我们搜索了Cochrane推荐的数据库[ 37]，包括Medline (PubMed)、ACM数字图书馆、PsycINFO、EMBASE、CINAHL和Cochrane，以识别研究。此外，我们手工检索了所选出版物的参考文献列表，以检索其他相关出版物。搜索的字符串包括适应性，或灵活，或量身定制，和互联网，和干预，和心理健康(见 多媒体附件1详细搜索字符串)。每个术语都包含医学主题标题，搜索是在全文论文上完成的。检索范围仅限于2000年1月至2020年1月期间以英文发表的所有论文。数据库搜索和随后的审查由相同的两位作者(SKM和JDW)在双盲过程中独立执行。

我们纳入了符合以下纳入标准的文章的研究:(1)讨论了通过互联网(基于网络或移动)提供的干预，(2)试图通过使用适应性策略提供适应性(动态的、量身定制的、灵活的)干预，(3)针对《精神疾病诊断与统计手册》第五版(DSM-5)定义的精神健康障碍[ 38)，(4)于2000年1月至2020年1月之间出版。没有数据限制。使用了以下排除标准:(1)不是用英语写的，(2)不是全文论文或以短文、扩展摘要、摘要或海报的形式发表，(3)设计为非经验发现，如意见论文、评论、社论、信件、议程或研究协议，(4)涉及除心理健康以外的任何领域的适应性技术，或(5)不是关于适应性技术的。

研究的选择基于标题、关键词、摘要和全文的审查分为三个阶段。对作者、期刊和发表日期进行标题和摘要盲法筛选。有疑问的论文纳入下一阶段，分歧通过讨论解决。在最初的数据库搜索中识别出3341篇相关论文后，删除了372篇重复论文，保留了2969篇独特论文。在筛选步骤中，由相同的两位作者根据纳入和排除标准独立审查2969篇论文。通过对标题、摘要和关键词的审查，检索出符合条件的论文105篇。大量排除的两个主要原因是:(1)搜索引擎返回的结果包含任何搜索词，尽管它们在逻辑上是相连的;(2)大多数论文与心理健康有关，没有任何IDPT的参考。全文进行评估，以确定剩余论文的资格。105篇合格论文的全文由同一作者独立评估。作者之间关于论文选择的任何分歧都是通过讨论解决的。 In total, 74 papers were excluded in this round, and the selection process led to the inclusion of 31 papers, as illustrated in 图1．在这一阶段，最常见的排除原因是该出版物没有讨论通过互联网提供的干预。其他出版物被排除在外，因为它们专注于其他类型的卫生保健干预，没有关于IA、用户依从性或适应性策略的明确信息。

从纳入的研究中提取、验证数据，并制成表格供作者审阅。从所选的研究中，我们选择了适应的主要要素、使用的适应策略、适应维度和参与适应的行动者。 多媒体附件2提供综述中31篇文章分析的详细摘要。分析中的所有文章都在参考文献中列出[ 11- 14， 24， 32， 39- 63］．我们基于之前描述的自适应IDPT模型评估了所有相关研究[ 28］．如研究中所述[ 28]，提取了自适应参考模型的核心组成部分，包括自适应要素、自适应维度、IA和自适应策略。我们其余的结果是基于这些核心组件的。

为了研究的透明度和可重复性，我们在GitHub上发布了结果数据、代码和过程[ 64］．GitHub存储库包括从数据库搜索中提取的原始文章、关键字公式文档、预处理文章列表以及用于数据预处理、分析和可视化的识字编程脚本。

大量纳入的研究涉及抑郁症(n=11)和焦虑症(n=7)，其次是一般心理健康问题(n=8)，如幸福感、正念和目标实现。此外，一些研究报告了适应性在其他领域的使用，如失眠(n=2)，社会心理学(n=1)，注意缺陷多动障碍(n=2)，创伤后应激障碍(n=2)，自杀(n=2)和药物滥用(n=1)。有关研究所涉及的各类精神健康问题的完整清单载于 表1．

根据我们的研究结果，用于对患者进行互联网辅助干预的通信媒体可以分为三类:网络应用程序、移动应用程序和电脑游戏。其中相当一部分研究是基于网络应用的[ 11， 14， 24， 39， 43， 49， 50， 52， 54， 56， 63]，其次是流动应用程序[ 13， 32， 41， 49， 50， 55， 60， 61]和基于游戏的干预[ 53］．只有一篇论文同时应用了网络和移动技术进行基于互联网的干预。然而，很多研究没有报道分娩方式。

