治疗师指导互联网干预酒精使用障碍的客户行为分析：11个不同行为类别，未能预测干预结果

互联网干预26（2021）100483在治疗师指导的酒精使用障碍MartinKraepelien a，*，Heather D. 作者：William H. 伯曼公司，Christopher Sundstro？ma，da瑞典斯德哥尔摩地区卡罗林斯卡医学院斯德哥尔摩卫生保健服务部临床神经科学系精神病学研究中心b加拿大萨斯喀彻温省里贾纳大学心理学系c瑞典乌普萨拉乌普萨拉大学心理学系d瑞典斯德哥尔摩斯德哥尔摩大学心理学系A R T I C L E I N F O保留字：治疗师指导互联网干预酒精使用障碍A B S T R A C T背景：在常规成瘾服务中，对酒精使用障碍（AUD）阐明这些干预过程中的治疗过程可能有助于改善临床交付。本文的目的是调查书面信息从客户到治疗师在治疗师指导的互联网干预AUD。方法：数据提取自一项互联网随机试验的治疗师指导组（n=57），对AUD的干预。定性内容分析被用来确定不同类别的客户端行为的书面信息治疗师。编码是演绎的（应用过去文献中的类别）以及归纳的（从数据中识别新的类别）。随后，进行了探索性相关和回归分析，以调查是否确定客户端的行为预测模块完成和饮酒的结果。此外，客户在给治疗师的信息中提出的问题被单独分类结果：11个不同的行为类别，其中最常见的两个是联盟（总分类的26.6%）和识别模式和问题行为（22.8%）。对抗性联盟破裂是最不常见的类别（0.4%）。归纳出一个新的行为类别-酒精相关的在探索性分析中，没有任何类别能够一致地预测模块完成或饮酒结果。客户最常提出的问题是为了提高对计划内容或技能的理解或使用讨论：行为类别，虽然不能预测模块完成或结果，但可用于治疗师，治疗开发人员和医疗保健提供者，作为了解AUD互联网干预治疗过程的工具。1. 介绍酒精使用仍然是一个主要的全球公共卫生问题（世卫组织，2018年），酒精使用障碍（AUD）患者约占酒精所致疾病负担的一半（Alfrem等人，2010年）。只有不到五分之一的AUD患者接受了帮助（Alfrem等人， 2015），并且容易获得的互联网干预可以在减少这种治疗差距方面发挥重要作用（Kohn等人， 2004年）。已经发现针对酒精问题的互联网干预在不同人群中有效，并且当干预由治疗师或教练指导时，饮酒的减少往往更大（Riper等人， 2018年）。最近的试验在临床环境中进行的研究已经发现这些干预产生了与传统的面对面治疗相当的效果（Johansson等人，2021; Kiluk等人，2018），这表明将互联网干预措施实施到常规成瘾服务中是合乎逻辑的下一步（Bertholet和Cunningham，2021）。虽然许多人似乎从互联网干预中受益在临床实践中，能够有效地区分那些通过某种治疗而改善的人与那些没有改善的人是有益的（Andersson等人， 2019; Cunningham等人， 2010; Drozd等人，2016年）。在这方面，一个相对未开发的调查领域是分析客户和治疗师之间的通信这* 通讯作者。电子邮件地址：martin. ki.se（M. Kraepelien）。https://doi.org/10.1016/j.invent.2021.100483接收日期：2021年8月23日;接收日期：2021年11月8日;接受日期：2021年11月10日2021年11月11日网上发售2214-7829/© 2021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/inventM. Kraepelien等人互联网干预26（2021）1004832=≥≥≥≥这种类型的分析可以提供临床见解，例如，帮助治疗师了解对来访者的期望，识别那些在早期阶段没有从干预中受益的人在面对面的心理治疗中，这种分析是一项繁琐的任务，因为它们需要记录，转录和编码个人治疗会话。然而，在互联网干预中，治疗师和客户之间的所有书面通信都存储在数字平台上，使得记录和转录都不必要。一些研究已经对焦虑和抑郁的互联网干预中客户和治疗师之间的通信进行了内容分析，重点是治疗师（Paxling等人， 2013; Schneider等人， 2016）或客户行为（Soucy等人，2018; Svartvatten等人， 2015年）。 在专注于客户行为的研究中，Svartvatten等人在抑郁症试验中确定了十种客户行为，并发现行为类 别 联 盟 和 经 历 积 极 后 果 与 抑 郁 症 症 状 的 减 少 呈 正 相 关（Svartvatten等人，2015年）。随后，Soucy等人，使用Svartvatten等人确定的行为类别，发现经历积极的结果与更高程度的治疗师联盟和焦虑症状的减少有关（Soucy等人，2018年）。