失去配偶的老年人个性化心理健康干预措施的德尔菲研究：用户配置和参数确定

互联网干预28（2022）100534咨询甲骨文：德尔菲研究确定参数的心理健康用户配置文件和个性化战略的在线服务帮助悲伤的老年人Lena Brandla，b，*，Miriam Cabritaa，c，Jeannette Brodbeckd， e，Dirk Heylen b，Lex van Velsena， caRoessingh研究与开发公司，邮政编码：Box 1212，Enschede，荷兰b特文特大学电气工程、数学和计算机科学学院人类媒体互动系，P.O. Box 217，7500AE Enschede，the Netherlandsc特文特大学电气工程、数学和计算机科学系生物医学信号和系统系，P.O. Box 217，7500AE Enschede，the Netherlandsd咨询、辅导和社会管理学院，FHNW社会工作学院，Riggenbachstrasse 16，4600 Olten，瑞士eUniversitaütBern，InstitutfürPsychologie，Fabrikstrasse8，3012Bern，SwitzerlandA R T I C L EI N FO关键词：心理健康定制个性化心理用户资料老年人悲痛A B S T R A C T虽然在开发心理电子保健干预措施方面投入了大量努力，但根据用户特点和需求定制这些应用程序是一个比较新颖的研究领域。个性化心理电子健康干预的前提是，个性化增加用户的动机，（从而）减轻干预辍学，提高临床效果。在这项研究中，我们选择了用户配置文件页-为失去配偶的老年人提供个性化的心理电子健康干预措施。我们进行了三轮德尔菲研究，涉及一个国际和跨学科的专家小组（N=16），有两个目标。第一个目标是引出适应战略，可用于动态地重新调整干预措施用户的需求。第二个目的是确定一组有意义的指标，用于监测用户从悲伤干预范围内，从自助升级到混合护理，只要合适。这项德尔菲研究使用了一个评估的、基于文本的悲伤干预作为起点，该干预由十个模块组成，包括关于悲伤的心理教育和认知行为练习，以支持用户在丧亲后调整他们的生活。每个用户从头到尾都以线性方式遵循这种悲伤干预。由此产生的概念适应模型包括动态调整，以及在服务初始化在应用程序结构的级别上，调整影响何时向用户呈现哪个主题模块所述适配还提供了用于根据用户特性来调整各个干预模块的基于文本的内容以及用于选择对用户输入的适当反应的策略18个监测参数，并分为四类：临床，行为/情感，互动，和外部。被认为最迫切需要关注升级的参数是自杀倾向、自毁行为、客户发起的升级、无反应和（复杂）悲伤症状。1. 介绍失去配偶是晚年生活中经常发生的事情。虽然大多数失去亲人的成年人成功地处理了损失，并继续过着正常的生活，但一些人（根据最近的流行率研究，约占失去亲人人口的9%）（Wilson等人，2020年））有困难克服即将到来的丧亲之痛，并发展复杂的悲伤。复杂性悲伤在成年人中，是一种在丧亲后超过六个月出现严重悲伤症状的情况，并且经常导致许多精神和身体问题，如抑郁、孤独、心血管问题，在极端情况下，还有自杀倾向（Molina等人，2019年）。基于互联网的（精神电子健康）干预已被证明在治疗精神疾病方面是有效的，包括复杂的悲伤（Brodbeck等人，2017; Carlbring等人，2018年; Rimma等人，二〇一五年;* 通讯作者：特文特大学，电气工程，数学和计算机科学学院，人类媒体互动系P.O. BoX 217，7500AE Enschede，荷兰。电子邮件地址：l. rrd.nl（L. Brandl），mcabrita@innovationsprint.eu（M. Cabrita），jeannette. fhnw.ch（J. Brodbeck），d.k.j. utwente.nl（D.Heylen），l.rrd.nl（L.van Velsen）。https://doi.org/10.1016/j.invent.2022.100534接收日期：2021年5月18日;接收日期：2022年3月29日;接受日期：2022年4月2022年4月5日在线发布2214-7829/© 2022作者。由爱思唯尔公司出版这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表互联网干预期刊主页：www.elsevier.com/locate/inventL. Brandl等人互联网干预28（2022）1005342Wagner等人，2006年）。