本文报告了对DYD的权威随机试验数据进行的探索性次要数据分析(详情见下一节)。伦敦大学学院(UCL)批准了本研究中进行的二次分析的伦理批准gydF4y2Ba ）gydF4y2Ba研究伦理委员会(“参与基于互联网的酒精节制干预‘放下你的饮料’”项目ID: 3770/002)。gydF4y2Ba

本研究使用的数据是在2007年10月至2009年5月的最终DYD试验期间收集的。这项两组随机对照试验旨在评估DYD在3个月和12个月随访中减少酒精消费和酒精相关伤害的有效性。能够上网、在酒精使用障碍识别测试-消费(AUDIT-C)中得分达到5分或以上、懂书面英语并愿意完成后续问卷的18岁或以上的人都可以参加。共包括2652名在AUDIT-C评分为5分或以上的成人[gydF4y2Ba 16gydF4y2Ba］．在试点和主要试验扩展阶段，另有5238名参与者被纳入。使用total - al量表收集过去一周饮酒的主要结局指标[gydF4y2Ba 17gydF4y2Ba］．整个研究都是在网上进行的。关于主要试验程序的更广泛的描述可以在Murray等人[gydF4y2Ba 18gydF4y2Ba]和华莱士等人[gydF4y2Ba 15gydF4y2Ba］．gydF4y2Ba

在这项研究中，我们纳入了DYD试验参与者，他们在2008年随机分组到干预组(主试验中唯一完整的日历年)，并在3个月的随访中报告了他们的饮酒情况。这确保了在年内不同时段注册的参与者都被包括在内。样本为分析提供了足够且可管理的参与者数量。2008年，共有2543名参与者被随机分配;其中，1271人被随机分配到干预组。在去除研究过程中撤回同意的参与者(n=41)和在3个月随访时未报告饮酒的参与者(n=727)后，最终样本由503名参与者组成。除了这个完整的样本外，我们还独立地分析了积极使用样本，这是410名参与者的子样本，他们至少积极参与了一次计划，定义为那些对DYD计划中至少一个问题做出了回应的人。gydF4y2Ba

DYD是一种基于网络的酒精干预，主要基于两种广泛应用于酒精滥用心理治疗的循证方法，即MI和CBT;后者是一种目标导向的治疗方法，系统地解决功能失调的情绪、行为和思维过程。例如，CBT包括敦促参与者设定目标，认识到高风险情况，并阐明他们对(节制)饮酒行为的态度。饮酒事件日记有助于自我监测饮酒行为(例如，数量，类型，环境，成本)。酒精单位计数器是另一个自我监控的练习;然而，它并没有跟踪饮酒随时间的变化。DYD通过提供一系列问题来提供自由文本回答，从而实现MI方法。MI的有效性取决于人们如何回答问题，也就是说，他们的回答是否表明他们希望减少饮酒(即改变谈话)或不(即维持谈话)。有关干预的更广泛的描述，请参见[gydF4y2Ba 12gydF4y2Ba］．gydF4y2Ba

目前分析中包括的DYD试验的测量方法是在基线时以英国单位(即1单位=8克乙醇)自我报告的过去一周的酒精消耗量，以及使用total - al(过去一周的酒精消耗量)测量的3个月随访[gydF4y2Ba 17gydF4y2Ba]、年龄(连续变量)、性别(男/女)、教育程度(大学学位或同等学历/A level或同等学历)/普通中等教育证书(GCSE)或同等学历/其他学历/无学历)。种族和关系状态被用来描述样本，但不包括作为协变量在模型中。这项研究包括使用DYD组件的措施，这将在定性分析部分进一步描述。为评估“改变谈话”及“维持谈话”的效果，我们按建议计算“改变谈话”的百分比(改变谈话的频率占“改变谈话”频率加“维持谈话”频率的总和)[gydF4y2Ba 19gydF4y2Ba］．最后，计算每个参与者输入程序的总字数。gydF4y2Ba

