《Behavioral Sciences》：Gameful Digital Mental Health Interventions for University Students: Systematic Review and Three-Level Meta-Analysis of Package Effects with Component and Mechanism Evidence
背景：游戏化数字心理健康干预（gameful digital mental health interventions）越来越多地被用于支持大学生群体，但需要将完整干预包的整体效果证据与特定游戏机制独立改善心理健康结果的证据加以区分。本系统综述与元分析评估了游戏化数字心理健康干预对大学生抑郁、焦虑及压力/心理困扰的短期整体效果，同时分别检验了主动对照组、成分层面及机制导向的证据，以区分游戏化特征及其他干预过程的整体效应与增量效应。研究人员检索了PubMed、Web of Science Core Collection、Scopus、CINAHL、CNKI、Embase及APA PsycINFO（EBSCOhost）七个数据库，检索时间从建库至2026年9月3日。两位评审员独立筛选标题/摘要及全文，分歧由第三位评审员裁定。偏倚风险采用RoB 2工具评估，结果确定性采用GRADE框架评价。纳入的随机整体效应试验通过结局特异性的随机效应模型进行合并，并通过整合性三水平模型保留同一研究内的多个症状效应。依赖性通过研究聚类稳健推断及跨合理组内抽样相关系数的敏感性分析进行检验。成分导向与机制导向的研究与整体效应试验分开合成。数据库检索共识别出4267条记录。经数据库路径保留23篇报告，反向引文追踪新增1篇，最终共保留24篇报告；另有3篇报告未获取。与不活跃对照组相比，游戏化干预在抑郁（4项研究；Hedges' g = 0.52，95% CI 0.32–0.72）和焦虑（3项研究；g = 0.51，95% CI 0.22–0.80）方面显示出中等程度的短期效果，而压力/困扰的结果高度不精确（2项研究；g = 0.19，95% CI ?1.68至2.06）。整合性三水平模型包含来自5项独立研究的9个症状效应，得出g = 0.410（95% CI 0.245–0.575；研究聚类稳健95% CI 0.182–0.638），其95%预测区间为?0.013至0.834，该区间包含了无获益及未来情境下可能出现的小幅有害效应。在全调节模型中，主动对照组的效应较小，但在逐项剔除一项研究的稳定性检验中并不稳定。扩展的成分与机制导向证据并未显示游戏化特征带来一致的独立症状获益，尽管部分研究报告了在参与度、依从性、愉悦感或相关干预过程中的差异。游戏化数字心理健康干预包可能减轻大学生的短期抑郁和焦虑症状，但抑郁和焦虑的证据确定性为低，压力/困扰的证据确定性极低；仅有5项独立研究提供了整合模型的数据。干预措施及情境间的可推广性仍不确定。针对主动对照组的证据稀疏且不稳定。成分与机制导向证据表明，游戏化或情境设计选择可能影响参与度、依从性、愉悦感或训练过程，但并不支持增加游戏机制能够带来一致的独立症状获益。未来研究应采用有意义的主动对照组及析因设计或拆解设计，以确定哪些游戏化特征支持治疗机制、参与度，或可能干扰治疗过程。
- 1.