引导式互联网干预的实施和临床开发的潜在重要性的另一方面是映射客户向其治疗师提出的不同类型的问题除了提供对治疗过程的洞察然而，据我们所知，这只在以前的一项研究中进行了调查，其中客户提出的问题他们的治疗师在互联网上干预抑郁和焦虑被分为四个不同的类别：促进材料和技术的理解和应用、治疗过程、技术问题和对程序外的附加信息的请求（Soucy等人， 2019年）。到目前为止，还没有专门研究酒精问题的指导性互联网干预的相关性，因此尚不清楚先前关于抑郁症的研究中确定的行为类别（Soucy等人， 2018; Svartvatten等人， 2015）适用于持有澳元的个人。也没有任何研究专门检查客户在AUD的指导性互联网干预中向其治疗师提出的问题。为了填补这一空白，目前的研究在一项随机对照试验中分析了客户给治疗师的书面信息，该试验对AUD患者进行了指导性互联网干预。这项研究是探索性的，具体的研究问题是：1) 在治疗师指导的互联网干预的先前研究中确定的行为类别在多大程度上（Svartvatten等人，2015年）目前在信息从客户到治疗师在引导互联网干预澳元？2) 在来访者给治疗师的信息中，是否存在其他与听觉障碍相关的行为类别？3) 观察到的行为类别的频率是否与依从性（模块完成）和/或饮酒结果（前一周饮酒/前一周重度饮酒天数）相关？4) 应用在治疗师指导的互联网干预的先前研究中确定的问题类别（Soucy等人，2019），客户在给治疗师的信息中提出的这些类别的比例是多少？2. 材料和方法2.1. 参与者本 研 究 中 的 数 据 收 集 自 先 前 发 表 的 三 组 随 机 对 照 试 验（Sundstr？metal.， 2020年）。这项试验的参与者大多是通过在线广告招募的，包括在线问卷调查和随后的电话访谈。为了被包括在随机试验中，参与者必须在前一周内报告11（女性）/ 14（男性）饮酒或更多，在酒精使用障碍识别测试（AUDIT）上得分为6（女性）/ 8（男性）（Saunders等人，1993）和SCID-5AUD（First等， 2015年，在电话采访中。本研究已预注册（ClinicalTrials.gov注册ID：NCT 02645721），并获得瑞典斯德哥尔摩县地区伦理审查委员会的批准（2015/2014-31 ，瑞典伦理审查机构批准的附录2019-02169）。所有参与试验的客户都提供了他们的数字知情同意书，然后被随机分配到治疗师指导的互联网干预，无指导的互联网干预或等待名单。那些被随机分配到指导性互联网干预的患者（n71）在整个12周的治疗期间与治疗师联系;所有联系都通过提供干预的平台上的安全内置消息系统进行。在目前的研究中，只有那些在12周的治疗期间至少给他们的治疗师写了两条信息的客户被随机分配到指导性互联网干预中（n=57）。2.2. 干预在指导条件下的客户提供ePlus互联网干预，这是基于认知行为疗法和复发预防。 干预措施包括13个模块，每个模块专门针对一个特定的主题;例如，“如何处理渴望”，“如何对酒精说不“，“解决问题“（Sundstr？o？m等人， 2017年）。对于每个新模块，客户被指示在治疗平台内完成数字化的家庭作业，之后治疗师授予访问下一个模块的权限。治疗师每周登录210名治疗师参与了这项研究，其中6名是有执照的临床心理学家，4名是临床心理学硕士生为确保治疗完整性和方案依从性，每周或每两周对治疗师进行一次监督。2.3. 观察指标最初试验的主要结果是在前一周消耗的标准饮料（12克乙醇）的数量（Sundstr？m等人， 2020年）。计算两个主要结果：1）前一周的饮酒次数和2）前一周的重度饮酒天数（HDD），定义为一天5次或更多（男性）或4次或更多（女性）标准饮酒。2.4. 客户端消息内容分析方法被用来编码的客户端发送给治疗师的书面信息中的行为。应用了一种有向方法，允许识别演绎和归纳类别（Hsieh和Shannon，2005）。具体的过程涉及两个作者（MK和CS）首先联合编码来自六个客户端的消息。Svartvatten等人（2015）研究中提出的十个类别被用作演绎类别。鉴于之前在AUD人群中缺乏关于该主题的公开研究，编码者在编码文本时还考虑了可能的归纳类别。在对来自前六个对话客户的信息进行编码后，编码人员稍微调整了最初的十个类别，以使类别名称和定义与当前试验中客户的信息保持一致，这些信息涉及酒精滥用而不是抑郁症。编码者确定了一个归纳类别，观察酒精相关的挫折。代码通常是1-3句话长，但在某些情况下可以更长。创建了一个具有正式定义和每个类别示例列表的初步编码指南，目的是使类别尽可能清晰和可区分。初步的编码指南是M. Kraepelien等人互联网干预26（2021）1004833====-==-=-=-=-=---=-=-与该领域的两位专家（作者AHB和HH）进行了分享和讨论，之后制定了最终的编码指南。然后，MK和CS使用最终编码指南对另外三个客户端进行联合编码。然后，由作者MK和CS分别对另外六名客户进行编码，以确定评分者间的信度。