这项研究代表了对一项随机试验数据的二次分析，该试验检查了教练和应用程序推荐对增加IntelliCare(一套心理健康应用程序)参与度的有效性。完整的研究细节已在其他地方描述[ 27］．简而言之，参与者是在2016年7月至2017年5月期间通过社交媒体和印刷媒体广告、研究注册中心和商业招聘公司招募的。有兴趣参与的人通过安全的基于web的数据采集系统(研究电子数据采集;［ 28])。纳入标准如下:(1)年龄在18岁以上，(2)报告抑郁症状加重(患者健康问卷-9 [PHQ-9]≥10)或焦虑症状加重(广泛性焦虑障碍-7 [GAD-7]≥8)，(3)居住在美国，(4)能说能读英语，(5)拥有带有数据和文本计划的Android手机。在基线评估后，301名符合条件的参与者在2×2析因设计中被随机分配到4个治疗中的1个，为期8周。下面简要描述了移动干预和每个条件。在参与者接触之前，该试验得到了西北大学机构审查委员会的批准，并在整个研究期间由独立的数据安全监测委员会进行监控。所有参与者均知情同意。

对确定的6种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，使用线性回归分析分析应用程序使用指标与治疗结果之间的关系，并对基线PHQ-9或GAD-7和随机化层进行调整。我们首先绘制了所有使用指标和治疗结束结果之间的二元关系，揭示了非线性模式。为此，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使用强度最小，第二个四分位数使用强度低，第三个四分位数使用强度中等，第四个四分位数使用强度高。回归模型适用于检查应用使用指标和结果的四分位数之间的关系，使用最低的四分位数作为参考组。未调整模型和调整模型的回归系数(beta)均为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 3.5.1版本进行。

作者声称，所有有助于这项工作的程序都符合相关国家和机构人体实验委员会的道德标准，以及2008年修订的1975年赫尔辛基宣言。

共有301名符合条件的参与者参加了随机试验。参与者以女性为主(228/301,75.7%)，平均年龄37岁(标准差11.84)，年龄18 ~ 69岁。大多数(237/301,78.7%)受访者认为自己是白人，29人(9.6%)为非洲裔美国人，10人(3.3%)为亚洲人，25人(8.3%)为“其他”。抑郁(PHQ-9)的平均基线水平为13.21 (SD 4.63)，焦虑(GAD-7)的平均基线水平为11.98 (SD 4.02)。共有10名受试者停止治疗并失去随访。Mohr等人在研究中报告了该研究中样本和参与者流程的进一步细节[ 27］．

相关分析显示，6种确定的临床有意义活动类型高度相关;因此，我们进行了主成分分析，进一步将这些活动类型分组。分析确定了3组有意义的活动，它们最好被描述为:(1)“学习”，包括“观看”和“创造”;(2)“目标设定”，包括“设定目标”和“安排”;(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%的可变性(见 图2)． 图1通过应用程序对临床有意义的活动进行分类的可视化说明。

自我跟踪是最常见的，中位数为152次活动(IQR 61-300)。学习活动较少，中位频率为110次(IQR 52-191)。目标设定使用最少，中位频率为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，检查了整体临床有意义应用程序的使用频率。有临床意义的应用程序使用的中位数频率为400 (IQR 200-608)。

在8周的治疗期间，应用程序使用会话的中位数为184 (IQR 116-306)，应用程序使用时间的中位数为3.0小时(IQR 1.7-5.0)。

治疗结束时的焦虑(GAD-7)与3组有临床意义的活动(全部)均无显著相关性 PS >.11)或整体临床意义的应用程序使用(所有 P年代> 13)。因此，没有进一步分析焦虑和其他通用应用使用指标之间的关系。

这项研究对一组心理健康应用程序的用户行为进行了分类，并调查了不同类型的应用程序使用与抑郁和焦虑症状改善之间的关系，并进行了为期8周的干预。结果显示，不同类型的有临床意义的活动(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才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。

利用混合方法，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，用户最常进行自我跟踪，其次是学习和目标设定。在移动健康和人机交互(HCI)研究中，这三种类型的使用活动已被充分记录，作为驱动参与和促进行为改变的方法[ 8， 32］．然而，我们对这些活动与健康结果之间的关系知之甚少，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应用程序的使用转移到对有意义的应用程序使用的更细粒度的检查，这项研究对用户使用心理健康应用程序的参与度提供了更细致的了解。

值得注意的是，总体临床上有意义的应用程序使用(所有67个确定的临床上有意义的使用活动的组合)对抑郁症严重程度的影响与总体应用程序使用强度(即应用程序使用强度)所解释的差异大致相同。，应用程序使用会话总数)。因此，我们对有临床意义的应用程序使用的识别成功地捕捉到了与更好的心理健康结果相关的活动。这表明我们准确地识别了这套应用程序中具有临床意义的干预成分。因此，我们认为应用程序使用和结果之间的关联可以在很大程度上通过这些临床有意义的使用活动来解释，这些活动分为3种类型，加强了自我跟踪、目标设定和抑郁症移动健康干预措施中的心理教育元素的重要性。

