系统的综述

前面。数字。健康,2023年5月22日
秒。数字心理健康
卷5 - 2023 | https://doi.org/10.3389/fdgth.2023.1170002

个性化数字精神卫生干预策略:系统回顾和概念框架,抑郁症状

森林Hornstein ^{1 *},

克里斯汀•Zantvoort ²,

Ulrike Lueken ¹,

Burkhardt恐慌 ²和

凯文·希尔伯特 ¹

¹心理学系,Humboldt-Universitat祖茂堂柏林,柏林,德国
²信息系统研究所Leuphana大学Lueneburg,德国

作品简介:个性化是一种备受争议的方法来改善数字精神卫生干预的依从性和结果(DMHIs)。然而,保持开放的主要问题,如(1)什么是个性化,(2)在实践中是多么的普遍,和(3)真的有什么好处。

方法:我们解决这个差距通过执行系统的文献回顾识别所有成人DMHIs针对抑郁症状的实证研究从2015年到2022年9月。搜索Pubmed、斯高帕斯和Psycinfo包含了138篇文章,描述94种不同DMHIs提供一个总体样本的大约24300人。

结果:我们的调查结果在个性化的概念化故意设计个体间变异干预治疗的元素或其结构。我们建议进一步区分什么是个性化的(即个性化。,intervention content, content order, level of guidance or communication) and the underlying mechanism [i.e., user choice, provider choice, decision rules, and machine-learning (ML) based approaches]. Applying this concept, we identified personalization in 66% of the interventions for depressive symptoms, with personalized intervention content (32% of interventions) and communication with the user (30%) being particularly popular. Personalization via decision rules (48%) and user choice (36%) were the most used mechanisms, while the utilization of ML was rare (3%). Two-thirds of personalized interventions only tailored one dimension of the intervention.

讨论:我们认为未来的干预可以提供更加个性化的体验,尤其是受益于使用毫升模型。最后,针对个性化经验证据不足和不确定,使所需的高度个性化的进一步证据。

系统回顾注册:标识符:CRD42022357408。

1。介绍

在估计患病率超过10% (1,2),重度抑郁症(MDD)是第二年住在残疾的主要原因3)。尽管这使得有效治疗的迫切需要,面对面的心理治疗等传统方法难以获得很大一部分患者(4- - - - - -6)。然而,通过电子渠道提供治疗如移动应用程序和在线格式(7)是有效地降低抑郁症状(8,9)以具有成本效益的方式(10)。由于世界上大多数人口上网(11)和/或智能手机(12精神卫生干预),数字(DMHIs)绕过壁垒传统治疗。

尽管他们的潜力,DMHIs继承的一些普遍问题抑郁症治疗:治疗估计辍学,在相关的,当考虑发表偏倚(50%13)。此外,反应率低于50%不满意(14)。因此,改善结果和减少辍学DMHIs预计将高度有效的面对萧条的负担。

幸运的是,DMHIs独特的交付渠道提供了新的机会改善治疗那些患有抑郁症状。具体地说,数字应用程序可以有效地个性化来提高用户的经验和成果,可观察到的在许多其他领域一样,从电子商务(15)/电子学习(16)对社交媒体(17)。同时,适应患者对治疗结果的偏好的重要性在精神卫生保健已经成熟的(18)。因此,个性化的干预治疗适应个人需要是一个有前途的方法来改善保健、抑郁症状和超越19- - - - - -22)。

本着这一想法,2013年的荟萃分析表明,算法裁剪DMHIs与更好的结果(23)。从2022年的一项调查发现,没有一个26了应用抑郁使用准时制(JIT)适应性、个性化内容交付的时间机制基于个人或情况(24)。另一个当前系统综述研究定制职场心理健康干预措施(25),发现好处在几个结果内容或反馈时专门针对个人。最后,一个组件网络分析研究了常见的基于互联网的认知行为疗法的好处(直肠)包的抑郁症,发现小治疗组件和病人之间的相互作用特征(26)。

