增加对IntelliCare(一套心理健康应用程序)的参与的效果(Clinicaltrials.gov NCT02801877)。有关研究的详细资料已载于其他地方[27]。简而言之，参与者是在2016年7月至2017年5月期间通过社交和印刷媒体广告、研究登记处和商业招聘公司招募的。有兴趣参与的人通过一个安全的基于网络的数据采集系统(研究电子数据采集;［28])。纳入标准如下:(1)年龄≥18岁，(2)报告抑郁症状加重(患者健康问卷-9 [PHQ-9]≥10)或焦虑(广泛性焦虑障碍-7 [GAD-7]≥8)，(3)居住在美国，(4)会说英语和阅读英语，(5)拥有带有数据和文本计划的Android手机。基线评估后，301名符合条件的参与者在2×2因子设计中随机接受4种治疗中的1种治疗，持续8周。下面提供了移动干预和每种情况的简要描述。该试验在参与者接触之前由西北大学机构审查委员会批准，并在整个研究期间由一个独立的数据安全监测委员会进行监测。所有参与者均提供知情同意。

治疗

IntelliCare

IntelliCare平台由12个临床应用程序组成，每个应用程序针对特定的行为或心理治疗策略(例如，认知重构、行为激活、社会支持和放松)来改善抑郁和焦虑症状。具体的应用程序在其他地方有更详细的描述[2，19]。此外，Hub应用程序整合了下载的临床应用程序的通知，并能够推荐套件中的其他应用程序。IntelliCare应用程序优先考虑互动技能培训，而不是心理教育，并且专为频繁，短暂的互动而设计。

训练

被分配到教练组的参与者接受了为期8周的旨在支持参与的指导。训练基于低强度训练模型[29主要依靠简短的短信(每周2-3条)来提升用户粘性。被分配到自我指导组的参与者没有与教练进行持续的接触。在试验开始时，这两种情况下的参与者都收到了一个定向电话，以确保他们正确安装了Hub应用程序，并了解如何使用IntelliCare平台。

建议

随机分配到推荐条件的参与者每周都会通过Hub应用程序收到新应用程序的推荐。推荐系统利用了大约8万名下载了IntelliCare应用程序的用户的应用程序使用数据，根据他们的应用程序使用概况来识别个人更有可能使用的应用程序。没有被分配到推荐条件的参与者没有收到推荐，并被鼓励自己探索应用程序。

措施

应用使用指标

每个应用程序的使用日志都被记录在用户的手机上，然后获得并分析这些日志以提取应用程序的使用指标。在这项研究中，我们将应用程序的使用分为两种类型:临床意义应用程序的使用和通用应用程序的使用。

有临床意义的应用程序使用指标的开发分为两个步骤。首先，参与应用程序设计的5名心理学家根据原始事件数据创建了精细的应用程序使用标记。这些应用使用标记都是由少量应用事件数据定义的，这些数据被认为是有意义的用户粘性的指示。此类标记的例子包括应用程序事件数据，用于定义技能培养练习的完成情况、阅读心理教育文本或记录日常活动。其次，两位作者(AZ和JN)根据现有文献和对32名IntelliCare用户的定性访谈，开发了一种编码方案来对这些应用程序使用标记进行分类。具体来说，这两位作者首先共同编码了18.8%(20/106)的应用程序，使用标记制定编码方案，然后使用该编码方案对剩余的标记进行单独分类。如果在分类上有任何分歧，就会提交给第三作者(AK)，由他来打破僵局，并通过严格的讨论得到解决。在这个过程中，我们删除了一些很少发生的应用程序使用标记(例如，在应用程序内给朋友发短信)或被认为没有临床意义的标记(例如，启动应用程序和查看应用程序使用提示)。通过这个过程，我们确定了67个被认为具有临床意义的综合活动，我们将其标记为“临床有意义的使用活动”。这些活动被进一步分为6类(见多媒体附录1）.的下面4个步骤给出了分类过程图1。确定的6种有临床意义的活动类型如下:

‎ 查看此图

1. 观看/收听:阅读/观看/收听应用程序中的内容(例如，播放锻炼视频，查看复制卡，听放松音频)
2. 创造/输入:以学习和培养技能为目的创造和编辑内容(例如，识别应对活动并创建积极或自我肯定的陈述)
3. 设定目标:选择、编辑或添加自我识别或分配的目标(例如，添加或删除清单项并选择每周目标)
4. 日程安排:安排活动或更改提醒以适应自己的日程安排(例如，安排即将到来的锻炼并更改提醒时间)
5. 跟踪:通过检查、评估或记录个人活动和情绪，包括事实和原因，来跟踪自己的表现或状态(例如，检查完成的活动，评估压力水平，创建睡眠日志)
6. 复习:复习自己的内容和进度(如复习过去的活动和课程)。