在评分者间可靠性被认为是足够的（κ=0.62;转换为一致性传统上被标记为所有从来访者到治疗师的问题都在书面信息中被识别出来，然后根据Soucy Soucy等人的研究中的四个类别进行分类。（2019年）：1）关于促进理解和应用核心技术的问题，2）关于治疗过程的问题，3）关于技术问题的问题，4）关于请求程序范围外的援助的问题。问题可以是“ 双 重 编 码 ” 的 ， 即 可 以被 分 类 为 问 题 和 行 为 类 别 之 一 。2.5. 统计分析首先，描述性统计被用来描述人口统计学的其次，将所有通信输入NVivo定性数据分析软件（QSR International PTY Ltd.，版本1.4.1，2021）。声明类别的频率是通过表明每个客户展示属于某个类别的声明的频率来计算的。使用Cohen Kappa（κ）计算作者MK和CS之间的评定者间可靠性，应用NVivo10中概述的程序。Cohen's Kappa解释了可能由随机机会产生的一致性，并计算了加权Kappa系数以控制差异。使用NVivo10词频查询功能计算每个客户端的类别总频率，生成所有客户端的类别频率矩阵之后，Spearman的等级顺序相关系数被用来检查类别之间的相互关系，以及评估类别和模块完成之间的相关性，并分别在饮酒结果（前一周的饮酒/前一周的大量饮酒日计算残差变化评分，以解释治疗前饮酒量的变化为了控制代码总数，我们还进行了额外的分层回归分析。在本分析中，在控制了初始饮酒和编码的客户行为总数后，我们检查了客户行为类别和完成的模块数量在多大程度上预测了治疗后或3个月随访时的饮酒量。我们使用p0.05，因为分析是探索性的，我们不想排除潜在的相关性。定量分析中的所有统计计算均使用统计软件程序SPSS 25（IBM Corp）和R（R Coreteam）进行3. 结果3.1. 人口统计学和治疗结局当前分析中客户的基线人口统计学和临床数据见表1。57例患者治疗后平均饮酒量为9.87（SD=11.64，95%CI6.630.563 个 月 随 访 时 ， 前 一 周 平 均 饮 酒 量 为 16.81 杯（SD=14.83;95%CI12.55-21.07），前一周平均饮酒量为1.71杯（SD = 1.96; 95%CI 12.551.15-2.28）前一周的大量饮酒日。访问模块的平均数量为9.44（SD 2.98）/13。更多临床数据请参见原始试验（Sundstroém等人， 2020年）。3.2. 编码类别编码器重新使用了Svartvatten等人的研究中的类别表1接受治疗师指导的互联网干预并向其治疗师发送不止一条信息的客户的基线特征。n=57年龄（岁）是说52.1SD11.5前一周的34.217.1一周3.961.82审计23.45.1n%男性2645.6最高教育水平高中342159.636.8基础教育23.5已婚/伴侣4171.9离婚/丧偶610.5单个1017.5酒精使用障碍轻度1 1.8中度11 19.3严重45 78.9曾寻求酒精治疗16 28.1但在编码过程中使类别适应AUD流行（类别变化见表23.3. 客户行为57个客户端总共发送了472条消息，平均值为8.3（SD =5.6;范围2-30）条消息。在这些信息中，共有944条有意义的陈述被编码为Svartvatten等人（2015）确定的10类客户行为之一，35个有意义的陈述被编码为归纳类观察酒精相关的挫折。如表2所示，本研究中客户陈述的相对频率如下：联盟（26.6%;M识别模式和问题行为（22.8%; M3.51; SD 3.624.36）;观察到积极后果（7.2%; M 1.16; SD1.95）;计划尝试行为改变（8.5%;男性1.35; SD 1.68）;报告行为改变（9.2%;男性1.46; SD 1.95）;避免治疗（5.5%;男性0.82; SD 1.28）;技术和管理问题（6.6%;男性1.02;标准差1.43）;治疗问题含量（3.4%; M0.47;标准差0.85）;适应不良的重复性思维（5.7%;男0.88;标准差2.11）。对抗性联盟破裂（0.4%，M0.07;SD 0.26）;观察到挫折（4.1%，M0.61;SD 0.90）。客户行为之间的相互关系显示出几个显着的中度到大的相关性，所有的行为与至少一个和多达六个其他行为相关。联盟，识别模式和问题，并观察挫折是最相关的行为;避免治疗和治疗内容的问题与其他行为相关（见补充1）。3.4. 客户行为、成果和模块完成之间的相关性表3描述了在治疗后和3个月随访时，所有信息中陈述的频率、完成的课程数量以及饮酒和重度饮酒天数的减少之间的关于程序的坚持，完成的模块数量与治疗内容的问题有显着的正相关性（p0.01）。<至于饮酒结果，完成模块的数量与治疗后饮酒量减少显著相关（P0.01），对抗性联盟破裂显著相关

下载后可阅读完整内容，剩余1页未读，立即下载