抑郁症患者的情绪动力学特征的实时监测和发现

互联网干预26（2021）100437基于情绪实时监测发现抑郁动力学的不同特征克莱尔河van Schugtena，b，*，Josien Schuurmansa，b，Wouter van Ballegoijena，b， c，Adriaan W.作者声明：a，b. Smit a，b，Heleen Riper a，b，c，da研究和创新部，GGZ inGeest，专业精神卫生保健，荷兰阿姆斯特丹b荷兰阿姆斯特丹自由大学阿姆斯特丹UMC阿姆斯特丹公共卫生研究所精神病学系c荷兰阿姆斯特丹自由大学和阿姆斯特丹公共卫生研究所d丹麦欧登塞南丹麦大学远程精神病学研究所A R T I C L EI N FO保留字：抑郁生态瞬时评估情绪不稳定异质性聚类分析A B S T R A C T背景：虽然抑郁症的典型特征是持续的抑郁情绪，但情绪动力似乎确实在抑郁人群中有所不同。在临床实践中可以看到情绪变异性（变化幅度）和情绪惯性（情绪变化的速度）的异质性。然而，研究这些情绪动力的异质性仍然很少。本研究的目的是探讨不同的实时监测抑郁症患者的情绪动力学特征。方法：在完成基线测量后，轻度至中度抑郁症患者（n=37）被提示在他们的智能手机上评估他们当前的情绪（1-10级），每天3次，连续7天。潜轮廓根据参与者报告的结果：在该样品中鉴定出两种谱。绝大多数样本属于概况1（n=31）。与曲线2（n=6）中的人相比，曲线1中的人的特征是情绪略高于积极情绪的截止值（M= 6.27），情绪变化较小（较低的变异性[SD=1.05]），曲线2中的人显示出总体消极情绪（M= 4.72）和较大的情绪变化（较高的变异性[SD= 1.95]），但速度相似（情绪惯性）（分别为AC=0.19、AC= 0.26结论：本研究提供了轻度至中度抑郁者的平均情绪和情绪变异性模式的初步迹象，但不是情绪惯性1. 介绍多年来，人们提出了越来越复杂的抑郁症概念。虽然精神障碍诊断手册（DSM-5）可能另有建议（美国精神病学协会，2013），但临床医生和研究人员强调抑郁症的临床表现是异质性的（Cuthbert，2014）。各种横断面研究确定了多个同质性特征，这些特征在症状存在、症状严重程度和各种抑郁症状之间的相互作用（例如，（Goldberg，2011; Lu X和Kendler，2010; ten Have等人，2016））。在临床环境中，识别这些子分类与确定一个特定的病人的疾病的严重程度相应地与此同时，强调生态环境重要性的研究和将情绪动力学与抑郁症联系起来的研究激增（Houben et al.，2015; MyinGermeys等人，2018; Schoevers等人， 2020年）。传统上，情绪评估是由缩略语：AC，自相关; AIC，Akaike信息标准; BIC，贝叶斯信息标准; BLRT，自举似然比检验; CES-D，流行病学研究中心抑郁量表; DSM-5，精神障碍诊断手册，第5版; EMA，生态瞬时评估; IQR，四分位距; LMRA-LRT，Lo-Mendell-Rubin校正似然比检验; LPA，潜在特征分析; M，平均值; Mdn，中位数; PHQ-9，患者健康问卷; SD，标准差; VAS，视觉模拟量表。* 通讯作者：GGZ研究与创新部，专业精神卫生保健。Oldenaller 1，1081HJ Amsterdam，荷兰电子邮件地址：c. ggzingeest.nl（C.R.van Boggten）。https://doi.org/10.1016/j.invent.2021.100437接收日期：2020年9月30日;接收日期：2021年7月19日;接受日期：2021年2021年7月27日在线提供2214-7829/©2021的自行发表通过ElsevierB.V.这是一个开放接入文章下的CCby-NC-ND 许 可 证（http://creativecommons.org/licenses/by-nc-nd/4.0/）中找到。可在ScienceDirect上获得目录列表互联网干预期刊主页：www.elsevier.com/locate/inventC.R. van Boggten等人互联网干预26（2021）1004372=使用回顾性标准化评估。这种评估是它不适合捕捉情绪的细微动态，因为人们被要求回忆和总结一段时间（“你上周感觉如何？”）。