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，与最低强度的使用相比，自我跟踪在所有强度水平下都是有益的。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身性[ 36， 37］．我们的研究通过展示心理健康背景下自我跟踪的临床益处，扩展了这一研究方向。值得注意的是，我们研究中的自我跟踪包括数据收集(即跟踪)和数据反映(即回顾)，正如个人信息系统基于阶段的模型所描述的那样[ 34］．这表明，移动健康可以通过整合促进数据收集和数据反映的设计功能，促进自我跟踪，从而更好地支持用户。

值得注意的是，更多的参与并不一定会更大程度地减少抑郁症。尽管自我追踪通常是有益的，但只有中等水平的学习和目标设定与抑郁症状的减轻有关。无论是高强度还是低强度的应用程序使用都不能比最低强度的应用程序使用预测更好的结果。这一结果表明，移动医疗干预可能遵循金发姑娘原则——“不要太多。不是太少。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不能承诺“参与越多，结果越好”;相反，我们认为，使用应用程序的好处可能只有在各种干预措施的剂量“恰到好处”时才能看到。过于频繁地设定目标和学习可能会导致疲劳，而过于缺乏参与可能会导致效率低下。因此，心理健康技术的设计应该以适当的数量促进使用，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，那些更频繁地参与学习和目标设定的人可能对治疗的反应更差。也就是说，参与这些活动的程度越高，抑郁症的治疗过程越难，或者有更复杂共病的个体表现出来，从而表明干预成分不适合某些个体的需要。因此，对这些活动的高参与度可能是对治疗反应性较低风险的一个指标，并可用于指导可能受益于额外支持的个人实施替代治疗策略。

一般应用程序的总体使用强度也预示着抑郁症状的减少。一般来说，应用程序使用强度越高的人在治疗结束时抑郁水平越低。然而，应用程序使用时间对更好的结果的贡献最小。这一发现与之前的研究相一致，即考虑到人们习惯在空闲时间使用智能手机，他们倾向于在非常短的时间内使用移动应用程序。 39， 40］．尽管参与持续时间在基于网络的干预中发挥着关键作用[ 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与这些努力保持一致，以促进频繁但短暂的交互。

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，焦虑症状的显著减轻与应用程序会话数量或首次和最后一次使用应用程序之间的时间无关，而只与应用程序下载数量有关[ 27］．应用程序使用对抑郁和焦虑的影响差异是一个新发现，它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不是。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，但又不会太多，以至于被淹没。另一方面，焦虑可能对剂量反应不太敏感，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各种疾病或症状学中临床有意义的活动和症状之间的关系。

总体而言，这项研究对抑郁症mHealth的设计具有重要意义，包括以下内容:

然而，由于研究的探索性，这项研究的设计考量只关注应用内容和用户粘性。在更广泛的背景下，研究表明，应用程序设计和质量评估还必须考虑用户的生活体验，应用程序的可用性和稳定性，以及数据隐私和安全[ 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至关重要性，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]以及用户分享个人传感数据的意愿取决于收集的数据类型以及与谁共享这些数据[ 43］．的确，这些因素的重要性在不断增长的应用质量测量和指南中显而易见，包括美国精神病学协会[ 41]及美国食物及药物管理局[ 44］．

尽管这项研究有其贡献和意义，但也有一些局限性。首先，本研究中确定的用户活动并不详尽;有些活动因为频率低而被取消。作为二次分析，本研究本质上是探索性的，未来的研究应继续探索使用移动健康技术时更具体的用户行为类型和模式，以及它们与心理健康状况结果的关系。其次，尽管这项研究证明了在治疗期间，通用和特定应用程序的使用与临床结果的关联，但很难对这些影响做出因果声明。应用程序使用和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，而症状的改变又可能增加应用程序的使用[ 45］．有必要进行实验研究，以检查不同的干预成分如何独特地影响结果。第三，本研究只检查了8周治疗期间的结果。未来的研究可以建立在这个初步模型的基础上，探索不同应用使用行为的长期影响。

参与数字卫生干预是一个长期存在的问题;然而，对于用户如何以临床有意义的方式与心理健康应用程序互动，我们知之甚少。这项研究采用了一种新颖的混合方法，以更好地了解用户对应用程序的粘性，这是无法通过一般使用数据看到的。通过定性和定量相结合的方法，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——每一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才能减少抑郁症状，但在所有强度下的自我跟踪都可以预测抑郁症的改善。了解不同类型的用户活动和临床结果之间的关系，可以为设计对用户更有效的心理健康应用程序提供信息。