基于移动评估的认知行为干预反馈系统在被害妄想患者中的应用开发与验证

本研究针对传统心理治疗中自我监测与反馈系统缺失的问题，开发了整合定性定量数据的移动评估反馈系统（m-Path平台），应用于认知行为疗法（CBTp）和"Feeling Safe-NL"项目。通过21例患者168天的验证，证实该系统易用性强、能长期使用，且可视化反馈（如时钟图、堆叠图）显著提升治疗洞察力，为精神障碍数字化干预提供新范式。

　　

在精神健康领域，被害妄想（persecutory delusions）困扰着超过70%的精神病患者，传统认知行为疗法（CBT）虽有效但面临重大挑战——治疗师往往依赖患者回忆的主观报告，这种"事后追溯"方式容易受记忆偏差影响。更棘手的是，现有移动健康技术多局限于短期研究，缺乏与完整治疗周期的整合，反馈内容也常与具体治疗目标脱节。这种"数据丰富却应用贫乏"的现状，呼唤着能真正融入临床实践的技术解决方案。

荷兰某研究团队在《Internet Interventions》发表的研究给出了创新答案。他们以m-Path平台为基础，开发了首个专为被害妄想患者设计的移动评估反馈系统。这项嵌入"Feeling Safe-NL"临床试验（注册号ISRCTN25766661）的研究，集结了患者、心理师、研究员和软件工程师的多学科智慧，创造出包含四种创新可视化模块（折线图、堆叠图、词云和时钟图）的反馈系统。特别引人注目的是其"自我学习多选题"设计，允许患者保存个性化选项，配合完整句子显示的词云，实现了定性定量数据的有机融合。

研究采用迭代开发流程，先通过Figma软件设计原型，再使用Recharts库编程实现。关键技术包括：基于JavaScript的可视化编程、模块化仪表板设计，以及针对CBTp特制的问卷体系（含Likert量表和开放文本框）。21名患者（11例CBTp，10例Feeling Safe-NL）平均使用95天，其中9人完成全程168天评估。睡眠模块的时钟图能精准显示就寝时间离散度，而堆叠图则直观呈现担忧与安全感此消彼长的动态关系。

结果部分显示，折线图成功追踪了妄想相关困扰的波动，如图2展示患者通过思维记录实现情绪调节；堆叠图则揭示治疗因素间的比例关系，如图3显示减少担忧时间可提升安全感；创新词云（图5）通过完整句子呈现触发因素，比传统单词词云更具临床价值；时钟图（图7）首次实现睡眠碎片化的环形可视化，帮助患者Philip将就寝时间从17点逐步调整至21点。

问卷数据证实系统符合五大设计原则：易用性（平均评分4.2/5）、长期适用性（43%完成全程）、积极导向（78%报告情绪改善）、易理解性（91%认为解释清晰）和治疗促进性（85%认为反馈有洞察力）。这种"监测-反馈-调整"的闭环系统，首次实现了数字化工具与传统CBT工具（如思维行为记录）的无缝衔接。

讨论部分强调，该研究突破了移动健康技术在精神干预中的三大瓶颈：首次实现全疗程整合、首创治疗特异性可视化、开发句子级词云新形式。但作者也指出，晚间问卷过长可能影响依从性，建议未来采用动态调整策略。这项研究为模块化心理干预树立了新标杆，其技术框架可扩展至低自尊等其它心理问题领域。正如研究者所言："当科技真正理解治疗语言时，数字化干预才能绽放临床价值"——这或许正是该研究给精神健康领域的最重要启示。