基于互联网的职业心理健康干预的效果

互联网干预2（2015）39基于互联网的职业心理健康干预对谁有效基于互联网的问题解决训练成果马格达莱纳N.放大图片作者：Jungea，b，Dirk Lehra，Claudi L.H.Bocktingc，Matthias Berkinga，d，Heleen Ripera，e，f，Pim Cuijpersa，e，f，David Daniel Eberta，d，g，aInnovation Incubator，Division Health Training Online，Leuphana University，Rotenbleicher Weg 67，21335 Lüneburg，Germanyb慕尼黑工业大学精神病学和心理治疗系，Klinikum rechts der Isar，Ismaningerstr. 德国慕尼黑c临床与健康心理学，乌得勒支大学，Heidelberglaan1，3584 CS Utrecht，荷兰d临床心理学和心理治疗系，埃尔朗根-纽伦堡弗里德里希-亚历山大大学，俾斯麦街。1，91054 Erlangen，GermanyGGZ inGeest，荷兰阿姆斯特丹自由大学医学中心区域精神卫生服务中心fEMGO健康与护理研究所，阿姆斯特丹自由大学和自由大学医学中心，Van der Boechorststraat 7，1081 BT Amsterdam，荷兰g美国波士顿哈佛大学哈佛医学院卫生保健政策系a r t i c l e i n f o文章历史记录：2014年10月15日收到2014年11月26日收到修订版2014年11月27日接受2014年12月3日在线发布保留字：抑郁基于互联网的干预问题解决疗法职业健康预测因素版主a b s t r a c t基于互联网的问题解决培训（IPST）有效地减少了员工的抑郁症状然而，目前还不清楚哪些员工从这种特殊待遇中受益最大。该研究旨在确定IPST治疗结果的预测因子和调节因子，为有抑郁症状的员工提供治疗。在一项随机对照试验（N = 150）中，旨在测试IPST的有效性，与等待列表对照组（WLC）相比，探索了预测和调节IPST效果的变量。结果是抑郁严重程度的变化，使用流行病学研究中心抑郁量表（CES-D）进行评估。在基线（t1）和7周（t2）、3个月（t3）和6个月（t4）后的随访评估中，对抑郁严重程度和其他精神病理学症状以及潜在的预测因子/调节因子进行了评估。基线时较高的抑郁严重程度预测了7周、3个月和6个月后随访评估中抑郁的严重程度缓和IPST的有效性评估在6个月的随访。 简单的斜率分析显示，干预的长期有效性在高（CES-D范围：3 3- 4 4，M = 3 7）的参与者中更为明显。0，SD=3。（2）和modederate（CES-D范围：14- 32，M = 23。1，SD=5。6）预埋式地下埋管系统，用于在地下埋管系统中进行低密度预埋式地下埋管系统（CES-D范围：5- 13，M = 9。0，SD=2。2）的情况。没有迹象表明，在基线时表现出低抑郁严重程度的参与者从IPST中长期获益。 IPST可能适用于具有各种不同特征的员工。虽然似乎没有理由将患有严重抑郁症的员工排除在基于互联网的职业心理健康干预措施之外，但对于抑郁症严重程度较低的员工，应考虑观察等待或可能不进行干预。这些发现可能不适用于其他低强度干预和/或目标群体。© 2014作者。由爱思唯尔公司出版这是一篇CC BY-NC-SA许可下的开放获取文章（http://creativecommons.org/licenses/by-nc-sa/3.0/）中找到。1. 介绍职业压力是心理健康问题的风险因素，如抑郁症（Stansfeld和Candy ， 2006 ） 。 尽 管 抑 郁 症 在工作场所是 可 以 预 防 和 治 疗 的（Corbière等人，2009;Tan等人， 2014）和心理干预的积极影响*通讯作者：Leuphana University Lüneburg，Innovation Incubator，DivisionHealth Trainings Online，Rotenbleicher Weg 67，21335 Lüneburg，Germany.电子邮件地址：ebert@inkubator.leuphana.de（D.D.Ebert）。已经发现了工作生产率（Wang等人，2007年），大多数受影响的人仍然没有得到治疗（美国心理协会，2013年; Goldberg和Steury，2001年）。