情绪动态可以通过应用生态学来测量 瞬时评估 （EMA） 方法， 此前，通过纸笔日记进行，但如今诸如智能手机的技术提供了强大的工具（Colombo等人，2019; Girolamo等人，2020; MyinGermeys等人，2018年; van Boggten等人，2020年）。使用EMA，人们提供关于他们的心理健康和在他们的生态栖息地内的相关特征的实时信息，而不是在诊所的追溯（Shiffman等人，2008; Stone等人，2007; Stoneand Shiffman，1994）。由于现象被频繁测量并且接近它们的发生，EMA响应模式预计通过向我们展示随时间推移的情绪动力学的详细图片而在生态学上更有效（Mofsen等人，2019; Solhan等人，2009; Wenze等人，2012年）。在EMA研究中，已经提出了各种方法来操作化情绪的动态最常见的操作化集中在“不稳定性”、“可变性”和“情绪惯性“上（Houben et al.，2015; Jahng等人，2008年; Vansteelandt和Verbeke，2016年）。有人认为，不稳定性是可变性和情绪惯性的结合（Jahng等人， 2008年; Vansteelandt和Verbeke，2016年）。变异性代表了一段时间内情绪变化的幅度- 较高的可变性意味着较大的情绪变化，较低的可变性意味着较小的情绪变化（Jahng等人，2008年; Vansteelandt和Ver-beke，2016年）。情绪惯性指的是情绪在多大程度从一个时刻延续到下一个时刻以及情绪转变的速度（Kuppens等人，2010年，但不是规模。较高的情绪惯性等于较慢的情绪变化，较低的情绪惯性等于较快的情绪变化（Jahng等人，2008年; Vansteelandt和Verbeke，2016年）。为了准确地捕捉情绪动态，应考虑可变性和情绪惯 性 （ Houben 等 人 ， 2015; Jahng 等 人 ， 2008 年 ; Vansteelandt 和Verbeke，2016年）。如上所述，一些研究表明，抑郁症是Heterogeneous等人将情绪动态与抑郁联系起来，突出了实时情绪监测的重要性。在临床实践中，可以看到情绪动力学（情绪的可变性和情绪惯性）似乎确实在抑郁症患者中有所不同。然而，关于这些情绪动力的异质性的研究仍然很少，虽然对情绪动态的潜在模式的识别可以为我们提供有价值的信息，包括例如人 Lamers等人， 2018; van Winkel等人， 2015年）。据我们所知，本研究是第一个探索轻度至重度抑郁症患者实时监测情绪动力学的不同特征的研究。中度抑郁的人。为此，使用了MoodMo- nitor研究（n37）子样本的数据。MoodMonitor研究的主要目的是检查EMA对轻度至中度抑郁个体的症状的评估反应性（van Balle-gooijenet al.，2016年b）。这项研究使用了研究第一周的数据，在此期间，参与者每天被提示对他们当前的情绪进行3次评估。情绪的动力学通过平均情绪、情绪的可变性和情绪惯性的组合来操作化，如用基于智能手机的EMA测量的。2. 方法2.1. 招聘从MoodMonitor研究的子样本获得数据（van Ballegoijen等人，2016年b）。MoodMonitor研究的参与者是通过Vrije Uni- versiteit校园（荷兰阿姆斯特丹）的广告、社交媒体平台（Face-book，Twitter），和荷兰 网站 为 心理 健康 问题. 的广告中含有该研究网站的链接有兴趣参与的人士可按连结进入网上筛选问卷。 对候选人进行了筛选，他们是否（1）至少18岁，（2）报告轻度至中度抑郁症状（患者健康问卷[PHQ-9]评分在5至15之间）（Kroenke等人，2001年），以及（3）拥有Android智能手机。之后，他们可以再次阅读研究信息，并通过输入其电子邮件地址（电子知情同意书）同意参与研究。如果适用，感兴趣的人会收到一封电子邮件，其中包含基线问卷的链接和将EMA应用程序 MoodMonitor 下 载 到 其 智 能 手 机 上 的 说 明 。 该 应 用 程 序 由 E-COMPARED联盟开发（Kleiboer等人， 2016年）。研究结束后，积极参与的个人将获得一张礼券（最高32.50欧元MoodMonitor随机对照试验持续时间为12包括3组：一组完成情绪EMA评估（“你现在的情绪如何？”），一组完成了能量水平EMA（“你现在感觉有多精力充沛？”）