版权所有©2018-2019深圳市创科科技有限公司粤ICP备100294号对失眠症有效互联网干预临床试验中地理位置在参与和结果中的作用的二次分析☆菲利普岛放大图片作者：Chowa，Brian D.放大图片创作者：MargaretB.放大图片作者：Frances P.桑代克c，凯利M。放大图片作者：Michael L.作者：Lee M. 里特班德aa美国弗吉尼亚大学医学院精神病学和神经行为科学系b美国佛罗里达州坦帕市莫瑞特癌症中心cPear Therapeutics，Boston，MA，USAd美国宾夕法尼亚大学佩雷尔曼医学院精神病学系A R T I C L E I N F O保留字：电子健康指南认知行为疗法A B S T R A C T背景：失眠的在线干预可以增加那些获得服务有限的人获得治疗的机会。目前尚不清楚的是，来自更孤立（与人口更稠密）地区的个人是否参与在线干预并从中受益。该次要分析检查了地理指数与有效的全自动在线失眠认知行为治疗（CBT e I）计划（使用互联网进行健康睡眠-SHUTi）的参与和结局的关系。方法：303名参与者（M年龄=43.3;SD= 11.6）被随机分配到SHUTi或在线患者教育条件，并在基线和干预后进行评估使用参与者邮政编码确定参与者的农村代码到最近的睡眠药物提供者的距离计算为最近的提供者城市中心（从CBT-I提供者的公开列表中）与参与者邮政编码中心依从性结局是完成干预核心、睡眠日记和登录的次数睡眠结果是失眠的严重程度，以及从在线睡眠日记中获得的入睡潜伏期和入睡后觉醒。结果：个体来自一系列地理位置。大多数人生活在人口稠密的地区;然而，到最近的睡眠药物提供者的距离有很大的差异。发现表明与SHUTi的有效性、依从性和参与度不受人们居住地点的影响。控制年龄和性别并不影响地理变量之间的任何关系（即，距离、农村性）和依从性或睡眠相关结果。结论：互联网干预措施必须表明，他们可以克服地理造成的障碍。 这是第一个研究参与者的地理位置及其与在线CBT-I的参与和结果的关联。1. 介绍人们居住在美国的地方显著地预测了获得医疗服务的水平（Arabianet al.，2005年）。毫不奇怪，那些居住在人口密度较低地区的人对专业医疗保健的选择较少（Eschagye等人，2014年）。然而，互联网有可能通过提供一辆车将服务和治疗带给个人，无论他们居住在哪里，来减少医疗服务的地理不平等。在传统上服务不足的地区，技术采用率很高，缩小了数字鸿沟。根据最近的一全国调查显示，89%的美国成年人和78%的农村成年人使用互联网（ http://www.pewinternet.org/fact-sheet/internet-broadband/ ，2018）。虽然互联网干预已被证明在解决各种疾病方面非常有效（Christensen等人，2004; Ritterband等人，2017; Zachariae等人，2018年），人们对城市和农村地区的个人在如何参与并最终受益于互联网干预方面是否存在差异的理解有限。失眠的行为治疗是一个实际的用例，用于检查地理和参与以及结果之间的关系。☆本研究得到了国家精神卫生研究所（R01MH86758）和国家癌症研究所（K01CA211789）的资助。Sha Zuier博士得到了国家癌症研究所（P30 CA008748，T32CA009461）的支持行为健康与技术中心（Center for Behavioral Health and Technology），560 Ray C。亨特医生，Charlottesville，VA 22903，USA.电子邮件地址：pic2u@virginia.edu（P.I. Chow）。https://doi.org/10.1016/j.invent.2019.100294接收日期：2019年4月19日;接收日期：2019年10月30日;接受日期：2019年11月11日2019年1月1日至4日的一份声明2214-7829/©2019Authors.由ElsevierB.V. 这是一个不可操作的CC，它与CCBY-NC-NDLicense（http：//creativecommons.org/licenses/BY-NC-ND/4。0/）。