因此，抑郁症在工作人群中非常普遍，男性12个月的患病率为7.1%，女性为6.2%（Andrea et al.，2004;Blackmore等人，2007;Shields，2006; Wang等人，2010年a、b）。此外，该疾病不仅对个人 、 社 会 和 雇 主 造 成 相 当 大 的 负 担 （ Mathers 和 Loncar ， 2006;Wittchen等人， 2011年），但也会因生产力损失和缺勤而产生成本（Lerner和Henke，2008年; Wang等人，2010年a）。http://dx.doi.org/10.1016/j.invent.2014.11.0072214-7829/© 2014作者。由爱思唯尔公司出版这是一篇基于CC BY-NC-SA许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-sa/3.0/）。可在ScienceDirect上获得目录列表互联网干预杂志首页：www.invent-journal.com/40M.N. Junge等人 /互联网干预2（2015）39 - 471.1. 互联网干预措施有效的基于互联网的抑郁症状治疗干预措施的出现，为目前的治疗差距提供了一个可能的解决方案（Richards和Richardson，2012）。基于互联网的干预措施非常适合工作场所，因为(1)他们在任何时间和地点都很容易获得，（2）当员工希望避免在群体环境中受到侮辱或自我暴露时，可以确保匿名，（3）参与者可以按照自己的节奏工作，并随时重新查看材料，（4）这些干预措施可以比传统的心理健康服务更早地到达受影响的员工从而防止更严重的心理健康问题的发生。最后（5），基于互联网的干预措施很容易扩展，这意味着只需要少量增加治疗资源，就可以达到使用这些干预措施的更大比例的合适人群（Ebert等人，2014 a; Heber等人， 2013年）。基于互联网的干预已被证明是可行的预防和治疗抑郁症在工作场所（Geraedts等人，2014年a）。然而，关于有效性的结果仍然是令人费解的。 虽然最近的随机对照试验表明，针对员工的基于互联网的问题解决培训（IPST）在减少抑郁症状方面是有效的（Ebert等人，2014 b），另一项试验没有发现IPST与轻度抑郁症状员工的常规护理相比有任何额外的益处（Geraedtset al.，2014 b; Geraedts等人，2014年c）。到目前为止，没有迹象表明哪些个人特征决定了IPST在工作场所抑郁症方面的有效性然而，识别决定治疗结果的影响的因素具有重要的临床价值，原因有几个。首先，可以识别适当的人群。第二，干预措施可以根据个人的确切需要进行调整。第三，通过识别某些亚群，最终可以感知疾病的第四，可以在基于证据的水平上分配卫生保健资源（Kraemer等人， 2002年）。1.2. （基于互联网的）干预措施预测结果而不考虑治疗干预的变量被称为预测因子;识别治疗对谁和在什么条件下具有不同效果的变量被称为调节因子（Kraemer等人，2002年）。 到目前为止，很少有研究探讨了参与者的特征，这些特征决定了基于互联网的干预措施对抑郁症患者的有效性（Donker等人，2013; Ebert等人，2013; Warmerdam等人， 2013年）。其中一项研究比较了对抑郁症的在线认知行为疗法（CBT）与等待名单对照组的反应（Button等人，2012年）。作者发现，治疗前抑郁严重程度越高，治疗效果越好。此外，分居/丧偶/离婚患者从干预中受益最多，而近期不良生活压力源较多的患者与较差的治疗结果相关另一项研究探索了对基于互联网的CBT和IPST的反应的预测因子和调节因子，发 现 较 高 的 基 线 抑 郁 和 较 高 的 教 育 程 度 是 改 善 的 预 测 因 子（Warmerdam等人，2013年）。然而，这些作者发现，研究中探索的变量均未调节两种治疗的差异有效性其他研究比较了基于互联网和基于小组的面对面CBT对阈下抑郁患者的影响（Spek等人，2008）发现神经质的高分预测较差的治疗结果，而基线时较高的抑郁评分，女性和较高的教育水平是改善的预测因素。De Graaf et al.（2010）研究了治疗前和短期改善变量作为不支持的基于计算机的CBT、常规初级护理（TAU）和基于计算机的CBT联合TAU治疗抑郁症的结局的预测因子/调节因子。