《npj Digital Medicine》：A guided chatbot-based psychological intervention for psychologically distressed older adolescents and young adults: a randomised clinical trial in Jordan
编辑推荐：
本刊推荐：为解决中低收入国家(LMICs)青少年心理健康服务缺口，研究人员开展了一项随机对照试验，评估世界卫生组织(WHO)开发的STARS（引导式聊天机器人）干预对约旦心理困扰青少年的疗效。结果显示，与增强常规护理(EUC)相比，STARS在3个月随访时显著降低焦虑(HSCL-焦虑，效应量ES=0.70)和抑郁症状(ES=0.61)，并改善心理幸福感(WHO-5)及功能损害(WHODAS)。该研究为LMICs提供了可扩展的数字心理健康解决方案。
在全球范围内，20-24岁年轻人中焦虑和抑郁的患病率分别达到4.7%和4.0%，这意味着半数精神障碍患者早在20岁时就已出现相关症状。尤其在中低收入国家（LMICs），这一挑战更为严峻——这些地区居住着全球大多数年轻人，却仅有约3%有心理健康需求的人能够获得基本 adequate care。约旦作为典型的中低收入国家，过去十年因叙利亚战争难民涌入、经济困难和COVID-19大流行而面临显著的心理健康挑战。调查显示，超过半数的约旦年轻人在疫情后经历了心理困扰，而传统心理健康服务却因资源有限、污名化等问题难以普及。
面对这一全球性挑战，数字干预似乎提供了一线希望。随着互联网普及率的提升，数字心理健康项目在高收入国家已显示出对焦虑和抑郁的改善效果，但在中低收入国家的有效性证据仍较为有限。现有数字干预的一个显著局限是高脱落率，这部分归因于缺乏与用户的互动。为提升参与度，聊天机器人（chatbot）技术应运而生，它们通过对话代理模拟人际互动，既可基于预设决策树逻辑，也可利用人工智能。然而，生成式AI聊天机器人仍处于发展初期，可能存在回复不准确等风险，而规则型聊天机器人则能通过预编程内容确保一致性。
为此，世界卫生组织（WHO）开发了STARS（Sustainable Technology for Adolescents and youth to Reduce Stress）干预措施，这是一个基于规则型聊天机器人的心理支持项目，旨在为年轻人提供可扩展的证据化心理健康护理。该干预基于在五个中低收入国家进行的人本设计，通过聊天机器人传授压力应对策略，并结合多媒体内容和虚构角色故事线增强吸引力。为确保内容一致性，STARS采用决策树逻辑，同时允许一定程度的个性化选择。
近期发表在《npj Digital Medicine》的一项研究，首次通过随机对照试验评估了STARS在约旦心理困扰青少年中的有效性。该试验将344名参与者随机分配至STARS干预组（n=171）或增强常规护理（EUC）组（n=173），并在基线、治疗后1周和3个月（主要终点）进行评估。主要结局指标为霍普金斯症状清单（HSCL）测量的焦虑和抑郁严重程度变化。
研究团队采用随机分层设计，通过在线评估确保数据独立性。STARS组接受10次聊天机器人课程，内容涵盖压力管理、问题解决和复发预防，并由非专业助手（e-helpers）提供每周15分钟的电话支持。EUC组则获取心理健康教育信息和转诊资源。主要统计分析基于意向治疗原则，使用混合模型重复测量（MMRM）和多重插补（MI）处理缺失数据。
主要结果：症状改善显著
在3个月评估时，STARS组在HSCL总分上表现出显著更大的降低（平均差10.21，95% CI 6.04-14.39，P<0.001），效应量（ES）为0.68。焦虑子量表（ES=0.70）和抑郁子量表（ES=0.61）的改善同样显著。达到最小临床重要差异（MCID）的参与者比例在STARS组也更高（焦虑：65.9% vs. EUC 41.9%；抑郁：59.1% vs. 39.8%），需治数（NNT）分别为2.7和3.1，优于常规心理治疗的NNT范围（4-5）。
次要结果：多维收益
STARS组在心理困扰（K10）、个人问题（PSYCHLOPS）、功能损害（WHODAS）方面均有显著减轻，同时幸福感（WHO-5）和能动性（SHS）提升。针对基线同时存在疑似焦虑和抑郁障碍的参与者，所有显著差异仍存在，表明STARS对更严重心理困扰者也有效。
参与度与敏感性分析
STARS组平均完成7.4次课程（总分10次），66.7%的参与者完成至少7次。敏感性分析（包括跳点分析）显示，即使在多种缺失数据假设下，主要结局的显著性仍保持稳健，表明结果可靠性高。
结论与意义
STARS作为一种引导式聊天机器人干预，在约旦年轻成人中显示出中到大的效应量，能有效减轻焦虑、抑郁及功能损害，并提升幸福感。其高参与度（平均7.4/10课程）和低NNT值凸显了临床实用性。该模型通过远程交付、非专业助手支持和保密性，克服了中低收入国家常见的服务可及性、污名化和地理障碍问题。未来需在更长期随访和其他文化背景下验证其可持续性和普适性。
关键技术方法
研究采用随机对照试验设计，在约旦招募344名18-21岁心理困扰青少年（K10≥20），通过在线平台（Qualtrics）进行随机分组和评估。STARS干预包括10次规则型聊天机器人课程（决策树逻辑）和5周非专业助手电话支持。主要结局使用霍普金斯症状清单（HSCL），次要结局包括K10、WHODAS、PSYCHLOPS、WHO-5和SHS。统计分析采用混合模型重复测量（MMRM）和多重插补（MI），并进行敏感性分析验证稳健性。
