参与和临床结果的纵向模式:来自治疗师支持的数字心理健康干预的结果
Kirstin Aschbacher1, Luisa M Rivera, Silvan Hornstein
1From Meru Health (Aschbacher, Rivera, Nelson, Forman-Hoffman, Peiper), San Mateo, California; Department of Anthropology (Rivera), Emory University, Atlanta, Georgia; Department of Psychology (Hornstein), Humboldt-Universität zu Berlin, Berlin, Germany; Department of Psychology and Neuroscience (Nelson), University of North Carolina Chapel Hill, Chapel Hill, North Carolina; Department of Epidemiology (Forman-Hoffman), The University of Iowa, Iowa City, Iowa; and Department of Epidemiology and Population Health (Peiper), University of Louisville, Louisville, Kentucky.
数字心理健康干预 (DMHI) 显示了抑郁症和焦虑症的参与和症状缓解之间的剂量反应关系. 了解参与模式可以帮助个性化护理,防止早期学.
科学领域:
- 数字心理健康数字心理健康
- 临床心理学 临床心理学
- 医疗信息学 医疗信息学
背景情况:
- 数字心理健康干预 (DMHI) 对于抑郁和焦虑是有效的.
- 纵向参与对DMHI结果的影响尚不清楚.
- 参与对治疗疗效至关重要.
研究的目的:
- 调查DMHIs中参与模式和临床结果之间的关系.
- 在治疗师支持的DMHI中识别不同的参与集群.
- 检查与症状缓解相关的人口因素.
主要方法:
- 分析了来自4978名参与者12周治疗师支持的DMHI的数据.
- 使用纵向聚合层次分类集群分析用于参与模式.
- 应用多变量逻辑回归来评估与症状缓解的关联.
主要成果:
- 确定了四个参与集群:持续的高,迟,早期和立即的脱离.
- 发现了参与和抑郁症缓解之间的剂量反应关系.
- 观察到缓解率的人口统计学变化,老年人,男性和亚洲人患病率增加.
结论:
- 在DMHIs中,接触频率与临床结果相关,这表明了剂量反应效应.
- DMHIs可以解决不同人群的心理健康问题,包括那些面临障碍的人.
- 机器学习可以通过将参与模式与结果联系起来来个性化DMHIs,优化干预.
相关概念视频
Longitudinal Studies
Longitudinal Research
Community Based Intervention
Foundations of Community Mental Health Programs
Central to the success of community-based interventions is the...
Long-term Depression
Calcium Ion Concentration Mechanism
If over...