编码方案(参见gydF4y2Ba 多媒体附件1gydF4y2Ba)包括主要MI组件和CBT组件，并由Client Language EAsy Rating (CLEAR)编码系统通知[gydF4y2Ba 19gydF4y2Ba]及认知治疗修订量表(CTS-R)的项目[gydF4y2Ba 20.gydF4y2Ba］．CLEAR是一种编码系统，可用于评估参与者回应中的变化言论和反对变化言论(即维持言论)。它最初是为治疗中的客户语言开发的。被编码的MI组件包括改变谈话的存在、维持谈话的存在、列出饮酒的利弊以及注意价值观(对自己来说最重要和最有意义的东西)。对于这些组成部分，参与者根据他们的回答被分配为1(存在)或0(不存在)。此外，我们对以下话语的次数进行编码:改变话语、维持话语以及饮酒的利弊。请注意，改变谈话的频率包括饮酒的缺点和所有其他改变谈话，以回应使用CLEAR评估的其他问题。持续谈话的频率包括提及饮酒的好处的数量，以及在回答项目中其他问题时出现的所有其他持续谈话。gydF4y2Ba

CTS-R量表是衡量认知治疗治疗师能力的量表;它列出了认知疗法的几个关键组成部分，帮助我们识别CBT的主要组成部分。我们编写了以下CBT组件:设定饮酒节制的开始日期，设定饮酒节制的目标，完成节制计划的另一部分(例如，注意可能会帮助的人)，注意DYD之前的饮酒情况，注意饮酒的高风险情况(例如，地点，人，情绪)，注意处理高风险情况的策略，探索渴望的感觉，探索预防复发(例如，回想以前复发的环境)，制定复发计划(例如，注意戒酒计划)。说明万一失忆时该找谁)，探究(关于饮酒的)想法，监测饮酒情况(即饮酒的类型、频率和数量)。对于所有这些代码，参与者根据他们的回答被分配为1(存在)或0(不存在)。此外，我们对以下提到的次数进行编码:高风险情况和处理高风险情况的策略。gydF4y2Ba

编码由两名编码器(AM和AP)完成;就任何不符之处咨询SL。每个编码器独立编码样本的50%，51(10%)样本由两者共同编码。两种分类变量的评分者间信度均较高，科恩κ(范围0.91-1，平均0.97)和连续变量(范围0.90-0.99，平均0.97)均较高。连续变量包括以下谈话出现的次数:改变谈话，维持谈话，赞成，反对，高风险情况，以及处理高风险情况的方法。gydF4y2Ba

计算每个DYD使用变量的描述性统计数据，以评估响应中改变谈话和维持谈话的存在以及CBT和MI组件的使用。本研究中描述的所有分析都是探索性的，因为它们没有预先注册。在3个月的随访中，使用多重层次回归模型和分析来评估不同组成部分以及关于减少酒精使用的改变谈话和持续谈话的预测价值。根据CLEAR指南，改变谈话和维持谈话作为百分比改变谈话进入模型[gydF4y2Ba 19gydF4y2Ba］．在第一步中，生成了一个线性模型，其中包含基线饮酒水平和以下协变量:参与者在所有回答中输入的字数、年龄、性别和教育水平。然后将该模型与包含所有感兴趣变量的线性模型进行比较，以评估整个模型的附加解释方差。酒精消费结果的分布高度倾斜;因此，我们进行了两次敏感性分析。第一个敏感性分析使用线性模型，其中酒精消费变量进行对数转换(每周添加1单位后)。在第二个敏感性分析中，由于饮酒结果的对数变换并没有得到完全正态分布的数据，因此进行了负二项回归。Atkins等人推荐的负二项回归[gydF4y2Ba 21gydF4y2Ba]被用来模拟酒精计数数据。模型估计来自至少参与过一次程序的用户子集(即活跃使用样本)。所有分析均在R版本3.5.1 (R项目)中进行[gydF4y2Ba 22gydF4y2Ba］．gydF4y2Ba