可在ScienceDirect上获得目录列表互联网干预杂志首页：www.elsevier.com/locate/invent版权所有©2018-2019深圳市创科科技有P.I. Chow等人2行为睡眠医学提供者，像大多数专业医疗保健专业人员一样，倾向于聚集在人口稠密的地区。这种聚集导致在更偏远地区的个人获得基于行为的面对面治疗的事实上，这是对治疗的主要批评（Thomas等人，2016年）。然而，向农村地区的个人提供治疗是重要的，因为研究发现，与其他地区相比，更多农村地区的失眠率同样高（Hartz等人，2007年）。作为解决这一问题的手段，已经开发了针对失眠的在线干预，并且在改善失眠个体的睡眠相关结果方面表现出很强的有效性（Ritterband等人， 2009，2017; Zachariae等人， 2016年）。到目前为止，尚未研究的是地理多样性如何潜在地影响参与和结果;特别是，一个人与行为睡眠药物提供者的隔离程度，尚未被探索。生活在远离（与接近）非处方睡眠药物提供者的个人可能不会从互联网提供的CBT-I中受益，因为通常与医疗保健提供者的接触相对较少，导致对医疗保健提供者的熟悉度和信任度较低（Splen等人，2014年，如CBT-I专家。研究表明，居住在较小和人口较少地区的人可能会担心耻辱感，担心家庭或社区不赞成接受心理治疗（Larson和Corrigan，2010）。这些人也更有可能赞同诸如自力更生和相信疾病会在不治疗的情况下自行改善的态度（Steele等人，2007年）。然而，由于缺乏可获得的医疗保健选择，居住在远离行为睡眠医学提供者的人可能会从互联网提供的CBTe I中受益，如果不是更多的话，比那些居住在附近的人受益更多。这项调查的目的是检查地理指数（包括参与者的农村代码，到最近的行为睡眠医学提供者的距离）与已经证明有效的失眠在线认知行为治疗（CBT e I）计划的参与和结果的关系，使用互联网的睡眠健康（SHUTi）（Christensen等人，2016; Ritterband等人，2009年，2017年）。我们描述了参加美国一项大型SHUTi有效性试验的受试者样本的地理分布，并检查了用户居住的地方是否影响了他们对干预的参与并从中受益2. 方法2.1. 研究设计和参与者数据和分析基于一项随机对照试验，其中参与者对研究组分配不知情。在基线时评估地理和人口统计学变量，并在基线、干预后（即，基线后9周）、干预期后6个月和干预期后12个月（Ritterband等人，2017年）。通过在线广告和在线帖子（包括当地大学临床试验网站）以及在线网站（如Facebook和Craigslist）的帖子在全国（美国）招募参与者。本研究已获得当地机构审查委员会的批准。定期上网的成年人有资格参加，如果他们报告：1）睡眠发作性失眠和/或睡眠维持性失眠定义为每周至少3晚> 30分钟， 6个月; 2）平均总睡眠时间≤6.5小时，3）睡眠障碍（或相关日间症状）导致社交、职业或其他功能领域的显著痛苦或损害。排除标准包括：1）存在另一种未经治疗的睡眠障碍; 2）不规律的时间表，这将阻止采取干预策略; 3）怀孕; 4）目前对失眠的行为治疗;以及5）在前三个月开始心理治疗。重度抑郁症（或中度/重度自杀倾向）、双相情感障碍和/或酒精或其他排除了前一年的物质障碍。总体而言，研究样本包括303名年龄在21至65岁之间的参与者（72%为女性）（M年龄= 43.3，SD =11.6）。参与者中有84%是白人，7%是黑人，4%是亚洲人，5%是其他人。” 参与者被随机分配到SHUTi或患者教育条件。他们在研究兴趣表和治疗前问卷上完成了在线测量，包括人口统计学和位置。使用失眠严重性指数（ISI; Bastien等人，2001年），一个7项措施，得分范围从0到28。参与者评定（0 =无到4 =非常严重）他们有失眠体征和症状的程度（例如，入睡困难;睡眠问题干扰日常功能的程度）。分数越高表明失眠的严重程度越严重。基线和评估后ISI的内部误差分别为α=0.66和0.89。ISI在检测失眠病例方面具有良好的灵敏度，并且已经被验证用于在线递送（Thorndike等人，2011年）。在线收集睡眠日记，并提供与卧床时间、睡眠开始时间、醒来次数和持续时间、感知睡眠质量和起床时间相关的在四个评估期的每个评估期，连续10天（在2周期间）收集数据。