他们研究发现，治疗前疾病严重程度低，临床变量短期改善，目前的就业预测改善，无论治疗。总而言之，到目前为止，与对照组相比，预测结果和/或确定基于互联网的治疗有效性的潜在大多数研究探讨了CBT的结果，而关于PST的研究却很少此外，据我们所知，没有研究调查哪些员工可能会或可能不会从这种特殊的治疗和交付中受益。1.3. 研究目的和假设该研究探讨了抑郁症员工IPST治疗反应的预测因素和调节因素。这是通过对一项随机对照研究的数据进行二次分析来完成的，该研究检查了IPST对教育部门（教师）中有抑郁症状的雇员的有效性（Ebert等人，2014年b）。采用了包括大量可能的基线变量的探索性方法，以最大限度地产生在未来研究中专门测试的假设（Kraemer等人，2002年）。根据Kraemer et al.（2002）的观点，假设生成分析很重要，因为假设检验研究中检验的假设往往很弱。此外，假设检验研究的设计往往基于错误的假设，而不是基于经验，因此往往缺乏识别治疗效果的能力。因此，探索性研究的结果将能够为未来的随机临床试验（RCT）做出理想的决策提供一般性指导预测因子和调节因子的选择基于(a) 先 前 研 究 探 索 面 对 面 CT 结 果 的 预 测 因 子 / 调 节 因 子 的 证 据（Hamilton和Dobson，2002），(b) 以前的研究探索基于互联网的干预研究中结果的预测因子/调节因子的证据（Button等人，2012; de Graaf等人，2010; Donker等人，2013;Spek等人，2008;Warmerdam等人，（c）基于工作相关或干预特征的理论假设。因此，在本研究中探索的潜在预测因子和调节因子的最终列表包括：人口统计学：年龄、性别、每周工作时间、治疗/培训经验;临床治疗前焦虑：抑郁严重程度、情绪衰竭;动机变量：一般自我效能感。本研究的主要研究问题是：（1）与等待名单对照组相比，是否有任何基线特征预测/调节IPST的有效性？(2)在预测/调节效应的情况下，在确定的调节者上具有“不利分数”的员工是否仍然从IPST中获益？2. 方法2.1. 研究设计基于随机对照试验的数据进行二次分析，该试验检查了IPST与候补对照组（WLC）（N = 150）相比在减少教师抑郁症状方面的有效性（Ebert et al.，2014年b）。使用基线（t1）时的自我报告数据以及7周（t2）、3个月（t3）和6个月（t4）后的随访评估来衡量研究结果。主要结果是抑郁症状（CES-D）（Radloff，1977;德语版：Hautzinger等， 2012年）。该研究发现，IPST减少抑郁症状的证据，在治疗后测量，在教师相比，等待名单科目（科恩的d= 0.59）。在3个月（组间效应量：d= 0.37）和6个月（组间效应量：d= 0.38）后，还报告了IPST的持久效应更多详细信息M.N. Junge等人 /互联网干预2（2015）39 - 4741研究设计以及有效性结果，见Ebert et al. （2014年b）。2.2. 参与者和招募参与研究的是2012年4月至2013年1月在德国以各种方式招聘的教师。研究人员联系了教育心理学组织，在教师论坛上发布了他们的干预措施，并在几次关于教师健康的会议上宣传了这项研究。主要入选标准为流行病学研究中心抑郁量表（CES-D）评分≥ 16分 除CES-D外，筛选时未评估其他精神病理学症状。此外，使用连接互联网的计算机是先决条件。 提供完整书面知情同意书的参与者被随机分配到IPST或WLC组。 参与者在整个研究过程中的参与情况和流程详细报告在图1中。1.一、2.3. 干预2.3.1. 基于互联网的问题解决培训（IPST）IPST干预是基于经验评估的荷兰在线干预“Alles onder control”（一切都在控制之下）（van Straten等人，2008; Warmerdam等人，2008年）。干预措施从荷兰语翻译成德语，并进行了调整，以适应教师群体。干预由五节课组成，包括与生活中的实质价值观、解决问题的方法和沉思技巧有关的行为激活成分。总体而言，干预包括三个步骤。首先，参与者描述了对他们来说最重要的事情。第二，写下了当前的这些问题被分为三类：（1）不重要的问题，（2）可解决的问题，（3）不可解决的问题。第三，对于这三类问题中的每一类，都计划了不同的战略，图1.一、 参与者在研究的每个阶段的退出率。42M.N. Junge等人 /互联网干预2（2015）39 - 47解决不重要和无法解决的问题。