2018年印度尼西亚基于互联网的抑郁症干预可接受性调查：因变量预测因素及结论

2018年第1期第3卷第8-15页印度尼西亚基于互联网的抑郁症干预的可接受性作者A，b. Nautab，Claudi L. H. Bocktingb，c，Bockinga印度尼西亚Atma Jaya天主教大学心理学系，Jl. Jendral Sudirman No.51，Jakarta Selatan，12930，DKI雅加达，印度尼西亚b荷兰格罗宁根大学临床心理学和实验精神病理学系，Grote Kruisstraat 2/1，9712 TS格罗宁根c阿姆斯特丹大学学术医学中心精神病学系，Meibergdreef 9，1105 AZ Amsterdam，The NetherlandsA R T I C L E I N F O保留字：网上治疗印度尼西亚心理健康差距A B S T R A C T背景：在印度尼西亚，基于互联网的干预措施可能是一种有前途的战略，以减少心理健康差距，因为该国的互联网使用水平继续增加。检查可接受性基于互联网的干预，这项研究调查的因素，有助于使用基于互联网的干预抑郁症在印度尼西亚。方法：该调查在网上进行，有904名参与者从心理健康的特定社交网络和一般社交媒体招募（平均年龄=27.07，50.22%女性）。 三个因变量分别是：（1）开始使用基于互联网的抑郁干预的行为意向，（2）将其作为 常规治疗的替代品和（3）偏好使用它来补充常规治疗。预测变量包括社会人口学特征、感知的心理健康状况、个人情境特征、个人对在线服务的创新性和抑郁水平。结果：绝大多数人报告说对使用基于互联网的抑郁症干预措施持开放态度（73.7%），以及将其用作常规治疗的替代品（73.3%）或补充品（73%）。个人对在线服务的创新性是所有类型使用的最强预测因子，即使在校正当前抑郁水平后也是如此。当单独添加到分析中时，抑郁水平是所有因变量的第二强预测因素。结论：大多数马来西亚人对使用基于互联网的抑郁症干预措施持开放态度。为了增加基于互联网的抑郁症干预措施的采用，首先必须推广互联网 让全国更多的人使用，特别是那些目前抑郁的人。1. 介绍作为疾病负担的主要原因，抑郁症约占世界人口的4.4%（Ferrari等人，2013年），以及印度尼西亚大约5%的人口（等于> 1000万）（Ferrari等人，2013年）。在中低收入国家（LMICs），包括印度尼西亚，抑郁症病例数量和精神卫生专业人员的可用性之间存在很大的不平衡（世界卫生组织，2015）。世界卫生组织（世卫组织）在《心理健康差距行动方案》中指出，必须提供可广泛分发的心理健康干预措施（世卫组织，2008年）。互联网可能是广泛提供低成本干预措施的潜在媒介（Napolitano等人，2003年），一般称为电子健康。在临床心理学领域，有一种称为基于互联网的干预措施的电子健康形式，指的是主要通过互联网提供的治疗，至少有一些治疗任务是由计算机完成的（Andersson和Titov，2014）。在高收入国家（HIC）进行的许多临床试验表明，基于互联网的干预措施对各种心理健康状况有效，包括抑郁症（Andersson和Cuijpers，2009; Andrews等人，2010年）。在澳大利亚，基于互联网的干预也被认为是一种可接受的心理治疗形式（Gun等人， 2011; Spence等人，2011年）。然而，尽管有潜力，但基于互联网的干预措施很少在中低收入国家进行研究，印度尼西亚也没有关于这一主题的研究报告（Arjadi等人， 2015年）。在印度尼西亚，基于互联网的干预措施可能是减少心理健康差距的一项有希望的战略，因为互联网的水平缩略语：AVE，提取的平均方差; B·INT，行为使用意图; COMP，补充使用; DIST，与精神卫生服务设施的距离; EDU，教育水平; HIC，高收入国家; HIST，精神卫生服务使用史;IDS-SR，抑郁症状量表-自我报告;IIAQ-ID，基于互联网的干预措施可接受性量表-印度尼西亚; LMIC，中低收入国家; mhGAP，精神卫生差距行动计划; P·INNOV，个人对在线服务的创新性;PERC ECOMH，感知的精神健康状况;PERC ECOMV，感知的精神健康脆弱性; SES，社会经济状况; SUBS，替代使用*通讯作者：阿姆斯特丹大学学术医学中心精神病学系，Meibergdreef 9，1105 AZ Amsterdam，The Netherlands。