BED患者的基于文本的互联网干预依从性与消息中的单词数量相关，对治疗依从性有重要意义

互联网干预28（2022）100538暴食症（BED）的基于文本的互联网干预：每条消息的单词与治疗依从性相关Jakob Linneta，c，*，**，Esben Skov Jensena，Eik Runge a，Marina Bohn Hansen a，SørenPeter Thygesen Hertza，Kim Mathiasen a，Mia Beck Lichela，b远程精神病学中心，丹麦南部地区的精神卫生服务，丹麦b丹麦南丹麦大学临床研究系c丹麦欧登塞大学医院职业和环境医学部赌博和暴食症诊所A R T I C L EI N FO保留字：基于互联网的干预认知行为疗法治疗依从性和依从性敏感性和特异性暴食症A B S T R A C T背景：一些证据表明，在基于互联网的认知行为治疗（iCBT）中，当患者在程序中向治疗师写较长的信息时，依从性的可能性会增加。这种关联以前没有在暴食症（BED）的iCBT中进行过研究目的：在这项研究中，我们假设轻度至中度BED患者书写的字数与基于文本的iCBT计划中治疗完成的可能性增加相关材料和方法：我们比较了143例BED患者（92例完成者和51例未完成者）在治疗期间向其治疗师写的信息和文字结果：完成者在每条消息（单词/消息）上写的单词明显多于未完成者。在控制了性别、年龄、教育程度、婚姻状况、子女、收入来源和BED摄入量、BMI和抑郁症状后，结果仍然显著（Wald= 14.48，p.001）。<的比值比患者每增加一个单词，完成率增加1.5%（OR= 1.015）。模型显示了72.4%的分类准确率，以及用于区分完成者和非完成者的68.99个字/消息的最佳截止点。该模型准确识别了80.9%的完成者（敏感性）和54.9%的非完成者（特异性）。结论：患者写的单词/消息的数量可能对确定依从性的可能性和提高依从率具有重要意义。从临床的角度来看，治疗师应该鼓励患者使用给治疗师写信的选择。文字/信息可能被证明是基于文本的iCBT治疗依从性1. 介绍暴食症（BED）是一种饮食失调，其特征是反复发作的暴食，患者感觉无法控制自己的饮食，并因症状而明显感到痛苦（美国精神病学协会[DSM5]，2013）。BED与暴食症的五种症状中至少有三种相关：（1）吃得比正常人快;（2）吃到不舒服的饱;（3）在不饿的时候吃;（4）独自吃饭;（5）事后感到恶心，沮丧或内疚。与神经性贪食症不同，BED与呕吐等代偿行为无关。基于互联网的干预措施在治疗精神健康障碍方面是有效的，包括进食障碍（Bauer和Moessner，2013; Fairburn和Murphy，2015; Melioli等人，2016年）。基于文本的互联网认知行为疗法（iCBT）已被证明在治疗BED中是有效的（Jensen等人，2020; Wyssen等人，2021年）。虽然iCBT是有效的，但一些使用基于文本的互联网干预的研究报告了高辍学率（Beintner等人，2020; Puls等人，2020年）。因此，必须确定完成的预测因素，以提高遵守率。虽然一些研究已经检查了在进食障碍的常规治疗中依从性和治疗效果的预测因素（Fassino等人，2009年; Vall和Wade，2015年），目前对文本的预测因子知之甚少* 通讯作者：远程精神病学中心，丹麦南部地区的精神卫生服务，Heden 11，5000 Odense C，丹麦。** 通讯作者：欧登塞大学医院职业和环境医学系赌博和暴食症诊所，Kløvervænget3 #140，5000 Odense C，丹麦。电子邮件地址：Jakob. rsyd.dk（J.Linnet）。https://doi.org/10.1016/j.invent.2022.100538接收日期：2022年1月9日;接收日期：2022年4月9日;接受日期：2022年4月11日2022年4月13日在线提供2214-7829/© 2022由Elsevier B. V.