可解决的问题通过六个步骤来处理：定义问题，收集可能的解决方案，选择最佳解决方案，制定实施解决方案的计划，并评估成功。在两天内，参与者从eCoach（心理学家和受过训练的硕士心理学学生）那里获得了关于他们完成的练习的个性化书面反馈。平均每人花费的时间约为2-2.5小时。根据在电子健康干预中提供指导的理论模型，对指导进行了概念化（Mohr等人，2011年）。2.3.2. 等待列表控件（WLC）等候名单上的教师没有接受任何治疗，但在随机化后六个月获得了IPST2.4. 措施2.4.1. 主要结局指标2.4.1.1. 抑郁症状。有效性试验的主要结局指标是抑郁症状从基线（t1）到治疗后（t2）以及3个月（t3）和6个月（t4）随访的变化采用流行病学研究中心抑郁量表（CES-D）测量抑郁症状。CES-D通常用于识别患有抑郁症的人这是一份自我报告问卷，由20个项目组成CES-D总分在0- 60之间变化。受试者在3点Likert型量表上对过去一周内症状的频率进行评级（0=很少出现或没有出现（少于1天），3 =大部分时间出现（5“在过去的一周里，我感到悲伤。分数越高表明抑郁症的严重程度越大 22或 更 高 的 评 分 反 映 了 德 国 版 CES-D 中 抑 郁 症 状 的 临 床 显 著 水 平（Hautzinger等人，2012年）。已经证明，该量表是有效的，对变化敏感（Cuijpers 等人 ， 2008 ）， 并且在几 个德国样 品中高度一致（Hautzinger等人， 2012年）。在目前的研究中，该量表具有较高的内部一致性，由α= 0.88的Cronbach α确定2.4.2. 预测者和调节者研究共包括7个基线特征：年龄、性别、每周工作时间、治疗/培训经验、抑郁严重程度、情绪衰竭和一般自我效能感。在随机化前，收集关于年龄、性别、每周工作时间和治疗/培训经验的信息，每周工作时数定义为每周平均用于上课、准备、后处理、进一步培训和其他工作相关活动的时数治疗/培训经验分为（1）以前接受过心理治疗、心理社会导向的压力培训或互联网培训形式的帮助，或（2）迄今为止没有心理治疗或互联网培训经验。2.4.2.1. 精 神 疲 惫 。 Maslach 职业倦怠量 表 （ MBI-D ） （ Büssing 和Perrar，1992）包括21个项目，并从三个方面评估职业倦怠综合征：情绪耗竭（9个项目），个人成就感（7个项目）和人格解体（5个项目）。为了目前的目的，只有情绪衰竭（EE）量表，并适应教学人口，以确定倦怠的存在和严重程度。参与者被要求在7分Likert类型的量表上评估陈述（0 =它从未发生在我身上，7 =它每天都发生在我身上）（例如，“我对我的工作感到沮丧”）。EE量表的评分范围为9至54。分数越高，表明倦怠的风险越高该量表的可靠性和有效性是足够的（Iwanicki和Schwab，1981）。情绪衰竭量表的内部一致性较高（α=0.85）。2.4.2.2. 一般的自我效能。采用Schwarzer和Jerusalem（1995）编制的10项一般自我效能量表评估自我效能该量表评估自我效能感的一般感觉，其目标是预测应对日常麻烦的能力以及在经历各种压力生活事件后的适应要求参与者在4点Likert类型量表上评估陈述（0 =完全不正确，4=完全正确）（例如，“我通常可以处理任何事情”）。分数越高表示自我效能感越强。该量表显示出良好的可靠性和有效性（Hinz等人，2006年）。在本研究中，该量表具有较高的内部一致性，由α= 0.85的Cronbach's alpha2.5. 统计分析最初，采用卡方差异检验（分类变量）和t检验（连续变量）评价所有分析均对意向治疗样本进行。因此，所有被随机分配到两个条件的参与者使用期望最大化（EM）算法插补缺失数据，以产生最大似然估计值（SPPS）。 该方法已被证明对于缺失数据特别稳健（Musil等人，2002年）。为了评估每个基线特征对抑郁症状变化的影响（即，t基线-t治疗后; t基线-t3个月; t基线-t 6个月），为每个测量时间构建单独的多元回归模型。每个模型包括三个变量：基线变量的主效应、治疗条件的主效应（干预组=1，对照组=2）以及基线变量与治疗条件的相互作用。所有模型均校正筛选时评估的抑郁评分（在基线调查前不久分析得出显著的基线变量-治疗条件对结果的相互作用效应，表明基线变量是调节因子。仅基线变量产生显著主效应的分析表明基线变量是预测因子（Kraemer等人，2002年）。