， 和控制未完成EMA但仅完成基线特征和标准化的流行病学研究中心抑郁量表（CES-D）的组（Bouma等人， 1995; Radloff，1977）问卷。在试验过程中，参与者被邀请每天完成1次评估，除了第1周和第12周，为了测量情绪波动，他们被要求每天完成3次评估。没有分析第12周的数据，因为我们对抑郁症的情绪动力学感兴趣，并且参与者在监测期开始后12周可能不再抑郁出于本研究的目的，仅考虑在试验的前7天内完成的情绪EMA。在最初选择的54名情绪参与者中，17名被排除在分析之外，因为他们没有积极参与EMA问题。积极参与被认为是在7天中至少有4天完成了至少50%的EMA问题。根据先前的研究，情绪动态在不同的时间间隔上显示出一定的自相似性（Guestello和Liebovitch，2009; Kuppens等人，2010年b）。关于MoodMonitor研究设计的详细描述，请参阅在别处（van Ballegoijen等人，2016年b）。阿姆斯特丹自由大学医学 中 心 医 学 伦 理 委 员 会 判 定 受 试 者 风 险 和 负 担 极 小 ， 并 确 认MoodMonitor研究不受涉及人类受试者的医学研究法案（WMO）（文件编号15.333）的约束。该试验已在荷兰试验注册中心注册（编号NTR 5803）（2016年4月12日）。2.2. 措施2.2.1. 人口统计学特征使用标准问题收集人口统计学特征（年龄、性别、教育状况）。参与者还被要求报告可能的终身精神疾病，以及他们目前是否接受过任何心理健康问题的专业帮助。2.2.2. 临床特点在基线时通过施用CES-D评估抑郁症状的严重程度（Bouma等人，1995; Radloff，1977）在线。CES-D是一种回顾性自我报告问卷，测量给药前一周的抑郁症状。这20项清单不仅检测更严重的抑郁症状，轻度症状也包括在内。项目评分从 0（很少或没有时间[少于1天]到3（大多数或所有时间[5总分范围从0到60，总分越高代表着更多的症状和更严重的抑郁症状。标准的截止分数表明，抑郁症在一般流行-化> 16（Bouma等人， 1995; Radloff，1977）。给药时在线，CES-D显示出良好的内部一致性（vanBallegoijen等人，2016年a）。2.2.3. 基于智能手机的对核心抑郁症状之一（即情绪）的EMA进行了瞬时评估，参与者被要求C.R. van Boggten等人互联网干预26（2021）1004373==-=======-在视觉模拟量表（VAS）上评定他们当时的情绪，范围从1（最差）到10（最好），小数点后有1位精确数字。参与者每天在上午10点到晚上10点之间的随机时间点在智能手机上收到3次通知指导他们迅速回答EMA问题，但通知在下一个问题之前仍然可见。此外，参与者可以在计划提示之外的任何时间自由完成EMA问题，并且可以通过打开应用程序来完成在回答EMA问题后，评级自动带有时间戳，参与者可以在他们的智能手机上看到一张图表，显示他们的评级随时间的变化。2.3. 概况指标：平均情绪、可变性和情绪惯性“Average mood没有官方的截止值可以指定情绪是消极还是积极的，但一般来说， 评分低于6（范围1是指情绪变化的量，并且在数学上被定义为时间序列数据中M的标准偏差（SD）（Ruwaard等人， 2018年）。较大的SD等于较高的变异性和较小的SD等于更低的可变性。可变性指的是情绪变化的极端程度，而“情绪惯性“指的是对于时间序列数据，这在数学上被定义为自相关（AC）（Ruwaard等人， 2018年）。理论上，AC的范围从-1到10。1. 正相关表明在t直接对应于t的高或低分数（Chatterjee和Simonoff，2013）。更大的正自相关等于更高的情绪 惯性 （厚本 et 例如， 二〇一五年; 范斯蒂尔兰特 还有维贝克2016年）。负自相关表明，如果t-1的分数高于M，t的分数更有可能低于M，反之亦然（Chatterjee和Simonoff，2013）。较大的负相关等于较低的情绪惯性（Houben et al.，2015;Vansteelandt和Verbeke，2016）。到目前为止，还没有官方的截止值来指定可变性或情绪惯性被认为是高，中等或低。2.4. 统计分析首先，计算完整分析样本基线特征的描述性统计量。为了检查可能的选择偏倚，对研究参与者（n37）和未积极参与EMA问题的参与者（n）进行54-37 17）。此后，我们应用了潜在轮廓分析（LPA）。