出版这是一篇基于CC BY-NC-ND许可证的开放获取文章（http://creativecommons.org/licenses/by-nc-nd/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/inventJ. Linnet等人互联网干预28（2022）1005382=1≥互联网干预。基线措施（例如，预测试）在识别iCBT文献中的依从性和治疗效果方面表现出较差或混合的性能（Bremer等人，2018年）。因此，对描述患者在治疗期间如何对治疗作出反应的过程变量的兴趣已经受到越来越多的关注。例如，治疗期间的早期症状改善可靠地预测了患有抑郁症和焦虑症的成年人在iCBT中的依从性和治疗结果（Lutz等人，2017;Schibbye等人，2014年）的报告。此外，治疗反应降低的早期检测可以帮助调整治疗干预，从而获得更好的治疗结果（Forsell et al.，2020;Forsell等人，2019年）。例如，Forsell et al.（2019）确定了因失眠而退出互联网CBT计划的患者。处于危险中的患者被随机分配到一个“逐步”的条件下，增加治疗师的接触或“继续”的条件下，“照常治疗”。处于递增状态的高危患者的治疗效果与没有退出治疗风险的患者相当，而处于“继续“状态的高危患者的治疗效果显著较低。与传统的CBT相比，它很容易评估客观的手段，基于文本的iCBT（Manwaring等人，2008年）。在最近一项使用基于文本的iCBT进行BED的随机临床试验中，Puls等人（2020）分析了客观依从性（例如，与治疗师交换的信息数量）和主观依从性（自我报告测量）。作者发现，只有客观依从性才能显著预测脱落。其他客观指标，如单词和信息的数量，也有可能预测治疗依从性和效果。Wallert等人（2018）发现，在基于文本的互联网干预心肌梗死后抑郁和焦虑症状中，家庭作业中的书面字数预测了治疗依从性。Van derZanden等人（2014年）发现，在基于互联网的抑郁症干预中，书写单词的数量预测了治疗依从性，并且较少的差异单词（例如，“应该”）预测治疗后掌握水平更高。这些研究表明，在基于互联网的干预中写更多单词的患者增加了治疗依从性的可能性。总之，客观的治疗措施可以可靠地预测治疗依从性，并可能具有transdiagnosis属性。然而，目前对患者使用的单词数量与BED iCBT治疗结果之间的关联知之甚少。本研究的目的是调查该协会是-在基于文本的床上iCBT计划中，每个消息的字数和依从性之间进行调整。我们假设每条消息的字数（单词/消息）与治疗完成呈正相关。2. 材料和方法2.1. 设计与伦理患者参加了一个名为“暴饮暴食症的互联网治疗”（iBED）的12次基于文 本 的 iCBT 治 疗 计 划 该 计 划 是 托 管 在 一 个 数 字 治 疗 平 台（Minddistrict）。综合基础教育包括书面心理教育，以及有关设定目标、稳定饮食模式、识别暴饮暴食诱因、解决问题技巧、新应对策略和预防复发的治疗练习。患者完成练习，并在进行下一次练习之前接受治疗师对每次练习的书面支持。此外，该程序还具有聊天功能，患者可以与他们的治疗师进行交流。聊天功能没有字数限制，鼓励患者使用此选项在患者和治疗师之间建立联盟。聊天功能是异步的，患者被告知治疗师将在七天内回复他们的消息病人可以在任何适合他们的时间表的时候参加会议。许多患者强调这是寻求的主要动机在线治疗，因为它使他们能够适应他们的工作或家庭时间表的治疗计划。鼓励患者除了完成强制性会话外，还使用自愿聊天功能。患者经常使用自愿聊天功能来跟进强制性会议的反馈或提出问题。有时患者使用自愿聊天功能分享成功或困难的经验。患者在进入治疗前（预测试）、第一阶段（称为“阶段0”）和最后一阶段（“阶段11”，后测试）完成问卷。我们只有来自未完成者的预测试数据，因为他们没有完成所有12个会话。 所有受试者均提供了研究的数字书面知情同意书。所有程序均按照机构和国家研究委员会的伦理标准以及1964年《赫尔辛基宣言》及其后来的修正案或类似的伦理标准进行。