电子邮件地址：c.l. amc.uva.nl（C.L.H. Bockting）。https://doi.org/10.1016/j.invent.2018.04.004接收日期：2017年7月20日;接收日期：2018年4月27日;接受日期：2018年4月27日2018年1月0日至2日，2214-7829/©2018Authors.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/invent2018年第1期第3卷第8-15页R. Arjadi等人9预计到2018年，该国的互联网使用率将增加到人口的50%（1.2亿人）（ Asosiasi Penyedia Jasa InternetIndonesia ， 2015;Noviandari ，2014）。另一方面，在这些国家实施基于互联网的干预措施作为一种新型的心理健康服务，特别是针对抑郁症，也可能具有挑战性。例如，最近在印度进行的一项研究，另一个LMIC，强调了在实施之前评估上下文可接受性和可行性的重要性（Chowdhary等人，2016年）。虽然这项研究是在面对面的治疗背景下进行的，但这种方法在中低收入国家实施各种心理治疗方面具有高度相关性。因此，在实施之前，重要的是通过调查有助于使用互联网的因素来检查印度尼西亚人群对基于互联网的抑郁症干预措施的可接受性。最广泛使用的技术接受理论是技术接受模型，该模型指出，使用新技术的行为意图是由感知易用性（一个人相信使用特定系统不会受到干扰的程度）和感知有用性（一个人相信使用特定系统会提高他或她的工作绩效的程度）决定的（Davis，1989）。以前关于中低收入国家电子卫生技术接受模型的研究表明，在心理健康方面，感知易用性和感知有用 性都是 电子 卫生 接 受的 重要 因素 （ 例如 （ Hoque 等 人， 2017;Sobowale等人，2016年）。这些研究提供的证据表明，低收入国家的潜在用户可以接受除了对技术系统可接受性的这种观点之外，从个体变量的角度研究可接受性也被认为是重要的（Arning和ZieZee，2009; Berry等人，2016年）。这些个体变量在预测此类干预措施在中低收入国家心理健康问题中的实际使用方面我们将在当前的研究中使用这一视角。各种研究报告的相关个体因素涉及社会人口特征（例如，Dickerson等人，2004;Mead等人，2003），感知的健康状况（例如Rai等人，2013; Wilsonand Lankton，2004），个人情境特征（例如Duplaga，2012; Mead etal. ， 2003 ） ， 以 及 与 技 术 相 关 的 心 理 特 征 （ 例 如 Huang ，2013;Rockmann and Gewald，2016）。最近的一项研究（Rai等人，2013）在移动健康服务作为一种类型的电子健康的背景下，报告了关于这些各种因素如何能够预测移动健康服务的可接受性的结果。该研究（Rai等人，2013）还提出了不仅评估这些因素以确定开始使用移动健康服务的行为意图的重要性，而且还确定同化（使用它的意识和频率水平）以及将其作为替代使用（代替常规面对面治疗）和补充使用（除了常规面对面治疗之外）的偏好。在结果中，他们报告说，开始使用移动医疗服务的行为意图和将其用作替代用途和补充用途的偏好的一些预测因素是不同的（Rai等人，2013年）。同化与本研究无关，因为目前在印度尼西亚很少发现和使用基于互联网的干预措施。超过95%的参与者报告说，他们不知道任何基于互联网的心理健康问题干预措施的可用性，而那些知道的人表示，他们指的是通过电子邮件或聊天提供的咨询，以及印度尼西亚以外国家提供的基于互联网的干预措施。在目前的研究中，我们报告了印度尼西亚抑郁症患者对基于互联网的干预的普遍接受程度，并调查了预测其使用的因素，预测因素包括社会人口特征（年龄，性别，教育和社会经济地位），心理健康状况（感知当前心理健康状况和感知未来严重心理健康问题的心理健康脆弱性），个人情境特征（与精神卫生服务设施的距离和精神卫生服务使用史）和与技术相关的心理特征（个人对在线服务的创新性，代表了一个人尝试新在线服务的意愿程度）。此外，由于本研究的重点是基于互联网的抑郁干预，因此将抑郁水平作为一个额外的预测因素。我们研究了所有这些因素是如何促成波斯尼亚人开始使用基于互联网的抑郁症干预措施的意图的，以及将其用于常规治疗的替代和补充用途。