与面对面治疗相比，电子健康干预的好处是门槛低，可自行决定的速度灵活使用，成本较低（Schroüder等人，2016年）。基于互联网的干预措施通常结合了基于网络的自助计划和最小的，但定期的治疗师接触。与独立自助计划相比，纳入定期专业指导已被证明可改善依从性和临床结局（Baumeister et al.，2014年），但对如何提供这种支持知之甚少。按需支持，其中联系由客户发起并专注于他们当时的特定需求，已被建议优化治疗师在混合互联网干预中的结合（Dahlin等人，2020; Oromendia等人，2016年）。在这里，我们考虑一种按需支持的补充策略：在用户使用干预措施时自动监控用户的症状和情况，以便在他们最终需要更密集的专业支持时及时升级。这种升级可以建议安排一个电话或面对面的会议与专业人士，如果可取的。为此，需要用户简档，其包括用户在没有专业干预的情况下自己继续进行干预的能力的相关指示符。这些指标应针对具体类型的心理电子保健干预措施进行优化。 最后，需要开发一种决策算法，将这些指标结合成可操作的建议关于心理电子保健干预措施的第二个考虑因素是，客户的精神疾病之旅本质上是个人的。事实上，治疗师通过跳过或修改治疗方案来容易地个性化面对面治疗，以适应客户的需求和偏好并增加客户对治疗的依从性（vanDooren等人，2020年）。缺乏依从性，即，干预退出，已被认为是电子保健干预的核心挑战，个性化是减轻退出的主要策略（Burleyet al.，2020; Eysenbach，2005）。与（临床）专业人员和最终用户一起共同设计个性化策略是必不可少的，本质上是多学科 的和 具 有 挑战 性 的（ Pagliari ， 2007; van Dooren 等 人， 2020年）。不同的专业知识（例如，治疗师、设计师、软件开发人员）和学科（例如，认知行为、精神分析治疗师）聚集在一起，有时是在伴有语言障碍的多元文化环境中。在本文中，我们展示了德尔菲法（Okoli和Pawlowski，2004年;施密特，1997年）的管理，以早期阶段的个性化研究的心理电子健康干预措施，涉及多学科专家小组在四个欧洲国家的工作。本研究有两个目的。 首先，我们的目标是找到一个个性化的为失去配偶的老年人提供基于互联网的悲伤干预策略。第二，我们努力确定一套指标，可用于监测用户，以便按需提供专业支持。特别是，我们将回答以下研究问题：RQ 1.什么是一个合适的个性化策略，为老年人谁失去了他们的配偶，以个人用户的特点和需求量身定制RQ 2.哪些用户参数应该包括在老年人在线悲伤干预的用户配置文件中，以便在他们最终需要更密集的支持时按需提供专业支持？我们使用德尔菲法（Okoli和Pawlowski，2004;Schmidt，1997）咨询临床专业人员专家小组，了解他们如何个性化治疗，并将他们的知识与电子健康专家的知识相结合，以产生适应和监测指标的可行想法德尔菲法通常用于在文献不确定或不完整时达成一致（Schmidt，1997; Straat等人，2020年），它适合多学科，多语言专家小组的管理，因为研究人员可以促进小组沟通过程。2. 背景2.1. 个性化（心理）电子保健近年来，心理电子健康的个性化受到了极大的关注。已经开发和评估了各种个性化的心理电子健康干预措施，包括用于治疗焦虑的基于网络的干预措施（Carlbring等人，2011）和抑郁症（约翰森例如，2012）和移动干预，如Woebot，针对有抑郁和焦虑症状的年轻人（Fitzpatricket al.，2017年）。然而，个性化电子保健没有统一的定义，定制一词经常互换使用（例如，Lus-tria等人，2013; Ryan等人，2019年）。Noar（Noar等人，2011）如下解释裁剪过程：人的特征由另一个人或自我管理地收集，并且表示用于裁剪过程的输入。输入由人或计算机处理，计算机使用算法从专家开发的数据库中选择内容，例如文本、图像、推荐和干预消息。这就是所谓的裁剪过程。最后，定制的材料（输出）针对手头的交付模式进行优化，并呈现给个人。根据Noar的说法，个性化背后的前提是它增加了干预对个人的相关性，个人随后更有可能认知处理并遵守所提出的健康建议。