虽然这些出版物都统一在DMHIs呼吁更多的个性化,他们不加起来是一个令人满意的经验和理论基础。首先,分散使用从其他不同现象相关词汇无法区别个性化DMHIs可变性。例如,使用“裁剪”一词在不同范围和疫源地(23,25,27),而其他地方类似机制称为“个性化”(28)或“个性化”(26,29日)。词汇的多样性与非共享设置,对于传统的心理治疗,15个不同的条款相同现象的不同个体间治疗报告(30.)。其次,相比使用词汇的广度,内部机制研究的焦点似乎相对狭窄,专注于特定的机制(23,24)或区域(25,28)的个性化。这可能会导致一个低估的可变性已经到位。最后,虽然评论提到的两个研究通过直接比较个性化的好处,他们并没有一个特定的关注抑郁和,与上述相关的个性化、狭窄的概念化和一些研究被包括在内。总之,概念、流行和功效的个性化DMHIs对于抑郁症状不充分的描述。因此,disorder-specific审查为个性化开发一个概念性的框架和评估大跨度的干预似乎是必要的。

本系统综述旨在减少潜在的个性化和实际之间的差距实现通过执行一个全面审查的DMHIs抑郁症状具有以下用途:

1。提取一个概念性的框架,允许一个清晰的和有意义的调查方式,分类讨论,和个性化。

2。应用这个框架可用文献和报告当前使用和机制。

3所示。评估现有证据通过识别研究直接比较干预和不同程度的个性化。

2。方法

本文首选项报告后的计划和报告系统评价和荟萃分析(棱镜)指南(31日)。本文的协议是在国际前瞻性登记注册的国家健康研究所的系统评价(普洛斯彼罗)ID CRD42022357408。协议后被更新一次初始驾驶提高入选标准的一致性和数据提取方法和审查的范围。具体来说,添加了一个新的分类维度个性化,发生在文学和不符合预定义的模式和排除如产前抑郁症了改善包括干预之间的可比性。最终版本的协议中可以找到补充附录S1。

2.1。搜索策略

在第一步中,执行一个搜索在三大数据库(斯高帕斯,PubMed PsycInfo)来识别所有已发表的研究对DMHIs抑郁症状。中可以找到完整的搜索字符串补充附录S2。此外,三个相关评论(13,14,32)筛选和研究没有包括被添加。最后,论文由正在讨论为作者的意识在我们的文章,包括不包括但充实我们的选择标准,是补充道。

2.2。选择标准

我们在DMHIs包括实证研究专门针对抑郁症状,确定作者的自我报告的干预的目标。这覆盖,诊断为重度抑郁症患者(MDD),以及与亚临床水平的症状。被认为是DMHI,干预措施需要通过互联网和/或智能手机。我们只包括经验、同行评议、英语学习和会议文章原始数据和患者群体。以确保关注当前使用最相关的干预措施,从2015年起我们开始搜索。

缩小本文的重点,研究针对并存病的干预措施,如焦虑被排除在外。同样适用于那些针对特定亚型的抑郁症(例如,产前抑郁症),单个sub-symptom(例如,沉思)、青少年或老年人(低于18岁或> 64年)。最后,这些研究完全使用数字技术的通讯手段,如一对一的心理疗法通过网络传递,被排除在外。

2.3。选拔程序

研究人员之一(萨达姆政权)进行初步筛选的基础上,标题和摘要的研究发现通过搜索策略。第二个研究员(K.Z.)相同的程序进行随机选取的100项研究,导致优秀的评分者间信度(0.94)。干预的完整描述当时读的评论家所有剩余的论文来决定最终的选择、提取干预和代码感兴趣的变量。这个过程的分歧在任何方面被评论者之间讨论解决,直到达成共识。如果全文用时,他们要求从相应的作者。这发生了12次,8文章提供的请求。

2.4。概念框架的发展

在最初的筛选和普洛斯彼罗的更新登记之前,我们开发了该框架在一个迭代的过程中,考虑到可用性、概念性的文学和观察到的干预措施。具体地说,我们讨论了如何分类个性化的方式让我们不仅涵盖所有机制的文献也最大化可用性通过定义尺寸尽可能不同。我们这么做,因为我们需要一个个性化机制在系统综述和分类方法,我们找不到一个满意的框架在文献中。

