数字自我干预设计优化对失眠患者治疗参与度及疗效的影响：一项2×2×2析因随机对照试验

本研究针对数字心理健康干预中普遍存在的参与度不足问题，通过2×2×2析因RCT设计，系统评估了图形用户界面优化(GUI)、自动化提醒(AR)和适应性治疗策略(ATS)对失眠数字自我干预效果的影响。结果显示三因素联合可使失眠严重指数(ISI)额外改善2.63分(d=0.50)，且GUI显著提升使用体验(SUS评分Δ7.43)，ATS仅需平均14分钟临床时间即显著提高满意度(CSQ-8评分d=0.37)，为开发低资源消耗的高效数字疗法提供了循证依据。

　　

睡眠障碍已成为全球公共卫生挑战，其中失眠障碍影响约10%的成人群体，长期失眠不仅导致个人生活质量下降，更带来巨大的社会经济负担。尽管认知行为治疗失眠(CBT-I)被列为一线疗法，但传统治疗模式面临临床资源短缺、地域可及性差等瓶颈。数字自我干预虽能突破时空限制，但用户参与度低下(平均脱落率超40%)严重制约其疗效转化。这一矛盾促使研究者思考：如何通过优化干预设计提升数字疗法的"粘性"？

Karolinska Institutet的研究团队在《npj Digital Medicine》发表了一项开创性研究，通过2×2×2析因随机对照试验，首次系统评估了三种设计要素——优化图形界面(GUI)、自动化短信提醒(AR)和基于测量的适应性策略(ATS)——对失眠数字自我干预的影响。研究纳入447名中度至重度失眠患者，采用多层级模型分析发现：GUI使睡眠日志记录增加4.58天(p<0.0001)，AR提升登录频次4次(p=0.0005)，而三因素联合组在ISI量表上获得额外2.63分改善(d=0.50)，相当于标准CBT-I疗程50%的临床重要差异。

关键技术方法包括：(1)采用R软件进行模块化随机分组；(2)通过lme4包构建多层级回归模型分析时间×因素的交互效应；(3)使用标准化睡眠效率计算算法实现ATS的自动化风险评估；(4)基于SUS和CSQ-8量表量化用户体验。

主要结果呈现三个维度发现：

1. 参与度提升：优化GUI使Engagement Questionnaire(EQ)评分提高2.04分(d=0.34)，且与睡眠日志记录量呈强相关(r=0.82)。AR虽增加客观使用数据，但未改善主观参与体验。
2. 症状改善：三因素交互作用显著(b_corr=-0.28,p=0.0017)，联合组ISI评分从基线19.5分降至9.4分，较对照组多改善35%。
3. 成本效益：ATS仅需临床医师平均13.74分钟/高危患者，即实现满意度提升(CSQ-8评分d=0.37)，且无严重不良事件报告。

讨论部分指出三个突破点：首先，GUI优化通过降低技术使用门槛，可能激活了"设计-参与度-疗效"的传导路径，这为数字疗法的人机交互设计提供了量化依据。其次，AR的"推送效应"存在天花板，单纯增加提醒频次未必持续改善预后，需结合个性化内容。最具临床价值的是ATS的精准支持模式，其以15%的临床时间投入覆盖55%的高危人群，验证了"最小化支持最大化获益"的分布式医疗理念。

这项研究为数字心理健康干预的"轻量级优化"提供了范式：通过GUI降低使用障碍、AR建立行为习惯、ATS实现风险分层，可在几乎不增加临床负担的前提下，使数字自我干预效果提升至接近guided CBT-I水平(ISI改善8.45分)。未来研究需在常规医疗场景中验证该模式的普适性，并探索生物标志物预测ATS响应群体。论文中

直观展示了三因素协同效应，为同类研究提供了方法学参考。