个性化策略已被用来增加心理电子保健干预措施的相关性在复杂性方面差异很大，从在干预措施中插入个人姓名到根据用户特征（包括临床特征）调整内容（Morrison，2015年）Berger，Boettcher和Casper（Berger等人，2014）使用来自障碍特异性自我报告问卷的截止分数来定制针对几种 焦虑症的干预中的治疗内容的选择。Carlbring ，Maurin，Toürngren等（Carlbring等，2018）在干预开始前，根据DSM障碍（SCID）的结构化临床访谈，针对合并症制定个性化的焦虑干预计划。其他个性化策略包括用户偏好和人口统计（例如，关系状态、就业状态）来优化用户实践健康思维模式的场景的相关性（Burley等人， 2020年）。总之，个性化心理电子健康是一个庞大的研究领域，没有关于个性化策略发展的明确指导方针。然而，有效的个性化干预似乎结合了a）基于证据的治疗基础，b）仔细选择用户特征以使定制过程基于，以及c）专家知情的选择适合于个性化的治疗内容（van Dooren等人， 2020年）。2.2. 在线悲伤干预的案例研究我们为自动化监测和个性化策略所做的努力是以证据为基础的。他们利用了一种基于文本的在线干预方法，用于因丧亲或离婚而失去配偶的老年人，称为LIVIA（Brodbeck等人，2019年）。干预的治疗内容由专业人员基于悲伤的理论模型和用于治疗复杂悲伤的认知行为疗法的组成部分设计（Brodbeck等人，2017年）。干预分为十个模块，用户按照自己的节奏进行工作。模块包括关于悲伤轨迹的心理教育和认知行为写作练习，以支持用户在丧亲后调整他们的生活例如，第一个模块-心理教育-包括关于悲伤反应、丧亲后的情绪反应和悲伤的（临床）治疗的信息第二个模块-对现状的评估-反映了用户在失去亲人后的情绪反应、失去亲人后生活的变化干预措施进一步包括与自我保健有关的主题，L. Brandl等人互联网干预28（2022）1005343日常事务，因为损失和未解决的问题，在关系中失去的配偶。最后写了一封告别信。该研究的结果将为作为AAL LEAVES项目的一部分的干预的重新设计提供信息（van Velsen等人，2020年）。重新设计将使所产生的干预，在本文的其余部分称为叶子，a）监控用户的情况，目的是在适当的时候以电话或面对面会议的形式按需提供支持，以及b）基于用户特征和需要定制治疗内容，以增强用户依从性，从而增强临床有效性。最后，作为重新设计的一部分，为了使干预更具交互性，基于文本的内容将被重写为对话格式，并由嵌入式会话代理（ECA）交付。3. 方法3.1. 研究设计德尔菲研究是对专家小组意见的系统调查，通过迭代调查了解专家主题，通常试图就给定主题达成群体共识（Schmidt，1997）。于2020年6月至12月期间进行了一项由16名专家参与的三阶段德尔菲研究。图1显示了该过程 德尔菲研究。该设计遵循Okoli和Pawlowski的三阶段设计（Okoli和Pawlowski，2004），有两个显著偏差。首先，我们总共分发了三份而不是四份问卷。Okoli和Pawlowski在第一阶段（头脑风暴阶段）进行了两次问卷调查，并在研究的第二阶段缩小了他们从第一阶段提取的项目数量。我们在第一份问卷中进行了头脑风暴，在第二份问卷中验证了我们在第一份问卷中得出的项目，因此省略了缩小项目数量的步骤，原因有二。首先，概念适应模型的多学科性质要求我们的专家转移他们的学科知识。我们认为，验证的模型建立德尔菲研究的最后阶段，排名的共同点是必不可少的。其次，缩小项目数量的一个常见原因是，它大大减少了排名任务的认知负荷（Alwin和Krosnick，1985）。在我们的例子中，没有必要缩小排名的项目数量，因为我们设计的排名方式使其认知负荷最小化。在第三轮-排名-我们没有争取共识，这构成了第二次偏离奥科利和帕夫洛夫斯基。在德尔菲研究中，达成共识通常被认为是最终确定数据收集的必要标准，这在之前因其不适当和结果的人为性而受到批评（Dajani等人，1979; von der Gracht，2012）。我们要求我们的专家小组根据干预（适应策略）或临床相关性（用户参数）的最大效果对提取的适应策略和用户参数进行排名。3.2. 参与者专家是通过专业网络和网络搜索招募的。搜索标准是a）专家的专业知识（悲伤，电子健康或两者兼而有之）和b）他们工作的国家。由于这项研究的结果将为针对荷兰，葡萄牙和瑞士老年哀悼者的叶子悲伤干预设计提供信息，我们招募了来自这三个国家的专家。被招募的专家在悲伤或电子健康领域从事研究工作，或者他们进行悲伤治疗，或者两者兼而有之。