我们从一个共同的字典定义个性化定义为“设计或生产的作用符合某人的个人需求”(33)。在此基础上,我们打算把个性化DMHIs足够广泛地覆盖机制的多样性出现在相关的评论和研究。同时,我们旨在缩小影响治疗的概念与机制的内容和结构,设置除了肤浅的可变性来源。因此,我们排除了交互性(34),用户输入的唯一重播作为应用程序的一部分的经验。例如,显示每个病人他们先前设定的目标可能是一个强大的工具,但它不会改变基本的治疗性元素。此外,我们提出定制(35),小审美等适应用户变化的颜色一个阿凡达的能力。最后,认为个性化是指个体病人的水平,我们排除了组的变化,如文化适应整个干预(36)。

大量筛选干预使用结构化的基于会话的方法交付他们的干预作用常见的方法在精神卫生干预手册化(37)。因此,我们发现(一)内容(一个会话期间交付什么)和(b)(会话如何命令)个性化的潜在地区。自(c)指导(人际交往水平)是一个高度相关的变量方面DMHIs (38)我们添加了另一个维度。最后,正如我们发现提示和机制目标干预的时机没有被充分代表在这三个类别,我们附加(d)沟通是另一个维度。

,正如上面提到的,我们旨在排除定制小user-choice-based适应性的干预,我们不排除用户的选择本身从我们的概念。这不同于使用在营销等领域,在任何由用户定义为定制,个性化(35)。然而,我们看到的积极用户选择合理的设计有以下原因:首先,用户选择一个共同的机制包括描述的干预措施。其次,这些机制似乎很容易实现,因此高度相关的从业人员感兴趣的个性化他们的干预。最后,用户代理已被证明是特别相关的精神卫生保健(18)。我们还确定了供应商选择作为另一个机制来引导和混合干预措施。对于数据驱动的个性化的机制,我们认为基于规则和ML截然不同的机制应用静态或个性化的学习标准。

2.5。数据提取

上面的框架开发应用于所有被干预,编码的存在个性化的四个分类(模拟)维度和底层机制。为此,干预措施必须包括提取研究中,从一些研究和信息在同一干预必须合并。如果不止一个截然不同的干预提出了一项研究,他们分别编码。干预版本在不同的语言中没有单独编码如果不是分明在报道内容。如果不止一个研究可用,一个个性化的观察导致积极的编码,但相互矛盾的信息。此外,引用材料如老报纸,树立自信,或附录在没有额外的徒手咨询研究报告干预措施。以防信息表明个性化但不足以让我们的编码,我们联系了通讯作者,要求澄清。为此,我们提供了一个四周响应窗口,包括一个提醒。的七个作者联系,六个反应通过提供额外的信息。在单一的情况下,作者没有回应39)我们决定代码限制性地和假设简单的潜在机制(基于规则而不是毫升)。最后,对于评估个性化的证据,我们每研究相比,直接干预版本,包括不同程度的个性化,根据我们的框架。我们提取的效应大小、因变量和样本大小的。

3所示。结果

3.1。研究选择

总的来说,我们认为3.143潜在相关的出版物和筛选了标题和摘要。213年,描述了完整的干预,导致最终的N= 138篇论文描述k= 94不同DMHIs抑郁症状(见图1)(39- - - - - -175年)。

图1

图1。棱镜流程图的包容。

3.2。干预和研究特点

虽然主要包括每干预是一项研究,对一些7出版物在不同试验在场,继续进行进一步分析。在所有研究,综述了干预是部署到大约24.300参与者,平均样本量259参与者每干预(范围1 - 2964)。75年的干预是在随机对照试验中使用,剩下的证据来自可行性研究,自然的日常保健数据,和其他研究设计。

