支持性问责量表：数字化干预中的支持性问责措施评估

互联网干预25（2021）100399支持性问责量表：辅导数字干预中支持性问责措施的放大图片作者：Jonah Meyerhoff *，Shefali Haldar，David C. 莫尔行为干预技术中心（CBIT），西北大学范伯格医学院预防医学系，750 North Lake Shore Drive，10th Floor，Chicago，IL 60611，United States of AmericaA R T I C L EI N FO保留字：数字化心理健康行为干预技术mHealthA B S T R A C T背景：最广泛使用的教练模式之一是支持性问责制（SA），旨在为干预用户提供对干预使用的明确期望，定期监测，以及教练值得信赖，仁慈，并具有领域专业知识的感觉。然而，很少有措施存在，以研究SA模型的教练数字干预的作用。我们开发了支持性问责量表（SAI），并评估了这个简短的自我报告措施的基本因素结构和心理测量学特性。方法：使用来自一项针对重度抑郁症的远程干预（电话CBT [tCBT]或基于网络的CBT [iCBT]和tCBT的阶梯式护理模式）的双臂随机试验的数据，我们对SAI项目池进行了EX探索性因素分析，并探索了最终SAI与iCBT参与的关系，以及抑郁症的我们分析的参与者（n=52）包括随机接受iCBT，但由于对iCBT的应答不足而未升级至tCBT，在10周评估点之前未缓解，并完成了8个潜在SAI项目的汇总结果：最佳拟合的EFA模型仅包含6个项目，包含两个因素：监测和期望。最终模型拟合混合，但可接受（χ2（4）=5.24，p=0.26; RMSR= 0.03; RMSEA= 0.091; TLI= 0.967）。内部一致性在α=0.68时可接受。最高审计机关证明，聚合效度和发散效度。10周/治疗中期的SAI与iCBT使用天数显著相关（r=0.29，p= 0.037），但与预期相反，治疗后的PHQ-9评分（F（2，46）=0.14，p=0.89）或QIDS-C评分（F（2，46）=0.84，p= 0.44）均不能预测。结论：SAI是SA框架结构的简要测量。继续开发以改进SAI并扩展其评估的结构是必要的，但SAI代表了衡量教练协议的第一步1. 介绍数字心理健康干预（DMHI）解决了行为健康目标，以支持身体、行为和心理健康（Hollis等人，2017年）。DMHI已作为基于网络的工具、电话会议、社交媒体和移动健康应用程序实施（Aguilera，2015），并有可能帮助个人克服访问和参与心理健康治疗的障碍（Borghouts等人，2021; Schueller和Torous，2020; Sorkin等人，2021年）。尽管DMHI已经明显改善了抑郁症的结果（Firth等人，2017年），一致使用和衡量对DMHI的遵守仍然是一个挑战在现实世界的环境中（Donkin等人，2011; Sieverink等人，2017年）。虽然教练的首要目的是改善结果，但教练的主要中间目标之一是提高依从性，接合（Graham等人，2019年）-一个类似的遵守指标，更多地依赖于DMHI使用的客观标记，而不是预期用途。教练通过规避（1）用户能力问题（例如，与用户需求和偏好不匹配或功能性差），（2）用户动机，和（3）技能实现，使得用户能够将DMHI结合到他们的日常生活中，尽管存在设计差距（Schueller等人， 2017年）。为了克服这些挑战，引入了教练DMHI* 通讯作者：行为干预技术中心，西北大学范伯格医学院，750 North Lake Shore Drive，10th Floor，Chicago，IL 60611，United States of America。电子邮件地址：jonah. northwestern.edu（J.Meyerhoff）。https://doi.org/10.1016/j.invent.2021.100399接收日期：2020年11月8日;接收日期：2021年4月28日;接受日期：2021年4月29日2021年5月4日网上发售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/inventJ. Meyerhoff等人互联网干预25（2021）1003992将人力支持与技术干预相结合（Schueller等人，2017年）。