在这筛选探索性分析基线变量，以确定那些与结果有单变量关联的证据。虽然pN.20的基线变量不再进一步考虑，但选择所有其他变量纳入最终多变量分析。因此，在探索性分析后，采用多重回归评估了显著预测因子或调节因子的相对贡献，包括所有变量，p <0.20，控制筛选和治疗组的抑郁评分。最后，只有在最终多变量分析中确定的变量，双侧p<0.05的显著性水平被视为显著的预测因子/调节因子。此外，为了评估相关低阶效应的影响，对可能的显著相互作用效应进行了后续简单斜率分析在此，针对调节因子的条件值（均值、低于均值的一个标准差和高于均值的一个标准差）评估干预主效应的斜率和显著性（Cohen等人，2003年）。根据对照与干预条件的效果比较，计算显著调节剂的效果量结果是抑郁症状的变化，参与者被分组为每个类别的主持人。通过基线评分的合并标准差效应量≥0.8为假设是大的，0.5和0.8之间的效应量是中等的，假设效应量在0.2和0.5之间是很小的（Cohen，1988）。为了解释的目的，连续变量（即，年龄、抑郁程度、自我效能感、情绪衰竭）进行标准化。因此，回归系数是指参与者在假定的预测因子/调节因子上的平均所有分析均使用SPSS 20进行。M.N. Junge等人 /互联网干预2（2015）39 - 4743BB3. 结果3.1. 参与者样 本 由 150 名 参 与 者 组 成 ， 他 们 的 基 线 平 均 年 龄 为 47.1 岁（SD=8.2）。样本中包括125名女性（83.3%）。平均而言，参与者每周工作42.0小时（SD= 14.6）。基线时参与者的CES-D平均评分为22.9（SD=9.2），表明参与者在治疗前平均轻度至中度抑郁。有趣的是，配对样本t检验显示，筛选（M= 27.8，SD= 7.2）和基线测量之间抑郁严重程度有统计学显著下降，t（149）=7.503，p<0.01。筛选和基线评估之间的平均时间差为M= 27.3（SD= 21.2）天。因此，两组参与者在治疗前的抑郁症状比筛选时少得多表1显示了基线时所有变量的描述性数据干预组和对照组在任何治疗前变量上都没有发现差异表2报告了所有四种测量情况下因变量“抑郁严重程度”的描述性统计量它清楚地指出了在不同的测量场合下抑郁症状的下降。3.2. 治疗结果3.2.1. 从基线至治疗后的变化探索性结果显示，以下预测因子和调节因子显示治疗后（t基线-t治疗后）测量的治疗结局的单变量关系p b. 20：抑郁严重程度（pb.01）和情绪衰竭（p=. 08）作为潜在的预测因子和抑郁严重程度作为可能的调节因子（p= 0.07）（见表3）。因此，最终的多变量模型由两个预测因子（抑郁严重程度和情绪衰竭）和一个调节因子（抑郁严重程度）组成（见表4）。然而，在多变量模型中，只有基线抑郁严重程度被证明是抑郁严重程度的统计学显著预测因子（p<0.01）。没有证据表明情绪衰竭预测治疗前和治疗后抑郁症的变化（p= 0.68）。即使有明确的趋势，抑郁症的严重程度也改变了IPST与。在等待名单对照组中，这并没有被证明是统计学上显著的（p=.07）。总之，可以说，特别是基线时抑郁症状评分较高的员工，可能与治疗前和治疗后之间的疾病改善这适用于所有员工，无论是否进行干预。此外，接受IPST可以被认为比在等待名单上更有效（在治疗后测量），而不考虑年龄、性别、每周工作时间、治疗/培训经验、抑郁严重程度、情绪衰竭和一般自我效能。表2主要试验主要结局“抑郁严重程度”的描述性统计量。IPST（n=75）WLC（n=75）M SD M SDT1预处理22.99.222.89.1T2后处理15.37.921.38.0T33个月随访13.410.219.713.0T46个月随访15.59.819.99.83.2.2. 从基线到3个月随访的变化对3个月随访时的治疗结局具体地说，探索性结果发现以下变量显示了在3个月随访（t 基 线- t3 个 月）时测量的治疗结局的单变量关系pb.20：抑郁严重程度（pb.01）和情绪前焦虑（P<0.05）作为预测因子，并有抑郁趋势严重程度是调节因素（p=.06）（见表5）。因此，对于治疗前和3个月随访期间抑郁严重程度的变化，最终多变量模型由与治疗前和治疗后变化相同的3个变量组成因此，在最终模型中，抑郁严重程度和情绪衰竭被列为潜在预测因素，抑郁严重程度被列为潜在调节因素（见表7）。然而，只有抑郁严重程度作为预测因子被证明是有统计学意义的（p<0.01）.