通用应用程序使用用2个指标来衡量:使用强度和使用时间[22]。使用强度定义为用户在8周治疗期间使用应用程序的总次数。应用程序使用会话被指定为一系列用户发起的操作或事件，间隔不到5分钟。使用持续时间被定义为个人在治疗期间使用应用程序的总时间。它是通过将治疗期间每天应用程序的平均持续时间(以小时为单位)相加来计算的。

结果评估

研究的主要结果是抑郁和焦虑症状的严重程度，用PHQ-9 [30.]及GAD-7 [31]。得分越高反映抑郁或焦虑水平越高。

数据分析

对6种确定的有临床意义的活动类型进行主成分分析，按类型进行标准化，以探索这些活动类型的任何潜在模式。报告了应用使用指标的中位数和iqr。然后，使用线性回归分析应用程序使用指标与治疗结果之间的关系，调整基线PHQ-9或GAD-7和随机分层。我们首先绘制了所有使用指标与治疗结束结果之间的二元关系，揭示了非线性模式。作为回应，我们将每个应用使用指标分为4个四分位数。我们考虑了第一个四分位数最小使用强度，第二个四分位数低使用强度，第三个四分位数中等使用强度，第四个四分位数高使用强度。采用回归模型检验应用程序使用指标和结果的四分位数之间的关系，使用最低四分位数作为参考组。未调整和调整模型均报告了回归系数(beta)及其95% ci和显著性水平。此外，R²报告了未调整模型的值，以评估影响的大小。所有分析均使用R版本3.5.1进行。

道德标准

作者断言，所有有助于这项工作的程序都符合相关国家和机构委员会关于人体实验的道德标准，以及1975年赫尔辛基宣言(2008年修订)。

结果

参与者

共有301名符合条件的参与者参加了随机试验。大多数参与者为女性(228/301,75.7%)，平均年龄为37岁(SD 11.84)，年龄范围为18 - 69岁。大多数(237/301,78.7%)的参与者认为自己是白人，29人(9.6%)是非洲裔美国人，10人(3.3%)是亚洲人，25人(8.3%)是“其他”。抑郁的平均基线水平(PHQ-9)为13.21 (SD 4.63)，焦虑的平均基线水平(GAD-7)为11.98 (SD 4.02)。共有10名参与者停止治疗并失去随访。Mohr等人在研究中报告了样本和参与者流动的更多细节[27]。

临床有意义的使用

相关分析显示，鉴定出的6种有临床意义的活动类型高度相关;因此，我们进行了主成分分析来进一步分组这些活动类型。分析确定了三组有意义的活动，可以最好地描述为:(1)“学习”，包括“观察”和“创造”;(2)“设定目标”，包括“设定目标”和“计划”;(3)“自我跟踪”，包括“回顾”和“跟踪”。前两个主成分解释了数据中72.4%的变异性(见图2）.图1呈现跨应用程序的临床有意义的活动的分类的可视化说明。

‎ 查看此图

自我跟踪是最常见的，平均频率为152次(IQR 61-300)。学习较少，活动的中位数频率为110次(IQR 52-191)。目标设定的使用最少，平均频率为59次(IQR 15-141)。我们还通过结合所有67个确定的临床有意义的使用活动来检查总体临床有意义的应用程序使用频率。临床意义应用程序使用的中位数频率为400 (IQR 200-608)。

通用应用程序使用

在8周的治疗期间，应用程序使用会话的中位数为184次(IQR 116-306)， 8周治疗期间应用程序使用的中位数持续时间为3.0小时(IQR 1.7-5.0)。

应用程序使用和抑郁结果

临床有意义的使用

我们首先研究了三个有临床意义的活动集群如何预测个体在治疗结束时的抑郁水平，并将每个集群的最低四分位数(最小使用)(表1）.在控制了治疗条件和基线PHQ-9后，治疗结束时PHQ-9与中等学习强度显著相关(beta=−2.17;P= .002);目标设定强度中等(beta=−2.08;P= .007);低、中、高强度自我跟踪(β =−2.46;P= .002;β=−1.94;P= . 01;和β=−1.92;P=。009)，与最小强度使用相比。此外，学习变量和控制变量占模型方差的29.2%(调整后)R²=0.292)，目标设定和控制变量占模型方差的26.5%(调整后)R²=0.265)，自跟踪和控制变量占模型方差的27.4%(调整后)R²= 0.274)。

除了检查3个确定的临床有意义的活动集群外，我们还探讨了结果与总体临床有意义的应用程序使用的关系。如图所示表2(模型1)，在控制治疗条件和抑郁基线水平后，治疗结束时PHQ-9与低强度有意义使用呈显著负相关(beta=−2.00;P=.007)，中等强度的有意义使用(beta= - 2.07;P= 0.006)，以及高强度的有意义使用(beta= - 2.05;P= 0.006)，与最小临床意义应用程序使用强度相比。临床意义应用程序使用和控制变量占模型方差的27.3%(调整后)R²= 0.273)。