人类教练通常负责提醒患者完成干预组件，并帮助他们进行技术或治疗故障排除。在心理健康背景下，教练干预包括通过电话或电子邮件进行的每周或每月定期检查（Agboola等人， 2015; Stiles-Shields等人，2019年）。对于基于网络或移动应用程序的干预，教练还可以访问有关患者使用技术干预的数据，以定制这些电话登记。许多研究已经成功地证明了经指导的DMHI增加参与、降低临床试验退出率的能力（Torous等人，2020），并改善抑郁和焦虑的结果（Andersson和Cuijpers，2009; Linardon等人，2019; Mohr等人，2019年b）。然而，经指导的DMHI的性质和实现可以变化很大（Hermes等人，2019），强调测量和评估教练DMHI的重要性。支持性责任（SA）是一种广泛使用的数字健康辅导模型（Chhabriaet al.，2020; Dennison等人，2014; Pilutti等人，2014年），为提高一致性、覆盖面和有效性提供了理论基础。教练DMHI。它的成功取决于患者对作为教练的人的特征的感知-例如可信赖性，仁慈和专业知识（Mohr等人， 2011年）。以前的工作已经研究了类似的心理过程，这些心理过程被证明是影响心理治疗结果的重要因素，例如治疗的可信度以及人们对治疗效果的期望（Borkovec和Nau，1972; Newman和Fisher，2010; Smeets等人，2008），患者参与治疗的动机的强度（Pelletier等人，1997; Vogel等人，2006），以及治疗师和患者的一致性（Bordin，1979; Flückiger等人，2018; Horvath和Greenberg，1989）。也许这些心理治疗过程中研究得最好的是治疗联盟，它最初是作为治疗师和患者之间发展的关系动态模型而发展起来的（Bordin，1979）。它依赖于患者和治疗师在治疗目标、治疗任务的完成（例如，”（《论语》）“信之以信，信之以信。虽然治疗联盟和SA的相似之处在于它们都是人际关系的模型，对于保持心理治疗的依从性和有效性很重要，并且它们都涉及患者对提供者与其需求的匹配程度的感知，但SA在许多重要方面有所不同。首先，SA模型是专门为指导数字教练而设计的，数字教练的作用是支持参与和坚持数字干预，而不是提供干预的有效成分。其次，SA模型建立在数字教练被视为合法的原则上，与用户形成联系，并促进 问责制， 而 治疗 联盟 可以实现其中一些目标，它主要集中在Patient and Therapist（Bordin，1979）.相比之下，SA依赖于教练是合法的（具有专业知识，值得信赖，仁慈，并保持互惠关系），与用户建立明确的联系，并建立问责制的结构（例如，设定明确的可测量的期望、目标，监控使用和性能，面向过程等）。虽然这两个结构具有相似性，但每个结构都是独特的，并且旨在影响患者或用户与提供者或教练的关系治疗联盟2000;例如，Hatcher和Gillaspy，2006年; Horvath和Greenberg，1989年;Pelletier等人，1997年）。为了充分研究SA模型对指导数字干预的作用，需要一种措施来评估SA结构，因为它们与指导DMHI相关我们通过介绍支持性问责量表（SAI）来解决这一文献中的空白，SAI是一种帮助评估指导性干预、增加其使用并提高其一致性实施的方法。在本文中，我们评估了基本的因素结构和心理测量特性的一个简短的自我报告措施的感知支持和问责制提供通过数字干预辅导。我们还评估了感知支持和问责与干预参与之间的关系。我们的研究结果可以帮助研究人员提高指导DMHI的疗效，并最终改善心理健康结果。2. 材料和方法2.1. 制定支持性问责清单项目支持性问责量表项目最初是基于广泛的文献综述和临床经验开发的。所有项目都是由四位心理学家生成的，他们在数字心理健康干预开发和研究方面具有专业知识。基于SA教练模型的项目（Mohr等人， 2011年）通过协商一致的讨论产生和完善。项目在一项针对抑郁症的基于网络的认知行为疗法的现场试验中进行了试点（Schueller和Mohr，2015）。田间试验的参与者回答了基于网络的问卷，其中包括8个候选SAI项目（表1）。参与者被要求在脑海中用他们的记忆填补每一项的空白。教练的名字根据1-7 Likert量表对项目进行评级强烈反对（1）强烈同意（7）。总分采用项目相加法计算，总分越高，支持责任感越强.2.2. 