在研究开始之前，所有参与者都提供了参与研究的书面知情同意书，并在数据收集完成后向专家小组的其他成员透露其身份。之后（ Miaskiewicz 和 Kozar ， 2011;Okoli 和 Pawlowski ， 2004;West ，2011），我们通过电子邮件以电子方式收集数据，以确保及时收集和分析数据。这对于在参与者可接受的时间范围内进行研究中的不同回合非常重要。 事实上，小组疲劳已被公认为德尔菲研究中的一个挑战（Hasson等人，2000; Schmidt，1997），以及研究团队必须在问题轮之间处理的大量数据的生成（Green等人，1999; West，2011）。采用一份问题不限的调查表，并建议每个小组成员提供了具体数量的项目，如建议（Schmidt，1997;West，2011），允许我们的小组成员产生想法，同时允许研究团队在合理的时间内处理他们的输入。表1概述了征聘的专家小组。在研究的第一阶段和第三阶段之间，我们经历了五次辍学。结果，第二份问卷在12名专家中进行，最后一份问卷在11名专家中进行。他们停止参与研究的原因是a）缺乏时间（n=1）b）个人情况（n=2）和c）缺乏信心目标：适应模型组件的评级集和心理健康用户的监测参数的评级集轮廓方法：通过Qualtrics分发的在线调查。问题1：在加权的6点Likert量表上对适应组件进行问题2：以三种方式对监测参数进行排序：参数类别、类别内的参数、前五个参数（不考虑类别分析：描述性统计：中位等级/评级、四分位距、等级评分。审查解释小组成员选择的定性评论。（N=1排名/评级第三阶目标：在专家小组内统一术语和合并已确定的监测参数，即，方法：问卷调查，介绍概念适应模型和确定的参数，并要求反馈。通过以下途径分发：电子邮件问题1：概念适应模型在多大程度上反映了您提出的适应？在何种程度上，你认为所提出的调整适合个性化的在线悲伤干预？问题2：确定的监测参数在多大程度上反映了您提出的有关升级的决策参数您认为拟定的监测参数在多大程度上适合于有关升级的决策分析：审查小组成员的反馈，并相应调整概念模型的描述和监测参数。（N=1验证第二阶目标：就适应战略和用户分析集思广益，以便按需提供专业支持问1：你如何（或你会建议）调整悲伤疗法，以适应客户的需求和特点问题2：对于按需支持，您建议监控哪些特征，并根据这些特征进行决策分析：专题分析，自下而上编码阶段1：头脑风暴（N=16）Fig. 1. Delphi三阶段设计概述。L. Brandl等人互联网干预28（2022）1005344表1招聘的专家小组的描述。出现了监测类别，并将其纳入编码。在编码的基础上，建立了自适应模型，并对用户参数进行了优化。参与者编号性别（女=10名，男=6名）国家（GER= 2，NL= 7，CH= 5，PTEX经验E·X专业提取参数并将其分组到总体参数类别中。=4）研究在他们的回答（n=2）。4. 德尔菲回合14.1. 方法第一份调查问卷的目的是集思广益的用户参数，这是很重要的，使有充分根据的决定，从悲伤的干预和调整，可以执行，使叶干预更个人化的监测用户。专家们被要求列出五个特点（老年）哀悼者，他们认为重要的是参加监测的基础上，他们的临床和/或研究专业知识。第二个问题要求专家考虑他们如何调整悲伤疗法以适应自己的客户，或者他们如何根据自己的学科知识在实践中调整治疗以满足客户的个人需求。由于第二个问题相当抽象，因此给出了一个说明性的例子来说明LEAVES服务的合理调整。这个例子是基于有影响力的丧亲之痛双重过程模型（ Dual Process Model of Bereavement ） （ Schut andStroebe ，1999;Stroebe and Schut，2010），该模型认为，在关注损失和恢复之间摇摆，对于丧亲之痛的重新阐述至关重要。我们建议，使服务适应用户需求的一种方法是监控他们的方向，如果他们似乎过于关注另一个方向，就将用户推向另一个方向，也就是说，促进振荡过程，这是振荡的核心。本着同样的精神，与会者被要求列出五项建议，以便调整干预措施。第一份调查表包括一份说明， 关于LIVIA的悲伤 干预，包括干预措施在十个方面处理的主题概述模块。对第一份问卷的定性集思广益答复进行了专题分析（Braun和Clarke，2006年）。一个编码方案是以自下而上的方式构建的，并采用的数据。两名研究人员使用这种编码方案独立编码数据，第三名研究人员参与解决冲突。对于改编，最初的编码方案包括可用于定制在线干预的策略代码。