2. 方法2.1. 参与者调 查 是 在 网 上 进 行 的 。 1622 人 浏 览 了 调 查 的 第 一 页 ， 904 人（ 55.73% ） 随 后 完 成 了 调 查 。 年 龄 16 ~ 61 岁 （ M= 27.07 ， SD=7.06），女性454例（50.22%）。基于参与者在抑郁症状量表-自我报告（IDS-SR）上的得分，并根据国际上使用的14分作为抑郁的指标（Rush et al.，2003年），43.6%的参与者被归类为非抑郁（总分0-13），31.4%为轻度抑郁（总分14-25），25%为中度至非常严重的抑郁（总分26-84）。2.2. 程序这些数据是通过Qualtrics（一个基于互联网的调查平台）收集的 我们通过我们的网站（www. actandfeel.com）、另外两个关于心理健康的网站、关于心理健康的在线论坛、社交媒体和口头传播参与者在在线调查页面的开头通过勾选“同意“按钮表示2.3. 伦理批准本研究的伦理批准来自印度尼西亚Tarumanagara大学人类研究伦理委员会（项目编号PPZ 20142001）。2.4. 措施2.4.1. 基于互联网的干预措施可接受性评估-印度尼西亚（IIAQ-ID）这项研究遵循了Rai等人的研究路线（2013年），因此使用了该研究中的项目，汇总为一个20项测量，称为“基于互联网的干预措施可接受性问卷-印度尼西亚“（IIAQ-ID）。最终调查问卷来自作者内部的讨论，使用两种语言（英语和印度尼西亚语）。最后的问卷由三位双语印尼临床心理学家审查，以检查文化表达。对于因变量，有3个项目用于测量开始使用基于互联网的抑郁干预的行为意图（例如， “我愿意使用基于互联网的抑郁症干预措施来获得相关建议，而不是进行定期的面对面治疗”），以及3个项目来衡量使用它来补充定期治疗的偏好（例如，“除了定期的面对面治疗外，我愿意使用基于互联网的抑郁症干预措施来获得相关建议”）。对于每个项目，要求参与者在7分Likert量表上进行评分，从1分“强烈不同意”到7分“强烈同意”（4分表示为中性）。如果每个因变量量表的三个项目的平均项目得分大于4（或总计≥13），则认为对使用在线干预治疗抑郁症持积极态度。2018年第1期第3卷第8-15页R. Arjadi等人102.4.2. 预测变量研究中使用了几个预测变量，包括四项社会人口学特征（年龄、性别、教育和社会经济地位）。 一个单项用于测量心理健康背景下的感知健康（“就心理健康状况而言，我觉得我......”），其中7点Likert量表从“非常不健康“到“非常健康“，另一个单项用于测量未来相同背景下的感知脆弱性（“我觉得容易受到严重心理健康问题的影响（即，严重抑郁症）在未来五年”）与7点李克特量表从“非常不同意”到“非常同意”。与精神卫生服务机构的距离采用单项选择题测量，得分越高代表距离越远，回答“不知道“得分最高。使用另一个回答是或否的单一多项选择题测量精神卫生服务使用史。个人对网上服务的创新性有3个项目（如：“我喜欢尝试新的在线服务”），用7分制的李克特量表从“强烈不同意”到“强烈同意”。最后，抑郁症状自评量表（IDS-SR）被用作测量抑郁水平的有效且可靠的工具（Rush et al.，1996; Rush等人，1986）作为本研究中的一种特殊疾病特征。在目前的研究中，我们使用了印度尼西亚版本的IDS-SR（Arjadi 例如， 2017年）。在调查中，我们还提供了一些屏幕截图，作为基于互联网的干预措施的例子。这些截图来自荷兰的基于互联网的复发性抑郁症干预，名为Depressievrij，内容已翻译成印度尼西亚语，专门用于本研究。审核问卷的三位临床心理学家也审核了截图的内容。屏幕截图示例见图1。2.5. 统计分析首先，我们通过验证性因素分析（CFA）、Cronbach’s Alpha信度和收敛效度（平均方差EX Emax/AVE）报告评估了IIAQ-ID的测量质量。此外，我们计算了每个因变量总分≥我们对每个因变量进行了不同的分析：1）使用基于互联网的干预措施治疗抑郁症的行为意图，2）使用基于互联网的干预措施替代常规治疗的偏好或3）补充常规治疗。每项分析的预测因素包括社会人口学特征（年龄、性别、教育和社会经济地位）、感知的心理健康状况（感知的当前心理健康状况和感知的未来心理健康脆弱性）、个人情境特征（到心理健康服务设施的距离和心理健康服务使用史）、与技术相关的心理特征（个人对在线服务的创新性，代表一个人尝试新在线服务的意愿程度）和抑郁水平，这是本研究中疾病特征的重点。