大多数干预持续时间6 - 12周,和大约40的干预措施报告结构化模块/基于会话的设计,提供预先定义的块中的内容。最后,38干预是不能控制的(没有人接触在干预),32个指导(包括指导临床医生或教练)和14混合(面对面的和数字相结合治疗),剩下的10个涉及多个类别。可以找到所有特征的概述补充附录S3。

3.3。概念框架

合成了一个概念性的框架的个性化DMHIs从回顾DMHIs和理论方面的考虑。总之,个性化的理解故意设计的个体间变异干预治疗的元素或其结构出现了。因此,个性化定制,是不同的用法,互动,和组的适应性。定制了一些小调整,比如视觉方面,离开实际的治疗成分不变。用法是指可能user-induced差异不积极或故意设计的应用程序使用。例如,变化的时间花在一个模块上使用,提供短期和长期成为个性化版本的模块。交互性,仅仅回放用户输入作为目标设定的练习,例如常用的,这使得实际治疗元素和结构不变。最后,我们理解个性化指个人的水平,我们看到它是不同组的变化,如适应特定文化背景(见图2)。

图2

图2。个性化使用条款相比,定制,交互性和组的适应。

在我们个性化的定义,四个维度可个性化的干预出现,即内容,指导水平,秩序,和沟通,总结图3。内容描述了干预材料中的所有变化,如练习,psychoeducative材料或主题。订单包括案例当病人接受相同的内容,但在不同的秩序。指导是指治疗提供支持的程度。通信通道的担忧,时间和内容提供的积极干预的内容以外的信息。这主要包括提示或提醒消息。干预机制有关的频率和时间,如JIT机制,也属于通信。

图3

图3。个性化的维度。

此外,四种不同机制超出了个性化出现:用户选择,供应商选择,基于规则和ML-based个性化图4)。用户选择了故意设计个性化的基础上直接选择参与者。对供应商的选择,个人提供指导,或临床医生参与混合设置使个性化的决定。在自动化个性化机制,基于规则(if-then-decision规则)从机器学习(与“学习”决策标准决策)个性化收集机制。

图4

图4。个性化的机制。

3.4。结果个性化

应用该框架分类DMHIs可变性,个性化是62年报告的94干预(66%)。最显著、个性化机制被用于干预的内容30 (32%)。其次是个性化的沟通(30%)、类型(25%),和秩序(4%)。43 62(69%)的干预与个性化报道机制这样做只有一个维度,而DMHI报道四子域的干预机制(60- - - - - -66年)。

在107年报道个性化机制,基于规则的最突出,被用于51例(48%)。用户选择在39例(36%),和提供者参与个性化14倍(13%)。报道了使用机器学习(3%)的三倍。基于规则的个性化通信领域尤为突出,占21出现。同样,人类指导个性化使用决策规则16倍。为内容,用户选择了一个更突出的作用,被报道的15倍。使用个性化了图5,最多的例子3策略被提出了表1。干预应用至少一个个性化的分享机制是引导干预的最高(72%),其次是不能控制的混合(57%)(63%)和跟踪的干预措施。一般来说,个性化的维度是同样遍布指导水平。然而,供应商的选择几乎是常见的混合比指导干预的两倍。

图5

图5。个性化每个维度的干预机制。

表1

表1。最突出的个性化策略。

3.5。使用自动决定个性化

55自动化机制中,大多数是个性化的基于规则的机制。活动数据是大量利用,例如,对于提醒活动。另一个常见的模式是使用症状评分,如PHQ加强护理的形式附加指导(57)或从引导混合保健(169年)。虽然这些方法大多使用整体症状严重性,豁免是个性化基于自杀风险,例如,额外的提示(的形式146年)。

我们确定了三个清晰的用例ML个性化的技术。首先,EmoRecorder (70年)使用一个活动推荐系统基于不同数据来源的应用活动,传感器数据和过去的建议。然而,干预是在早期阶段,被测试的样品只有15个人健康。其次,干预莫斯(136年)基于JIT框架分配干预内容根据用户的上下文和偏好。因此,它测试了推荐系统的样本126名成年人。第三个推荐系统的方法,所谓的MUBS (137年),应用毫升和用户选择通过提供内容的一组患者17建议。