参与者和程序本研究是对来自远程干预重度抑郁症（MDD）的双臂随机试验数据的二次分析;方法和程序细节见Mohr et al.，2019年a）。简而言之，参与者是在2015年冬季至2017年春季期间从面向公众的广告和机构医疗网络中招募的。参与者必须年满18岁，目前有严重的抑郁发作， 基于 上迷你 国际神经精神访谈(MINI; Sheehan等人，1998），在抑郁症状快速调查表-临床医师评定中得分至少为12（QIDS-C; Rush等人，2006年），并有机会获得一个网络功能的设备，能够读，说，并理解英语。如果参与者正在经历参与的精神或医疗状况，则将其排除在外是禁忌的（例如，自杀意念），并且最近（在过去2周内）开始了心理治疗或药物治疗，表1SAI物品池。在DMHI中很少进行研究，但在数字干预背景下测量治疗联盟的少数研究发现，它可以通过DMHI有效建立（Flückiger例如，2018; Pihlaja等人，2018; Sucala等人，2012; Wehmann等人，2020年）。从这些文献中可以看出，最近的工作提出了数字治疗用户之间的数字治疗联盟项目编号12项目内容我会注意到我是否超越了去寻找创造性的方式来使用[平台名称]。并没有真正跟踪我在使用[平台名称]时所取得的进展。治疗和技术本身（Henson等，2019年）。重要的是，3如果我使用[平台名称]的频率低于预期，我会觉得我们只能理解治疗联盟和其他4个需要证明我为什么要这么做心理治疗过程，如治疗的可信度和期望，和客户的治疗动机，因为它们与心理治疗和DMHI有关，因为已经制定了完善的工作联盟措施，并在今天的环境中使用（Devilly和Borkovec，当我使用[平台名称]时，我知道并注意到5知道我如何完成[平台名称]工具。6希望我在使用[平台名称]时保持一致。7希望我能跟进我们每周电话会议上设定的目标。8如果我更好地使用[平台名称]工具，我会注意到。J. Meyerhoff等人互联网干预25（2021）1003993≥=抑郁症状（完整的纳入和排除标准详细描述于Mohr等人，2019年a）。所有研究程序均由西北大学机构审查委员会批准，并且所有参与者在开始任何研究程序之前提供了参与的知情同意书。参与者被随机分配接受（1）电话认知行为治疗（tCBT）或（2）抑郁症直到达到完全缓解[患者健康问卷-9（PHQ- 9; Kroenke等，2001）<5持续两周]或直到参与者接受20周的治疗。在阶梯式护理中，个体接受基于网络的CBT（iCBT）并进行辅导（Tomasino等人，2017），如果抑郁症状预测iCBT应答不足，则“逐步“接受tCBT [第4-8周PHQ-9 ≥ 17，第9-13周PHQ-9 ≥ 13，或第9 - 14周PHQ-9 ≥ 13]。第13周后9）。有关其他手术细节，参见Mohr等人。（2019年a）。教练是由一个手动协议定义的（Tomasino等人，2017年），并包括一个初始的参与电话，通常持续约30-40分钟。这些电话之后是简短的10-15分钟的接触，支持使用iCBT平台，以及每周几次（2-3）数字消息接触。经过三周的通过电话辅导联系人，参与者能够根据需要选择仅短信辅导和电话辅导。教练接受培训和每周监督，其中包括审查录音电话和信息日志。在治疗阶段，受试者在基线、治疗中期（第10周）和治疗结束（EOT）或第20周（以先发生者为准）时完成评估。在第10周之前达到完全缓解或逐步达到tCBT的受试者未完成治疗中期/第10周评估。在本研究中，我们的分析集中在参与者谁是管理池的8个潜在的SAI项目（n52）。在10周（治疗中期）时间点给予8项潜在SAI，因此仅对随机分配至分级护理治疗组、接受iCBT但未升级至tCBT且在10周评估点前未缓解的个体给予。这使我们能够检查样本中SAI的因素结构，这些样本在iCBT平台上接受定期辅导，并报告了他们在10周时间点的辅导经验。2.3. 措施人口统计学考虑到这些次要分析的目的。仅在基线时进行人口统计学问卷调查。患者健康问卷-9（PHQ-9; Kroenke等人，（2001）A9-评估DSM-5项目测量（American Psychiatric Association andAmericanPsychiatric Association（Eds.），2013）抑郁症的标准，包括9种可能的症状，包括情绪，快感缺乏，食欲变化和自杀意念。补充的第10项评估个人因抑郁症状而经历的损害程度。