每项评价均使用逐步回归进行每个因变量的评估进行了两次，第一次没有抑郁水平，第二次在第一次进入时有抑郁水平本研究旨在探讨在三个因变量的回归分析中，抑郁程度作为疾病特征是否会改变其他因素的预测能力。在解释每个预测因子的预测能力时，我们应用α水平的Bonferroni校正来控制I型错误率解读前，检验共线性假设。所有分析均使用R和SPSS 23进行。3. 结果3.1. 测量质量我们进行了验证性因素分析，并评估了Cronbach’s Alpha信度，以及IIAQ-ID中三个因变量（行为使用意图，替代使用和补充使用）和一个多项预测因子（对在线服务的个人创新性）的AVE。与CFI>0.9，RMSEA<0.05，SRMR<0.05（Hu和Bentler，1999），每个指标的因子负荷均大于0.70，且在p 0.05时显著<。每个结构的收敛效度良好，平均方差提取（AVE）>0.5（Fornell和Larcker，1981）。此外，对于信度，所有4个结构的Cronbach’s Alpha信度都很好，高于0.70（Nunnally和Bernstein，1994）。各结构的效度、信度和效度详见表13.2. 基于互联网的抑郁症干预的普遍接受性大多数参与者报告对在线干预持开放态度，73.7%的人对开始使用基于互联网的抑郁干预持开放态度。73.3%和73%的人愿意用它代替常规治疗和补充常规治疗。3.3. 预测使用基于互联网的抑郁症干预措施的因素预测因素将分别为行为使用意图、替代使用和补充使用。表2列出了所有变量的相互关系。3.4. 逐步回归结果3.4.1. 初步分析对于每项分析，耐受性高于0.2，VIF为10，表明不存在多重共线性（Bowerman和O 'Connell，1990;Menard，2002）。<3.4.2. 行为使用意向的对于不包括抑郁水平的第一次分析，结果为R2=0.277，F（5，898）=68.94，p<0.001。我们在分析中使用Bonferroni校正的α水平0.0055（0.05/9）。个人对在线服务的创新性是最强的预测因素，其次是性别和感知的心理健康。根据Bonferroni校正的α水平，年龄和精神卫生服务使用史不是显著的预测因素。详情见表3a当首次录入时将抑郁水平纳入分析时，结果变为R2= 0.304，F（5，898）= 78.43，p<0.001。我们使用Bonferroni校正的 α水平0.005（0.05/10），得出三个重要的预测因子，即抑郁水平、个人对在线服务的创新性和性别。与之前的分析一样，对在线服务的个人创新仍然是最强的预测因素，其次是抑郁水平。当我们应用Bonferroni校正的α水平时，来自原始结果的两个预测因素（年龄和精神健康服务使用史）变得不显著（见表3b）。3.4.3. 预测渠道偏好替代使用的在不包括抑郁水平的分析结果中，个人对在线服务的创新性、与精神卫生服务设施的距离和感知的精神卫生脆弱性是因变量替代使用的三个显著预测因素（R2= 0.256，F（3，900）= 103.36，p <0.001）。在该分析中使用了Bonferroni校正的α水平0.0055（0.05/9），并且基于Bonferroni校正的α水平未排除任何变量（见表4a）。2018年第1期第3卷第8-15页R. Arjadi等人11Fig. 1.印度尼西亚巴厘岛的互联网干预截图示例将首次进入分析时的抑郁水平纳入分析改变了结果：R2= 0.283，F（5，898）= 70.86，p<0.001。再次应用Bonferroni校正α水平0.005（0.05/10）。抑郁水平和个人对在线服务的创新性是基于校正的alpha水平的重要预测因素。个人对在线服务的创新性是最强的预测因素，抑郁水平是第二强。与此同时，当应用Bonferroni校正的α水平时，感知的心理健康状况，与心理健康服务设施的距离和年龄并不显著（见表4b）。3.4.4. 预测渠道偏好互补使用的在排除抑郁水平的分析中，结果如下：R2=0.249，F（3，900）=99.44 ， p0.001<. 我 们 使 用 Bonferroni 校 正 的 α 水 平 0.0055（0.05/9）。基于Bonferroni校正的α水平，个人对在线服务的创新性是唯一重要的预测因素，同时，感知的心理健康脆弱性和心理健康服务使用史报告为不重要（见表5a）。