3.6。多和少的直接经验比较个性化的干预措施

138篇论文中最后的审查,我们确定了两篇论文,其中包括直接比较多和少的个性化版本的干预。一项研究让参与者填写一份调查问卷,关于激励模式和匹配他们一个干预的手臂来适应他们的动机偏好或一般一个(40)。结果显示影响的包括两个动机(“支持”)在预期的依从性,联盟工作,,获得了满足;然而,这个试验的总体样本容量是55的参与者。其次,研究将包括JIT提示程序版本与一个没有这些提示,因此,不同的个性化通信域试验部门之间(93年)。而两个版本显示显著影响候补名单相比,没有影响报告之间的武器。这进行解释时应特别谨慎,考虑样本容量约每组60个人。

4所示。讨论

近年来,个性化被广泛讨论是一个有前途的途径改善DMHI依从性和结果。然而,目前尚不清楚需要什么和如何使用它。在本文中,我们解决这个需要抑郁症状的情况下,通过定义个性化是故意设计干预内容的变化,秩序,指导或交流。尽可能的机制,实施个性化,我们提取用户的选择,供应商选择,决策规则,毫升。应用这个框架94干预抑郁症状显示,三分之二使用至少一个用于个性化的技术。尤其是基于规则和用户个性化的沟通和指导作出个性化的内容是常见的。然而,在干预应用个性化,大多数这样做只是为了一个四维的干预。同时,毫升的使用模型是稀缺和有限的可行性研究。此外,只是两个包括调查研究个性化的好处,在小样本和一个找到了支持的证据。

可以说,潜力最大的对比提出了个性化的DMHIs (19- - - - - -22)和现有文献缺乏实现毫升机制。的几个问题实现算法和决策规则是精心设计的。然而,文学在ML DMHIs进一步揭示了充足的承诺和可行的用例。首先,一个引人注目的研究机构提供了令人鼓舞的结果的结果(176年,177年)和辍学(178年,179年)在DMHIs预测。假定无调整干预措施是唾手可得,已经成功的为其他障碍(180年)。其次,一个杰出的算法在数字产品个性化推荐系统(181年- - - - - -183年)。当所有包括毫升方法这样的推荐系统,他们在早期阶段和部署非常小的样本大小。最后,所有包括毫升方法专注于干预的内容。然而,ML也是一种很有前途的方法个性化指导,沟通和秩序。

在另一个维度,对比理论和观测数据用于个性化只是样品的一小部分在技术上成为可能。当应用程序使用模式是一个明显的数据选择,智能手机还可以测量睡眠模式(184年)、身体活动(185年)、社会交往(186年),和许多其他数据点相关的抑郁症状。现成的工具像苹果的卫生工具包(187年)显著减少实现的努力。然而,尤其是被动遥感很少被利用进行干预。值得注意的是,潜在的ML-based个性化和数据的质量是密切的往来。除此之外,在卫生保健和隐私等方面的伦理责任权利必须强烈认为,特别是当调查自动决策(188年)。

一些干预措施使用自述症状的个性化干预。值得注意的是,这些机制主要用于总体症状严重程度。这种方法忽视了症状资料可以同一总分(患者之间的巨大差异189年)。一些证据指向不同的症状模式与不同的最优治疗程序(190年)。因此,虽然不同总体严重程度似乎是合理的指导或交流,sub-symptoms可能是一种很有前途的个性化内容和顺序。

两个包括试验操作个性化也用小样本大小和不确定的结果。随后,一种实现个性化的障碍可能是缺乏明确的证据证明其好处。然而,相关调查个性化可能代价高昂,需要大样本大小当假设比waitlist-controlled研究小尺度效应。幸运的是,整合方法允许在研究总结的证据,即使个性化是很少直接操纵。当我们提到一个这样的方法研究个体之间的相互作用和好处直肠包(26),我们认为类似的方法为其他个性化机制非常有前途。然而相关的鉴定和比较研究的荟萃分析需要共享词汇表和一个共同的框架。我们相信,这些未来的工作将受益于共享概念框架在本文提出。