这项措施评估了过去两周内症状的严重程度。在每个评估时间点（基线、治疗中期/10周、EOT/20周）给予PHQ-9。抑郁症状快速量表（QIDS-C; Rush等人，2006）是临床医师评定的抑郁症量表。在基线、治疗中期/10周、EOT/ 20周时进行QIDS-C给药。工作联盟清单简表修订版（WAI-SR;Hatcher和Gillaspy，2006年）是一个简短的12项自我报告的对齐和工作联盟的措施。在治疗中期/10周和EOT/20周时进行WAI-SR给药。客户治疗动机量表（CMTS; Pelletier等人， 1997）是治疗内在动机的24项自我报告评估，并在治疗中期/10周时进行。可信度和期望问卷（CEQ;Devilly和Bor-kovec，2000）是一个6项问卷，评估患者的想法关于治疗的有效性以及他们对治疗效果的感觉。在每个时间点（基线、治疗中期/10周、EOT/20周）进行CEQ。如前所述，使用8个核心项目评估客户对数字干预教练的支持性问责的看法，对支持性问责量表（SAI）进行了探索。大多数项目要求参与者在脑海中填写教练的名字。 项目被评为一个李克特规模范围从1，不同意，’治疗中期/10周和EOT/20周时的受试者。2.4. 统计分析本研究的主要目的是探索SAI的潜在因素结构，并确定SAI与治疗中干预使用的相关程度。为了实现这两个目标，我们首先探索了探索性因素分析（EFA）中包含的因素数量，该分析使用治疗中期/10周时的所有SAI项目来细化SA项目池并揭示SAI的潜在因素结构。虽然大多数EFA需要将样本分为两部分，以便在验证性因素分析（CFA）中交叉验证EFA的发现，但由于样本量较小，我们无法进行此CFA步骤。这将在限制部分进一步讨论。在运行EFA之前，我们进行了几次诊断测试，以确定进行因子分析的适当性。我们运行了Bartlett的球度检验，该检验检验所讨论的相关矩阵X是否与恒等矩阵X显著不同。这表明，原 项目 相关性矩阵X是 显著 不同 从恒等矩阵X（p.0001）。< 然后我们进行了一次凯撒·迈耶·奥尔金(KMO)测试来告诉我们取样是否足够。KMO检验统计量为>0.6，表明取样一般，但可以继续进行分析，但应谨慎解释结果，因为可能存在大量 部分 相关性 的 可以 影响 一 因子分析（Cerny和Kaiser，1977）。最后，我们进行了一个平行分析（Horn，1965），发现因子的最佳数量为2。由于数据不是正态分布的，我们在EFA中使用了主轴因子提取方法。此外，由于预期潜在因素彼此相关，因此使用倾斜旋转法（pro-max）。我们检查了标准化的因子负荷，以去除显著的交叉负荷（0.3或更高）和/或低的单独负荷（0.3）。此外，我们还研究了SAI的收敛和发散值-与SA相关结构的测量的一致性。这些相关构念包括工作联盟（WAI-SR）、治疗可信度和经验（CEQ）、治疗动机（CMTS）。 我们预期，SAI将表现出收敛效度方面的工作联盟，但不同的有效性方面的治疗的可信度和治疗的动机。为了检查SAI评分与整个数字干预中的平台使用的相关性，我们检查了指导数字干预的治疗中期/第10周的SAI评分与患者使用干预的天数之间的相关性（Pear-son）。我们还进行了一系列线性回归（使用PHQ- 9和QIDS-C），以确定治疗中期/第10周的SAI评分是否可预测EOT/第20周的抑郁评分，并根据基线抑郁进行调整。所有数据分析均使用R版本3.6.1（R Core Team，2019）和以下软件包形成：tidyverse（Wickham和RStudio，2019），daplogr（Wickham和Francois，2015），reshape 2（Wickham，2007），corrplot（Wei等人 ，2017 ），Hmisc（ Harrell Jr. ，2020）、 心理学 （Revelle ，2020）、GPArotation_2014（Bernaards和Jennrich，2014）、gridE Xtra（Auguie和Antonov，2017）和ggplot2（Wickham，2009）。J. Meyerhoff等人互联网干预25（2021）1003994=--=-==-=-=-==-==-==-3. 结果3.1. 参与者特性52名受试者被纳入这些分析，因为他们在治疗中期/10周时完成了SAI的所有项目，并且没有升级到tCBT。参与者的平均年龄为37.94岁（SD 13.43）。