在每个评估期的10天日记中，对入睡潜伏期（SOL）和入睡后觉醒（WASO）值取平均值前瞻性睡眠日记是评估失眠的有效方法（Buysse等人， 2006年）。参与者回答了关于就业状况的问题（“你目前有工作吗（有薪工作）？”），医疗保险（“您是否有任何类型的医疗保险，包括健康保险、HMO等预付计划或Medicare等政府计划？”），以及是否曾寻求过失眠症的治疗。参与者还评估了他们使用互联网的舒适度（1=既不舒适也不舒适; 5 =非常舒适）（“您使用互联网的舒适度如何？”）。使用参与者邮政编码确定美国农业部RUCA代码的范围从1（大部分城市）到10（大部分农村），并基于美国人口普查区的人口密度、城市化和日常通勤数据。在流行病学研究中，RUCA代码已被广泛用作城市化的可靠度量（Hall例如，2006年）。在目前的样本中，68%的参与者居住在以大城市/大都市为特征的地区（RUCA = 1），30%居住在以大都市/小都市为特征的地区（RUCA = 2-6 ） ， 2% 居住在 以小城镇/农村为特征的地区（RUCA = 7-10 ） 。2.2. CBT-I供应商为先前的出版物构建的425个CBT-I提供者的列表（Thomas等人，2016）检查CBT-I提供商的位置，用于本研究。该列表首先通过识别行为睡眠医学认证的个人以及行为睡眠医学协会网站上列出的从业者（参见Thomas等人， 2016年）。 然后，根据美国睡眠医学学会和睡眠研究学会的资料，更新了提供者最近更新的位置。为了确定与上述组不相关的其他提供者，将调查发送到电子邮件列表服务器，包括行为睡眠医学组和失眠症行为治疗名册。2.3. 条件2.3.1. Online CBTe I一半的参与者被随机接受SHUTi，这是一个基于CBTe I的全自动网络程序，版权所有©2018-2019深圳市创科科技有P.I. Chow等人3用户，并根据互联网干预模型（Ritterband等人，2009年）。已经发现SHUTi在改善主要睡眠结果（失眠严重程度、睡眠开始潜伏期、睡眠开始后觉醒）方面比在线患者教育更有效，大多数SHUTi用户在一年后达到失眠缓解状态（Ritterband等人，2017年）。SHUTi基于面对面CBT的基本原则，包括睡眠限制，刺激控制，认知重建，睡眠卫生和复发预防（参见Thorndike et al.，2008（Thorndike等人，2008），以详细描述SHUTi干预）。核心完成次数和干预登录次数作为参与度指标。每个SHUTi用户对每个核心进行二分编码（0 =未完成，1 =已完成）。核心完成数反映用户完成的最高核心数（0 - 6）。日记完成次数反映了用户在干预期间完成的睡眠日记条目总数。登录是从干预期间用户每次登录SHUTi的时间戳中获得的，至少间隔5分钟。2.3.2. 在线患者教育控制在线患者教育计划作为一个健全的控制条件，提供有关失眠症状、失眠原因和影响/患病率的准确信息，以及改善睡眠的基本生活方式和行为策略。内容是基于对失眠症网站的评论。2.4. 数据分析为了量化参与者对睡眠专家的访问，每个参与者在美国的邮政编码的质心并且使用SAS中的PROC GEOCODE确定每个CBT-I提供商在美国的城市的坐标。每个参与者和最近的CBT-I提供者之间的距离以两种方式计算首先，使用SAS中的GEODIST函数获得直线距离。结果以英里为单位计算，代表每个参与者的邮政编码中心与最近的CBT-I提供商的城市中心之间的直接地理距离，因此低估了人们必须通过公路在这两个点之间旅行的实际距离。其次，我们使用SAS代码查询谷歌地图，以确定患者和最近的CBT-I提供者之间的最短驾驶距离（以英里为单位）每个参与者的邮政编码和每个CBT-I提供者的城市的位置使用PROCGMAP以图形方式显示（图1）。表1包含SHUTi和在线患者教育组的描述性统计量。分析的重点是那些在SHUTi条件。SOL和WASO在分析前进行对数转换术后ISI、SOL和WASO的剩余评分（即，计算干预后的分数，从中减去基线分数）以说明基线水平。计算了一系列线性回归分析。对维度预测因子农村代码和距离最近的睡眠药物提供者的距离进行了单独分析ISI、SOL和WASO的剩余评分作为单独的结局变量。这些分析在SPSS 24.0中进行。