IA关注组织和标记web应用程序、内部网、软件和在线社区组件的艺术和科学，以增强它们的可用性和可访问性。IA在web应用开发中起着至关重要的作用，一个好的架构可以提高员工和客户查找信息的能力，降低应用的维护成本[ 28］．寻找IDPT系统中使用的IA类型及其与治疗结果的相关性是本研究的研究问题之一。然而，相当数量的研究(20/ 31,65%)没有报告他们在IDPT系统中使用的IA类型。根据31篇综述文章中报道的干预的IA, 4项(13%)研究报告使用了基于隧道的IA, 3项(10%)研究报告使用了矩阵IA和分级IA。有关研究中所使用的IA类型的完整列表载于 表2．

分析 表2回答我们的第一个研究问题。这些IAs大多分为四类:(1)基于隧道的设计，(2)矩阵设计，(3)分层设计，(4)混合设计。先前的研究[ 65]显示，90%的可用IDPT系统使用基于隧道的设计，用户在其中按顺序导航以搜索信息。基于隧道的设计类似于看电视剧、阅读教科书、参加学术课程或参加多个临床会议。基于隧道的设计的一个论点是，这种体验不太可能让用户被信息和选项压垮。 66］．在许多项目中，基于隧道的设计可能也是默认的IA设计替代方案，也是最容易实现的。

自适应元素是为用户个性化的主要组件。正如先前的研究报告所述[ 28]，主要的自适应元素可以是干预内容、设计、评估测试、IA、内容表示、内容复杂性、内容推荐、用户界面(如导航系统、搜索引擎)、反馈、通知/提醒/警报、行为活动、练习和报告/仪表板。我们报告了在相关研究中发现的自适应元素的完整列表 表3．

大量研究(9/ 31,29%)报告了调整干预的内容。然而，这些研究大多没有明确地报告内容的类型、复杂程度或模式(音频、视频、演示、图片、作业、活动和评估)。了解内容的形式及其相关的复杂性，可以深入了解如何为患者适应和个性化干预措施。

另一个值得注意的观察是，一些研究(11/ 31,35%)使用反馈作为自适应元素。许多研究描述了不同形式的自适应反馈过程，包括发送个性化的激励信息[ 43]、治疗师量身定制的讯息[ 11， 13， 54]，以及提供一般支援[ 14］．相比之下，一些研究旨在通过发送电子邮件、短信或打电话来调整提醒和提醒。 24， 48， 50］．只有两项研究针对运动的适应性[ 41， 47]和一项针对行为活动适应性的研究[ 60］．我们发现共有7篇论文(7/ 31,23%)采用了评估测试或心理测量评估测试[ 39， 42， 45， 46， 55- 57］．

表3介绍了自适应IDPT系统中主要的自适应要素。列表包括(1)干预内容，(2)内容呈现，(3)反馈信息，(4)评估测试，(5)行为活动(睡眠模式)，(6)提醒信息(电子邮件，短信，电话)，(7)练习，(8)报告(患者和治疗师的仪表板)。自适应的核心概念是创建不同级别的这些自适应元素，并基于个性化的概要文件提供这些元素。例如，如果一个人看视频的时间比听音频、阅读文本或查看幻灯片的时间多，那么基于适应性原则，以视频格式呈现即将到来的干预是有意义的。

适应性系统改变其行为的方式取决于许多因素:(1)用户的数据和偏好，(2)干预的目标，(3)措施，(4)适应参与者，(5)适应策略。我们把这些方面称为自适应IDPT系统的维度[ 28］． 表4提出了从所包括的研究中提取的适应性维度的列表。

根据适应性维度的选择，相关研究主要分为两类:用户偏好(13/ 31,42%)或结果测量(14/ 31,45%)。只有一项研究使用了基于目标的自适应维度。在使用用户偏好的研究中，一些研究[ 32， 42- 46， 62]使用用户上下文，而一些研究使用用户位置[ 32， 62调整干预措施。基于结果测量的研究使用心理测量测试或基于交互数据的用户行为分析来测量性能结果。

适应性策略指的是用于调整干预的技术。在最近的研究中[ 28]，确定了四个重要的自适应方法集群，即基于规则的适应、基于预测算法(如机器学习)的适应、目标驱动的适应和通过反馈循环的适应。与本研究类似[ 28]，我们确定了以下自适应策略，在 表5在回顾的研究中。