大多数参与者为女性（75%; 39/52），其余参与者为男性（25%; 13/52）。样本构成为82.6%（43/52）白人、3.8%（2/52）黑人、3.8%（2/52）亚洲人和9.6%（5/52）被确定为一个以上种族。少数样本被确定为西班牙裔或拉丁裔3.8%（2/52）。3.2. 缺失数据该样本中缺失数据极少; 1例个体在治疗中期未完成所有SAI项目，因此从分析中排除。三名在治疗中期/10周时有SAI评分的参与者在治疗后没有报告PHQ-9评分，两名在治疗后没有报告QIDS-C评分。鉴于该样本中数据缺失率较低，缺失与 SAI评分、基线抑郁评分或参与者人口统计学资料。3.3. 探索性因素分析SAI评分（n52）呈轻微非正态分布（偏度0.52;峰度0.15）。随后，我们使用了主因子提取方法与promax旋转。因子分析显示，最佳拟合模型只包括6个项目，从原来的池8。这6个 项目加载到两个 因素（图。1）：监测和E X pec-站。最终模型拟合混合，但可接受（χ2（4）=5.24，p=0.26; RMSR=0.03; RMSEA= 0.091; TLI= 0.967）。总体测量的内部一致性在α=0.68时可接受，监测（α0.66）和期望分量表（α0.70）也是如此。监测子系统 量表包括评估用户是否感觉到教练关注用户的个人使用，或者通过数字干预取得进展。期望子量表由评估用户感觉数字教练围绕个体用户与干预平台的参与以及围绕用户为实现治疗相关目标而采取的具体行动保持特定期望的项目组成。Fig. 1. EFA模型结果。SAI项目编号对应于表1中列出的项目编号。3.4. 聚合效度和发散效度SAI呈中度相关（n50，r0.35，p0.011）与WAI-SR和CEQ（n52，r0.34，p 0.012），但与CMTS量表无显著相关性（n52，r0.22，p 0.11），表明不同的效度。3.5. 支持性问责制和平台使用治疗中期/第10周的SAI总分与数字心理健康干预的天数显著相关（r0.29，p 0.037）。只有EX pectation子量表也与干预期间使用平台的天数相关（r=0.30，p= 0.033）。 监测子量表为与登录天数无关（r=0.13，p= 0.34）。结果提示 SAI在登录天数的总差异中占中等比例3.6. 支持性问责与抑郁结局与预期相反，治疗中期的SAI评分不能预测PHQ-9评分（F（2，46）0.14，p .89）或QIDS-C 评分（F（2，46）） 0.84，p .44），分别调整基线评分。4. 讨论本研究考察了支持性问责（SAI）的基本因素结构，以及该指标与重要相关结构（如参与和症状减轻）的关系。我们发现，SAI最适合使用来自原始8个池的6个项目，被丢弃的项目在双因素EFA模型中加载得很差。SAI包括评估用户是否相信数字教练关注他们对数字干预的使用和通过数字干预的进展的监测因子，以及测量用户对数字教练保持用户参与数字干预的期望和对治疗相关目标的努力的想法的期望因子。SAI的模型拟合充分，内部一致性可接受。我们找到了 SAI在工作联盟、治疗可信度和期望等结构上获得了良好的收敛效度，但也有足够的分歧来增加有意义的价值。重要的是，我们发现SAI与心理治疗过程无关，假设与患者治疗动机等措施相关性很差。这些研究结果表明，SAI为开始衡量在辅导数字干预中提供的支持性问责制模型提供了一个很好的起点。我们发现，SAI总体上，由期望子量表驱动，与患者在整个试验期间的参与度（以登录天数的形式）相关。这一发现强调了教练为用户设定明确期望以参与干预平台的重要性。在心理治疗中，广泛存在两种期望类型。第一个是对治疗结果的期望，或者用户期望他们的症状将通过心理治疗减少多少（Constantino等人，2011年）。第二个是对治疗过程的期望，换句话说，教练期望患者在治疗过程中实际做什么（Lerner和Tetlock，1999; Mohr等人，2011年）。支持性问责模式主要依赖于早期建立过程期望，以确保教练在整个干预过程中对用户负责，而不仅仅是在早期不参与干预之后。如果问责只发生在用户不参与一段时间后，认知失调理论表明，一个人对他们不参与的防御地位将得到加强，这可能会干扰用户的行为。治疗变化过程（莫尔et例如，2011年）。最高审计机关J. Meyerhoff等人互联网干预25（2021）1003995期望分量表主要关注这些过程期望，并在干预参与中发挥重要作用令人惊讶的是，在我们的登录的天数。