对于那些在SHUTi条件下的人，还计算了线性回归分析，以检查农村代码和到最近的睡眠药物提供者的距离（作为连续预测因素）是否与SHUTi依从性指标（核心完成次数，睡眠日记和登录）。对于上述各项线性回归分析，进行了敏感性分析，以检查控制人口统计变量后结果的稳健性。进行分层线性回归分析，第一步输入距离/农村代码，第二步输入年龄，3. 结果来自该研究的睡眠结果的主要结果和认知机制先前已经发表（Chow等人，2018; Ritterband等人， 2017年）。 表2包含参与者寻求的先前失眠治疗个体的类型的频率计数，以及人口统计学变量和当前样本中的那些人之间的对比的p值（来自χ2检验）：a）居住在离最近的行为睡眠提供者直线距离为<25英里/ 40公里的地方;和b）居住在大城市地区的人与不居住在大城市地区的人。 与先前的发现一致（Jagagye等人， 2014年），在目前的样本中，那些：a）生活更多（与。与最近的行为睡眠提供者的直线距离小于25英里/40公里，报告称因睡眠问题前往睡眠诊所和睡眠专家的比例较低，并且报告称使用互联网的舒适度较低。图1显示了美国CBT-I提供商的数量，以及SHUTi参与者和CBT- I提供者之间的驾驶距离在各种条件下，到最近的睡眠提供者的平均直线距离为24.66英里/39.69公里，标准差为 的 41.68英里/67.08 公里 和范围 之间 0.15和254.89英里（0.24和410.21公里）。在各种条件下，到最近的睡眠提供者的平均驾驶距离为31.94英里/51.40公里，标准差为54.15英里/87.15公里，范围在0.40 423英里（0.64和680.75公里）。表3包含了主要睡眠结果和依从性指标的描述性统计数据，按与最近的行为医学睡眠提供者的直线距离和城乡通勤区号划分。线性回归分析显示，与最近的睡眠药物提供者的直线距离并不能显著预测干预后的睡眠障碍严重程度（β=-0.05，p= 0.57）、SOL（β=0.02，p= 0.84）或WASO（β= 0.004，p = 0.97）。同样，驾驶距离最近的睡眠药物提供者不能显著预测干预后的失眠严重程度（β=-0.05，p=.57）、SOL（β=0.01，p =.89）或WASO（β= 0.01，p=.93）。 RUCA代码与炎症严重度（β =-0.10，p=.26）、SOL（β=0.11，p=.23）或WASO（β=-0.03，p=.76）之间也无显著相关性。1平均而言，个人完成了4.68（SD=1.93）个核心，填写睡眠日记39.88篇（SD=18.74），并登录程序28.0（SD=21.79）倍。回归分析表明，到最近的睡眠药物提供者的直线距离与核心完成次数（=-0.008，p=.920）、完成的睡眠日记次数（=-0.03，p=.72）或登录次数（=-0.07，p=.39）无显著相关性同样，开车到最近的睡眠药物提供者的距离与核心完成的数量（β=-0.02，p=.82）、睡眠日记的数量完成（β=-0.02，p= 0.79）或登录（β=-0.02，p= 0.83）。那里RUCA代码与核心完成次数（β=0.04，p= 0.66）、睡眠日记完成次数（β=0.002，p= 0.99）或登录次数（β=-0.03，p= 0.77）之间也无显著相关性。3.1. 发现的稳健性对于那些处于SHUTi条件下的人，控制年龄和性别并没有显著影响到最近的睡眠药物提供者的直线距离与以下因素之间的关系：a）干预后的失眠严重程度（控制年龄后β=-0.05，p==-0.04，p= 0.45（在控制年龄/性别后）; b）干预后SOL（β=0.02，p= 0.85（在控制年龄/性别后）;β=0.03，p=0.74（在控制年龄/性别后））;以及c）干预后WASO（β = 0.03，p ==0.003，控制年龄后p=.97; β=0.01，控制年龄后p=.92控制年龄/性别）。同样，控制年龄和性别并没有显著影响驾驶距离之间的关系。在第三步中输入，以确定是否控制年龄和性别影响地理变量之间的关系（即，距离和农村）和依从性或睡眠相关结果。1当农村代码被编码为二分变量（1=农村代码为1，0=农村代码> 1）时，也得到了类似的结果。版权所有©2018-2019深圳市创科科技有P.I. Chow等人4图1.