样本主要为女性(308/ 503,61.2%)，年龄18 - 73岁(中位数41，平均值40，标准差11.24)，主要种族为英国白人(419/ 503,83.3%)。在整个样本中，93名参与者注册了账户，但没有参与网络项目的任何互动元素，创建了一个至少回答了一个问题的子组(410/ 503,81.5%)。总样本中过去7天的基线酒精摄入量平均为54单位(中位数45.4，范围0-322.1,SD 37.6)，活跃使用样本中平均为55.5单位(中位数47.8，范围0-322.1,SD 36.0)。在3个月的随访中，总样本在过去一周的平均饮酒量为37.2个单位(中位数30.6，范围0-284.6，标准差31.2)，子样本为37.4个单位(中位数30.2，范围0-284.6，标准差31.4)。总样品和有效使用样品的特征都显示在gydF4y2Ba 表1gydF4y2Ba；没有显著差异。gydF4y2Ba

平均而言，参与者输入的变化谈话(平均12.3,SD 9.79)几乎是持续谈话(平均4.1,SD 2.00)的三倍gydF4y2Ba 表2gydF4y2Ba)．改变谈话的百分比平均为61.5%(中位数为70%，范围为0%至100%)。大多数参与者至少进入了一个被归类为变革谈话的环节(341/410,83.2%)。改变谈话包括提到戒烟/节制饮酒的好处，提到当前饮酒行为的缺点，认识到有问题的饮酒行为或需要帮助，并阐明改变饮酒行为的意图。注意到其他人对参与者戒酒的渴望并没有被归类为改变谈话。例子:gydF4y2Ba

持续谈话包括说出当前饮酒行为的好处，提到戒烟/节制饮酒的缺点或担忧，以及表达对改变当前饮酒行为缺乏自信。例子:gydF4y2Ba

中显示了MI和CBT组件使用的描述性信息gydF4y2Ba 表2gydF4y2Ba．列出饮酒的利与弊是大多数参与者积极参与的部分(337/410,82.2%)。参与者参与最少的部分是探索渴望(16/410,3.9%)，探索预防复发(24/410,5.9%)和制定复发计划(9/410,2.2%)。gydF4y2Ba

模型估计来自至少参与过一次程序的用户子集，即活跃使用样本(n=410)。在控制了年龄、性别、教育水平、基线饮酒量和字数后，3个月时较低的饮酒量与更大比例的改变性谈话相关(BgydF4y2Ba_{邻接的gydF4y2Ba}−0.17,95% CI−0.32 ~−0.02，gydF4y2Ba PgydF4y2Ba=.03)和更高数量的高风险情况(BgydF4y2Ba_{邻接的gydF4y2Ba}−2.15,95% CI−3.92 ~−0.38，gydF4y2Ba PgydF4y2Ba= .02点)。在未调整的模型中，列出任何高风险情况(BgydF4y2Ba_{unadjgydF4y2Ba}−8.31,95% CI, 14.88 ~ 1.74，gydF4y2Ba PgydF4y2Ba=.01)和列出的处理高风险情况的策略的数量(BgydF4y2Ba_{unadjgydF4y2Ba}−8.31,95% CI, 14.88 ~ 1.74，gydF4y2Ba PgydF4y2Ba=.01)在3个月的随访中也显示出与酒精使用显著相关，但当对所有其他成分进行调整时则没有显著相关性(调整后的RgydF4y2Ba^2gydF4y2Ba0.38)。完整的结果显示在gydF4y2Ba 表3gydF4y2Ba．gydF4y2Ba