LPA可用于将一组个体分类为基于一组连续变量的多个均匀分布（Masyn，2013）。简而言之，LPA测试1-profile模型的拟合，然后增加profile的数量，直到添加更多的profile不会导致信息的增加（Masyn，2013）。为了比较模型拟合（即，为了评估曲线的最佳数量），使用不同的解决方案：贝叶斯信息准则（BIC）（Schwarz，1978）、Akaike信息准则（AIC）（Akaike，1974）、自举似然比检验（BLRT）、Lo-Mendell-Rubin调整似然比检验（LMRA-LRT）（Lo et al.，2001）和熵值（Celeu X和Soromenho，1996）。用BIC和AIC对不同模型解进行了比较。较低的BIC和AIC值表明模型拟合更好（Schwarz，1978; Saughter，1987; van de Schoot等人，2012年）。BLRT和LMRA-LRT都测试了具有K轮廓的模型是否显著。cantly比K- 1曲线模型更好地拟合数据一个重要的p-值（<0.05）支持更复杂的模型（Lo等人， 2001; Nylund等人，2007年）。熵值是用于正确分类的熵值-基于该模型将其划分为不同的潜在轮廓。熵值的范围从0到1（值为1表示完美分类）。到目前为止，熵统计还没有官方的截止值，但≥0.80是通常被认为具有适当的模型分类（CeleuX和Soromenho，1996年）。由于样本量小，我们将LPA限制为最多4个配置文件模型。我们使用上面列出的3个指标来量化每个人所经历的情绪：（1）平均情绪（M），（2）情绪变异性（SD）和（3）情绪惯性（AC）。在进行LPA之后，参与者被分配到他们最可能的个人资料。这是事后通过将每个参与者分配到具有最大后验概率的配置文件来完成的。后验概率是参与者被分类到给定配置文件中的概率（Masyn，2013）。此后，通过比较各项指标的标准化平均分数，说明了不同概况的概念含义。最后，计算了最佳拟合模型各特征内人口统计学和临床特征的描述性统计量，并检查了可能的特征间差异。用Kolmogorov-Smirnov检验检查连续变量的正态分布。报告了正态分布连续变量的平均值和标准差，以及非正态分布数据的中位数和四分位距（IQR）为了应对不等的样本量的配置文件，我们进行了费舍尔适当时进行Mann-Whitney检验，以检查特征间差异。TidyLPA R包（Rosenberg等人，（2018）用于潜伏期配 置 文 件 分 析 和emaph R 包 （ Ruwaard ， 2018; Ruwaard 等 人 ，2018）来生成图的视觉效果的数据。1.一、3. 结果3.1. 研究样本在总体样本（n=37）中，86%（32/37）的参与者为女性，中位年龄为32.0岁（IQR 24.0或更高学历（43% [16/37]）。参与者在基线时报告了抑郁症状，评分远高于16分的临界值（M 26.9 [SD 8.7]）。此外，49%（18）的样本报告有终身精神病诊断，43%（16/37）在研究期间接受了专业帮助。比较分 析未发现 选择偏倚。 也就是 说，不符 合入选标 准的MoodMonitor参与者（即未能积极参与EMA问题[n54在人口统计学特征（年龄、性别、教育水平）、终生精神病诊断（是/否）或当前帮助（是/否）方面，与纳入研究的参与者（n3.2. 潜在轮廓分析：选择最佳表1提供了具有不同数量的估计曲线的模型的拟合指数。与其他模型相比，2-剖面模型的BIC和AIC值均最低当查看BLRT和LMRA-LRTp值时，发现了差异BLRT支持2-profile模型，而LMRA-LRT支持4-profile模型。随后使用熵值检验每个模型的分类精度。具有1个简档的模型显然具有完美的分类，因为所有参与者都被分类到1个简档中。在熵值为0.951的情况下，2-轮廓模型得分高于熵统计的截止值0.80。3-和4-轮廓模型的得分都略低于这个截止值。总之，除了LMRA-LRT检验外，拟合指数更倾向于2-剖面模型。这就是为什么，总的来说，基于拟合指数，我们认为2-剖面模型最适合本样本。3.3. 最佳拟合模型概况1中的人（患病率84%，n 31）的特征是整体积极的情绪（滚动平均值; M 6.27），平均M略高于临界值6。