一、行为睡眠药物提供者的位置（小灰点）研究参与者（较大的蓝点，较深的阴影表示距离睡眠药物提供者较远）和美国。（有关本图例中颜色的解释，请参阅本章的在线版本表1SHUTi和患者教育组的描述性统计SHUTi（n=151）患者教育（n=152）种族128白色126白色9黑色12黑色7亚洲人5亚洲人7其他9其他西班牙裔（数量）12 12教育（年）年龄43.8（11.3）42.8（11.9）与最近的睡眠提供者的距离以及：a）核心完成次数（控制年龄后β=-0.01，p =.93;控制年龄/性别后β =-0.02，p =.86）; b）完成的睡眠日记次数（控制年龄后β=-0.03，p =.73;控制年龄/性别后β =-0.04，p =.64）;以及c）登录次数（控制年龄后β=-0.02，p =.77;控制年龄/性别后β=-0.03，p=.69）。同样，控制年龄和性别也没有显著影响影响到最近的睡眠提供者的驾驶距离与以下因素之间的关系：a）核心完成次数（控制年龄后β=-0.02，p=.82;控制年龄后β=-0.03，p=b）完成的睡眠日记数量（β=-0.02，p=.77，是=131否=20舒适与互联网非常舒适=135不太舒服=16医疗保险是=130否=19不知道=2农村代码1= 99>1 =52有=134否=18非常舒适=133小于非常舒适=19是=131否=19不知道=109>1 =43控制年龄后，β=-0.03，p= 0.68）;以及c）登录（控制年龄后，β=-0.02，p= 0.80;=-0.03，p = 0.73）。最后，控制年龄和性别并没有显著影响RUCA代码与以下各项之间的关系：a）核心完成数量（β= 0.04，控制年龄后p= 0.65;控制年龄后β =0.04，p= 0.66b）完成的睡眠日记数量（控制年龄后β=-0.02，p=.84;控制年龄后β=-0.02，p=.82）;最近距离睡眠提供商英里22.56（37.83）26.74（42.21）性别）;和c）登录（控制年龄后，β=0.02，p= 0.83;=0.02，在控制年龄/性别后p = 0.85）。最近的睡眠药物提供者和：a）干预后的失眠严重程度（控制年龄后β=-0.05，p= 0.56=-0.04，p = 0.65（控制年龄/性别后）; b）干预后SOL（控制年龄后β= 0.01，p = 0.89;控制年龄/性别后β = 0.03，p = 0.77）; c）干预后WASO（控制年龄后β= 0.01，p = 0.92;控制年龄/性别后β =0.02，p = 0.86）。最后，控制年龄和性别并没有签署-对RUCA代码与以下各项之间的关系产生了无意义的影响：a）干预后炎症严重程度（控制年龄后β=-0.10，p=.27;控制年龄/性别后β=-0.09，p=.30）;b）干预后SOL（控制年龄后β=0.11，p=.23;控制年龄/性别后β=0.11，p=.20）;以及c）干预后WASO（控制年龄后β=-0.03，p=.73;控制年龄/性别后β=-0.03，p=在SHUTi依从性指标方面，控制年龄和性别并没有显著影响直线4. 讨论在对一项针对失眠症有效在线干预的大型随机国家试验数据的二次分析中，发现参与者的参与度和从干预中获得的收益并不因地理指数而异。目前研究的参与者生活在不同的地理位置。虽然大多数人生活在人口稠密的地区，但参与者与最近的睡眠药物提供者的距离差异很大。然而，调查结果表明，与SHUTi的互动和有效性不受地理位置的影响，提供了新的证据来支持在线干预作为向传统上服务不足的个人传播护理的有效手段，无论其在何处。到最近的睡眠提供者的平均直线距离是25英里/40公里，最远距离超过250英里/ 402公里。