虽然这可能是我们的小样本量的结果，但它也可能表明，在这个特定的背景数字 抑郁 干预，参与者相对于过程期望，教练对干预使用的监控是一种不太有效的行为驱动力。这可能源于抑郁症干预中表现监测的微妙性质虽然监测是支持性问责制模型的重要组成部分，但用户和患者可以将严厉的监测视为控制，并具有相反的效果：参与度降低（Mohr等人，2011年）。因此，虽然在我们的研究中，监控对敬业度的影响可能不如期望效应有效，但更可能的解释是，教练的明确监控行为太低，无法产生敬业度效应，这是由于过于保守的方法，以防止监控被认为是专横的。因此，虽然绩效监控是一个重要的结构，教练可能需要提供这个支持性的问责制组件更宽松。或者，SAI上的3个监测项目可能不够具体，无法捕捉单独监测对患者参与度的真实影响。另一个重要的发现是，我们无法检测到SAI和我们的主要症状结果，抑郁症严重程度之间的关联。这一发现证实了最近发表的支持性问责制措施（SAM; Chhabria等人，2020年），这是具体的减肥干预措施。SAM与改善对减肥干预措施的依从性相关，但不是与体重变化相关这建议支持性问责制措施的要素（即，SAM和SAI的期望子量表）与干预参与或使用的变化相关，但不一定与临床结果的改善相关。支持性问责制可能与干预使用而不是结果相关的一个原因是DMHI使用和临床结果之间的关系充其量是微弱的，许多研究发现根本没有显著的关系（Donkin等人，2013; Fuhr等人， 2018; Mohr等人，2010年）。当我们考虑剂量反应时，我们假设一种单向关系，即更多的使用会导致更好的结果。这种假设可能是错误的，至少有两个原因。首先，干预措施的使用和结果之间的关系可能是复杂和双向的。虽然接触DMHI可以降低症状的严重程度，但症状严重程度也可能影响相反方向的使用。也就是说，当感觉更糟时，人们可能会更多地使用干预措施，而当感觉更好时，人们会减少使用（Mohr等人，2010年）。这些复杂的双向关系可能在数天和数周内发生，在比较整个治疗期间的使用和结局的粗略分析中，可能会掩盖使用和症状变化之间的关系。使用数据和数据之间关系薄弱的另一个原因是，临床结果是，这些分析假设一个人使用干预措施的次数是参与治疗的一个衡量标准。然而，越来越清楚的是，参与度不仅仅是一个人使用DMH工具的程度，而且是一个人如何使用它的问题。数字干预参与度的新兴概念不仅包括使用量，而且还包括人们如何在认知上，情感上和行为上参与干预（Donkin和Glozier，2012; Kelders等人，2020年b）。那些以敷衍的方式使用应用程序的人比那些思考他们正在学习的东西的人更不可能受益，情感参与，并根据他们正在学习的东西采取行动越来越多的关于教练模式的研究集中在维持依从性上，如支持性问责制，这表明它们在提高依从性方面是有效的，但不一定能改善结果。教练干预通常报告了更好的结果，坚持率和保留比自我引导的数字心理健康干预（Baumeister等人，2014; Baumel等人， 2019; Torous等人，2020年）。最近的一份报告（Josephine等人，2017）指出，与用户的教练接触缺乏剂量反应，这表明更多的教练接触不会导致不断改善的结果。因此，虽然有证据表明辅导的存在提供了一些价值，但在任何给定的干预措施和狭窄人群的研究中，辅导和结果之间的关联目前充其量是很低的。我们认为这个问题与是否应该作为DMHI的一部分提供辅导无关，而更多的是关于了解辅导的最佳焦点。可以想象的是，坚持不是辅导的正确焦点，但是更有效的焦点可以是针对参与方面的辅导（例如，认知和情感，参与的方面; Kelders等人，2020a）和干预行动机制。虽然支持DMHI的使用是教练的一个重要目标，但扩大教练计划，包括与个人如何使用工具相关的目标，可能会改善结果。教练支持的效率模型（Schueller等人，2017）提出了DMHI中教练可以解决的五个潜在故障点，包括帮助患者管理工具的可用性问题，克服使用的动机或态度障碍，了解如何最有效地使用工具，找到匹配的工具患者的需求和偏好，并将新技能应用到患者的生活背景。因此，支持性问责可能是指导的必要组成部分，但可能不足以促进症状改善。不仅要衡量教练在做什么，而且要衡量用户从教练那里得到了什么，这一点至关重要，因此，可以扩展测量工具，如SAI，以测量更广泛的教练目标，这将使我们能够更好地了解有效提高参与度和临床结果的教练组成部分。4.1. 