本文有一定的局限性,应考虑。首先,已发表的研究仅仅是一个标记的干预措施在使用。而一些包括干预起源于商业环境中,那些来自学术设置可能仍然是占比例综述。其次,我们专注于个性化干预中,排除干预自己的个性化。例如,过去的方法调查了数据驱动的个性化治疗的学校(191年)或药物治疗和认知行为治疗(之间的决定192年)。第三,确定干预抑郁症状而不包括那些处理并存病,尤其是焦虑,已被证明具有挑战性。一个例子是当焦虑提到干预目标在引用的一项研究中,但不是在原来的纸。虽然这似乎可以理解的已经形成的抑郁和焦虑疾病(193年),这导致几种边界情况的包容。第四,我们把交互性、自定义和组的适应的范围本文由于其本质上区别个性化。这个不应该误解认为自卑,我们呼吁进一步调查这些方法来补充甚至替代个性化。第五,我们没有评估框架通过任何方法除了文献综述。方法如专家访谈可以帮助确定和改进提出了概念化的可用性。第六,提供一个广泛和有偏见的个性化的照片,使用了一个广泛的搜索策略。然而,研究使用更具体的术语可能弱势。例如,生态研究的干预(EMI)没有被我们的搜索策略(194年),EMI不是作为一个搜索词。同时,指出由评委之一,网“远程医疗”是不习惯。未来的方法可能因此受益于额外的迭代搜索技术的应用策略,如哨兵文章的更广泛地使用。最后,当我们开发框架专门研究抑郁症状,目前尚不清楚是否有更多的方面考虑与其他疾病。然而,我们希望这个框架提供价值超出了抑郁症状的用例,并鼓励在其他领域未来的研究探讨个性化策略。

总之,我们的概念发展和实证评价整体特征的当前使用个性化DMHIs抑郁症状。个性化的广泛概念表明,大多数干预结合个性化机制。然而,我们得出结论,我们几乎不挠的表面在技术上是可行的和已经在其他研究和业务领域的黄金标准。与此同时,我们看到了薄实证地实施的障碍,并呼吁更多的直接和整合证据描述个性化的好处有超过一个“一刀切”的方法。最后,当我们看到这个问题作为其他疾病同样紧迫的,我们希望相近的方法在未来的。

数据可用性声明

文件包括所有研究以及相关的编码对感兴趣的变量可以在附录3。一个文件使用的完整的搜索字符串可以在附录2。一个文件包含所有研究筛选在选择过程中可以在请求。

作者的贡献

所有作者设计的审查和审查协议。SH和KZ进行文献检索和数据提取。所有作者的分析结果和合成的见解。SH和KZ写论文的初稿。所有作者回顾了草案,为期末论文做出了贡献。所有作者的文章和批准提交的版本。

资金

这篇文章加工费由德意志Forschungsgemeinschaft(脱硫、德国研究基金会)- 491192747和柏林Humboldt-Universitat祖茂堂的开放获取出版基金。

的利益冲突

两个作者声明没有非金融利益但以下竞争金融利益竞争。SH目前受聘Elona健康数据科学家,一个数字心理健康启动构建混合精神卫生保健解决方案的德国市场。SH为一支工作健康、数字心理健康公司发展干预措施,在过去。男朋友是一个股东在HelloBetter,数字心理健康公司发展数字干预,和AI PersonalAIze咨询公司。

其余作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

出版商的注意

本文表达的所有索赔仅代表作者,不一定代表的附属组织,或出版商、编辑和审稿人。任何产品,可以评估在这篇文章中,或声称,可能是由其制造商,不保证或认可的出版商。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fdgth.2023.1170002/full补充材料。

引用

1。陆Lim GY, Tam WW, Y,张兆瓦,Ho Ho CS RC。抑郁症的患病率在社区来自30个国家的1994年和2014年之间。Sci代表。(2018)8:2861。doi: 10.1038 / s41598 - 018 - 21243 - x