当比较没有对数变换的线性模型的估计时(gydF4y2Ba 表3gydF4y2Ba)，模型估计值包括酒精使用变量的对数转换(调整后的RgydF4y2Ba^2gydF4y2Ba0.20，见中表S2gydF4y2Ba 多媒体附件2gydF4y2Ba)，以及由负二项回归得出的模型估计(McFadden RgydF4y2Ba^2gydF4y2Ba0.31，见表S3gydF4y2Ba 多媒体gydF4y2Ba)，在3个月的随访中，较高数量的列出的高风险情况预测较低的酒精使用量(BgydF4y2Ba_{邻接的gydF4y2Ba}−0.10,95% CI−0.16 ~−0.04，gydF4y2Ba PgydF4y2Ba=.001)和负二项式模型(BgydF4y2Ba_{邻接的gydF4y2Ba}−0.07,95% CI−0.12 ~−0.03，gydF4y2Ba PgydF4y2Ba=措施)。然而，在两个对数转换模型(BgydF4y2Ba_{邻接的gydF4y2Ba}0.04, 95% CI 0.01 ~ 0.06，gydF4y2Ba PgydF4y2Ba=.002)和负二项式模型(BgydF4y2Ba_{邻接的gydF4y2Ba}0.03, 95% CI 0.01 ~ 0.05，gydF4y2Ba PgydF4y2Ba= . 01)。在两项敏感性分析中均未发现变化谈话百分比(对数转换:BgydF4y2Ba_{邻接的gydF4y2Ba}0.00, 95% CI−0.01至0.00，gydF4y2Ba PgydF4y2Ba= . 07;负二项式:BgydF4y2Ba_{邻接的gydF4y2Ba}0.00, 95% CI -0.01至0.00，gydF4y2Ba PgydF4y2Ba= 22)。因此，这两个组成部分的研究结果是不一致的。对于所有其他成分，没有一个模型显示出影响。gydF4y2Ba

参与者被发现积极使用DYD网站的MI和CBT组件，使用MI组件的参与者更多。关于预防复发和探索渴望的CBT成分很少被参与者使用。“改变论”和“维持论”的受访者最多(分别为341/410,83.2%和329/410,80.2%);一般来说，尽管人与人之间的差异很大(SD分别为10.02和2.43)，但报告的改变谈话(中位数8)比维持谈话(中位数3)更多。MI组件比CBT组件使用更频繁的一个解释是，前者在程序开始时出现。参与者可以自由选择如何完成该项目;然而，排序可能仍然有助于更频繁地使用MI组件。一个重要的发现是，在3个月的随访中，所列高风险情况的数量越多，就有力地预示着酒精使用量的减少越多(gydF4y2Ba PgydF4y2Ba= .02点)。gydF4y2Ba

对基线和3个月随访时的酒精使用情况进行对数转换测量，并应用负二项回归进行重复分析。所有模型都显示了所列高风险情况数量的影响;然而，也有一些不一致的发现。在改变谈话的百分比和列出的处理高风险情况的策略的数量的影响方面，模型之间存在差异。在对数变换和负二项模型中，处理高风险情况的策略数量预示着更高的酒精消费量，但在没有对数变换的线性模型中则不然。在没有对数变换的线性模型中，只发现改变谈话的百分比对酒精使用的减少有影响。所有其他组件都显示为空结果。gydF4y2Ba

敏感性模型中发现的变化言论百分比的缺乏影响可能是由于缺乏证据，而不是缺乏真正的影响。Magill的元分析[gydF4y2Ba 10gydF4y2Ba]总结了58项MI过程研究，包括21项面对面酒精干预研究。研究发现，较高比例的改变谈话与减少所有危险行为有关，包括减少酒精的使用。值得注意的是，最新的MI实践指南建议取消正反两方面的决策平衡练习[gydF4y2Ba 9gydF4y2Ba]，因为这会产生鼓励持续谈话的不良效果[gydF4y2Ba 23gydF4y2Ba］．gydF4y2Ba