附加代码涵盖了有关个性化用户参数以及需要考虑的理论和治疗框架的建议。对于监测参数，对每个建议参数进行编码。在编码方案的构建过程中，4.2. 结果第一轮德尔菲研究的两个主要成果是图2所示的概念适应模型和一组用于监测目的的用户参数。4.2.1. 改编适应模型由四种类型的适应策略组成，这些策略可以在服务初始化期间以及在用户与平台互动时动态地根据用户的需求和特征来定制LEAVES四种类型的改编是主题选择，节目结构，内容版本和教练风格。在下文中，更详细地呈现每种适应类型，以及小组成员的一些示例性建议，这些建议有助于它们的概念化。4.2.1.1. 主题选择。在干预模块的层面上，主题选择涉及向客户端呈现什么内容与悲伤干预LIVIA的线性结构相反随后，他们的个性化计划根据定期评估进行调整，因为他们通过干预的进展在主题选择中，提出了两种适应策略。首先，从默认配置中删除干预模块。第二，在定期重新评估用户情况和进展的基础上，动态调整干预模块的选择后一种策略确实包括将先前移除的干预内容添加到用户的个性化干预程序。“Many online interventions are ‘hybrid对于LIVIA干预，我期望心理教育和对现状的评估是每个参与者都应该遵循的强制性模块，但这可能不是所有模块的情况（例如，不是每个参与者都可能在自我照顾或个人关系方面有问题）。”4.2.1.2. 程序结构。在干预模块层面上，程序结构影响来访者个性化选择治疗内容的结构。它确定何时向客户端呈现内容，给定由主题选择适配确定的干预模块的选择。结构调整发生在LEAVES程序的开始，以及动态地当客户端已经使用该程序。提出的具体战略是调整单元的顺序，通过操纵花在一个主题上的时间来调整干预的长度，最后，通过操纵关于一个主题的单元或练习的数量来调整长度“一种可能性是建议一个优先级列表，并让参与者根据每个参与者认为最突出或最严重的因素开始计划。”（参与者11）4.2.1.3. 内容版本。在个体干预模块的水平上，内容版本适配影响内容如何呈现给用户。特别是，从建议中产生了两种调整内容以适应特点的战略。首先，当客户似乎被一个模块或练习的内容卡住时，或者他们表示他们想尝试不同的方法时，相同的内容会从不同的角度呈现。关于应对策略的常规心理教育的替代方法可以是，例如，1FGER研究悲痛2FGER研究/悲痛3FNL临床悲痛4MNL研究电子保健5MNL研究电子保健6FNL研究/悲痛7MNL临床研究悲痛8FNL研究/悲痛临床9FNL研究电子保健10MCH研究悲痛11FCH研究/悲伤/e-12MCH临床研究健康悲伤/e-13FPT临床健康悲痛14MPT临床悲痛15FPT研究/悲痛临床16FPT临床悲痛L. Brandl等人互联网干预28（2022）1005345图二、 为个性化LEAVES干预而提出的适应模型的可视化。反思练习或更有趣的另一种办法是确定损失发生以来的具体任务和障碍，并考虑可以激活他们日常生活中的哪些资源来解决这些问题：“关于”未完成的事业“和”创造新生活“，客户可以被引导明确地识别已故伴侣已经完成的任务和现在尚未完成的任务（例如，管理家庭财务，提供情感支持）。在下一步中，客户应该指定现在可以如何以及由谁来完成这些任务，或者现在可以满足这些需求。（参与者2）第二个内容版本策略是关于根据客户的特征重写干预模块的内容。例如，关于个人关系的模块可以通过为内向用户和更外向的用户准备一个版本来更好地定制。4.2.1.4. 教练风格。在客户端和LEAVES的具体会话代理（ECA）之间的会话层面上，辅导风格关注LEAVES程序如何对客户端提供的输入做出反应。适应包括承认困难和以适当的同情心作出反应等战略，包括关于定期监测评估的个性化反馈信息。另一个策略是跟踪客户向系统披露的故事，并指出客户感知的变化或不一致。最后一个策略集中在交织用户提供的关于不同主题的输入。例如，ECA可以围绕用户披露的关于他们的爱好的内容以及关于他们如何扩大他们的社交网络的建议建立对话。关于反思客户话语的变化，与会者12建议：“随着时间和悲伤的推移，记忆也在发生变化。“储存”这些记忆并不时询问这些记忆是否仍然具有相同的质量可能很重要。我可以想象一个程序，它”4.2.2. 监测参数在头脑风暴阶段的基础上，我们提取了18个监测参数，用于构建一个用户配置文件，该配置文件可以告知LEAVES中按需提供专业支持的参数被细分为四类：临床、行为/情感、交互和外部。临床参数包括哀悼者经常出现的症状，如抑郁和复杂的悲伤症状。