实际驾驶距离更远，在不同条件下，到最近的睡眠提供者的平均驾驶距离为版权所有©2018-2019深圳市创科科技有P.I. Chow等人5表2参与研究前寻求的既往失眠治疗类型、人口统计学变量和每个变量的χ2显著性检验到最近的睡眠提供者的直线距离p区号（RUCA）≤25英里或40 km（n=220）>25英里或40 km（n=73）RUCA= 1（n=203）RUCA> 1（90）既往失眠治疗家庭医生108人（49%）39人（53%）0.52100人（51%）47人（52%）0.64睡眠诊所46人（21%）7人（10%）0.0340人（20%）13人（14%）0.28睡眠专家52人（24%）5人（7%）0.00243人（21%）14名（16%）0.26心理健康专家43人（20%）12名（16%）0.5640人（20%）15人（17%）0.54睡眠药物111人（51%）44人（60%）0.15102人（50%）53人（59%）0.17自助书42人（19%）7人（10%）0.0639人（19%）10人（11%）0.09互联网信息143人（65%）51人（70%）0.45130人（64%）64人（71%）0.24人口统计学变量白人/人种（白人%）178人（81%）66人（90%）0.06159人（78%）85（94%）0.001教育17.1（3.1）17.4（3.1）0.5117.0（2.7）17.7（3.0）0.06年龄42.6（11.4）44.2（11.5）0.2942.5（11.2）44.0（12.0）0.31目前受雇179人（81%）56人（77%）0.39162人（80%）73人（81%）0.80有舒适的网络。200人（91%）58人（80%）0.02178人（88%）80（89%）0.59有医疗保险191（87%）62人（85%）0.67179人（88%）74人（82%）0.13注. 10名参与者未提供经验证的邮政编码。表3主要睡眠结果和依从性指标的描述性统计量（平均值，SD），基于与最近的行为医学睡眠提供者的距离和城乡通勤区号。距离最近的行为睡眠提供者城乡通勤区号（RUCA）≤25英里或40公里>25英里或40公里RUCA= 1RUCA> 1ISI基线16.77（3.67）17.56（4.49）17.01（4.09）17.06（3.89）ISI Post9.32（5.46）9.43（5.64）9.52（5.82）8.95（4.76）SOL基线43.29（33.13）42.04（25.73）44.37（32.52）40.30（29.44）SOL后24.19（30.53）22.81（14.40）24.18（31.63）23.20（16.32）WASO基线85.27（54.88）69.81（32.75）85.99（54.17）73.11（43.03）WASO Post39.73（34.03）38.19（33.85）39.85（35.55）38.36（30.40）核心完成数量4.65（1.91）4.76（1.92）4.71（1.96）4.63（1.89）睡眠日记38.45（19.03）41.18（17.86）38.99（19.38）38.67（17.63）登录27.88（23.00）28.94（18.74）28.67（22.79）26.73（19.90）注. ISI=失眠严重程度指数; SOL=入睡潜伏期; WASO=入睡后觉醒;核心完成次数=核心完成次数。在进行分析前，对SOL和WASO值进行对数转换32英里/51公里，最远距离超过420英里/ 676公里。这表明在线失眠干预可以满足那些选择有限或没有亲自治疗的人的需求。重要的是，目前的研究结果表明，相对地理隔离并没有影响程序的使用量。无论参与者住在哪里，大多数人都报告说他们曾寻求某种类型的失眠治疗，尽管那些在相对偏远地区的人有很高的比例寻求家庭医生的治疗，在互联网上搜索失眠信息，并服用失眠药物。对于需要长途跋涉或交通不便的个人来说，面对面提供治疗的模式可能不可行此外，虽然绝大多数睡眠专家居住在人口稠密的地区，但对他们的服务的需求过低（Flemons等人，2004年;托马斯·例如，2016; Watson等人，2017年）。因此，对于那些居住在人口相对稠密地区但无法看到睡眠专家的人来说，在线失眠干预也可能是一个可行的选择。因此，虽然目前的研究发现，地理变量并没有影响人们从SHUTi中受益的数量，但未来的工作应该继续研究数字干预是否对不同地区的用户同样有益4.1. 局限性和未来方向目前的调查有一些局限性。参与者主要是白人，受过良好教育，工作，对互联网有很高的舒适度，也许反映了人们如何被招募到研究中的一个人工制品。因此，未来的研究应该检查健康差异变量（例如，种族，收入）在一个更大的，更多样化的样本。