限制这项研究有一些局限性，在解释这些发现时应加以考虑首先，虽然 本 研 究 中 使 用 的 样 本 量 在 面 对 常 见 的失 真 时可能 是稳健的（deWinter等人， 2009年，虽然很小。未来的研究应该通过在更大的样本中进行全民教育和CFA来验证本研究的当前研究的另一个局限性是，EFA和随后的探索性分析是使用相同的样本进行的。最好使用单独的样本进行全民教育、综合因素分析以及随后对机制和结果的探索性分析未来的研究，包括更大的样本量可能会考虑进行这些数据分析步骤中的每一个这项研究的项目池相对较小，但与用户反馈开发增加项目库将是有用的，以确保该库具有旨在映射到支持性问责制模型中的每个总体结构的项目债券，问责制，合法性）以及构成每个模型组件的特定结构（即，问责制包括社会存在、期望、过程重点、目标设定和业绩监测）。扩大项目池和改进现有SAI项目以及更大的样本量也可能导致改进的模型拟合和内部一致性。第二，因为这些数据来自一个分步护理模式中提供的DMHI，所以在治疗前同样，在最高审计机关的管理下，最高审计机关的行政管理也没有完成最高审计机关的工作。因此，我们不能对快速汇款的个人的感知SA得出结论（即，在10周标记之前）或那些没有充分治疗反应并逐步接受tCBT的患者。此外，仅对本研究中包括的样本施用SAI可能已经消除了那些对DMHI依从性最低的样本，限制了SAI反应的变异性，并限制了PHQ-9和QIDS-C结果评分的范围。因此，考虑到Chhabria et al.（2020年）的研究结果和穷人J. Meyerhoff等人互联网干预25（2021）1003996===尽管我们对使用和结果之间的关系的认识是有限的，但我们仍然认为需要对教练进行扩展，例如效率模型（Schueller et al.，2017年，有效。最后，我们强调，SAI是感知期望和监测的一种衡量标准;增加管理项目的广度和扩大样本是SAI发展的必要后续步骤。在这项研究中，教练使用手动协议，并密切监督，限制教练行为的变化。SAI与使用或结果之间的关系可能在更自然的环境中更大，其中教练的操作化控制较少。5. 结论SAI是一个简短的和充分执行的措施，支持问责制模型的结构。基本的两个因素结构评估教练的绩效监控和期望设定的效果。SAI与抑郁症数字心理健康干预背景下的干预使用相关。SAI对结果的影响并不显著，因此，需要继续开发工作以改进SAI并扩展指导方案，以进一步了解DMHI参与与临床结果之间的关系。SAI代表了在指导数字干预中衡量支持性问责制模型的第一步。资金这项工作得到了美国国家精神卫生研究所（R 01 MH 095753 -03）的资助。莫尔 David C. Mohr可以完全访问研究中的所有数据，并对数据的完整性和数据分析的准确性负责。Jonah Meyerhoff和Shefali Haldar得到了国家精神卫生研究所（T32MH115882）的资助。本文内容仅由作者负责，不一定代表美国国立卫生研究院的官方观点。NIMH不参与研究设计、假设生成、数据收集、处理或分析或结果解释。NIMH在撰写本出版物方面没有任何作用。数据可用性声明数据准备和分析的源代码可向通讯作者JM索取。去识别化的自我报告数据可根据请求提供给DCM，并提供所需数据 使用协议。竞争利益David C.莫尔接受了苹果公司的咨询费，Pear Therapeutics，Otsuka Pharmaceuticals ， and the One Mind Foundation. 他 还 拥 有Adaptive Health，Inc.的所有者权益。其他作者都没有竞争利益需要声明。引用阿格博拉，S.O.，Ju，W.，Elfiky，A.，Kvedar，J.C.，Jethwani，K.，2015.基于技术的干预对癌症患者疼痛、抑郁和生活质量的影响：随机对照试验的系统综述 J. Med. Internet Res. 17（3），e65https://doi.org/10.2196/jmir.4009。Aguilera，A.，2015.数字技术与心理健康干预：机遇与挑战。Arbor 191（771），a210. https://doi.org/10.3989/arbor.2015.771n1012.美国精神病学协会，美国精神病学协会，2013。精神疾病诊断和统计手册：DSM-5，第5版。美国精神病学协会。安德森，G.，Cuijpers，P.，2009.