尽管如此，7天内报告的情绪评分C.R. van Boggten等人互联网干预26（2021）1004374=========-特征1：稍微积极的情绪，情绪变化较小，速度相似实施例1109876543211 2 3 4 5 67天实施例2109876543211 2 3 4 5 67天实施例3109876543211 2 3 4 5 6 7天特征2：消极情绪，情绪变化较大，速度相似实施例1109876543211 2 3 4 5 67天实施例2109876543211 2 3 4 5 67天实施例3109876543211 2 3 4 5 6 7天图1.一、 为最佳拟合模型的两个剖面生成EMA响应模式。备注：使用特征指标的标准化平均评分生成这些图的数据：每天在上午10点至晚上10点之间的随机时间点完成3次EMA评估。水平黑线代表七天内的平均情绪。人物的背景被赋予多种颜色，较暗的区域代表消极情绪（6），较亮的区域代表积极情绪（>6）。表1潜在轮廓分析的拟合指数表2最佳拟合模型指标的标准化平均得分对数似然BIC AIC BLRT LMRA-LRTp p熵值患病率平均情绪变异性情绪惰性n（%）M SD AC概况1 32（84%）6.27 1.05 0.191 - 70.560 162.786 153.1212.59.876155.860 139.7510.0100.0012019 - 05- 25 00：00：002019 - 05 - 2500：00：00注：最佳拟合模型以粗体显示。BIC=贝叶斯信息准则; AIC= Akaike信息准则;BLRT= Bootstrapped似然比检验; LMRA-LRT= Lo-Mendell-Rubin调整似然比检验。在临界值附近波动; SD为1.05，68%的EMA问题评分为6.27-1.055.22和6.271.057.32，因此EMA问题也报告了负评分。对于情绪惯性（AC），得分为0.19，正相关，表明情绪变化较慢。概况2中的人（流行率16%，n6）是以总体消极情绪（M 4.72）为特征他们表现出更高的情绪变异性（SD1.95）比配置文件1的人，这意味着更大的情绪变化。当观察平均情绪惯性时，发现与轮廓1（AC）类似的结果0.26）。总而言之，发现平均情绪和变异性的简档间差异，但不包括情绪惯性，其中简档1人的特征在于总体积极情绪，情绪变化（变异性）小于简档2人，简档2人显示总体消极情绪，情绪变化（变异性）较大，但速度相似（情绪惯性）。图1提供了两种曲线生成的EMA响应模式的多个示例，说明了平均情绪、情绪变化和情绪惯性的差异（表2）。3.4. 研究样本表3显示了样本的人口统计学和临床特征。在基线时，曲线2中的人报告了明显更多的症状和更严重的抑郁症状（M= 0.001）。概况2 6（16%）4.72 1.95 0.26注：M= rmean，SD=标准差，AC= 7天内EMA问题的自相关性。33.8，SD 8.5）比曲线1（M 25.6，标准差 8.2）。 统计学检验发现，两种情况在人口统计学特征（年龄、性别、教育水平）、完成EMA评估的数量、终身精神病诊断（是/否）或当前专业帮助（是/否）方面无差异。4. 讨论这项探索性研究的结果发现了第一个迹象，2同质配置文件的情绪动力学之间的轻度至中度抑郁的人。这两个配置文件不同的平均情绪和情绪的变化量，但没有情绪惯性。简档被标记为在这个样本中，基线时抑郁程度更高和更严重的人比基线时抑郁程度较轻的人经历了更多的消极情绪，但也有更多的情绪变化，而情绪惯性在两种情况下相似。这些配置文件间的差异通常在 线 与 荟萃分析（Houben等人，2015），他们表明，当抑郁症更严重时，情绪的变异性更高（Houben et al.，2015年）。然而，与可变性相反，情绪惰性并没有随着抑郁而增加。 因此，事实上，我们确实发现了平均情绪和情绪变化方面的特征间差异，而不是不同抑郁水平的特征间的情绪惯性，这与荟萃分析一致（Houben情绪价值观情绪价值观C.R. van Boggten等人互联网干预26（2021）1004375表3最佳拟合模型的人口统计学和临床特征的描述性统计总概况1a概况2a检验统计量p值n37316年龄，中位数（IQR）32.0（24.032.0（23.031.5（24.3女性b，n（%）32人（86%）28人（90%）4（67%）OR= 4.4（0.3教育水平，n（%）基本15人（41%）14人（45%）1（17%）U=74 0.396二次6人（16%）4人（13%）2人（33%）更高16人（43%）13人（42%）3人（50%）已完成EMA评估，平均值（SD）17.9（4.0）17.5（3.5）19.5（6.4）U=83 0.694基线CES-D，平均值（SD）26.9（8.7）25.6（8.2）33.8（8.5）U=440.045终生诊断c，n（%）无19（51%）17（55%）2（33%）2人（33%）注：适当时使用Fisher精确检验和Mann-Whitney检验，因此检验统计量分别为OR [比值比]（95%）或U。