虽然在这项调查中进行的分析没有发现任何证据表明SHUTi的影响受到用户居住地的影响，但在更大的样本中复制这些结果，更多的人生活在高度农村地区，将有助于增加这些发现的信心，以确定生活在农村和城市地区的人是否同样受益。具体来说，由于当前调查的参与者对研究广告做出了反应，因此自我选择偏见可能掩盖了由于地理原因确实存在的差异。在目前的样本中，有一种趋势，即在更多的大都市地区的个人更有可能报告使用阅读疗法，而不是在更多的农村地区。选择偏差的可能性也影响了数字健康干预措施的传播方式。例如，向普通人群宣传数字健康干预的研究人员可能最终会获得强有力的结果，而这些结果对农村地区的人来说是不可推广的。目前的调查集中在参与者和他们最近的CBT-I供应商之间的距离。尽管我们被限制在版权所有©2018-2019深圳市创科科技有P.I. Chow等人6由于这是公开列表中最精确的位置数据，未来的研究可能希望获得参与者更精确的位置数据。然而，许多因素，如运输选择（例如，私家车，公共汽车），交通模式，收入和日程安排，可能会影响一个人拜访CBT-I专家的能力。虽然控制年龄和性别并没有影响地理变量之间的任何关系（即，距离和农村）和依从性以及睡眠相关结果，研究者应该继续检查可能影响这种关系的其他变量。由于大量参与者生活在高度都市化的地区，农村地区的差异可能较小。未来的研究可能希望根据农村地区对样本进行分层，以便更好地了解地理对健康结果的影响5. 结论Inflammatory是一个巨大的公共卫生负担，不能完全或单独使用面对面的治疗模式来解决此外，许多失眠症患者无法方便地获得亲自治疗。因此，实现互联网干预的承诺的一个重要步骤是清楚地表明它们可以克服地理障碍。目前的调查结果表明，人们居住的地方并不影响他们参与在线失眠干预或从中受益的程度。竞合利益Ritterband博士拥有BeHealth Solutions，LLC的股权，该公司拥有弗吉尼亚大学的许可软件Ritterband博士也是两家专注于数字治疗商业化的公司的顾问：Pear Therapeutics，他们授权了弗吉尼亚大学的SHUTi项目，以及Mahana Therapeutics。这些公司没有参与编写这份手册。这些安排的条款已经由弗吉尼亚大学根据其政策进行了审查和批准。弗朗西斯山口桑代克拥有BeHealth Solutions，LLC的股权，该公司拥有弗吉尼亚大学的软件许可，并受雇于Pear Therapeutics，后者拥有弗吉尼亚大学的SHUTi项目许可。引用J.K.，凯撒阁下Hayanga，A.J.，2014.美国结直肠癌护理专业提供者的城乡差异：医生劳动力问题美国医学会外科杂志149，537-543。阿图尔，T.A.，Gesler，W.M.，Preisser，J.S.，Sherman，J.，Spencer，J.，Perin，J.，2005. 地理与空间行为对农村居民卫生保健利用的影响。健康服务Res. 40，135-156.Bastien，C.H.，Vallières，A.，Morin，C.M.，2001.失眠严重程度指数作为失眠研究结果测量的有效性。《睡眠医学》，2，297-307。网址：//doi. org/10.1016/S1389-9457（00）00065-4。布伊斯，D.J.， Ancoli-Israel，S.，Edinger，J.D.， Lichstein，K.L.， Morin，C.M.，2006年。失眠症标准研究评估的建议。29，1155-1173. 周私家侦探Ingersoll，K.S.，桑代克，F.P.，上帝啊，HR，冈德-弗雷德里克湖Morin，C.M.，Ritterband，L.M.，2018.基于互联网的失眠症认知行为治疗的随机临床试验中睡眠结果的认知机制。睡眠医学47，77-85。克里斯滕森，H.，Gri Alberths，K.M.，Jorm，A.F.，2004.通过互联网提供抑郁症干预措施：随机对照试验。328，265。克里斯滕森，H.，巴特汉姆，P.J.，Gosling，J.A.，Ritterband，L.M.，GriAlberths，K.M.，桑代克，F.P.，Glozier，N.，O'Dea，B.，希基，I.B.，麦金农，A.J.，2016. 