丹麦南部地区的IRB委员会批准了本研究（20212000-57）。2.2. 参与者共有143名参与者（92名完成者和51名未完成者）被纳入该计划。完成者完成了所有12个课程，而未完成者被定义为完成任何课程，其中从0到11个课程。参与者是通过在丹麦南部地区精神卫生服务中心远程精神病学中心主办的网站上公开注册招募的。参与者通过填写有关进食障碍症状的问卷来申请治疗，如果他们符合DSM-5轻度至中度BED的诊断标准，并且没有或有轻度的共同发生的精神健康障碍，则被纳入。该在线项目是一个更大的项目组的一部分，其他精神科单位使用面对面疗法治疗重度至极端卧床不起和中度至重度合并症的患者。使用暴食症问卷（BED-Q）评估BED严重程度的临界值。筛查和治疗不包括面对面、视频、电话或聊天联系，而仅基于参与者的书面回答。2.3. 材料暴饮暴食症问卷（BED-Q）（Jensen等人，2020年; Lichelman等人，2021）是一个9项问卷。项目1-7构成总分（0-35）。这些项目符合DSM诊断标准：（1）在短时间内（2小时）吃大量食物;（2）对自己的饮食失去控制;（3）吃得比正常情况下快;（4）吃到不舒服的饱;（5）吃而不饿;（6）独自吃饭;和(7)暴饮暴食后的负面情绪项目1<–3/week; 3 总分解释为：0 =无症状; 1-9 = BED的亚临床症状; 10-14 =轻度BED; 15-21 =中度BED; 22-28 =重度BED; 29-35 =重度BED。非常严重的床。 本样本包括患者有轻度至中度的卧床症状，对应于10至21分之间的评分。第8项控制代偿行为，如自我诱发呕吐，而第9项评估暴饮暴食是否令人痛苦。重度抑郁量表（MDI）（Bech et al.， 2001; Cuijpers等人，2007）被用于筛查抑郁症状。MDI有10个项目，按6分制Likert量表从0到5进行评分。总分范围从0到50，分数越高反映抑郁症状越多。推荐的临界点为轻度抑郁症21，中度抑郁症26，重度抑郁症31。我们计算了一个二分抑郁变量，以估计“抑郁风险”的患病率抑郁症”：无症状/很少 症状（总计 评分 <（26）和症状/严重症状（总分 26）。单词被定义为患者在与他们的治疗师聊天功能中写下的单词总数。这不包括强制性的J. Linnet等人互联网干预28（2022）1005383+========-=-=-练习或治疗师的反应。消息数量定义为患者发送给其治疗师的消息总数。数量表1完成者和未完成者的人口统计学和健康特征。信息不包括强制性练习或从心理医生 从治疗师发送的消息被排除在外，由于欺诈-完成者（n=89）未完成者（n=51）2002/t信号水平创始人，如提醒（治疗师提醒患者完成会话）和引用（治疗师插入引用患者以前的回答来解决一个问题）。为了解释可能的混淆，因为他们在程序中停留的时间更长，所以完成者写得更简单，我们计算每条消息的字数为：单词/（消息1）。我们在分母中添加了一个常数1，以避免未提交任何消息的患者可能被零整除。婚姻状况a已婚平均值/N标准差/%平均/N标准差/%2.4. 统计使用社会科学统计软件包（SPSS）第28版分析数据。我们使用独立样本t检验来检验完成者和未完成者在年龄和BED-Q、BMI和MDI摄入评分方面的组间差异。我们使用卡方检验性别、教育水平、收入来源、子女和婚姻状况的组间差异。定性确定了完成者中的三个离群值，这些离群值撰写了超过400字/信息。删除离群值。我们使用二元逻辑回归分析来研究BED患者的治疗完成与每条消息的字数（字/消息）之间的关系。我们使用组（完成者与未完成者）作为因变量，单词/消息作为协变量，同时控制性别、年龄、教育水平、婚姻状况、子女、收入来源和BED、BMI和MDI的摄入量作为可能的混杂变量。