当首次录入时将抑郁水平添加到分析中时，结果变为R2=0.258，F（3，900）=104.41，p<0.001。与之前的所有分析一样，我们也使用了Bonferroni校正的α水平0.005（0.05/10），发现抑郁水平和个人对在线服务的创新性是重要的预测因素。 与前面的其他两个因变量的结果一样，对于因变量，变量补充使用，对在线服务的个人创新也仍然是最强的预测，其次是抑郁水平。 另一方面，当应用Bonferroni校正时，精神卫生服务使用的可变历史变得不显著。 详情见表5b。4. 讨论本研究的目的是探讨在印度尼西亚样本的抑郁症基于互联网的干预的可接受性。调查结果显示，大多数参与者（73.7%）表示他们愿意使用基于互联网的抑郁症干预措施。大多数参与者还愿意将其分别作为常规治疗的替代品（73.3%）和常规治疗的补充（73%）。在所有预测因素中，对在线服务的个人创新性被认为是行为意图的最强预测因素，以及使用基于互联网的干预作为印度尼西亚定期面对面心理健康服务的替代和补充的偏好。考虑到目前的抑郁水平，对在线服务的个人创新仍然是最强的预测因素。以前的研究表明，一般来说，对技术的创新可以强烈预测技术的使用（Lu等人，2005; Rai等人，2013年），与本研究的结果一致。因此，为了在印度尼西亚推广使用基于互联网的抑郁症干预措施，针对那些患有抑郁症的人可能是一个很好的开始。2018年第1期第3卷第8-15页R. Arjadi等人12表1IIAQ-ID和IDS-SR的描述性、信度和效度。我们在印度尼西亚的研究中，95%的参与者不知道现有的基于互联网的干预措施，但愿意尝试使用它。构造可能的范围因变量平均/NSD/%Cronbach的阿尔法Ave（收敛效度）因此，促进互联网的普遍使用，然后促进基于互联网的干预措施的使用，可能是刺激印度尼西亚人参与基于互联网的抑郁症干预措施并从中受益的好策略。最近在欧洲进行的一项关于数字化态度的调查行为使用意向3抑郁症的治疗报告说，数字治疗，包括替代用途3–2115.113.980.890.74基于互联网的干预措施，对于较温和的形式，配套使用自变量3–2115.274.200.950.87抑郁症（Topooco等人， 2017年）。与调查结果不同的是，研究表明，更高的抑郁水平预测更高的使用意愿，人口统计学特征年龄16性男性–45049.78%–女性–45450.22%–教育高中以下–232.54%–高中–26629.42%–职业–788.63%–学士–47652.66%–硕士–616.75%社会经济地位低–19421.46%–中间–52558.08%–高–18520.46%–感知的心理健康状况互联网干预。以前的研究表明，在-患有当前心理健康问题的人倾向于更愿意通过互联网寻求帮助，即使他们不通过常规的面对面服务寻求帮助（Cunningham等人，2006年）。这些发现可能解释了为什么当前研究中抑郁水平较高的参与者倾向于更倾向于开始使用基于互联网的干预措施，并将其作为常规治疗的替代和补充。根据这一想法，在控制抑郁症时，那些认为自己目前在心理健康方面健康的人报告使用基于互联网的干预措施的可能性较小。相关的，那些报告自己在未来容易经历严重心理健康问题的人报告说，他们更愿意使用基于互联网的抑郁症干预措施来代替常规治疗。自感心理健康心理健康脆弱性11值得注意的是，一些参与者不赞成使用基于互联网的干预措施来治疗抑郁症。总体而言，大约四分之一的样本报告说，他们不愿意尝试使用基于互联网的干预措施，或将其作为常规治疗的替代或补充。有一些可能的原因个人情境特征与精神卫生服务设施的距离精神卫生服务使用史技术心理特征这些发现。从个人情境特征来看，到精神卫生服务设施的距离显著预测了印度尼西亚人使用基于互联网的抑郁症干预措施作为常规治疗替代品的意愿，但对其他两个因变量没有影响。这些发现表明，总的来说，印尼人对使用基于互联网的抑郁症干预措施持开放态度，但仍然认为面对面接触精神卫生服务对抑郁症很重要，特别是当他们知道在哪里可以找到他们附近。 如果他们能够获得定期的面对面治疗，他们会选择它而不是基于互联网的干预措施。这也与先前的发现一致，即通过互联网提供健康相关的帮助是可以接受的，但面对面的接触仍然是必要的（Sillence等人，2007年）。