粗体p值表示统计学显著性检验。a概况1：“稍微积极的情绪，情绪变化较小，速度相似”，概况2：“消极情绪，情绪变化较大，速度相似”。B 将女性用作参考组。c未使用终身诊断作为参考组。D 没有使用当前帮助作为参考组。例如，2015年）。研究结果应在若干局限性的背景下加以考虑。首先也是最重要的，由于我们样本的大小，该研究被认为是动力不足的（Tein等人，2013年）。一项效力不足的研究有可能得出结论认为没有差异，而实际上存在差异（Tein等人，2013年）。尽管样本量很小，我们仍然选择继续进行研究，并揭示了2种情绪动力学特征。就我们而言，这项研究触及了一个重要的主题，但对此知之甚少。这就是为什么我们继续这项研究，并打算在更大的样本中重复这项研究。第二，本研究缺乏有效的情绪动力学指标的截止分数，我们只能描述指标的跨侧面差异。第三，我们的研究有一个短时间的抽样方案，每个参与者只有有限数量的评估。第四，我们的样本绝大多数是女性，并且由从普通人群中招募的轻度至中度抑郁症患者组成。由于这些限制，我们在将结果推广到其他环境时应该非常谨慎。尽管如此，这项研究对未来的研究具有重要意义旨在提高对抑郁症复杂概念化的理解。多年来，在抑郁症中使用诸如基于智能手机的EMA和情绪动力学的创新方法的重要性已经得到证实（ Heininga 等 人 ， 2019; Houben 等 人 ， 2015; MyinGermeys 等 人 ，2018），有人认为，研究抑郁症患者之间的变化与充分理解抑郁症有关（Cuthbert，2014）。未来的研究是必要的。需要在不同和更大的样本中复制和验证研究结果，以进一步提高所确定的特征和模式的可信度。尽管我们应该非常谨慎地看到我们的研究样本和设计的局限性，但对于临床目的，我们的研究也有意义。在我们的样本中，受影响最大的人在回顾性监测的情绪和全天经历的情绪之间表现出最大的差异，即情绪变化更大。由于患者在被要求回顾性报告他们的心理健康状况时，大部分时间都会报告抑郁情绪，因此当实时测量时，人们可能不会期望识别出大的情绪波动。这一结果可以通过一系列关于抑郁症患者认知扭曲的研究来解释，研究结果显示，当抑郁症恶化时，消极情绪回忆更强，回忆积极情绪的能力受损（Gotlib和Joorman，2010;LeMoult和Gotlib，2019）。以前的研究已经强调了EMA方法作为抑郁症治疗的附加工具的潜力。例如，在一个实施例中， （Bos等人， 2019; Burns等人， 2011;Hartmann等人， 2015年;克雷默例如，我们的研究结果可能表明，特别是症状更多和更严重的抑郁症状的人应该在现实生活中密切监测他们的情绪。然而，如果目的是研究谁从情绪监测中受益最大，则需要更大样本的研究，并且应纳入更多严重抑郁症患者，并在临床环境中招募。5. 结论总之，本研究确定了轻度至中度抑郁症患者的平均情绪和情绪变异性的2个特征，这些特征是使用基于智能手机的EMA在7天的监测期内测量的。尽管我们在概括这些结果时应该非常谨慎，但这些发现确实为我们提供了初步的见解，让我们了解抑郁症患者日常生活中平均情绪的异质性、情绪变异性作者的所有作者都对报告的工作作出了重大贡献所有作者都对论文进行了批判性修订。概念化，CRvG，JS，JHS;方法学，CRvG，JS，AH，JHS;形式分析，CRvG，AH;研究Gation，WVB; Writing-查看和编辑，JS，AH，WVB，JHS，HR;可视化，CRvG;监督：JS，JHS，HR;资金获取，WVB，HR。所有作者都已阅读并同意手稿的出版版本。鸣谢和供资Jeroen Ruwaard参与了MoodMonitor研究的建立和实施。他于2019年7月16日去世。这项研究由两个来源资助。作为欧洲比较有效性（E-COMPARED）项目的一部分，该研究获得了欧盟委员会FP 7-Health-2013-Innovation-1计划的资助，资助协议编号603098。第二个财政来源是来自VU大学临床，神经和发展心理学系以及GGZ inGeest研究和创新系的内部资金，专业精神卫生保健，都在荷兰阿姆斯特丹。