引言
大学及研究生群体在诸多精神障碍高发期面临学业过渡、社交网络变化、经济与时间压力以及校园或社区照护资源可及性波动等问题。国际大学生调查记录了显著的症状负担和未满足的治疗需求。本综述关注各国接受高等教育的在校学生，未将国际学生或移民学生作为独立人群单独分析。共享的高等教育服务背景——而非假设学生代表一般人群——构成了这一限定范围的依据。灵活的数字化交付方式可能契合学习日程并支持重复练习，但可及性、可接受性及临床应答均不能预先假定。
游戏化（gamification）是指在非游戏活动中使用游戏设计元素，而严肃游戏（serious games）则是为娱乐之外的目的构建的完整游戏。在教学领域，游戏机制通常针对学习、评估或课程参与；本综述所关注的干预措施则明确以心理健康症状或心理功能为目标，其相关结局包括经过验证的症状量表或心理过程指标。自我决定理论（self-determination theory）提出，自主性、胜任感和关系联结可以支撑动机；心流理论（flow theory）则认为，挑战与技能的平衡以及清晰的反馈有助于促进沉浸式任务投入。因此，积分、等级、叙事、虚拟形象、个性化定制和生物反馈等手段可能有助于学生启动并练习治疗性任务。这些理论提出了通向参与度的路径，但并不能证明更多的使用就能减少症状：治疗内容、技能迁移、剂量、预期以及游戏特征可能带来的负担，共同决定了临床结局。
既往综述探讨了相关但不同的问题。Cheng和Ebrahimi（2023）以及Zhan等人（2024）的研究跨越不同年龄、干预目标和临床情境对游戏化方法进行了合并；而大学生数字化心理健康综述则广泛纳入了多种干预措施，并未单独分离出以心理为目标的游戏化设计。同时限定人群和干预目的，可以得到更具可解释性的高等教育场景下的整体估计，揭示支撑这一估计的独立随机化证据有多么薄弱，并允许对某一特定游戏特征是否带来额外获益进行独立的评估。更窄的范围并不意味着大学生具有独特的反应性，也不意味着研究结论可推广到所有学生。
第二个方法论问题涉及因果估计量。一款游戏化的认知行为疗法（cognitive behavioral therapy, CBT）应用与等待列表对照比较，估计的是完整干预包的效果，并不能证明积分、叙事、虚拟形象或其他游戏机制独立导致了症状改善。相反，一项成分研究若在保持心理内容不变的前提下仅改变某一游戏化特征，则可以估计该特征的增量效应。对照组类型同样重要：不活跃对照组估计相对于极少或无干预时的净整体效应，而主动对照组则测试相对于另一种可信干预的增量获益。这一区别对于负责任的知识转化也至关重要：即便游戏化元素的增量贡献尚不确定或依赖于具体情境，一个完整的干预包仍然可能是有效的。
本综述旨在解决上述问题，同时保留具有临床可解释性的症状域。因此，抑郁、焦虑和压力/心理困扰被分别合成为主要的定量结局。由于若干试验报告了不止一个符合条件的症状域，还额外采用了整合性三水平模型，以在保留相关信息的同时处理相关结局。本综述还考察了预测区间、研究聚类稳健推断、对照组类型、逐项剔除一项研究的稳定性、更宽的纳入边界以及成分层面的证据。核心目标是确定游戏化数字心理健康干预包能否减轻大学生的心理症状，同时避免提出“游戏化本身已被确认为因果机制”这一更强的论断。
- 2.
方法
2.1 报告框架与综述范围
本综述按照PRISMA 2020声明进行报告，并在PROSPERO注册（注册号：CRD420261505469）。综述问题采用PICOS框架进行界定。临床主要定量结局为抑郁、焦虑和压力/心理困扰，纳入针对大学生群体的、以心理为目标的游戏化数字干预的随机比较。跨负性症状域的整合性多水平合并作为次要的综合分析。参与度/依从性及积极心理结局（包括韧性、心理健康和情绪调节）在被认为直接有助于解释时予以提取，但未进行定量合并。
2.2 检索策略
最终检索覆盖了七个电子数据库：PubMed、Web of Science Core Collection、Scopus、CINAHL、CNKI、Embase和APA PsycINFO（via EBSCOhost）。七个来源均检索至2026年9月3日。检索概念结合了大学或在校学生、游戏化或基于游戏的干预以及心理健康结局的相关术语，并根据各平台调整语法。对于Embase和APA PsycINFO，使用了等效的三模块策略。此外，还对符合条件报告及相关综述的参考文献列表和引文链接进行了核查，因为部分数字化心理健康干预措施中包含的游戏机制并未在标题或摘要中进行索引。