我们使用受试者工作特征（ROC）曲线分析，单身，离婚33 37，1% 18 36，0%有子女a67 64.0% 29 58.0%教育a0，05教育程度低32 36.0% 26 52.0%高等教育57 64.0% 2448.0%工作/薪金58 65，2% 31 60，8%其他31 34.8% 20 39.2%一(BMI)一严重抑郁症21，73 8，01 24，90 9，090，05库存（计量吸入器）a总字数1721，45 1419，57 628，47 777，910，001总留言数12，08 7，70 5，47 5，300，001字数/留言128，43 77，52 72，01 59，910，001一 1例未完成者缺失。表2完成状态和每条消息的单词之间的关联。确定分类精度，而Kolmogorov-Smirnov变量B df信号EX p（B）分析用于估计区分完成者和非完成者的最佳截止值，并使用截止值计算敏感性和特异性。最后，我们使用Spearman相关性来测量治疗后单词/信息与BED症状变化之间的相关性。本分析仅包括完成者，因为我们没有非完成者的治疗后指标。3. 结果完成者和未完成者在摄入时没有显著差异性别分布、年龄、婚姻状况、是否有子女、暴食症（BED-Q）症状严重程度或BMI，见表1。然而，他们在教育水平上存在显著差异（X23.97，p<0.05）和抑郁评分（t2.09，p 0.05）。<完成者和未完成者在总字数（t 4. 32，p 0<. 001）、信息量（t6.20，p. 001）和单词/信息（t5. 09，p. 001）。<<完成者完成了所有12个疗程，而未完成者平均完成了2.73个疗程（SD = 1.73，范围=2-9）。 患者平均花费136.38天（SD74.99），克，或约Xiapro 20周。二元逻辑回归分析显示，当对照组-性别、年龄、教育程度、婚姻状况、子女、收入来源以及BED、BMI和MDI的摄入量（Wald 14.48，p<.001）。比值比显示，每增加一个单词，每写一条信息，他们完成的几率增加了1.5%（OR 1.015），见表2。从表2中还可以看出，BMI较大的患者完成治疗的可能性较小（Wald4.10，p<0.05）调整字数/信息和潜在混杂因素。每增加一个BMI点，完成的几率就会降低4.3%。ROC分析显示，单词/信息的分类准确性为72.4%CIKolmogorov-Smirnov度量表明，文字/留言0，015 1 0，001 1，015体重指数，摄入量：0，043 1 0，043 0，957BED-Q，摄入量-0，051 1 0，466 0，950计量吸入器，摄入量年龄0，023 1，024性别0，093 1 0，878 1，097教育收入类别0，356 1 0，432 1，428婚姻状况0，138 1 0，784 1，148儿童固定0，803 1 0，609 2，231用于区分完成者和未完成者的最佳截止值为68.99字/消息，其准确识别完成者的80.9%（灵敏度）和未完成者的54.9%（特异度）。最后，Spearmans相关性表明，单词/信息与完成者BED-Q或MDI评分的变化之间没有显著相关性。在BED-Q和MDI上的单个项目上，仅BED-Q子量表项目3发生变化（进食更快：r 0.30，p .005）和第6项 （单独进食：r0.27，p 0.01）与完成者中的单词/信息显著相关。4. 讨论在这项研究中，我们发现：（1）完成者比非完成者写了更多的单词/信息;（2）这些差异没有被其他变量混淆。这与先前的发现一致，即写给临床医生的字数增加与治疗依从性相关（Van der Zanden等人，2014;Wallert等人，2018年）。我们的研究结果支持了越来越多的文献，表明iCBT非常适合使用客观的治疗相互作用措施来预测治疗依从性。单词/消息的分类准确率为72.4%，这表明性别a1011.2%714.0%女性7988.8%4386.0%年龄，平均值（SD）40,7112,3437,8010,96关系，5662.9%3264.0%暴食症16,803,2117,262,82Q（床-Q）体重指数36,579,2339,2110,93J. Linnet等人互联网干预28（2022）1005384它准确地识别了几乎四分之三的完成者和未完成者。