行为/情感类别总结了相关的用户行为，例如它们在功能上自主的和相关的用户特征，例如他们能够积极地展望未来的程度。两者都是（老年）成年哀悼者病情恶化的常见风险因素。交互类别包括描述用户与LEAVES服务的交互的参数。最后，外部参数类别包括两个参数，涉及LEAVES干预之外的物理世界中的事件或人员。表3显示了从头脑风暴阶段提取的18个参数。当专家能够对提取参数的完整性和适当性提供反馈时，在调查问卷二中处理了专家如何制定其建议的监测参数的变化。例如，以下三个专家建议对社交孤立监测参数的定义做出了贡献：“如果一个病人表现出社交回避的增加或社交接触的减少或完全缺乏，混合治疗应该是受欢迎的。”“能够集中注意力并从其他关系中获得安慰（例如，孙子）。”“评估孤立或退缩行为也是很好的，也就是说，如果参与者不再遵循该计划，因为他们正在退出任何活动或接触。”4.3. 总结发言在第一轮德尔菲研究中，我们提出了使LEAVES干预适应用户需求和特征的想法，以及可以形成按需提供支持的用户配置文件的参数。第一轮产生了LEAVES的概念适应模型和一套最初的18个监测参数。5. 德尔福回合25.1. 方法第二份问卷的目的是验证概念适应模型，并确认我们正确理解了建议的用户参数进行监测。为此，我们向我们的专家小组介绍了适应模型，并请他们评论它在多大程度上代表了他们建议的适应。我们还鼓励他们提出任何问题或发表他们对拟议模式的任何评论。具体来说，我们提供了一个适应类型和策略的列表及其各自的定义。对于每一种适应策略，我们都包含了一个示例。我们还提供了一个L. Brandl等人互联网干预28（2022）1005346=∈≥≤≤≤适应模型的整体可视化，该模型总结了适应以及它们如何相互作用以定制LEAVES干预。关于监测参数，我们介绍了从第一份问卷中提取的18个参数，以及定义. 这些参数被细分为四个总体参数，评估共识的客观和严格的方法（von der Gracht，2012）。对于前五名的选择，我们计算了排名分数。 评分是参数在前五名中被指定特定排名的次数和分配给排名的权重的组合，并通过样本大小进行标准化类别：临床，行为/情感，互动和外部。作为∑5x i w iN为了适应，我们请我们的专家审查参数，来说明这个列表是如何代表他们的输入的。我们还鼓励他们添加我们可能监督的任何参数。在分析方面，研究小组审查了小组成员提交的问题和评论，作为对第二份问卷的答复5.2. 结果总的来说，概念性适应模型得到了积极的接受，所提出的监测参数清单相当详尽。14.在适应模式的组成部分方面存在一些混淆。例如，一位参与者认为内容版本适应类型影响模块的模态，而不是治疗内容本身。他们认为内容版本是关于音频或视频是否包含在用户界面设计中。由于我们在第二轮中收到的投入，对概念适应模型和监测参数的描述进行了微小的修改。此外，还提供了针对小组成员提出的问题的个性化澄清和回答，以实现对适应模型和监测参数的牢固共识。5.3. 总结发言在第二轮德尔菲调查中，我们就术语和对适应模型的组成部分和监测参数的共同理解建立了共同基础。这一轮是朝着对适应模型的组成部分和监测参数进行知情和可靠的加权迈出的必要的中间步骤。6. 德尔福回合36.1. 方法第三份调查表旨在确定调整和监测参数的权重。鉴于根据个性化概念定义的适应模型的抽象性质，我们选择要求我们的主要临床专家小组根据其对临床结局的感知贡献对适应策略进行评级，并对总体适应类型进行排名。所有适应策略均采用6点Likert量表进行评级，范围从1（无益，甚至有风险）到6（EX非常有益）。对于监测参数，我们要求专家小组以三种方式对18个参数进行排名：通过对四个参数类别进行排名，通过对每个参数类别中的所有参数进行排名，最后，通过选择前五个最重要的参数进行升级决策，无论其类别如何。对于所有评级，对每个批次的监测参数呈现顺序进行随机化。我们要求专家简要解释他们对适应性评估和监测参数排序第三轮德尔菲调查的结果分析如下。对于调整和监测参数，确定中位评分/秩，并计算四分位距（IQR）作为离散度的测量。IQR由中间50%的观察结果组成，因此，IQR小于1意味着超过50%的所有排名或评级都在1分以内。IQR在德尔菲研究中经常使用，它被普遍认为是i=1; w ∈ {20，16，12，8，4}其中xi是参数被列为等级i的次数的计数，wi是为等级i分配的权重，N是专家小组在第三轮德尔菲中的样本量，N11。 