2.3 纳入标准
参与者：当前在读的大学生、学院学生、研究生、进修生或其他高等教育阶段的学生均可纳入；混合样本需能够分离出学生的数据。研究生被纳入，因为高等教育环境中的在学状态定义了服务人群，尽管其年龄、工作和家庭状况可能与本科生有所不同。这种变异限制了可推广性，应予以描述而非视为等同。国际学生身份既非必需条件，也未作为独立亚组进行分析。
干预：符合条件的干预措施必须有明确的心理健康或心理功能目标，并包含有意义的游戏化机制或严肃/治疗性游戏设计。纯娱乐游戏、无明确心理健康目标的教育类游戏化，以及心理效应仅为运动附带结果的体感游戏或体力活动干预，均被排除。
对照组与研究设计：严格的定量合并要求纳入游戏化干预完整包的随机同期比较。等待列表或无干预组被编码为不活跃对照组。常规照护仅在研究未分配结构化的替代心理或数字干预的意义上被编码为不活跃；背景咨询或临床治疗可能仍然可用，因此该类别并不意味着完全没有照护。主动对照组是指被分配的替代性数字或心理干预，包括另一款CBT应用。编码基于所分配的对比条件，而非假定的同等可信度或强度。在保持核心内容或游戏玩法大致恒定的前提下操控某一特征的成分研究被单独考虑。有对照的非随机及其他机制导向的报告被保留用于情境解释，不与严格的随机整体效应进行合并。
结局：符合条件的首要结局为经过验证的抑郁、焦虑、压力或心理困扰量表。韧性、心理健康、情绪调节及参与度/依从性作为次要结局，在伴随符合条件的干预时予以保留。对于仅用于情境解释的机制导向报告，过程性结局（如参与度、依从性、预期或训练行为）仅进行描述性总结，不作为临床疗效结局对待。仅报告素养、污名化、求助行为、学业结局、行为成瘾结局（包括网络/游戏成瘾）、物质使用结局或本预设范围之外的其他结局的研究，不被保留为综述层面的疗效证据。
2.4 研究筛选
在数据库筛选完成后，对符合条件报告及相关综述的参考文献列表和引文链接进行了核查。两位评审员独立筛选标题和摘要，并对潜在符合条件的全文进行评估；分歧由第三位评审员裁决。决策依据预设标准。研究筛选流程如图1所示，相应计数及排除原因在第3.1节中报告。
2.5 数据提取与效应量恢复
采用结构化提取表记录研究身份、样本特征、设计、干预内容及游戏化特征、对照组、持续时间、结局域、量表、评估时间点、随机化和分析的样本量、均值、标准差、基于模型的效应值、流失率和依从性。随机/入组样本量与结局特异性终点样本量分别记录。优先使用干预后组间均值、标准差和样本量计算效应量，因为这种组间端点估计量可以在符合条件的试验之间进行协调。结局选择由预设的结局域层级决定，而非统计显著性。当两个概念相似的干预组共享一个对照组时，使用标准合并均值和合并方差公式将干预组合并，以避免重复计算对照组。仅随访期的效应与干预后即刻效应分开处理。
严格的首要效应提取由第二位评审员对照源报告进行独立核实。与第一位评审员在定量合并所使用的结局、对照组、时间点、样本量、均值及标准差数值上完全一致，无需修正或裁决。
采用Hedges' g对连续型症状测量指标进行标准化，正值统一调整为表示更好的心理健康（即游戏化干预组负性症状较少）。对于整合性多水平模型，保留所有符合条件的干预后抑郁、焦虑和压力/困扰效应，得到嵌套于5项独立研究中的9个效应量。
2.6 偏倚风险评估
使用Cochrane偏倚风险2工具（RoB 2）对每个纳入随机合并的结果进行偏倚风险评估。五个领域分别为：随机化过程产生的偏倚、偏离既定干预措施的偏倚、缺失结局数据的偏倚、结局测量的偏倚以及报告结果选择的偏倚。判断分为低风险、有一定担忧或高风险。鉴于心理症状通常为自我报告且治疗分配无法设盲，明确考虑了知晓干预分配可能影响结局报告的可能性。结果特异性的RoB 2判断由第二位评审员独立核实。图2中显示的九项结果为随机整体效应或主动对照试验，包括边界敏感性试验；其余报告承担成分或情境角色，在本综述中未被赋予RoB 2判断。本研究对其随机化、对照组、规模、自我报告及流失率进行了描述性考量，但未对异质性的成分研究和机制研究进行正式的设计特异性评估；因此，其因果主张需加以限定。领域层面的RoB 2判断见补充文件S2中的补充表S1。
2.7 数据合成与统计分析
