数字心理健康干预中抑郁与焦虑症状轨迹的预测因素及相关性分析：基于Rula Health的大规模回顾性研究

推荐：本研究通过回顾性分析Rula Health平台365,741名患者的2,685,103次治疗访视数据，探讨了基于测量护理(MBC)的数字心理健康干预(DMHI)对抑郁(PHQ-9)和焦虑(GAD-7)症状轨迹的影响。研究发现症状在治疗前5次访视中快速改善(β=?0.72，P<0.001)，6-12次访视持续减缓，且不同人口学和诊断群体存在差异，为优化DMHI的个性化实施提供了重要依据。

　　

抑郁和焦虑是困扰现代社会的两大心理健康问题，美国约39%和42%的成年人分别报告相关症状。然而传统诊疗模式面临资源短缺、成本高昂等问题，尤其对亚临床症状人群关注不足。数字心理健康干预(Digital Mental Health Interventions, DMHIs)虽能改善可及性，但多数缺乏高频症状监测和全谱系症状评估。更关键的是，测量护理(Measurement-Based Care, MBC)这一通过实时数据指导个性化治疗的方法，实际应用率不足20%。

针对这些挑战，Fit Minded Inc（美国亚利桑那州凤凰市）的研究团队开展了一项突破性研究。通过分析商业MBC平台Rula Health中365,741名成人患者的2,685,103次治疗访视数据，首次系统描绘了DMHI环境下抑郁(PHQ-9)和焦虑(GAD-7)症状的演变轨迹及其影响因素，相关成果发表在《Journal of Medical Internet Research》。

研究采用线性样条混合效应模型等关键技术，分析12次治疗访视内的症状变化。通过患者健康问卷(PHQ-9)和广泛性焦虑量表(GAD-7)每周评估症状，建立包含人口学特征和主要诊断的调节模型。队列源自2020年8月至2025年3月接受视频治疗的患者，采用末次观测值结转法处理缺失数据。

数据可用性与人口统计学

样本平均年龄37.03岁，女性占66.27%。基线PHQ-9和GAD-7评分分别为9.41和9.45，12次访视后降至6.37和6.50（均P<0.001）。焦虑障碍(33.31%)和抑郁障碍(23.63%)是主要诊断。

患者症状随时间变化的轨迹

症状改善呈现两阶段特征：前5次访视快速下降（抑郁β=?0.74，焦虑β=?0.72），6-12次访视减缓（抑郁β=?0.032，焦虑β=?0.021）。基线评分越高者初期改善越显著（r=?0.56）。

患者特征对症状轨迹的交互影响

年轻患者和少数族裔（如非洲裔美国人PHQ-9β=?0.089）改善更快。男性在后期治疗中表现更佳（6-12次访视β=?0.022）。焦虑障碍患者GAD-7改善更快（β=?0.071），但抑郁改善较慢。

这项研究首次证实MBC驱动的DMHI能在真实世界场景中实现全谱系症状改善。其核心价值在于：①揭示"快速改善-持续进步"的双阶段模式，为治疗周期优化提供依据；②证明少数族裔可获得更显著早期收益，提示DMHI可能缩小心理健康服务差距；③确立诊断特异性反应模式，支持精准干预策略。研究为商业DMHI的临床决策和质量控制树立了新标准，尤其对亚临床人群的早期干预具有重要公共卫生意义。未来需通过随机对照试验验证因果关联，并延长随访评估疗效持续性。