策略列表包括基于规则的策略、基于预测算法的策略和基于推荐的策略。正如预期的那样，相当数量的研究(20/ 31,65%)使用了某种形式的基于规则的适应机制。例如，一些研究[ 42， 45， 46]使用项目反应理论[ 8来定制心理测试。采用心理测试的主要动机是在不向患者提出太多问题的情况下提取患者的基本信息。Van Gemert-Pijnen等人的研究[ 56]通过检查网络日志数据应用用户行为分析，并将其与基于规则的引擎相结合以适应干预。同一项研究得出结论，模式识别是一种有用的工具，可以根据早期课程的使用模式来定制干预措施[ 56］．随着数据科学的炒作，几项研究[ 12， 40， 44， 49， 50， 58， 60- 62试图使用某种形式的预测算法来适应干预。虽然有些研究没有报告整体研究的结果[ 40， 49]，其中大多数报告使用预测算法对干预措施的适应性有积极影响[ 12， 44， 50， 58， 60- 62］．然而，这些研究得出的结论是，需要进一步的研究来研究绩效结果的有效性。

总的来说，这项系统综述表明，根据患者的需求和偏好量身定制干预措施对用户依从性和治疗结果具有积极影响。几项研究报告称干预措施的个性化[ 13， 32， 39， 41， 43， 47， 50- 52， 54， 56， 59]及评估[ 42， 45， 46提高用户黏性。同样，Coyle等人[ 53]报告说，个性化系统提供了更高程度的用户满意度。然而，一些研究报告称，治疗结果没有明显改善。例如，巴特汉姆等人[ 48]报告称，定制版和静态版在治疗效果或依从性方面没有显著差异。然而，同一项研究报告称，定制条件下的参与者比控制条件下的参与者更满意[ 48］．利勒沃尔等[ 24]得出了类似的结论，报告称定制反馈和发送每周电子邮件提醒并没有改善干预结果或用户依从性。考虑到两组不同的结果，需要进一步的研究和临床试验来理解用户依从性和干预的个性化是如何相关的。

根据纳入标准，共有3341项研究被初步确定。在回顾标题、摘要和全文后，31项符合纳入标准的研究仍然存在，其中大多数试图为精神疾病量身定制干预措施。大约68%(21/31)的研究的第一作者具有卫生保健背景。最常见的适应性因素是治疗师对患者的反馈信息(11/31,35%)和干预内容(9/31,29%)。然而，这些因素如何促进IDPT对精神疾病的疗效还没有报道。最常见的IA是基于隧道的IA(4/ 31,13%)，而许多研究(20/ 31,65%)没有报道使用IA。基于规则的技术是这些研究中最常用的适应性策略(20/ 31,65%)。所有的研究都根据用户偏好或使用心理测试等性能测量方法，大致分为两个适应性维度。

我们的研究结果表明，网络应用程序、移动应用程序和电脑游戏是用于促进干预的主要平台。除此之外，其他通讯媒介包括机器人、虚拟现实[ 67]、增强现实(AR)、会话代理或聊天机器人[ 68］．文献研究的一个关键发现是，大多数idpt都是在移动应用程序上提供的[ 69以及基于网络的应用程序。这是意料之中的，因为这些是用于个人计算的最普遍的平台。智能手机包含大量的传感器和其他数据源，可以告知用户的健康状况、环境、活动、行为和意图等方面。然而，只有少数尝试使用会话代理提供IDPT [ 68或VR或AR应用程序。如所述 图2，在链中的位置越高，表示计算复杂度越高，但流行率越低。相反，链中较低的位置表示较低的计算复杂度，但较高的流行度。选择网络和移动应用程序作为干预平台最明显的解释是它们的普遍性。针对最常用的平台进行开发是最有意义的。

尽管相当多的研究没有报告在他们的IDPT系统中使用了哪种IA，但IA仍然存在于所有软件系统中。理解系统的IA有助于用户轻松地存储、查找和解释信息，因为IA是用于使信息可发现和可理解的设计原则。找到IDPT系统的底层IA可以帮助最终用户访问和发现系统，关于信息设计、结构、组织和标签的知识可以促进开发和评估阶段。正如先前的研究所解释的[ 70]， IA由三个主要组件组成:用户、内容和上下文。因此，IA有助于根据用户的上下文为他们发现内容。为用户提供他们正在寻找的正确信息，可以通过降低跳出率来提高用户的黏性。 71从而改善治疗结果。虽然我们的研究结果表明，目前大多数自适应IDPT系统是基于隧道的，不促进个性化，但我们提倡使用分层IA或混合IA，以便根据患者的需求提供有用的信息，并认为后者的设计为自适应IDPT系统提供了更丰富的机会。

建立适应性IDPT系统的主要背景是帮助患有精神健康障碍的患者了解并从他们的疾病中恢复。IDPT系统通过使用不同的媒体和元素(如文本、视频、音频、图片、演示文稿、反馈、提醒、报告等)来提供这些信息。这些元素有它们的格式、结构、元数据、容量和动态(比如更新频率)。理解这些元素(Pakkala等人所描述的内容[ 71])和相关的属性，以便在当前上下文中将正确的内容交付给正确的用户。例如，了解描述睡眠障碍的文本的复杂性有助于根据患者的教育背景对内容进行个性化。一个普遍的假设是，受过教育的人比非专业人士能理解更复杂的语言和医学术语。对于非专业人士来说，用动画视频或图片来呈现同样的内容更有价值。