治疗前的情绪衰竭并不能预测治疗前和3个月随访之间的变化（p=.77）。虽然IPST与对照组相比，抑郁严重程度有改变IPST有效性的趋势，但没有证据表明这种影响具有统计学意义（p= 0.07）。因此，IPST可以被认为是一种有效的治疗员工方面的三个月的后续行动，无论特征的年龄，性别，每周工作时间，治疗/培训的经验，抑郁症的严重程度，情绪疲惫，和一般自我效能。此外，研究发现，特别是基线时抑郁严重程度较高的员工，在治疗前和三个月随访期间的变化更好无论他们是否接受干预，3.2.3. 从基线到6个月随访的变化关于治疗前和6个月随访（t基线- t6个月）之间的变化，探索性结果发现以下变量显示出pb. 20的单变量关系：抑郁严重程度（p<0.01）和情绪衰竭（p= 0.12）作为潜在的预测因子，抑郁严重程度作为可能的调节因子（p<0.05）（见表6）。表3单变量分析：从基线至治疗后变化的单独多元回归分析结果表1治疗前特征：平均值（标准差）和百分比。基线特征主效应相互作用：基线变量×治疗条件特征IPSTWLCBaSEbβcpBaSEbβcp（n= 75）（n= 75）年龄.004.271.003.99.142.181.192.43年龄，平均值±SD，岁a46.4± 9.247.8± 7.3性-716.679-245.29.392.433.295.37女性（%）62人（82.7%）63人（84.0%）每周工作-212.272-193.44.131.167.194.43每周工作时间b42.3± 13.841.8± 15.6小时治疗/培训经验，（%）c32人（55.2%）37人（56.1%）经验.148.590.066.80-100.367-0.076.79抑郁严重程度，平均值± SD22.9± 9.222.8± 9.1治疗/训练一般自我效能，平均值± SD25.1± 4.625± 4.5抑郁严重程度.965.222.8840.001磅-251.138-363.07情绪衰竭，平均值± SD注. 条件之间的所有差异均为38.4± 7.4不明显。39.0± 6.5一般自我感觉.429-202.246.252.393-185.08.43-175.199.161.161-243.285.28.22a由于数据缺失，一些平均数/计数指的是N=125的子样本。b由于数据缺失，一些平均值/计数指的是N=145的子样本。c由于数据缺失，一些平均数/计数指的是N=124的子样本。a非标准化回归系数。b系数的标准误差c标准化系数。44M.N. Junge等人 /互联网干预2（2015）39 - 47BBBBB表4符合基线至治疗后变化的显著性标准（p <0.20）的预测因子/调节因子的多变量分析。表6单变量分析：从基线至6个月随访变化的单独多元回归分析结果基线特征主效应相互作用：基线变量×治疗条件a非标准化回归系数。b系数的标准误差c标准化系数。因此，最终多变量模型由与治疗前和治疗后以及治疗前和3个月随访之间的变化相同的三个变量组成：抑郁严重程度和情绪衰竭作为可能的预测因子，抑郁严重程度作为潜在的调节因子（见表7）。虽然没有证据表明情绪衰竭可以预测结果（p= 0.44），但抑郁严重程度可以显著预测结果（p<0.01）。此外，抑郁的严重程度显著改变了IPST与对照组（p=0.3）。因此，可以得出结论，接受IPST的基线时抑郁严重程度较高的员工在治疗前和6个月随访之间的时间间隔内明显好转。除此之外，IPST是有效的，不考虑年龄，性别，每周工作时间，治疗/培训经验，情绪疲惫和一般自我效能感的特征。为了评估基线时抑郁严重程度较低的参与者是否仍然从IPST中获益，进行了简单的斜率分析因此，设立了三个分组第一组由治疗前表现出“低抑郁严重程度”的参与者组成第二一组由表现出“中度抑郁严重程度”的参与者平均值：CES-D范围：14- 3 2，M = 2 3。1，SD=5。第三组由在治疗前显示“高抑郁严重程度”的参与者组成 图 2说明在治疗前呈现低抑郁严重程度的两组参与者中的抑郁严重程度基本上不随时间改变。