移动健康方法在提升服务不足社区心理健康治疗可及性与参与度中的应用

《Health Care Management Review》：Application of mHealth Approaches to Increase Access to and Engagement of Mental Health Treatment Among Underserved Communities

　　

在美国，心理健康护理中仍然存在显著的不平等现象。社会经济地位（SES）较低的人群在获取和参与治疗方面面临更多障碍。作为回应，移动健康（mHealth）的进步已成为解决心理健康护理获取方面实际和临床障碍的有前景的工具。虽然 mHealth 促进了更广泛的获取，但维持 mHealth 参与的策略需要更多关注，因为参与度提高与改善的结果相关。在本文中，我们提出了四种创新的 mHealth 方法，并讨论了如何在低社会经济地位个体中提高参与度的策略：(1) 引导式 mHealth，结合异步远程医疗与临床医生监督；(2) 通过生成式人工智能进行的治疗性沟通模拟；(3) 通过即时适应性干预提供实时、个性化支持；以及 (4) 通过人工智能软件简化临床医生转诊。我们详细说明了促进参与的优势、可能导致早期流失的局限性，以及改进 mHealth 工具和平台公平性和文化相关性的建议。我们还概述了伦理考量、文化和基于地点的适应以及社区参与式参与设计，因为这些努力对于使 mHealth 符合资源匮乏社区的需求至关重要。

引言

在美国（US），解决心理健康问题仍然是公共卫生的优先事项，特别是对那些在获取必要心理健康服务方面面临持续不平等的资源匮乏个体而言。社会经济地位（SES）由获得教育、收入和职业资源的机会定义，是影响个体参与心理健康护理能力的关键社会决定因素。虽然研究人员已发表关于促进低收入背景个体（低 SES 的标准标志）采用移动健康（mHealth）的因素，但维持参与度（即用户依从性）的策略至关重要，因为更高的参与度与改善的结果相关。1 尽管有成千上万免费应用程序可用，维持长期的 mHealth 参与仍然是一个持续的挑战。12 污名化、成本、有限的数字素养和结构性不平等等障碍通常导致低 SES 个体早期脱离或流失。13? 此外，现有的许多 mHealth 文献侧重于个体层面的可行性和设计。这种强调忽视了更广泛的社会和结构性决定因素（如财务限制和获取不平等）如何随着时间的推移塑造低 SES 个体的参与度。因此，应用健康公平视角对于识别背景障碍和制定促进多样化、历史上资源匮乏人群（例如农村、种族和民族少数群体、低收入）持续 mHealth 参与的战略至关重要。

本简要综述探索了四种新兴的 mHealth 方法，这些方法引入了护理途径，并有望维持低 SES 个体的参与度：(1) 引导式 mHealth；(2) 基于生成式人工智能（AI）的数字系统；(3) 即时适应性干预（JITAIs）；以及 (4) AI 支持下的自我转诊工具。受 Gee 及其同事的增强型电子健康慢性病护理模型指导，该模型强调整合社区资源、数字系统和自我管理支持，每种工具都代表了在护理连续体中促进参与的独特入口点。

引导式移动健康

随着在线资源触手可及，美国各地采用 mHealth 作为心理健康治疗选择的热情有所增加。1 白人和黑人成年人在做出健康相关决策时追求 mHealth 的可能性相当。? 然而，尽管无引导（即自助）应用程序安装数量上升，但很少有用户使用超过一周。2 这在部分原因可能是可用性问题以及缺乏人类支持。引导式 mHealth 工具通过结合异步资源和人类指导来减少这种参与障碍。例如，mindLAMP 的数字诊所提供为期八周的项目，包括技能培训、自我监测和与临床医生的远程医疗。? 为了支持数字熟悉度极低的用户，护理团队成员（数字导航员）与临床医生一起工作，协助应用程序设置和故障排除。迄今为止，这种引导式护理模式显示出有前景的参与率，突显了人类支持整合在 mHealth 平台中的影响。mindLAMP 的开源平台可能通过使多样化人群和需求实现个性化来进一步增强参与度。? 虽然该平台的多语言选项提供了一定的语言灵活性，但数字导航员所说的语言可能限制适应性。最后，该工具有潜力减少等待名单。然而，在扩大用户群的同时降低成本将是关键；如果因维护成本增加而实施付费墙，低 SES 个体可能会受到不成比例的影响。

生成式人工智能

除了传统的和引导式的临床医生 - 患者 mHealth 途径外，生成式人工智能（GenAI）可能代表治疗的下一个入口点。像 Wysa 这样的 GenAI 工具，这是一个人工智能驱动的心理健康支持聊天机器人，从海量文本数据中学习，以从任何连接互联网的设备提供类人支持。Wysa 之所以实现高参与度，部分原因是其免费、24/7 多语言支持和各种自助技巧。? 事实上，Wysa 相比现有治疗的显著改进使其获得了美国食品药品监督管理局的突破性设备认定，表明其对心理健康聊天机器人未来的重大承诺。今天的聊天机器人反映了向 GPT-4（OpenAI）和 Copilot（Microsoft）等大型系统转变的趋势，强调了将历史上被排除在数字研究之外的社区的生活体验整合起来的日益增长的需求。?