对其他诊断组的研究也发现，单词的数量与治疗依从性有关（Van der Zanden例如，2014; Wallert等人，2018年）。因此，患者写下的单词、信息和单词/信息的数量可能是治疗依从性的良好预测因素。此外，它们可能特别适合于治疗依从性的跨诊断预测，因为与主观测量或诊断特定内容（例如，患者写了什么，或者他们是否在焦虑治疗期间提到了像“焦虑“这样的特定主题）。未来的研究应该调查其他患者人群中在线CBT中单词或单词数量的作用。虽然我们研究中的单词/信息具有很高的敏感率，识别5个完成者中的4个（80.9%），特异性仅为54.9%。这意味着45.1%的未完成者是假阳性，他们写的超过Kolmogorov-Smirnov指标的最佳截止值。68.99字/留言。人们可能会因为许多不同的原因而退出治疗，而不是因为项目中缺乏写作，比如突然失业、离婚、家庭成员生病、必须通过最终检查、怀孕、搬家等等。轶事观察表明，这些障碍通常会阻止项目完成，即使患者在项目中很活跃。虽然文字/信息可能是一个很好的敏感性措施的坚持，其他措施，如生活压力可能是更好的特异性措施，以确定人们的风险辍学。另一个重要的观点是，虽然文字/信息是治疗依从性的良好预测因子，但它不是治疗效果的良好预测因子。换句话说，虽然我们的数据表明，写得更多与完成程序有关，但写得更多与更好的治疗效果无关。我们先前的研究（Jensen等人，2020）显示，iBED计划在完成者中通常具有良好的治疗效果，测量结果为BED症状（BED-Q ）和抑郁症状（MDI）的改善。因此，虽然文字/信息可能反映了治疗的参与，但它可能不反映症状水平的变化。例如，患者可能会出现症状恶化，促使他们写信给治疗师寻求帮助。相反，另一名患者可能会经历症状改善，并希望与治疗师分享他们的成功。这两种情况都可能与更高数量的单词/消息相关，从而增加了完成治疗的可能性，但原因非常不同。有几个因素可以解释为什么完成者写了更多的字。留言该一种可能性是，完成者写了更长的信息，因为他们与治疗师建立了联盟;另一种可能性是，他们更多地参与了这个项目。虽然这些假设是合理的，但我们不能在本研究中对这些问题做出坚定的结论，因为我们没有测量患者与治疗师的联盟或患者参与计划。这项研究有几个局限性。首先，我们只调查了患者写的单词数量。我们没有调查，例如，单词的长度或信息的内容然而，进一步的研究可能会揭示与以下因素相关的结果差异，例如，使用较长或不频繁的单词或句子结构（例如，被动语言（例如，Van der Zanden等人的研究。（2014）发现，较少的差异词（例如，“应该”）预测治疗后掌握的水平更高。虽然这些研究对于理解基于文本的iCBT的过程变量很重要，但它们可能很难以transdiagnosis的方式重现，除非研究人员对测量有共同的理解，例如，差异和掌握。需要进一步分析信息的内容，以确定内容在遵守方面的作用。其次，Kolmogorov-Smirnov度量的最佳截止值为68.99需要在BED人群内以及在诊断、治疗方案和语言之间复制文字/信息。虽然我们的数据支持越来越多的文献表明，关于治疗依从性，我们目前对治疗师和患者应该进行多少和多长时间的互动以增加完成治疗的可能性知之甚少。第三，在这项研究中，我们只观察了患者和治疗师之间的自愿对话。虽然患者有义务完成治疗过程，但他们可以自由决定是否与治疗师进行对话。因此，我们不知道患者对强制性会议的反应将如何影响我们目前的结果，如果包括在内。事实上，这项研究的基本原理源于临床观察，即与治疗师进行自愿对话的患者往往以更高的速度完成该计划。我们的数据支持这一观察结果，因此，研究结果可能对治疗师有现实意义。例如，治疗师可能能够更好地确定治疗完成的可能性，并通过鼓励患者写更多来帮助提高依从率，例如，通过提示问题或阐述。5. 结论我们的研究结果表明，与他们的治疗师每条信息写更多单词的BED患者更有可能完成基于文本的iCBT。每条消息的单词可能对治疗师有几个重要的影响，例如确定患者治疗完成的可能性，并通过鼓励患者来帮助提高依从率 写更多。