首先分别使用限制性最大似然估计（restricted maximum likelihood, REML）和改良Hartung-Knapp置信区间对抑郁、焦虑和压力/心理困扰进行随机效应模型合并。这些结局特异性分析被视为临床主要的定量结果。对于这些结局特异性模型，改良Hartung-Knapp程序使用比例因子q* = max [1, Q/(k ? 1)]和自由度为k?1的t临界值，以防止当未改良Hartung-Knapp比例因子低于1时置信区间变得比相应的逆方差t区间更窄。随后，在所有符合条件的负性症状效应上拟合了一个额外的三水平随机效应模型。在该整合模型中，水平1代表已知抽样方差，水平2代表同一研究内效应之间的残差异质性，水平3代表研究间异质性。该结构保留了来自同一随机比较的多个症状效应，而非每项研究仅选择一个结局。多水平合并报告了95%置信区间、水平特异性的tau平方分量、总I平方以及近似的95%预测区间。对于核心整合模型，预测区间纳入了估计的研究层面异质性，并使用自由度为G?1的t参考分布，其中G代表独立研究的数量。
同一参与者内抑郁、焦虑和压力结局之间的抽样相关性通常未被报告。传统的多水平模型因此使用工作对角抽样方差矩阵。采用了两种敏感性方法。首先，对拟合系数应用了研究聚类稳健三明治协方差估计。对于一个包含n个效应量、G个独立研究聚类和p个拟合系数的模型，三明治协方差矩阵乘以有限聚类因子[G/(G ? 1)] × [(n ? 1)/(n ? p)]。稳健系数检验和置信区间使用自由度为G ? p的t参考分布，联合调节检验使用相应的F参考分布。由于仅有五项独立研究贡献数据，这被视为稳健性分析而非确定性的小样本推断。其次，在假设正向组内抽样相关系数rho分别为0.30、0.50、0.70和0.90的情况下重新估计了三水平模型。通过这些取值下的稳定性来评估合并结果是否依赖于零相关的工作假设。
考察了两个探索性调节变量模型。结局域检验抑郁、焦虑和压力/困扰效应是否存在系统性差异；对照组类型使用即时整体效应对比检验活跃与不活跃对照条件。这些调节分析被视为产生假设的分析，因为仅有五项独立研究贡献了整合性证据结构，且仅有两项研究贡献了即时主动对照对比。
稳健性分析包括逐项剔除一项研究的重新估计、排除作为最大研究且存在高缺失结局数据风险的eQuoo、加入Spring和Noneliness的扩展边界分析，以及一项审计知情敏感性分析（排除GGTude，因为抑郁、焦虑和压力是其次要结局，且该报告中这些DASS-21结局的重复测量组别×时间交互作用检验不显著）。该GGTude敏感性分析用于评估估计量的脆弱性，而非根据统计显著性选择研究。保留单独的结局特异性随机效应模型（使用REML和改良Hartung-Knapp置信区间）作为模型结构敏感性分析。研究层面漏斗图仅作描述性展示；由于仅有五项独立研究贡献整合性多水平合成，未进行正式的Egger或Begg推断。
2.8 证据确定性
使用推荐分级的评估、制定与评价（Grading of Recommendations Assessment, Development, and Evaluation, GRADE）框架评估证据确定性。随机证据起始为高确定性，并根据偏倚风险、不一致性、间接性、不精确性或疑似发表偏倚酌情降级。由于在观察到的研究数量下正式的小研究效应检验不可靠，未将缺乏统计检验解释为不存在发表偏倚的证据。
2.9 软件与可重复性
本综述中报告的所有再分析均使用Python 3.13.5实现，依赖NumPy 2.3.5、SciPy 1.17.0和Matplotlib 3.10.8。三水平模型使用限制性最大似然估计，纳入已知效应量抽样方差、研究随机截距和残差组内效应分量。由于参与者内多个症状结局之间的相关性通常不可获得，传统模型使用工作对角抽样方差矩阵；上述有限聚类三明治程序直接从矩阵表达式实现。对于核心模型，近似95%预测区间计算为pooled g ± t(0.975, G ? 1) × sqrt[SE(g)2 + tau2(level 2) + tau2(level 3)]。补充文件S3中的分析工作簿报告了效应层面数据集、方差分量、调节模型、影响分析和一致性检查；补充文件S2中的补充方法提供了具体的实施细节。
2.10 伦理考量
本系统综述与元分析使用了已发表的汇总数据，未涉及参与者招募、干预或访问可识别的参与者层面信息。因此，机构伦理审查和知情同意不适用。
- 3.