然而，有一个明显的下降，在基线的中度和高度抑郁严重程度的员工在干预组的抑郁程度简单斜率分析显示，虽然抑郁严重程度评分较高（平均值+1SD）和中度（平均值）的参与者从治疗中明显获益（简单斜率高抑郁严重程度：B =.77，SE B =.19，p = b.001，d = 0.52;简单斜率中度抑郁严重程度：B =.48，SE B =.135，p = b.001，d = 0.53），表5单变量分析：从基线至3个月随访变化的单独多元回归分析结果BaSEbβcpBaSEbβcp年龄0.298.254.305.24-102.170-158.55性别-0.271.643-102.68.029.411-0.024.94每周工作-144.259-143.58.144.159.184.48小时关于.146.546-0.074.79.033.340.029.92治疗/训练抑郁症的严重程度.923.217.9310.001磅-286.135-455.04情绪衰竭.372.234.375.12-172.153-263.27一般自我效能-0.097.241-0.098.69.014.154.022.93a非标准化回归系数。b系数的标准误差c标准化系数。基线时抑郁严重程度评分较低的参与者（平均值-1SD）没有从iPST中获益（B=.20，SE B=.19，p= 0.001）。.30，d= 0.29）。4. 讨论据我们所知，这是第一项旨在确定抑郁员工IPST治疗反应的预测因子和调节因子的有证据表明，治疗前抑郁症的严重程度预测抑郁症严重程度的变化，无论分配的条件，在所有的测量场合。治疗前抑郁严重程度较高的员工，随着时间的推移，抑郁症状的减少比治疗前抑郁严重程度较低的员工要多。此外，基线抑郁严重程度显著决定了IPST对员工的长期有效性具体而言，在基线时抑郁严重程度较高的员工接受IPST后，在治疗前和6个月随访之间的时间跨度内，与基线时症状严重程度较低的员工基线变量年龄、性别、每周工作时间、治疗/培训经验、情绪稳定性和一般自我效能既不能预测IPST的结果，也不能调节IPST与WLC相比的有效性没有迹象表明，在基线时表现出低抑郁严重程度的参与者至少在长期内从IPST中获益在两组中，较高的治疗前抑郁与较高的改善可能性相关的发现似乎是合理的，并且与其他研究一致（Ruwaard等人，2009;Spek等人，2008; Warmerdam等人，2013年）。严重程度越高，改善的空间就越大，因此在减少抑郁症状方面有显著的变化此外，已经证明，基线特征主效应相互作用：基线变量×治疗条件BaSEbβcpBaSEbβcp表73个月和6个月随访时符合显著性标准（p <0.20）的预测因子/调节因子的多变量分析。3个月随访6个月随访年龄.322.278.296.25-0.098点185口径-1360.60口径BaSEbβcpBaSEbβcp小时抑郁严重程度.968.236.897b.001.961治疗/培训经验0.119.594.055.84-158点370口径-125.67口径情绪衰竭0.23.080.022.77− 0.059抑郁严重程度.984.229.9120.001磅-0.269.142-3940.06情绪衰竭.501.248.464.05-194点163口径-272.24口径一般自我效能-0.029点二五七口径-0.026.91-0.088.164口径-127点五九口径a非标准化回归系数。b系数的标准误差c标准化系数。主持人抑郁严重程度-0.266.143 −.389.07 −.295a非标准化回归系数。b系数的标准误差c标准化系数。性-137.694-0.048.84-0.028.443-0.021.95B每周工作-0.002.280-001.99-0.004.172-0.006.98预测器.223.9690.001磅.076-0.059.44.136-469.03BaBSEBβC95% CIp预测器抑郁严重程度.986.228.9030.534至1.4380.001磅情绪衰竭-0.032.078-0.029-186到122.68主持人抑郁严重程度-256.139-370-0.531到0.018.07M.N. Junge等人 /互联网干预2（2015）39 - 4745图二、说明性过程中的症状变化的显着调节剂'抑郁症的严重性'。注. 基于条件性治疗前抑郁严重程度值平均值− 1 SD vs平均值vs平均值+1 SD的简单斜率分析，估计治疗前（t1）与7周（t2）、3个月（t3）和6个月（t4）后随访评估之间抑郁严重程度的变化过程。即使未经治疗，抑郁症状也会改善（Lynch等人，2004年;Posternak和Miller，2001年）。 Posternak和Miller（2001）估计，约20%分配到等候名单的受试者在4-8周内出现自发缓解。