每条消息的单词也可以证明是基于文本的iCBT中治疗依从性数据可用性声明支持本研究结果的数据可向通讯作者索取。由于隐私和/或道德限制，这些数据不公开。竞争利益作者声明，他们没有已知的可能影响本文所报告工作确认作者希望感谢Pia Veldt Larsen对本研究统计数据的全面和宝贵帮助。引用美国精神病学协会[DSM 5]，2013年。精神疾病诊断与统计手册：DSM 5，第5版。华盛顿特区鲍尔，S.，Moessner，M.，2013.利用技术的力量来治疗和预防饮食失调。吃吧。混乱46（5），508-515。https://doi.org//eat.22109.Bech，P.，Rasmussen，N.一、奥尔森湖Noerholm，V.， Abildgaard，W.， 2001. 重性抑郁量表的敏感性和特异性，以现状检查作为诊断 效度 的指标。 J. 感情。混乱66，159-164.本特纳岛，Hutter，K.，Gramatke，K.，Jacobi，C.，2020.饮食失调的日间治疗和门诊治疗相结合：来自自然环境的发现。吃吧体重失调。25（2），519-530。https://doi.org/10.1007/s40519-019-00643-6网站。布雷默，五，Becker，D.，Kolovos，S.，Funk，B.，van Breda，W.，Hoogendoorn，M.，Riper，H.，2018.使用基线特征预测个性化治疗建议的治疗成功和成本：数据驱动分析J. Med.Internet Res. 20（8），e10275https://doi.org/10.2196/10275。Cuijpers，P.，Dekker，J.，Noteboom，A.，Smits，N.，Peen，J.，2007.门诊患者重性抑郁量表的敏感性和特异性BMC Psychiatry 7，39.https://doi.org/10.1186/1471-244X-7-39.Fairburn，C.G.，墨菲河，2015年。使用互联网治疗饮食失调Curr.Opin. Psychiatry 28（6），461-467. https://doi.org/10.1097/yco.0000000000195.Fassino，S.， 皮尔奥，A.，Tomba，E.，Abbate-Daga，G.，2009年进食障碍治疗退出的相关因素：一项综合性文献综述。BMC Psychiatry 9，67.https://doi.org/10.1186/1471-244X-9-67.Forsell，E.，Jernelov，S.，Blom，K.，Kraepelien，M.，斯万堡角，澳-地安德森，G.，卡尔多，五，2019. 自适应治疗策略的概念验证，以防止失败，J. Linnet等人互联网干预28（2022）1005385互联网提供的CBT：失眠患者的单盲随机临床试验。Am. J.Psychiatr. 176（4），315-323。https://doi.org/10.1176/appi的网站。 2018.18060699.Forsell，E.，Isacsson，N.，Blom，K.，Jernelov，S.，Ben Abdesslem，F.，Lindefors，N.，卡尔多，五，2020.仅使用每周症状测量预测抑郁症和焦虑症的常规护理互联网提供的认知行为疗法J.咨询。Clin. Psychol. 88（4），311-321. https://doi.org/10.1037/ccp0000462.Jensen，E.S.，Linnet，J.，Holmberg，T. T.，Tarp，K.，尼尔森，J. H.，Lichelman，M.B.，2020年。基于互联网的指导性自助治疗暴食症的有效性以及完成者与非完成者的特征。国际J.饮食失调。53（12），2026-2031。https://doi.org/10.1002/eat.23384网站。