通用应用程序使用

治疗结束时PHQ-9与低强度通用应用程序使用呈显著负相关(beta= - 1.44;P= 0.047)，中等强度的通用应用使用(beta=−2.38;P=.001)，以及通用应用使用的高强度(beta= - 2.45;P=.001)，而一般应用的最小使用强度(表2一般来说，随着通用应用程序使用次数的增加，治疗结束时抑郁症状减少。强度指标和控制变量占模型方差的27.9%(调整后)R²= 0.279)。在第8周，只有中等持续时间与PHQ-9显著相关(β = - 1.52;P= 0.045)，与最短使用时间(表2持续时间指标和控制变量占模型方差的25.8%(调整后)R²= 0.258)。

应用程序使用和焦虑结果

治疗结束时的焦虑(GAD-7)与3组临床有意义的活动(均为PS >.11)和总体临床意义应用程序使用情况(均为0.05)P年代> 13)。因此，没有进一步分析焦虑与其他通用应用程序使用指标之间的关系。

讨论

主要研究结果

这项研究提供了一套心理健康应用程序的用户行为分类，并调查了在8周的干预后，不同类型的应用程序使用与抑郁和焦虑症状改善的关系。结果表明，不同类型的临床意义活动(即学习、目标设定和自我跟踪)对结果有不同的影响。不同强度的自我跟踪与抑郁症状的改善有关，而只有中等强度的学习和目标设定能预测抑郁症状的改善。因此，这项研究提供了不同类型的应用程序使用如何有助于改善干预结果的见解。

采用混合方法，我们在多个应用程序中确定了6种具有临床意义的活动类型，并将其进一步分为3类:学习、目标设定和自我跟踪。这种分类是通过定性内容分析和定量统计分析相结合来实现的。结果显示，用户参与自我跟踪的频率最高，其次是学习和目标设定。这三种类型的使用活动已经在移动健康和人机交互(HCI)研究中得到了很好的记录，作为推动参与和促进行为改变的方法[8，32]。然而，人们对这些活动与健康结果的关系知之甚少，因为之前的研究主要集中在通用应用程序使用的临床结果上。21，33]。通过将注意力从一般的应用程序使用转移到对有意义的应用程序使用的更细致的检查，这项研究提供了对用户使用心理健康应用程序的更细致的理解。

值得注意的是，总体临床有意义的应用程序使用(所有67个确定的临床有意义的使用活动的组合)在抑郁症严重程度上的方差与总体应用程序使用强度(即。(应用程序使用会话总数)。因此，我们对临床上有意义的应用程序使用的识别成功地捕获了与更好的心理健康结果相关的活动。这表明我们在这套应用程序中准确地识别了具有临床意义的干预组件。因此，我们认为应用程序使用与结果之间的关联可以在很大程度上通过这些临床意义的使用活动来解释，这些活动分为三种类型，强调了自我跟踪、目标设定和心理教育元素在移动健康干预抑郁症中的重要性。

更具体地说，这3组有临床意义的活动与治疗结束时抑郁症状的减轻有关。特别是，与最低使用强度相比，发现自我跟踪在所有强度水平上都是有益的。这与HCI研究一致，该研究表明，自我跟踪或个人信息可以导致行为改变[34]、慢性疾病管理[35]，以及自我认识和自我反思[36，37]。我们的研究通过证明自我跟踪在心理健康方面的临床益处，扩展了这一研究领域。值得注意的是，在我们的研究中，自我跟踪包括数据收集(即跟踪)和数据反思(即回顾)，正如个人信息系统的阶段模型所描述的那样[34]。这表明，通过整合促进数据收集和数据反映的设计功能，移动医疗可以更好地支持用户的自我跟踪。

值得注意的是，更多的参与并不一定会导致抑郁症的减少。虽然自我跟踪通常是有益的，但只有适度的学习和目标设定与抑郁症状的减轻有关。与低强度使用相比，高强度或低强度的应用程序使用都不能预测更好的结果。这一结果表明，移动医疗干预可能会遵循金凤花原则——“不要太多。不算太少。刚刚好。”38]。就像在许多数字技术中一样，心理健康应用程序并没有承诺“参与得越多，结果就越好”;相反，我们认为，只有在各种干预措施的剂量“恰到好处”时，使用应用程序的好处才会显现出来。太频繁地参与目标设定和学习可能会导致疲劳，而太少的参与可能会导致无效。因此，心理健康技术的设计应该促进适量的使用，可能是通过根据用户的应用程序使用数据向用户发送提醒。另一种解释是，那些更频繁地学习和设定目标的人可能对治疗的反应更差。也就是说，可能更多地参与这些活动与更难以治疗的抑郁症病程有关，或者与更复杂的合并症有关，从而表明干预成分不适合某些个体的需要。因此，对这些活动的高度参与可能是对治疗反应性较低风险的一个指标，并可用于指导可能从额外支持中受益的个人实施替代治疗策略。