结果
3.1 研究筛选
七个数据库来源共产生4267条记录。去除866条重复后，对3401条独特数据库记录进行了筛选。其中，3358条在标题/摘要筛选中被排除，43篇数据库报告被索取全文。3篇报告未能获取。对40篇数据库报告进行了合格性评估，17篇被排除，23篇被保留。反向引文追踪识别出1篇额外报告，经索取、评估后被保留，最终共保留24篇报告。17篇全文排除的原因包括：8篇报告无符合条件的同期对照组，3篇干预或情境不符合条件，3篇无法确认当前大学/高等教育人群资格，2篇干预/对照组信息不足以判定资格，1篇为模拟实验室范式。APA PsycINFO在去重后贡献了2091条独特记录、5篇新保留的报告和1篇无法获取的报告；反向引文追踪贡献了1篇额外的机制导向报告。定量合并结果未发生变化。
3.2 研究特征
24篇报告涵盖了多种干预目的和研究设计，而非单一可互换的治疗方案。严格的即时症状集包括Kim等人（2025；含积分/等级的CBT练习）、Litvin等人（2023；一款游戏化心理健康游戏）、Hamid等人（2022；含互动叙事的CBT）、Abramovitch等人（2024；一款聚焦完美主义的游戏化应用）以及Tomoiag?和David（2022；一款治疗性CBT游戏）。这五项干预被合并以估计平均完整包对负性症状的效果，并明确保留了临床异质性和预测区间；治疗内容的差异以及游戏化特征的功能不同排除了共享一个游戏机制估计量的可能性。其他报告考察了主动数字替代方案、边界案例、特征操控、训练偶然性、期望或传递过程。这种基于角色的分类决定了哪些结果被合并，哪些被叙述性描述。
地理设置可从23篇报告中识别：美国（5篇）、荷兰（4篇）、中国大陆（3篇）、韩国（2篇），以及香港、德国、墨西哥、巴基斯坦、罗马尼亚、沙特阿拉伯、南非、西班牙和英国各1篇。一项遗产游戏实验的设置未在提取报告中明确说明，且未使用作者所属机构作为替代。这些计数描述了研究设置，而非国际学生子样本；大多数样本是在一所机构或一个国家内招募的。本综述不支持地域效应的比较。
3.3 偏倚风险
如图2所示，在使用RoB 2评估的九项随机整体效应或主动对照试验中，七项研究的总体偏倚风险为高，两项为有一定担忧。最常见的担忧是未设盲自我报告比较中的结局测量。缺失结局数据也是一个重要问题，尤其对于eQuoo、Spring和Noneliness而言。SuperBetter和DEEP的整体概况较为有利，因为它们使用了可信的主动对照组，尽管SuperBetter的随访流失率仍然相关。未对剩余的成分研究和情境报告指定共同的正式偏倚评级；其设计限制在第3.5.6节和第4.6节中讨论。通过补充Embase检索识别出的摘要形式的Digital Twin Campus报告被保留为边界叙述性证据，未纳入合并的随机化合成或RoB 2总结。
3.4 首要症状结局与整合性多水平合成
3.4.1 结局特异性首要结局
预设的首要结局特异性分析显示，在抑郁和焦虑方面，中等程度的短期合并估计值有利于干预。四项研究贡献了抑郁数据（g = 0.52，95% CI 0.32至0.72），三项研究贡献了焦虑数据（g = 0.51，95% CI 0.22至0.80）。仅有两项研究贡献了压力/困扰数据，其合并估计值较小且高度不精确（g = 0.19，95% CI ?1.68至2.06）。这些结局特异性结果构成了主要的临床解释，也是GRADE确定性评级的基础。单个研究层面的效应估计值及每个符合条件结局的抽样方差见补充文件S2中的补充表S5及补充文件S3（效应层面数据）；图4中的研究层面汇总为描述性展示，不能替代结局特异性效应。
3.4.2 整合性三水平合成
整合性合成保留了来自5项独立研究的9个抑郁、焦虑和压力/困扰效应。三水平REML模型得出Hedges' g = 0.410（95% CI 0.245至0.575，p < 0.001）；研究聚类稳健推断得出相同的点估计值，95% CI更宽，为0.182至0.638（p = 0.007）。估计的水平2残差异质性接近零，而水平3研究间方差tau2 = 0.016。总I2为43.0%。近似95%预测区间范围为?0.013至0.834，因此该模型不能排除未来符合条件的场景中无平均获益或出现小幅不良效应的情况。由于只有五项研究，异质性和预测区间本身都不稳定，应视为探索性结果。