Lichelman，M.B.，哈斯特鲁普湖Johansen，K.K.，Bindzus，J.B.，Larsen，P.V.，斯托万河K.，Linnet，J.，2021年丹麦进食障碍患者和运动员进食障碍检查问卷的验证 J. Clin. Med. 10（17）https://doi.org/10.3390/jcm10173976。Lutz ，W.，Arndt ，A.， Rubel， J. ，伯杰，T.，Schroder，J. ， 斯帕斯角，Moritz，S.，2017年。在 基 于 网 络 的 抑 郁 症 干 预 中 定 义 和 预 测 早 期 反 应 模 式 。 19 （ 6 ） ，e206https://doi.org/10.2196/jmir.7367。Manwaring，J.L.，Bryson，S.W.，Goldschleman，A.B.，Winzelberg，A.J.，Luce，K.H.，Cunning，D.，泰勒，C.B.，2008.依从性变量能预测饮食失调预防在线项目 J. 会诊。Clin. 心理学。 76（2），341-346。https://doi.org/10.1037/0022-006X.76.2.341网站。Melioli，T.，鲍尔，S.，弗兰科，D.L.，Moessner，M.，Ozer，F.，夏布洛尔，H.，罗杰斯，R. F.，2016. 使用互联网减少进食障碍症状和危险因素：一项Meta分析综述。吃吧。混乱49（1），19-31。https://doi.org/10.1002/eat.22477.Puls，H.C.，施密特河，Herpertz，S.，Zipfel，S.，Tuschen-Caffier，B.，Friederich，H.C.，希尔伯特，A.，2020年。坚持作为一个预测辍学的基于互联网的指导自助暴食症和超重或肥胖的成年人。国际J.饮食失调。53（4），555-563。https://doi.org/10.1002/eat.23220网站。Schibbye，P.，Ghaderi，A.，Ljotsson，B.，Hedman，E.，Lindefors，N.，Ruck，C.，卡尔多，五，2014.使用早期变化预测认知行为治疗的结果：探索时间框架，计算方法，以及疾病特异性与一般措施的差异。PLoS ONE 9（6），e100614。https://doi.org/10.1371/journal的网站。pone. 0100614.Vall，E.，韦德，T. D.，2015.进食障碍患者治疗结果的预测因素：一项系统综述和荟萃分析国际J.饮食失调。48（7），946-971。https://doi.org/10.1002/eat.22411。Van der Zanden，R.，Curie，K.，Van Londen，M.，Kramer，J.，Steen，G.，Cuijpers，P.，2014. 基于网络的抑郁症治疗：客户的词汇使用与依从性和结果的关联。J.Affect.混乱160，10-13。https://doi.org/10.1016/j的网站。jad.2014.01.005。Wallert，J.，Gustafson，E.，赫尔德，C.，麦迪逊，G.，Norlund，F.，von Essen，L.，Olsson，E.M. G.，2018.预测心肌梗死后抑郁和焦虑症状对互联网提供的心理治疗的依从性：来自U-CARE心脏随机对照试验的机器学习见解 J. Med. 因特网资源20（10），e10754https://doi.org/10.2196/10754.Wyssen，A.，Meyer，A.H.，Messerli-Bürgy，N.，Forrer，F.，Vanhulst，P.，Lalanne，D.，Munsch，S.，2021.在线床位：基于互联网的暴食症治疗的接受度和有效性：一项包括等待名单条件的随机临床试验。EUR. 吃吧混乱Rev.https://doi.org/10.1002/erv.2856n/a（n/a）.