发现在治疗前具有更明显症状的员工比表现出较低症状严重程度的员工从IPST中获益更多，这与广泛认为和实践相矛盾患有更严重抑郁症的人通常被认为不适合IPST等低强度干预措施这主要是因为人们通常认为，抑郁症严重程度越高的人，越难以接受低强度的干预。这些干预需要很大的自律，因为没有强烈的承诺感，因为它是面对面的干预，定期与心理治疗师预约的情况。此外，严重抑郁的员工可能更难坚持治疗，因为他们更感到绝望，更缺乏动力，这通常与抑郁发作有关（美国精神病学协会，2000年）。尽管如此，我们的结果与最近的一项荟萃分析一致，该分析发现，治疗前抑郁程度更严重的参与者与抑郁程度较轻的个体一样，从低强度干预中获益（Bower等人， 2013年）。因此，只要个人愿意参与，似乎越来越多的证据表明，低强度干预可能提供一个合适的解决方案，即使是对抑郁症状更严重的个人与症状严重的个体相反，预期相对较少的抑郁症状特别适合于低强度干预。然而，目前的数据表明恰恰相反。 对于最初抑郁严重程度较低的员工没有从IPST中获益的发现，有几种解释。首先，本研究旨在在疾病早期阶段接触受影响的员工。被归类为低水平抑郁的参与者（CES-D评分在5到13之间，M = 9.0，SD = 2.2）几乎没有任何抑郁症状。因为严重程度越低，改善的空间就越小，所以这组人可能根本无法大幅改善。然而，可以假设IPST将防止症状的进一步恶化（van Zoonen等人， 2014年）。然而，干预组和对照组的参与者都没有实质性恶化因此，未发现治疗的预防作用其次，手头的研究发现，各组之间筛选和基线之间的抑郁严重程度显著下降（从M= 24.67下降到M = 24.67）。轻度抑郁组M= 9.04）可以假设，参与者实际上并没有从IPST中获利，而是从因此，与前面的论点一致，被归类为低抑郁严重程度组的参与者的分数已经太低，以至于一旦实际干预发生，就无法发现显著的效果第三，IPST可能对这个特定的亚组无效 这与研究表明（治疗师提供的）在线CBT在抑郁程度较低的患者中效果较差（Button等人，2012; Kessler等人， 2009年）。因此，在Bower et al. （2013）甚至发现，与具有至少中度症状的个体的效果相比，最初轻度抑郁症状与低强度干预的较低效应量相关。然而，有一种可能性是，尽管最初抑郁症状较低的参与者在由于IPST是一种相对简单的方法，一旦学会，员工可以在未来使用获得的解决问题的技能和应对技巧。以这种方式，IPST可能作为“缓冲”起作用，以防止抑郁症发作（vanZoonen等人， 2014年）。考虑到这一点，未来的研究应该尝试检查IPST在预防最初抑郁严重程度低的患者中抑郁发作方面的长期效果（Buntrock等人，2014年）。第四，最近的一项系统评价发现，针对整个目标人群的工作人员导向的预防干预措施（普遍预防）的平均标准化效应为d = 0.16（Tan等人，2014年）。在本研究中，该亚组的效应量为d= 0.29。因此，很可能是目前的研究没有足够的把握度来检测基线时抑郁严重程度较低的亚组中的现有效应4.1. 局限性和未来研究应考虑若干限制首先，本研究中的分析主要是探索性的，患者未根据潜在的关注调节因素进行因此，应谨慎处理发现，直到在其他样品中重复然而，越来越多的方法学家认识到探索性分析的重要性，以促进在临床应用之前在未来研究中测试经验性建立的假设（Kraemer等人，2002年）。其次，样本量相对较小，仅具有在主要有效性分析中检测中等规模效应因此，检测潜在调节变量的显著结果的能力，对于小规模的亚群，是不够的。第三，应该考虑与多重测试相关的机会资本化的概率（Cohen等人， 2003年）。然而，考虑到本研究的探索性方法，我们决定与Kraemeret al. （2002）不调整多个测试程序。四是46M.N. Junge等人 /互联网干预2（2015）39 - 47值得一提的是，教育部门的雇员（教师）受过良好的教育。此外，参与者必须有良好的计算机技能，以遵循互联网治疗。因此，样本中受教育程度较高的雇员很可能多于一般工作人口。 有趣的是，Spek et al. （2008年）指出，不仅教育水平较高与治疗结果较好有关，而且教育程度较低的参与者在干预前辍学的情况比教育程度较高的人更常见。因此，受教育程度较低的员工在遵循IPST并从中获利方面可能会有更多的困难因此，目前的调查结果可能无法推广到其他工作人群。因此，未来的研究应旨在复制包括其他类型的职业在内的调查结果此外，我们的参与者主要是女性和中年人