调整排名权重可以归结为平衡两个值，一个是被包括在前五名选择中的重要性，另一个是分配给特定排名的重要性。我们试验了许多权重，并以w{20，16，12，8，4}解决，因为a）我们认为被选为18个参数中的前五个参数之一太重要了，不能让个人排名主导排名，b）按得分排名的参数顺序保持稳定。对于参数类别的排名和行为/情绪参数的排名，两名参与者避免参与排名，每个排名一名参与者。在这两种情况下，参与者都认为他们缺乏完成这项排名任务所需的专业知识6.2. 结果6.2.1. 改编表2总结了四种适应类型的排名和十一种适应战略的评级。可以提取从高到低的以下排序顺序：主题选择、程序结构、内容版本和指导风格。使用von der Gracht（von der Gracht，2012）倡导的经验法则，当使用四分位数间距作为共识衡量标准时，主题选择和程序结构的排名达到了合理的共识（IQR 1），而其他两个调整（IQR）的一致性较小1）、内容版本和辅导风格。对于适应策略，评分总体上是积极的，因为所有建议的策略的中值评级至少为3，有些有益，五种策略的中值评级为4，有益，四种策略的中值评级为5，非常有益。关于全景一致性，三种策略被评为良好一致性（IQR1）（调整顺序、不同版本和确认），六种调整策略被评为合理一致性（IQR 1.5）。专家意见的最大分歧是通过操纵用户在某个主题上花费的时间来调整干预的长度（时间）。参与者12赞成操纵建议用户在主题上花费的时间;参与者8表示怀疑：表2四种适应类型的中位秩和四分位距。对11种适应策略进行了媒体评分和IQR分析.适应类型/战略中位等级/评级IQR选题2.01.0动态变化的主题5.01.5从默认值中4.01.5程序结构3.01.0调整顺序5.01.0总长度（n个模块）5.01.5总长度（时间）3.02.0内容版本3.01.5不同版本5.01.0方法汇辑4.01.5执教风格3.02.5承认4.01.0个性化反馈信息4.01.5对不一致性作出4.01.5交织输入3.01.0L. Brandl等人互联网干预28（2022）1005347≤≤≤==“这是一个很好的想法，发挥时间和塑造相应的干预。尤其是，我喜欢在需要时给客户更多锻炼的想法。”“这里建议的”点击程序“的解释可能太小了：这可能是客户端的正常学习需要，以满足获得可用内容概述的需要（在确定序列之前理解模块）。在这种情况下，放慢速度的建议对这个客户没有帮助。”表3四个参数类别的中位秩和四分位距（IQR）、类别内秩和计算的每个参数的秩和评分。*中位数和IQR值基于所述专家人数中位IQR评分参数类别（N=10*）临床1.0 0.5行为/情绪2.0 1.0互动3.0 0.5（参与者8）图3显示了五种最高评级的适应策略获得哪种评级的频率，而不考虑其总体适应类别。五个最有前途的策略的选择是基于他们的中位数评级和IQR。评分是紧密联系在一起的，但基于计数，策略，动态调整用户个性化程序的选定主题，动态操纵交互顺序，EX胸骨临床参数4.0 1.0干预模块，并提供不同版本的干预内容被评为最高。6.2.2. 监测参数表3总结了四个用户参数类别（临床、行为/情感、交互和外部）的排名、单个用户参数的类别内排名及其计算的排名分数。四个监测参数类别的排序产生了对临床参数的明显倾向。总体而言，关于参数类别等级的共识良好（IQR1）。关于类别内评级，对于临床参数类别，自杀一致被评为最重要的升级参数，其次是（复杂）悲伤、抑郁和PTSD症状。除后一个参数外，每个临床参数的排序（IQR1）均一致。行为/情绪参数类别的排名不太确定。在获得最高中位数排名的同时，自我毁灭行为表现出最大的分配等级分散度。基于中位数排名和IQR，绝望在所有升级行为/情感参数中排名最高，尽管存在相当大的分歧（IQR2）。图4示出了每个行为/情绪参数被分配到类别内排名中的哪个排名的频率。似乎将自我毁灭行为和功能性自主性进行排序产生了两极分化的效果。一个小组成员的子集将这两个参数排序-高，而另一个子集排名低。绝望是唯一一个有向更高级别发展趋势的参数五个相互作用参数的排名更具决定性，尽管对五个参数中的三个参数的排名存在相当大的分歧（IQR2）。关于客户发起的升级和防御机制（IQR1），有很好的一致性。关于最后一个参数类别，即外部参数，对任何一个外部参数都没有明确的偏好。总之，基于三重排名，排名最高的五个监测参数是自杀倾向、自毁行为、客户发起的升级、无反应和图三. 适应战略评级条形图，具有可比的中位数和IQR评级。