自适应维度为自适应IDPT系统提供了定制其行为的上下文。定制IDPT系统行为的常用方法是基于关于用户偏好、测量(心理测量测试、用户行为分析等)和目标的输入，如图所示 表4．在用户偏好的背景下，Yardley等人[ 72]概述了用户可能会对呈现在他们面前的信息的数量和复杂性感到不知所措。因此，建议根据不同用户的需求和喜好来满足他们的需求。个性化之所以重要，主要是因为用户有不同的认知技能、教育背景、内容格式偏好、理解能力和其他素质。桑达尔和马拉特也得出了类似的结论[ 73］．他们的研究确定了两种类型的用户:一种是受代理的可提供性(高级用户)影响更大的用户，另一种是受结果内容相关性影响的用户。研究结果显示，非高级用户更喜欢个性化的内容，而高级用户在网站具有可定制功能时，对内容质量的评价更高。与用户偏好类似，适应的其他维度是性能测量，如心理测试的使用(例如，患者健康问卷-9 [ 74)、用户行为分析等。

自适应策略提供了一种机制，根据正确的人的需求和偏好将正确的内容呈现给正确的人。虽然我们的回顾结果显示，基于规则的自适应策略是最广泛采用的实践，但其他策略，尤其是机器学习，正变得非常普遍。假设我们可以捕捉用户的每一个数字足迹，从而得到一个复杂而全面的数据集，一方面有可能使用复杂的机器学习或深度学习算法，但另一方面也提出了一个关于隐私的基本问题。总的来说，要建立一个自适应IDPT系统，了解可以使用哪些自适应策略是至关重要的。根据所选择的策略，需要收集和存储数据。无论选择哪种自适应策略，IDPT系统中的自适应都是一个迭代循环，其中数据收集和预处理;然后分析预处理数据，并根据分析结果采取行动来调整干预措施。然而，如何分析数据和提取结果会影响IDPT系统的开发方式、IA的选择、数据存储方法和其他参数。

虽然医疗保健系统的整合已经成为几个医疗保健机构的政策，但目前的政策、项目实施工作和医疗保健整合的证据之间存在很大的差距。我们的审查结果使我们列出了当前IDPT实践中的以下挑战。

随着时间的推移，技术将如何发展，以及这些技术是否将继续适应临床应用，这并不容易预测。然而，基于这一系统综述的结果，我们概述了IDPT系统开发和创新领域的一些启示和未来方向。

近期未来的一项任务是为适应性IDPT系统建立一个概念框架。除此之外，我们还展望了领域特定语言的发展，可以为这种自适应IDPT系统建模。此外，从综述来看，迫切需要为治疗师和患者提供一个全面的可视化仪表板，在那里他们可以接受干预，监测他们的症状，并管理他们的疾病。

鉴于健康信息和通信技术的文献是相当多样化和广泛的，目前的研究只专注于互联网提供的心理健康发病率干预措施。尽管存在这种局限性，但本文强调了继续研究这种干预方法的意义。另一个限制是，我们的文献探索只包括英语文章;因此，在世界其他地区进行并以其他语言发表的一些研究被遗漏是合理的。第三个限制涉及由行业开发的IDPT应用程序，这些应用程序不能用于审查。因此，我们对其架构中涉及的适应性元素知之甚少。

适应性心理干预是根据个体的需要和偏好来调整内容或任务的类型，以提高干预的显著性和效果。本系统综述描述了现有研究的调查和分析关于适应性心理干预通过互联网交付。本研究概述了适应过程中使用的主要要素、适应系统中使用的IA、适应的主要维度和主要适应策略。基于这些发现，我们设想了一个概念框架的发展，研究人员和临床医生可以利用这个框架来建立几种医疗保健干预措施的自适应模型。

我们的研究结果表明，使用网络和移动应用程序来提供心理健康干预，如抑郁症(研究最多)，焦虑和其他。然而，许多这些研究没有报告在他们的系统中使用IA，而那些报告了的研究大多使用基于隧道的系统。类似地，一些研究使用基于规则的自适应策略来调整基于表现测量的干预措施，如心理测试。反馈信息、提醒和支持是最常用的自适应元素。需要进一步研究IA、适应性要素、适应性维度和适应性策略在构建成功的IDPT系统中的作用。关于自适应IDPT系统的这些核心要素的知识可用于创建可用于几种卫生保健干预措施的概念框架。