显然，定期面对面的治疗仍然很重要，个人在线服务创新抑郁程度（IDS-SR）30–74在印度尼西亚，我们的目标是接触更多的人，首先是那些不熟悉互联网的人，但显然也包括一些积极使用互联网的人，这意味着，从在印度尼西亚等中低收入国家利用电子保健的潜在优势来看，定期面对面治疗仍然是必要的，但基于互联网的抑郁症干预措施的可用性是可以接受的，并可以改善获得有效治疗的a印度尼西亚版本IDS-SR的可靠性来自原始文件（Arjadi等人， 2017年）。目前已成为在线服务用户。通过这些渠道，人们可以接触到那些具有创新精神并对通过互联网提供的新在线服务持开放态度的人。这种促进获得基于互联网的干预措施的做法符合先前的一项研究，该研究报告称，一旦个人成为基于互联网的干预措施的用户，此人往往会认为它比非先前用户更容易接受（Gun等人， 2011年）。其他研究（在越南）表明，尽管人们没有意识到基于互联网的干预措施的可用性，但他们确实表示这种干预措施是有用的，特别是在结合心理教育和分享信息的可能性时（Sobowale等人， 2016年）。同样的挑战也适用于由于心理健康差距而无法获得常规治疗的人。在所有人口统计学特征中，性别是唯一一个显著预测印度尼西亚抑郁症患者使用基于互联网的干预措施的意图的自变量，无论分析是否控制抑郁水平。女性参与者报告了更高水平的意图使用基于互联网的干预抑郁症比男性参与者。 这可以通过以前的研究中讨论的内容来解释，即一般来说，当女性遇到心理健康问题时，女性往往比男性有更高的求助模式（Möller-Leimkühler，2002; Oliver等人， 2005年）。然而，性别并不是渠道偏好（替代使用和补充使用）的重要预测因素，这意味着性别往往只会影响开始使用基于互联网的干预措施的第一个决定。因此，有意识地向印度尼西亚男性人口更多地推广基于互联网的干预可能是至关重要的<5公里–23626.11%–6公里–269百分之二十九点七五–16公里–768.41%–26公里–303.32%–>35公里–444.87%–是的–788.63%–没有–82691.37%–2018年第1期第3卷第8-15页R. Arjadi等人13表2相关性。变量B·INT潜艇COMP年龄性EDUSES联系我们PERC公司的MVDistHIST公司简介IDs-Sr行为使用意图（B·INT）替代用途0.56公斤–0.54磅0.62公斤−0.000.000.17米0.050.02−0.030.000.01-0.12−0.040.19米0.19米0.050.09米0.09米−0.010.47公斤0.49公斤0.29公斤0.24磅（SUBS）补充使用––−0.040.03−0.01−0.01−0.040.17米0.010.08分0.49公斤0.19米（COMP）年龄（年龄）性––––––-0.20–0.35公斤0.050.39公斤0.010.19米-0.14-0.110.03-0.180.11公斤0.15公斤−0.00−0.05−0.01-0.190.20公斤（性别）教育–––––0.36磅0.15公斤-0.10-0.150.060.01-0.21（EDU）社会经济地位––––––0.10公斤−0.05-0.080.050.02-0.12（高级行政人员）心理健康状况–––––––-0.43-0.220.020.03-0.60(PERC（MH）心理健康脆弱性(PERC（MV）距离精神卫生服务设施（信息系统和电信司）––––––––––––––––0.11公斤–−0.02-0.070.19米−0.030.41磅0.29公斤心理健康服务使用（HIST）个人对在线服务的创新-––––––––––––––––––––0.01–0.040.13米（P·INNOV）行为使用意向（B·INT）、替代使用（SUBS）、补充使用（COMP）、年龄（AGE）、性别（SEX）、教育程度（EDU）、社会经济地位（SES）、心理健康感知（PERC MSH）、心理健康脆弱性感知（PERC MMV）、心理健康服务设施距离（DIST）、心理健康服务使用史（HIST）、个人对在线服务的创新性（P·INNOV）、抑郁水平（IDS-SR）。p<0.05时显著。表3a行为使用意图的回归结果（无抑郁水平）。可变ΔR2BSEBeta不（常数）6.660.867.73米个人对网络的0.2220.480.030.4816.86米表4a替代使用的回归结果（无抑郁水平）。