行为情绪参数（N= 10*）绝望2.0 2.254.73自我毁灭1.5 4.56.55社会隔离3.5 1.00.73情感状态3.5 1.750.36功能自主1.45生理6.5 1.750与死者的关系5.5 3.750相互作用参数客户端发起的升级2.01.06.18反应迟钝2.02.05.82语篇连贯3.02.01.09防御机制4.01.00太多问题4.02.00外部参数诱发脆弱性的1.01.02.91同行评估2.01.02.91见图4。行为/情感用户参数等级的条形图。统计是基于10位专家的回答（复杂）悲伤症状，紧随其后的是行为/情感参数绝望。然而，当这些参数与同一类别中的其他参数进行排名时，关于自毁行为、无反应性和绝望6.3. 总结发言第三轮德尔菲法根据其提高临床有效性的预期能力对拟议适应模型的组成部分进行了评级，并根据其对按需专业支持决策的重要性对监测参数进行了排名。小组成员之间存在相当大的分歧，强调除了评级和排名之外，小组成员的定性评估的重要性。自杀倾向1.00.015.64（复杂）悲伤症状2.01.05.45抑郁性症状3.01.02.91PTSD症状3.01.753.27L. Brandl等人互联网干预28（2022）1005348德尔菲法7. 讨论本文介绍了一个三轮德尔菲研究的过程和结果，涉及16个悲伤和电子健康专家，以确定战略，适应在线悲伤干预老年人谁失去了他们的配偶，并确定参数的用户配置文件的决策支持按需。德尔菲研究产生了一个概念适应模型，其组成部分由专家小组根据其增加基于文本的干预的临床有效性的潜力进行评级。出现了一个偏好的动态主题选择和程序结构的调整，以及提供定制版本的治疗文本为基础的内容的可能性。相比之下，适应影响教练风格的体现虚拟代理（ECA），通过干预引导用户收到的怀疑，如果不采用最谨慎的技术可行性和健康风险。引出了一组18个监测参数，其中自杀、自我毁灭行为、客户发起的升级、无反应、（复杂的）悲伤症状和绝望被列为最重要的，以用于在线自助服务之外的专业支持强度的决策。根据我们专家面板：基于初始评估在初始化时影响服务配置的适配，以及继续根据用户的变化的需求和偏好重新调整干预的动态适配。在一项针对健康行为改变的定制干预措施的荟萃分析中，Krebs，Prochaska和Rossi（Krebs等人，2010）发现动态调整（在向用户提供每次反馈之前评估干预参数）在长期干预效果方面优于静态调整（将所有干预反馈基于一个基线评估）。虽然静态和动态剪裁的效果随着时间的推移而下降，但作者发现动态剪裁在干预后12个月仍然具有统计学效果，并将其归因于反映个人变化的反馈的相关性增强。这加强了我们专家组的建议，即关注动态调整，以提高干预的临床有效性。关于按需提供专业支持的用户配置文件，专家组对临床参数的强烈偏好可归因于专家组中的主要（临床）悲伤专业知识以及对自杀的一致高评级，因为它对用户有生命威胁并需要立即进行专业干预（如果存在）。我们能够集思广益，为适应和诱导莫尼-在四个国家的学术界和临床实践中工作的16名专家的样本中记录参数，并对引发的想法进行加权，以指导我们未来的研究工作。德尔菲法已被用于个性化系统开发的后期阶段，例如，在康复中将关于身体活动的建议与用户的能力相匹配（Straat等人，2020年）。然而，根据最近对以人为本的电子卫生发展方法的审查，德尔菲法很少用于电子卫生研究（Kip等人，2022年）。作者强调了在电子健康中进行Delphis的两个挑战。首先，招聘专家可能具有挑战性，因为在一个新的或特定的领域以及涉及电子保健技术新应用的专题方面，专家可能很少。第二，达成共识可能既耗时又复杂。本文展示了如何实际的设计选择可以解决这些挑战时，使用德尔菲法在早期阶段的个性化研究（心理）电子健康。关于第一个挑战，我们选择招募一个跨学科的专家小组，包括悲伤和电子健康方面的专家，而不是专注于寻找在这两个领域都拥有专业知识的参与者。由于我们没有要求特定的共识水平作为停止标准，而是采用了固定数量的德尔菲回合，因此我们限制了寻求共识对所需时间的影响，参与者和研究团队。时间和货币投资之间的权衡以及在Delphis中可以达成共识的程度已经得到承认（Hasson等人，2000; von derGracht，2012）。关于第一个策略，招募一个跨学科的专家小组，我们随后选择将专家作为一个单一的小组，这对我们结果的细节水平产生了影响。我们让悲伤体验者接触个性化和用户分析的概念，然后让他们对这些概念进行评分。我们还要求电子健康专家考虑哀悼者的具体特