通用应用程序使用的总体强度也预示着抑郁症状的减少。一般来说，在治疗结束时，高强度使用应用程序的人似乎抑郁程度较低。然而，应用程序使用的持续时间对更好的结果贡献最小。这一发现与之前的研究一致，即人们倾向于在很短的时间内使用移动应用程序，因为他们习惯在空闲时间使用智能手机。39，40]。尽管参与的持续时间在基于网络的干预中起着至关重要的作用[21，目前人们与智能手机互动的方式表明，移动健康应用程序的设计应该是快速使用，交互简单，并支持单一或有限的相关任务[2，40]。IntelliCare与这些努力相一致，以促进频繁而短暂的交互。

然而，我们对有意义的应用程序使用的调查与焦虑症状的减轻无关。这与主要试验的结果一致，即焦虑症状的显著减轻与应用程序会话次数或首次和最后一次使用应用程序的时间间隔无关，而只与应用程序下载次数有关[27]。应用程序使用对抑郁和焦虑的影响差异是一项新发现，表明不同类型的使用可能对某些心理状态更有效，而对其他心理状态则没有效果。我们推测动机可能是一个重要因素。处于低动机状态的用户可能需要特定剂量的自我跟踪、目标设定和学习功能，这样他们就能获得足够的好处，但不会太多，以至于压倒他们。另一方面，焦虑可能对剂量反应不那么敏感，因为它是一种更活跃的状态。为了理解这种细微差别，我们需要更多专门设计的研究来检查临床有意义的活动与各种疾病或症状之间的关系。

总体而言，本研究对抑郁症的移动健康设计具有重要意义，其中包括以下内容:

• 自我跟踪、目标设定和学习是具有临床效益的三个组成部分，应该纳入心理健康应用程序。
• 心理健康应用程序可以根据金凤花原则设计，纳入“适量”的干预组件，并促进适量的使用，可能是通过根据应用程序使用数据向用户发送提醒或提醒。
• 人们倾向于在很短的时间内使用应用程序，所以心理健康应用程序应该快速使用，具有简单的交互，并支持单一或有限的相关任务集。

然而，由于研究的探索性，该研究得出的设计考虑只关注应用内容和用户粘性。在更广泛的背景下，研究表明应用设计和质量评估还必须考虑用户的生活体验，应用的可用性和稳定性，以及数据隐私和安全性[41]。例如，最近的两项研究强调了与心理健康应用程序相关的隐私和安全的重要性，这表明目前可用的心理健康应用程序经常滥用用户数据[42]用户分享个人传感数据的意愿取决于所收集数据的类型和与谁共享数据[43]。事实上，这些因素的重要性在不断增长的应用质量衡量标准和指导方针中是显而易见的，包括美国精神病学协会[41]和美国食品及药物管理局[44]。

限制

尽管有其贡献和意义，但本研究仍有一些局限性。首先，本研究中确定的用户活动并不详尽;有些活动由于频率低而被取消。作为二次分析，本研究本质上是探索性的，未来的研究应该继续探索使用移动健康技术的用户行为的更具体类型和模式，以及它们与心理健康状况结果的关系。其次，尽管本研究证明了通用和特定应用程序的使用与治疗期间的临床结果之间的关联，但很难对其影响做出因果断言。应用程序使用与症状变化之间的关系可能是动态的。例如，应用程序的使用可能有助于降低后续症状，而症状的变化可能反过来增加应用程序的使用[45]。有必要进行实验研究，以检验不同的干预成分如何独特地影响结果。第三，本研究仅检查了8周治疗期的结果。未来的研究可以在这个初步模型的基础上，探索不同应用程序使用行为的长期影响。

结论

参与数字卫生干预是一个长期存在的问题;然而，人们对用户如何以有临床意义的方式与心理健康应用程序互动知之甚少。这项研究采用了一种新颖的混合方法，以更好地了解用户使用应用程序的情况，这是通过一般使用数据无法看到的。通过结合定性和定量方法，我们发现了3组有临床意义的活动——学习、目标设定和自我跟踪——每种类型都与抑郁症状的减轻有关。然而，不同的活动和使用强度产生不同的效果。虽然只有中等强度的学习和目标设定导致抑郁症症状的减轻，但所有强度的自我跟踪都预示着抑郁症的改善。了解不同类型的用户活动与临床结果之间的关系，可以为心理健康应用程序的设计提供信息，这些应用程序在临床上对用户更有效。