在基于激励的戒烟干预中进行的生态瞬时评估：预测短期参与度和吸烟状况

《Substance Use & Misuse》：Ecological Momentary Assessments in an Incentive-Based Intervention for Smoking Cessation: Predicting Near-Term Engagement and Smoke Status

本研究评估了基于数字激励的戒烟干预中生态瞬时评估（EMA）对参与度和吸烟状态预测的有效性。采用混合效应逻辑回归分析，发现周围吸烟者、烟瘾、近期吸烟及压力水平与参与度相关，而高自信和动机与吸烟状态负相关。结果支持EMA在实时预测干预效果中的应用，为开发精准适应性干预提供依据。

　　本研究聚焦于一种通过数字激励方式促进烟草戒断的干预项目，旨在分析参与者在干预过程中实时报告的心理状态与行为是否能够预测其后续的参与行为以及吸烟状态。研究对象是美国密歇根州的医疗补助（Medicaid）受益者，这一群体往往面临较高的吸烟率和健康风险。研究采用了生态瞬间评估（Ecological Momentary Assessments, EMAs）的方法，通过收集参与者在日常生活中即时反馈的信息，来评估其参与戒烟干预的意愿和吸烟行为的变化趋势。这种评估方式能够提供更贴近真实情境的数据，有助于更准确地预测吸烟复发的风险，并为后续的干预策略提供科学依据。

研究的核心在于评估参与者的即时心理状态和行为如何影响他们是否继续参与戒烟干预以及是否成功戒烟。研究发现，某些心理状态和行为模式具有显著的预测作用。例如，当参与者处于较高压力或对吸烟有强烈渴望时，他们更有可能在下一个评估窗口中未提交呼吸样本，这表明这些负面情绪可能会影响其参与干预的积极性。相反，当参与者对自己能够成功戒烟的信心较高时，他们更有可能提交呼吸样本，这表明心理上的自我效能感对参与干预具有积极影响。此外，研究还发现，近期吸烟行为与呼吸样本中检测到的碳氧血红蛋白（CO）浓度呈正相关，说明近期吸烟可能会对后续的呼吸样本结果产生影响。

在模型选择方面，研究发现“是否有吸烟欲望”和“是否在最近4小时内吸烟”是预测参与度和吸烟状态的最佳指标。这一发现为未来的数字干预项目提供了方向，即通过实时评估参与者的心理状态和行为，可以更精准地调整干预措施，提高其有效性和适应性。例如，当系统检测到参与者出现强烈吸烟欲望或近期吸烟行为时，可以及时推送干预信息或提供额外的支持，从而帮助他们维持戒烟的决心。

研究的局限性在于样本的代表性问题。由于参与者的自我选择，研究对象主要集中在拥有智能手机并有兴趣戒烟的群体中，这可能无法全面反映所有吸烟者的状况。此外，研究未明确区分参与者吸烟的具体物质，这可能会影响对吸烟行为的全面理解。虽然研究中采用了激励措施，如每次提交呼吸样本和完成EMA调查均可获得小额报酬，但这种激励方式可能会影响参与者的诚实度，导致数据偏差。因此，未来的研究可以考虑采用不同的激励策略，以更全面地了解参与者的实际行为和心理状态。

研究的意义在于，它揭示了在数字干预项目中，实时的心理状态和行为评估对于预测参与度和吸烟状态的重要性。这些发现不仅有助于优化现有的戒烟干预措施，还为开发更具针对性的“即时适应性干预”（Just-in-Time Adaptive Interventions, JITAI）提供了理论支持。JITAI是一种基于实时数据调整干预策略的方法，能够在参与者最需要支持的时候提供相应的帮助，从而提高干预的效果。通过结合激励机制和即时数字信息，可以更有效地促进吸烟者保持戒烟状态，减少复发的风险。

研究还强调了社会经济因素在吸烟行为中的影响。例如，结构性脆弱性（Structural Vulnerability）评分较高的参与者更可能面临吸烟复发的风险，这提示在设计戒烟干预时，应考虑参与者的社会经济背景和生活环境。此外，研究中提到的结构性脆弱性评估工具（Structural Vulnerability Assessment Tool, SVAT）可以作为评估参与者社会经济状况的重要工具，帮助研究人员更全面地理解吸烟行为的复杂性。

总的来说，这项研究为数字激励干预在烟草戒断中的应用提供了重要的数据支持。通过实时评估参与者的心理状态和行为，可以更准确地预测他们的参与度和吸烟状态，从而为未来的干预策略提供科学依据。同时，研究也指出了在实际应用中需要注意的问题，如样本的代表性、激励措施的潜在影响以及对具体吸烟行为的区分。这些发现不仅有助于提高戒烟干预的有效性，还为推动数字健康干预的发展提供了新的思路和方法。