变量Δ R 2BSEBeta不（常数）6.980.4914.31磅⁎服务个人对网络的服务0.2380.460.030.47十 六点十八分与精神卫生服务设施的距离0.0110.190.060.103.36分心理健康脆弱性0.0070.200.070.092.95公斤从原始回归分析中排除的变量：教育，社会经济地位，感知的心理健康脆弱性，距离精神卫生服务设施。0.0055 英 镑 < 。 使 用 Bonferroni 校 正 （ α = 0.0055 ） 调 整 α 水 平 。 应 用Bonferroni校正的α水平时排除的变量：精神卫生服务使用史、年龄（表中斜体从原始回归分析中排除的变量：年龄，性别，教育，社会经济地位，自认为的心理健康，精神卫生服务使用史。0.0055英镑<。使用Bonferroni校正（α = 0.0055）调整α水平。当应用Bonferroni校正的α水平时，未排除任何变量表3b行为使用意图的回归结果（首次进入时的抑郁水平）。表4b替代使用的回归结果（首次进入时的抑郁水平变量ΔR 2BSEBeta不可变ΔR2BSEBeta不（常数）4.620.855.44磅（常数）4.320.795.48磅抑郁水平0.0600.070.010.236.13分抑郁水平0.0840.070.010.21七点半个人对网络的0.2110.450.030.4615.96美元个人对在线服务的创新0.1910.450.030.4515.95美元服务自感心理健康0.0040.220.090.082.36性0.0181.240.240.155.23米与精神卫生服务设施的0.0040.140.060.072.36年龄0.0070.050.020.082.69年龄0.0040.040.020.072.23精神卫生服务使用0.0040.890.410.062.15从原始回归分析：性，教育，所以-从原始回归分析中排除的变量有：受教育程度、社会经济状况、自认为心理健康、自认为心理健康脆弱性、距精神卫生服务机构的距离0.005 英 镑 < 。使 用 Bonferroni 校 正 （ α = 0.005 ） 调 整 α 水 平 。 应 用Bonferroni校正的α水平时排除的变量：年龄、精神卫生服务使用史（表中斜体社会经济状况、自觉心理健康脆弱性、心理健康服务使用史。0.005 英 镑 < 。 使 用 Bonferroni 校 正 （ α = 0.005 ） 调 整 α 水 平 。 当 应 用Bonferroni校正的α水平时排除的变量：感知的心理健康、与心理健康服务设施的距离、年龄（表中斜体）。性0.0321.440.240.186.00日元自感心理健康0.012−0.330.08−0.12-4.27千克精神卫生服务使用0.0071.070.420.072.55年龄0.0040.040.020.072.232018年第1期第3卷第8-15页R. Arjadi等人14表5a补充使用的回归结果（无抑郁水平）。可变ΔR2BSEBeta不（常数）7.330.4815.15分个人对网络的0.2380.490.030.4716.03分服务心理健康脆弱性0.0060.200.070.082.77精神卫生服务使用0.0051.070.430.072.48从原始回归分析中排除的变量：年龄，性别，教育，社会经济地位，自认为的心理健康，距离精神卫生服务设施。0.0055英镑<。使用Bonferroni校正（α = 0.0055）调整α水平。Bonferroni校正α水平时排除的变量：感知的心理健康脆弱性、心理健康服务使用史（表中斜体）。表5b回归结果用于补充使用（首次进入时的抑郁水平变量R 2BSEBeta不利益冲突RA声明无利益冲突。MN是荷兰格罗宁根大学临床心理学副教授她是荷兰焦虑症国家护理标准工作队的成员，为此她得到了旅费和一些生活费。MN收到旅费，一些生活费，有时还收到演讲或临床培训讲习班的相关演讲者酬金。MN已收到ZonMW（荷兰卫生研究与发展组织）的赠款，与当前项目无关。MN是荷兰行为和认知治疗协会的成员，并没有收到这个角色的报酬她开发并翻译了CBT治疗手册，包括一个基于互联网的混合治疗计划，她没有收到任何个人费用。CB是荷兰阿姆斯特丹大学学术医学中心精神病学系和格罗宁根大学的临床心理学教授。她也是心理学和教育学学院的客座教授，（恒定）抑郁水平0.0367.260.040.470.010.1315.45磅4.35磅比利时根特大学CB是荷兰多个机构的成员焦虑和抑郁的临床指南 她没有收到任何回复-个人对网络的0.2180.480.030.4716.24分为了这个角色的报酬。