资助者在研究设计、数据收集和分析、出版决定或手稿准备方面没有规则。是的18人（49%）14人（45%）4人（67%）OR= 0.4（0.00.405目前的专业帮助d，n（%）有无16人（43%）12名4人OR= 3.3（0.00.370C.R. van Boggten等人互联网干预26（2021）1004376竞合利益一个也没有。引用Akaike，H.，1974.对统计模型辨识的新认识。IEEE Trans.19，716-723.https://doi.org/10.1109/TAC.1974.1100705网站。美国精神病学协会，2013年。精神疾病诊断和统计手册，第5版。美国精神病学协会，华盛顿特区。网址：//doi. org/10.1176/appi.books.9780890425596。Bos，F.M.，Snippe，E.，布鲁格曼河，Wichers，M.，van der Krieke，L.，2019.患者和临床医生对经验抽样方法的承诺的见解，精神病治疗精神病医生Serv. 70，983-991。 https://doi.org/10.1176/appi。ps.201900050.Bouma，Jelte，Ranchor，A.V.，桑德曼河，van Sonderen，E.，1995.他们用CES-D测试抑郁症。Noordelijk Centrum voorGezondheidsvraagstukken，RijksuniversiteitGroningen.伯恩斯，M.N.，Begale，M.，达芬，J.，Gergle，D.，卡尔，C.J.，Giangrande，E.，哥伦比亚特区莫尔2011. 利用情境感知开发抑郁症的移动干预JMedicalInternet Res. 13，e55https://doi.org/10.2196/jmir.1838。CeleuX，G.，Soromenho，G.，一九九六年。混合模型中聚类数的熵判据 J. 机密13，195-212。https://doi.org/10.1007/www.example.com查特吉，S.，Simonoff，J.S.，2013.时间序列数据和自相关。在：回归分析手册。JohnWiley&Sons，Hoboken，pp. 81-109. https://doi.org/10.1002/9781118532843。Colombo，D. Fern'andez-A'lvarez，J.， Pata n'e，A.，Semonella，M.，Kwiatkowska，M.，加西亚Kroenke，K.，Spitzer，R.L.，威廉姆斯，J.B.W.，2001. PHQ-9：简短抑郁症严重程度测量 J. 将军Intern. Med. 16，606-613。https://doi.org/10.1046/j.1525-1497.2001.016009606. X.Kuppens，P.，Allen，N.B.，Sheeber，L.B.，2010年a。情绪惯性与心理适应不良。心理学21，984-991。https://doi.org/10.1177/0956797610372634。Kuppens，P.，Oravecz，Z.，Tuerlinckx，F.，2010年b。情感变化：解释情感时间动态的个体差异 J. Pers. Soc. 心理学。九十九，1042-1060. https://doi.org/10.1037/a0020962网站。Lamers，F.，斯温德森，J.，崔湖，加-地赫斯基，M.，Johns，J.，Zipunnikov，V.，梅里坎加斯，K.R. 2018.心境和焦虑障碍的情绪反应和情感动力学。J. Abnorm. Psychol. 127（7），659-669. https://doi.org/10.1037/abn0000378网站。LeMoult，J.，戈特利布，I.H.，2019.抑郁症：认知视角。精神科诊所Rev.69，51-66. https://doi.org/10.1016/j.cpr.2018.06.008网站。Lo，Y.，北卡罗来纳州门德尔鲁宾，D.B.，2001年测试正常情况下的组件数量我是真的。Biometrika 88，767-778. https://doi.org/10.1093/biomet/88.3.767网站。LuX，V.，Kendler，K.S.，2010年。