数字累积复杂性模型:改善参与数字心理健康干预的框架

科学领域:

• 心理学 心理学 心理学
• 数字健康数字健康
• 医疗保健系统 医疗保健系统

背景情况:

• 心理健康障碍在全球普遍存在,人们对传统心理治疗的获取有限.
• 数字心理健康干预 (DMHI) 旨在改善获取,但在患者参与和治疗完成方面面临挑战.
• 现有的模型不足以解决情境复杂性和影响参与数字和面对面治疗的个体因素.

研究的目的:

• 检查影响患者参与数字和面对面心理治疗的非随机因素.
• 引入一个适应的累积复杂性模型 (CuCoM),称为DiCuCoM,用于理解数字心理健康的参与.
• 提出以人为中心的方法,通过考虑个体患者的能力和治疗负担来提高参与度.

主要方法:

• 审查已建立的行为和参与理论模型 (例如,福格行为模型,说服性系统设计,自决理论,支持性问责制).
• 将累积复杂性模型 (CuCoM) 适应和应用到数字心理健康环境中,创建了DiCuCoM框架.
• 分析包括生活要求,治疗负担和个人能力在内的影响坚持的因素.

主要成果:

• 标准化的DMHIs往往忽视患者负担和容量的个体变化,导致不一致的参与.
• DiCuCoM模型强调了平衡患者工作负载与个人能力的关键需求,以提高参与度.
• 背景复杂性和个体特征显著相互作用,影响参与心理健康治疗.

结论:

• 一种以人为中心的方法,以DiCuCoM和Minimally Disruptive Medicine等模型为基础,对于精神卫生保健系统至关重要.
• 解决独特的患者负担和能力对于改善治疗坚持和结果至关重要.
• 评估能力,减轻负担和利用技术等策略可以加强对数字心理健康干预的参与.