3.4.3 依赖性、结局域与模型结构敏感性
结局域对多水平效应的影响不显著（QM = 4.567，df = 2，p = 0.102；有限聚类稳健p = 0.121）。整合性合并估计值对同一参与者内结局之间合理的正向抽样相关性也不敏感。假设组内rho值为0.30、0.50、0.70和0.90时，产生的合并g估计值分别为0.416、0.419、0.421和0.422；每个常规95% CI均高于零。因此，整合性结果并未实质性依赖于工作零相关假设。单独的结局特异性Hartung-Knapp分析仍是首选的临床解释。
3.4.4 影响与小研究诊断
由于仅有五项独立研究贡献整合性模型，未进行正式的漏斗图不对称检验。描述性研究层面漏斗图仅用作诊断工具，不应被解释为发表偏倚检验。在逐项剔除一项研究的分析中，合并点估计值范围从g = 0.336到0.485，每次迭代均为正值。
3.4.5 边界与高缺失数据敏感性分析
将Spring和Noneliness加入更广泛的边界集后，证据基础扩大到来自7项研究的14个效应，合并g = 0.420（95% CI 0.282至0.558；研究聚类稳健95% CI 0.255至0.585），与核心整合分析结果高度吻合。排除eQuoo后，核心整合证据基础缩减为来自4项研究的7个效应，合并效应降至g = 0.336（95% CI 0.155至0.517；聚类稳健95% CI 0.047至0.625）。一项审计知情敏感性分析移除了所有三个GGTude DASS症状效应后，得到g = 0.404（95% CI 0.187至0.620；聚类稳健95% CI 0.060至0.747）。因此，无论是更宽的纳入边界、eQuoo还是使用GGTude次要症状结局，都并非单独造成正向合并方向的原因，尽管它们各自影响了精确度和异质性。
3.4.6 端点评分与纵向估计量审计
全文审计比较了元分析中使用的协调后处理后标准化均差（standardized mean difference, SMD）与每项试验自身的纵向或校正推断。Mind Booster Green（Kim等人，2025）基本一致，因其广义估计方程（generalized estimating equation, GEE）分析报告了显著的组别×时间交互作用。eQuoo（Litvin等人，2023）的混合效应分析也倾向于游戏化干预，但其末次观测值结转（last-observation-carried-forward, LOCF）端点估计值仍然对实质性差异流失敏感。两项试验需要更细致的解读。在GGTude（Abramovitch等人，2024）中，DASS-21的抑郁、焦虑和压力结局是次要结局，且报告的组别×时间交互作用不显著；在REThink（Tomoiag?和David，2022）中，PED总痛苦显示出时间效应，但无显著的组间单变量差异，尽管一个更窄的功能失调负性情绪子成分确实存在组间差异。这些研究被保留，因为本综述预设了广泛的症状域，并未根据显著性选择结局。GGTude排除敏感性分析和明确的估计量审计用于展示这些差异如何影响解读。
3.4.7 调节变量总结与模型稳健性
主要的调节变量和稳健性结果总结于表3。结局域未被证实为统计学上可靠的调节变量。对照组类型产生了更强的常规信号，但仅有两项独立研究提供了即时主动对照对比，且该系数在排除eQuoo后不稳定。主要的敏感性情景如图5所示。
3.5 对照组类型与增量疗效
3.5.1 主动与不活跃对照组调节变量
一项对照组类型元回归保留了来自相同五研究整体效应结构的13个即时症状效应，包括来自eQuoo和Chronicles的主动对比。在全模型中，主动对照相对于不活跃对照的系数为?0.257，表明针对主动对照的估计效应较小。然而，该证据在结构上是脆弱的：仅有两项独立研究提供了即时主动对照比较，且排除eQuoo后，主动对照系数从?0.257变为约?0.003。常规调节检验（QM = 14.215，df = 1，p < 0.001）和有限聚类稳健系数检验（p = 0.008）因此被视为产生假设的分析，而非确认性分析。由于主动对照组集合将一款商业可得的自我护理应用（Sanvello）与一款CBT思维记录应用相结合，该系数比较的是不平等的干预内容和强度，而非统一的主动对照类别。
3.5.2 主动对照症状估计