CB是“PlosOne“的共同编辑，服务这一角色的酬金她是卫生部长的顾问，心理健康服务使用史0.0040.970.430.07 2.26从原始回归分析中排除的变量有：年龄、性别、教育程度、社会经济地位、自认为的心理健康状况、自认为的心理健康脆弱性、与心理健康服务机构的距离。0.005 英 镑 < 。使 用 Bonferroni 校 正 （ α = 0.005 ） 调 整 α 水 平 。 应 用Bonferroni校正的α水平时排除的变量：精神卫生服务使用史（表中斜体这项研究涉及的局限性，应在未来的研究中加以解决。首先，样本中可能存在偏见，因为我们在网上进行了调查，因此我们无法将结果推广到没有上网的人。尽管如此，即使在这一组中，个人对在线服务的创新水平似乎也很重要。其次，本研究中样本特征的方差按人口统计学标准来看并不多样。大多数参与者是年轻人，具有相对较高的教育水平，来自中等社会经济地位，并且没有精神卫生服务使用史。 这种缺乏多样性可能是年龄，教育，社会经济地位和精神卫生服务使用史没有成为重要预测因素的原因。因此，我们建议未来的研究包括更多样化的样本，从而提供机会，看看这些特征是否在基于互联网的干预措施的可接受性的背景下确实重要。5. 结论总而言之，尽管定期面对面的治疗肯定是有价值的，但大多数马来西亚人报告说，他们对使用基于互联网的抑郁症干预措施持开放态度。有两个主要预测因素可以预测印度尼西亚开始使用基于互联网的抑郁症干预措施的意图，以及将其用作常规治疗的替代品和补充常规治疗。这些预测因素包括个人对在线服务和疾病特征的个人创新倾向因此，为了在印度尼西亚更多地采用基于互联网的抑郁症干预措施，在实施和传播过程中纳入这些方面是很重要的。希望它最终可以增加印度尼西亚基于互联网的抑郁症干预措施的潜力，并缩小该国的心理健康差距。列入法定保险一揽子计划（Adjuvant Pakket Commissie，ZIN）。她因这一角色而获得酬金，这一角色与目前的贡献没有直接关系。CB在EABCT、欧洲精神病学协会和欧洲会议协会等会议上发表了主题演讲，有时还收到酬金。她曾举办过临床培训讲习班，其中一些是收费的。CB从她的书和共同编辑的书中获得版税，她开发了本研究中使用的干预措施，但她没有从中获得任何直接付款确认作者要感谢Tesar Gusmawan使我们的www。 actandfeel.com网站进 行 研 究 。 感 谢 所 有 者 www 。ruangpsikologi.com 和www.konsultasipsikologi.com，在线社区印尼双极中心，印尼论坛和印度尼西亚进入光明的创始人，所有的朋友，亲戚和同事，帮助我们传播在线调查，以及完成调查的所有参与者。我们亦谨此感谢Brian Ostafinn为手册提供重要的编辑意见。最后一位作者（CB）在荷兰皇家艺术与科学学院（KNAW）支持的荷兰人文与社会科学高级研究所（NIAS）担任资金我们要感谢印度尼西亚教育捐赠基金（Lembaga Pengelola DanaPendidikan），印度尼西亚共和国财政部，通过为第一作者提供博士奖学金和研究资金（资助编号：790/LPDP/2013），使这项研究成为可能。作者的贡献RA、MN和CB进行了本研究的设计。RA翻译并改编了调查问卷，并进行了调查。 RA进行统计分析。RA、MN和CB共同进行最终分析。所有作者都认可了手稿的最终版本2018年第1期第3卷第8-15页R. Arjadi等人15引用安德森，G.，屈伊佩斯山口2009年基于互联网和其他计算机化的成人抑郁症心理治疗：荟萃分析。科根行为举止。Ther. 38（4），196-205。http://dx.doi.org/10.1080/16506070903318960。安德森，G.，季托夫，N.，2014.常见精神障碍网络干预的优势与局限性 世界精神病学13，4-11。安德鲁斯，G.，屈伊佩斯山口Craske，M.G.，McEhran，P.，季托夫，N.，2010.计算机治疗焦虑和抑郁障碍是有效、可接受和实用的医疗保健：一项荟萃分析。PLoS One 5（10），e13196。http://dx.doi.org/10.1371/journal的网站。小马0013196Arjadi河，Nauta，M.H.，北乔杜里Bockting，C.L.H.，2015年。对低收入和中等收入国家心理健康在线干预的系统性综述：一个