在线失眠程序（SHUTi）预防抑郁发作的有效性（晚安研究）：一项随机对照试验TheLancetPsychiatry3，333-341.Flemons，W.W.，新泽西州道格拉斯市Kuna，S.T.，Rodenstein，D. O.，Wheatley，J.，2004年 获得疑似睡眠呼吸暂停患者的诊断和治疗。 Am. J. Respir. 暴击CareMed.169，668-672.Hall，S.A.，考夫曼，J.S.，Ricketts，TC，2006.在美国流行病学研究中定义城市和农村地区。J. Urban Health 83，162-175.哈茨，A.J.，戴利，J.M.，Kohatsu，N.D.Stromquist，A. M.，Jogerst，G.J.，Kukoyi，O.A.，2007年农村人群失眠的危险因素。《流行病学年鉴》17，940-947。美国互联网和家庭宽带使用的人口统计。WWW文档。URL. http://www.pewinternet.org/fact-sheet/internet-broadband/网站，访问日期：2018年9月20日。拉森，J.E.，Corrigan，P.W.，2010年。农村来访者自我污名的心理治疗J. Clin. Psychol.66，524-536.Ritterband，L.M.，桑代克，F.P.，洛杉矶的冈德-弗雷德里克Magee，J.C.，贝利外星人塞勒，D.K.，Morin，C.M.，2009.基于互联网的行为干预对成年失眠症患者的疗效。Arch. Gen. Psychiatry 66，692-698.Ritterband，L.M.，桑代克，F.P.，Ingersoll，K.S.，上帝啊，HR，冈德-弗雷德里克湖弗雷德里克，C.，Quigg，M.S.，Cohn，W.F.，Morin，C.M.，2017.基于网络的认知行为疗法对失眠干预的效果及1年随访：一项随机临床试验JAMA Psychiat. 74，68-75。https://doi.org/10.1001/jamapsychiatry.2016.3249.脾脏，上午，Lengerich，E.J.，卡马乔，F.T.，范德浦，R.C.，2014.农村人口的医疗保健回避：来自全国代表性调查的结果。J.农村。Health 30，79-88.斯蒂尔湖，德瓦角，李，K.，2007年社会经济地位和自我报告的心理健康服务使用障碍。可以的. J. Psychiatry 52，201-206.Thomas，A.，Grandner，M.，Nowakowski，S.，Nesom，G.，Corsons角，马里兰州玻璃市，2016. 行为睡眠药物提供者在哪里，哪里需要他们？地理评估。行为举止。《睡眠医学》14，687-698。桑代克，F.P.，塞勒，D.K.，贝利外星人冈德-弗雷德里克湖Morin，C.M.，Ritterband，L.M.，2008.开发和感知效用和影响的互联网干预失眠。电子期刊申请心理学。Clin.Soc. 问题4，32-42。桑代克，F.P.，Ritterband，L.M.，塞勒，D.K.，Magee，J.C.，洛杉矶的冈德-弗雷德里克Morin，C.M.，2011.失眠严重程度指数作为一种基于网络的测量方法的有效性。行为举止。睡眠医学9，216-223.沃森，N.F.，罗森，IM，Chervin，R. D.，2017年。 过去是序幕：睡眠医学的未来。J.Clin. 睡眠医学13，127-135。扎卡里亚河，Lyby，M. S.，Ritterband，L.M.，O'Toole，M.S.，2016.互联网提供的认知行为疗法治疗失眠的疗效：随机对照试验的系统回顾和Meta分析。《睡眠医学》，第30版，第1 - 10页。https://doi.org/10.1016/j.smrv.2015.10.004。扎卡里亚河，Amidi，A.，Damholdt，M.F.，克劳森，C.D.，Dahlgaard，J.，主啊H桑代克，F.P.，Ritterband，L.M.，2018.网络认知行为疗法治疗乳腺癌幸存者失眠症：一项随机对照试验。J. Natl. Cancer Inst. 110，880-887.https://doi.org/10.1093/jnci/dj第 293章.