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。https://doi.org/10.1080/16506070903318960网站。Auguie，B.，&Antonov，A.（2017年）。gridEXtra：“Grid“Graphics的杂项函数https://CRAN.R-project.org/package gridEX tra.Baumeister，H.，赖克勒湖，Munzinger，M.，林，J.，2014.基于互联网的心理健康干预指导的影响：一项系统综述。互联网访谈1（4），205-215.https://doi.org/10.1016/j.invent.2014.08.003。Baumel，A.，Edan，S.，凯恩，J.M.，2019.是否存在影响用户参与无指导电子心理健康干预的试验偏倚？对已发布的报告和相同程序的实际使用情况Transl. 行为举止。Med. 9（6），1020-1033. https://doi.org/10.1093/tbm/ibz147网站。Bernaards，C.，Jennrich，R.，2014. GPArotation：GPA Factor Rotation（2014.11-1）[计算机软件]. https://CRAN.R-project.org/package GPA旋转。Bordin，E.S.，一九七九年工作的精神分析概念的普遍性联盟心理医生。心理医生。Theory Res. Pract. 16（3），252-260.https://doi.org/10.1037/h0085885.Borghouts，J.，Eikey，E.，马克，G.，莱昂，哥伦比亚特区，Schueller，S. M.，Schneider，M.，Stadnick，N.，Zheng，K.，中国科学院，Mukamel，D.，Sorkin，D. H.，2021.用户参与数字心理健康干预的障碍和促进因素：系统综述。J. Med. 因特网资源23（3），e24387https://doi.org/10.2196/24387.博尔科韦茨，T. D.，Nau，S.D.，1972.模拟治疗原理的可信性。J·贝哈夫Ther. EX p.Psychiatry 3（4），257-260. https://doi.org/10.1016/0005-7916(72)90045-6Cerny，文学士，Kaiser，H.F.，1977.因子分析相关矩阵抽样充分性测度的研究.多变量行为举止。Res. 12（1），43-47. https://doi.org/10.1207/s15327906mbr1201_3.Chhabria，K.，罗斯，K.M.，S.J.，Leahey，T. M.，2020.寻求肥胖治疗的成年人的支持责任评估：心理测量学验证研究。J.Med. Internet Res. 22（7），e17967https://doi.org/10.2196/17967。Constantino，M.，Arnkoff，D.，格拉斯，C.，阿梅特拉诺河史密斯&，J。（2011年）。EX pectations. J.Clin. 精神病，67（2）. Readcube。doi：https://doi.org/10.1002/jclp.20754网站。核心团队，R.，2019. R：一种统计计算的语言和环境。R统计计算基金会。https://www.R-project.org/网站。德温特，J.C.F.，Dodou，D.，Wieringa，P.A. 2009. 小样本量探索性因素分析。多变量行为举止。Res. 44（2），147-181。https://doi.org/10.1080/00273170902794206。丹尼森湖，莫里森湖，Lloyd，S.，Phillips，D.，斯图尔特，B.，Williams，S.，布拉德伯里，K.，Roderick，P.，Murray，E.，Michie，S.，Little，P.，亚德利湖2014年。 简短的电话支持是否能提高基于网络的体重管理干预的参与度？随机对照试验。J.Med. Internet Res. 16（3），e95https://doi.org/10.2196/jmir.3199。Devilly，G.，&Borkovec，T.（2000年）的第10/2000号决议。可信度/期望问卷的心理测量学特性