对于即时主动比较，eQuoo vs. Sanvello（Litvin等人，2023）和Chronicles vs. CBT Thought Diary（Hamid等人，2022）提供了抑郁和焦虑数据。分别进行的双研究Hartung-Knapp合成高度不精确：抑郁g = 0.23（95% CI ?0.67至1.12），焦虑g = 0.27（95% CI ?0.62至1.16）。这些估计值不能确立相对于另一种数字干预的可靠增量获益。
3.5.3 较长随访期主动对照证据
SuperBetter（Bantjes等人，2024）被保留为较长随访期的主动对照试验，未与即时症状结局合并。在3个月和6个月时，SuperBetter相对于MoodFlow显示出有利的患者健康问卷焦虑与抑郁量表（PHQ-ADS）差异，作者报告的校正效应分别约为d = 0.2和d = 0.4。相比之下，DEEP（Weerdmeester等人，2021）几乎没有证据表明其在纵向特质焦虑改善方面优于引导式呼吸应用。这些研究强化了将主动对照估计量和随访估计量分开处理的重要性。
3.5.4 额外边界主动对照证据
补充Embase检索识别出一项关于VR数字孪生CBT程序（含游戏化强化）与传统CBT的随机试验摘要，研究对象为210名有抑郁症状的大学生。该报告描述了数字孪生条件下抑郁和感知压力的更大程度降低以及有利的随访差异。然而，摘要未能充分说明游戏化强化机制的具体内容，也未提供本综述端点分数估计量下协调即时Hedges' g所需的组别层面治疗后信息。因此，它被保留为边界主动对照证据，但未纳入合并或进入对照组类型元回归。
3.5.5 对照组调节变量的稳定性
表面上活跃与不活跃对照之间的差异主要由eQuoo驱动。移除eQuoo后，主动对照系数从?0.257降至?0.003，而移除Chronicles则基本保留原信号。两个主动对照在治疗内容和可能的可信度上存在差异；由于仅有两项独立研究贡献数据，对照组类型是一个描述性的、不稳定的对比，而非可靠的调节变量。
3.5.6 成分与机制导向证据
成分与机制导向研究产生了异质性的发现，且因其操控的特征和结局针对不同的因果问题而未进行统计合并。AirHeart（Six等人，2022）保持了CBT应用恒定，操控了虚拟形象定制；该研究未显示在抑郁、焦虑、压力或依从性方面超出共同干预的额外改善。在数字曼陀罗实验中（Li等人，2026），滑动涂色比游戏化涂色产生了更大的焦虑减轻和心流体验。相比之下，基于文化遗产的严肃游戏实验（Wang等人，2026）发现，当有意义的文化遗产内容嵌入到原本匹配的游戏玩法中时，状态焦虑减轻更大。My Academic Advisor（Alhalafawy和Zaki，2019）倾向于游戏化版本在心理健康方面的优势，但其准实验性的教育背景限制了因果解释。PsycINFO补充检索进一步拓宽了这一机制证据。Dennis和O'Toole（2014）发现，在游戏化移动格式内的主动注意偏向训练减少了短期焦虑和观察到的应激反应性，相对于游戏化安慰剂训练，这表明训练偶然性而非游戏化本身的作用。Kelders等人（2018）报告的可纳入学生试点研究中，在同一基于网络的健康内容基础上添加地图、虚拟向导和徽章，并未在这一小型学生试点中显示出额外的参与度优势。Wols等人（2021）发现，将同一款MindLight游戏框定为心理健康游戏与娱乐游戏，在趣味性或游戏内参与度方面未检测到差异。Salemink等人（2022）发现，游戏化的认知偏向修正比标准格式更具吸引力和愉悦性，但未显示出差异性的焦虑获益。da Cunha Silva和Gutierrez-Osuna（2025）发现，游戏生物反馈相较于节奏性呼吸在练习、技能迁移和自我报告的放松/积极性方面表现更优。Khan和Pe?a（2017）表明，围绕一款聚焦抑郁的游戏进行说服性信息框架设计可以改变参与度和使用该应用的意愿。综合来看，扩展后的证据表明，游戏化和情境设计选择可能影响参与度或训练过程，但它们并未显示出添加游戏机制能带来普遍性的附加症状获益。
3.5.7 证据确定性
GRADE确定性评定为：抑郁和焦虑为低，压力/困扰为极低。抑郁和焦虑降级的主要原因是极其严重的偏倚风险，特别是未设盲的自我报告结局以及最大试验中差异流失的影响。压力/困扰因极其严重的不精确性而被进一步降级。