此类实践可能包括公开的协同设计冲刺（即短期协作完善）、应用公平性指标以识别同质性（例如，人口统计学或语言代表性不均），以及在发布前试点测试提示词以评估清晰度和可行性。这些众包努力可以补充 GenAI 中对语言包容性的需求，随着当代聊天机器人演变成能够适应用户交流风格的日常助手。? 一旦开发完成，GenAI 平台应进行持续的系统审计和监控，以防止少数群体声音代表性不足。整合低带宽或离线功能也是维持 GenAI 参与度的另一个考虑因素，特别是不稳定互联网或家庭调制解调器的用户。此功能将确保系统对可能面临互联网挑战的低 SES 人群（如农村居民）保持可用。

即时适应性干预

智能手机的日常使用提供了为间歇性或急性心理健康症状（如焦虑波动、久坐行为和渴望）提供量身定制支持的机会，通过实时交付微干预。通过持续被动数据收集（例如，移动和可穿戴传感器）和简短主动输入（例如，自我报告调查），JITAIs 提供个性化护理，无需可能阻碍参与的破坏性、耗时活动（当用户认为收益甚末时，例如在高情绪期间进行的会话）。此功能可以在日常限制（例如，不规律的工作时间、育儿缺口）中减少低 SES 个体的参与障碍。1 尽管前景广阔，设备成本（例如，智能可穿戴设备）仍然很高，关于低 SES 社区中 JITAIs 的研究仍然稀缺。然而，关于瞬间干预的新兴证据发现，在不同种族和收入水平之间参与度相当，表明个体化研究和循证实践具有广泛的上行轨迹。? 为确保低 SES 社区的用户维持参与度，我们必须清楚地传达数据隐私担忧和局限性。一种方法是提供简单工具，以更好地吸引具有不同健康和数字素养水平的用户。

因此，建议研究人员从一开始就采用以社区为中心的设计，涉及具有生活体验的个体和临床利益相关者。例如，一个团队采用了以社区为中心的设计，涉及具有生活体验的个体（即经历无家可归和有问题饮酒的成年人）和临床利益相关者。最终，超过 80% 的研究参与者达到了四周的最终随访，3 证明了协同设计原则对包含低 SES 参与者的试验干预的影响。通过提供补充 mHealth 平台（如 mindLAMP 的数字诊所）的分步支持，JITAIs 可以帮助低 SES 个体在会话之间应对日常需求时应用治疗技能。

人工智能支持的自我转诊

在 SARS-CoV-2（COVID-19）大流行之后，许多人开始依赖互联网获取医疗服务。虽然不是独立的 mHealth 治疗，AI 支持的治疗转诊工具是可持续且经济可行的途径，用于将个体与符合其需求的临床医生匹配。像 Limbic Access 这样的工具帮助从业者自动化患者接收和全面临床评估。1? 除了更高效的系统外，低 SES 患者可能觉得向聊天机器人传达症状比向提供者传达更舒适、污名化更少。然而，先前的工作强调，低 SES 个体在参与 mHealth 之前更喜欢面对面接触。1 因此，旨在适应这些工具的研究人员可以与社区组织、学校心理健康倡议、具有生活体验的个体和同伴支持网络合作，以确保这些工具对低 SES 个体更具响应性。一个关键考虑因素是，低 SES 社区具有多样化的生活体验和需求（例如，城市与农村、移民身份、识字水平），因此在某些情况下，基于地点的适应和参与策略可能是必要的。

结论

许多现代 mHealth 工具和干预处于发展的萌芽阶段。因此，维持与这些工具的参与度取决于 AI 增长和互联网覆盖率，这将扩大其价值和影响力。这些增加低 SES 个体心理健康治疗获取和参与度的方法需要：(1) 社区参与的设计和适应；(2) 有社区成员参与的迭代完善；以及 (3) 关注低 SES 个体面临的现实障碍。与其前景相平衡，这些创新必须解决当前与隐私、数字素养和公平获取相关的挑战，同时进行基于反映透明、公平和尊重患者自主权的伦理框架的严格实证研究。我们可以将数字和 AI 驱动的工具视为传统护理系统的辅助，帮助弥合现有的数字鸿沟。然而，它们的有效性取决于它们在多大程度上满足实施社区的情境需求。虽然这些工具可以扩大获取点并促进更大的参与度，但仍需要做大量工作来解决继续限制心理健康服务参与的系统性和结构性不平等。通过深思熟虑地利用这些数字进步，我们可以为所有人建立一个更具参与性和公平性的心理健康护理系统。

利益声明：作者报告无利益冲突。作者本人对此文章的内容和写作负责。以下美国国立卫生研究院奖励支持这项工作：K12DA043490 (NAM) 和 K08AA029150 (JZD)。

作者感谢 Margarita Alegría 博士在本手稿早期概念化过程中的指导和反馈，以及 Lorenzo Lorenzo-Luaces 博士在修订过程中的反馈。