解构重性抑郁症：一项关于DSM-IV症状标准。Psychol. Med. 40，1679-1690.https://doi.org/10.1017/S0033291709992157.Masyn，K.E.，2013年。隐类分析与有限混合建模。英文名：The OX Ford心理学定量方法手册，第2卷。牛津大学出版社，2000年。551-661.https://doi.org/10.1093/oX fordhb/9780199934898.001.0001。Mofsen，A. M.，Rodebaugh，T.L.，Nicol，GE，德普，CA，Miller，J.P.，Lenze，E.J.，2019年。当所有其他方法都失败时，倾听患者的声音：在临床试验中使用生态瞬时评估的观点。JMIR Ment Health 6，e11845. 网址：//doi. org/10.2196/11845。敏格梅斯岛，卡萨诺瓦，Z.，Vaessen，T.，Vachon，H.，Kirtley，O.，Viechtbauer，W.，莱宁豪斯大学，2018.心理健康研究中的经验抽样方法：新的见解和技术发展。 世界精神病学17，123-132。网址：//Palacios，A.，Ciampa，P.，Riva，G.，博特拉角，2019年。当前状态和未来doi.org/10.1002/wps.20513。 ´技术为基础的生态瞬时评估和干预的方向为重性抑郁障碍：系统评价。《临床医学杂志》，第8卷，第465页。网址：//doi. org/10.3390/jcm8040465。Cuthbert，B.N.，2014年。RDoC框架：促进从ICD/DSM过渡到整合神经科学和精神病理学的立体方法。世界精神病学13，28-35。https://doi.org/10.1002/wps.20087网站。Girolamo，G.，di San，Barattieri，Pietro，C.，Bulgari，V.，Dagani，J.，Ferrari，C.，Hotopf，M.，Iannone，G.，Macis，A.，Matcham，F.，敏热尔梅岛Rintala，A.，Simblett，S.，Wykes，T.，Zarbo角，2020年。实时健康监测的可接受性与抑郁症的社区参与者：文献的系统回顾和荟萃分析压抑。焦虑症，da.23023。https://doi.org/10.1002/da.23023网站。Goldberg，D.，2011.“重性抑郁症”的异质性。世界精神病学10，226-228。https://doi.org/10.1002/j.2051-5545.2011.tb00061。X.戈特利布岛，Joorman，J.，2010.认知与抑郁：现状与未来方向。Annu. Rev. Clin.Psychol. 6，285-312. https://doi.org/10.1146/annurev的网站。clinpsy.121208.131305.认知。格鲁特，P.C.，2010.患者也可以诊断：持续的自我评估如何帮助诊断抑郁症并从中恢复 J. 门特 Health 19，352-362. 网址：http：//doi.org/10.3109/09638237.2010.494188Guestello，S.J.，Liebovitch，L.S.，2009.介绍非线性动力学和复杂性。心理学中的混沌与复杂性：非线性理论动力系统。剑桥大学出版社，剑桥，pp. 1-40Hartmann，J.A.，Wichers，M.，Menne-Lothmann，C.，克莱默岛，Viechtbauer，W.，Peeters，F.，Schruers，K.R.J.，van Bemmel，A. L.，敏热尔梅岛Delespaul，P.，van Os，J.， 西蒙斯C.J.P. 2015年。基于经验抽样的个性化反馈和积极情感：抑郁症患者的随机对照试验PLoS ONE 10，1-16. https://doi.org/10.1371/journal.pone.0128095网站。Heininga，V.E.，Dejonckheere，E.，Houben，M.，Obbels，J.，Sienaert，P.，Leroy，B.，van Roy，J.，Kuppens，P.，2019.重性抑郁障碍中快感缺乏的动力学特征：积极情绪动力学、反应性和恢复。19.第十九章https://doi.org/10.1186/s12888-018-19