根据敏感性分析，在3个月的随访中，较高数量的注意策略与酒精使用量略有增加相关。这一看似矛盾的发现的一个可能原因是，有更严重酒精问题的参与者可能会更广泛地参与该项目。对于这一群体，基于网络的酒精干预可能无法提供足够的支持来减少他们的酒精使用量，从而可能导致酒精使用量的增加。由于在原试验中只有部分参与者被要求填写完整的AUDIT问卷，因此本研究无法验证这一假设。然而，最近的一项个体患者数据荟萃分析(19项试验)显示，在酗酒者和非酗酒者之间，网络干预的有效性没有差异，也没有任何与基线饮酒量相关的有效性差异(重度饮酒者与非重度饮酒者)[gydF4y2Ba 5gydF4y2Ba］．gydF4y2Ba

另一个通常被认为是短暂酒精干预的"有效成分"的组成部分是酒精使用的自我监测[gydF4y2Ba 24gydF4y2Ba］．只有141/410(34.4%)的活跃参与者至少积极地使用了一次自我监测(即将饮料记录到饮酒事件日记中)。此外，对于那些确实使用了它的参与者，他们报告饮酒的次数非常倾斜:其中一半的人报告他们最多饮酒9次(平均值34.8，标准差75.73)。在DYD使用者中，也缺乏积极参与预防复发练习和关于渴望的练习。先前研究发现，渴望是毒瘾复发的重要预测因素。gydF4y2Ba 25gydF4y2Ba］．gydF4y2Ba

未来的研究应侧重于使用预先登记的分析计划测试感兴趣的成分在鼓励减少酒精方面的作用，同时考虑成分的顺序对其使用和后续影响的影响。gydF4y2Ba

这项研究使用了一个基于网络的酒精干预项目的大量活跃用户样本。这些用户是电子求助者，目前没有参加治疗途径。独特的是，在这项研究中，我们能够分析大量的自由文本回答，从而深入了解参与者对问题的理解程度，以及是否积极使用了关键的MI和CBT组件。自由文本的回答也能够评估改变谈话和持续谈话的关键MI机制，这可能会影响饮酒结果[gydF4y2Ba 26gydF4y2Ba］．随着时间的推移，该项目是鼓励改变谈话还是软化维持谈话(反对改变谈话)，在这项研究中无法评估。这些关键MI机制的存在和单独组件的使用由两名具有高可靠性的编码员独立评估。更改谈话和维持谈话使用CLEAR编码系统进行编码[gydF4y2Ba 19gydF4y2Ba]，用于对治疗中来访者语言进行编码。为了将程序中的总活动量作为可能的混杂因素考虑在内，总字数被作为协变量包含在模型中。这些分析是探索性的，没有预先注册;因此提出了几种敏感性分析。当使用更大的样本时，可能会检测到某些成分的影响的显著性，因为我们在完整模型中包含了许多没有任何影响的参数。该研究的概括性有限，因为样本只包括在3个月随访时饮酒情况已知的参与者;这个完整的案例分析限制了结果对无应答者的普遍性。此外，DYD干预密切模仿了治疗环境中使用的面对面MI/CBT方法，它需要在许多不同的练习中参与和反思。DYD只能在电脑上使用(也就是说，不兼容智能手机，在2007年DYD首次推出时，智能手机还没有那么多)。因此，目前的结果只能推广到类似的广泛的基于web的MI/CBT干预。 More recent web-based interventions are responsive websites or apps, which tend to include a small number of “active” behavior change components that can be used easily and quickly, and are not intended to elicit change talk or sustain talk.

基于网络的酒精干预能够引发改变谈话和持续谈话。在3个月的随访中，较高数量的高风险情况可以预测较低的饮酒量。其他成分显示不一致的结果，应使用预先登记的分析计划进一步研究。这项研究指出DYD网站的组成部分可能构成有效的互联网酒精节制计划，因此符合研究基于网络干预的特定组成部分的高优先级研究。gydF4y2Ba