移动健康干预对心理健康素养的影响：随机对照试验的系统综述与Meta分析

《PLOS Digital Health》：Impact of mobile health interventions for mental health literacy: A systematic review and meta-analysis of randomized controlled trials

　　

心理健康素养（Mental Health Literacy, MHL）——即识别、管理和预防心理健康问题的能力——是心理健康的关键决定因素。移动健康（mobile health, mHealth）干预通过智能手机等便携式数字设备提供，具有可扩展性、交互性和用户定制化的特点，可用于改善MHL。本研究旨在评估mHealth干预相较于对照组（非mHealth干预、等待名单或无干预）对MHL结局的影响。该系统综述与Meta分析检索了五个数据库，纳入2010年1月1日至2025年4月18日期间发表的随机对照试验（randomized controlled trials, RCTs）。符合条件的研究纳入年龄≥12岁的参与者，并将mHealth干预与对照组进行比较。两名评审员独立筛选文献、提取数据，并使用Cochrane偏倚风险评估工具2（RoB 2）评估偏倚风险。主要结局为MHL，采用标准化均数差（standardized mean difference, SMD）评估总体MHL及其组成部分：知识、求助行为和污名。采用随机效应模型进行Meta分析。在识别的5,043条记录中，14项RCT满足所有纳入标准，共包含4,314名参与者。与对照组相比，mHealth干预在总体MHL（SMD = 0.13，95% CI：0.03–0.23）、知识（SMD = 0.23，95% CI：0.09–0.37）和求助行为（SMD = 0.26，95% CI：0.04–0.47；p = 0.019）方面均显著更高。检测到高度异质性（I2 = 93.6%；τ2 = 0.03；p < 0.001）。两项研究被评估为高偏倚风险；其余研究至少存在一定程度的偏倚担忧。mHealth干预适度改善了MHL结局，尤其是知识和求助行为。尽管效应量较小且异质性较高，但在规模化实施时，这些干预可能具有重要的公共卫生价值。

**论文解读：移动健康干预对心理健康素养的影响——基于随机对照试验的系统综述与Meta分析**

**一、研究背景与问题**

心理健康是个体整体健康的重要组成部分，影响人们的思维、情感和行为。全球范围内，心理障碍患病率居高不下，世界卫生组织估计2019年约有八分之一的人患有心理障碍，且心理障碍显著增加了全球疾病负担，导致较高的伤残损失生命年，对卫生系统、社会服务和经济造成巨大压力。心理健康素养（Mental Health Literacy, MHL）被定义为识别、管理和预防心理健康问题的能力，是促进心理健康的重要决定因素。高水平的MHL与更积极的求助行为、较低的污名化水平以及更充分地利用心理健康服务相关；而低水平的MHL则与不良心理健康结局相关，例如瑞典研究发现低MHL者存在更高的自我污名化，中国老年人研究也发现低MHL与焦虑和抑郁症状相关。然而，许多人的MHL水平仍然偏低，例如美国研究发现不足50%的参与者能正确识别抑郁症状，加拿大报告显示仅37%的人对识别心理问题有较高信心。移动健康（mobile health, mHealth）干预利用智能手机等便携式数字设备提供健康服务和信息，具有可扩展性、交互性和个性化潜力，被认为是改善MHL的可行途径。然而，既有综述往往将mHealth干预与更广泛的数字干预（如网络程序、远程医疗）混为一体，未单独聚焦RCT并定量评估mHealth对MHL的效果。为弥补这一空白，本研究开展系统综述与Meta分析，旨在评估mHealth干预对12岁及以上人群MHL的影响。

**二、主要技术方法**

研究人员根据预先注册的方案（Open Science Framework注册号：https://doi.org/10.17605/OSF.IO/WMX3H）遵循PRISMA 2020报告指南和Cochrane协作网方法实施综述。检索策略与健康科学图书馆员共同制定，于2025年4月18日执行，涵盖MEDLINE、Embase、APA PsycInfo、CENTRAL和Web of Science五个数据库，纳入2010年1月1日至2025年4月18日发表的随机对照试验（RCTs），研究对象年龄≥12岁，干预措施须通过便携式设备（智能手机、平板、可穿戴设备）交付，对照组为无干预、等待名单或非mHealth干预（如面对面治疗、纸质自助材料）。数据筛选和提取由两名评审员独立完成，采用Cochrane偏倚风险评估工具2（RoB 2）评估偏倚风险。统计分析使用R软件metafor包，效应量以Hedges' g计算标准化均数差（SMD），采用随机效应模型合成数据，并按MHL领域（知识、求助、污名）、年龄组（12–24岁 vs ≥25岁）和随访时长（≤3个月 vs >3个月）进行亚组分析，同时进行敏感性分析和发表偏倚评估（漏斗图、Egger检验）。最终纳入14项RCT，共4,314名参与者，全部在澳大利亚、美国、德国、西班牙、新西兰、挪威、韩国、荷兰等高收入国家开展。

**三、研究结果**

**3.1 总体MHL效应**
Meta分析显示，与对照组相比，mHealth干预组参与者的总体MHL得分显著更高（SMD = 0.13，95% CI：0.03–0.23；p = 0.011），但异质性较高（I2 = 93.6%；τ2 = 0.03；p < 0.001），表明研究间差异较大。

**3.2 MHL各领域效应**
在知识领域（7项研究），mHealth干预组的心理健康知识得分显著高于对照组（SMD = 0.23，95% CI：0.09–0.37；p = 0.002），异质性中等（I2 = 55.7%）。在求助行为领域（8项研究），干预组显著优于对照组（SMD = 0.26，95% CI：0.04–0.47；p = 0.019），但异质性高（I2 = 94.2%）。在污名减少领域（5项研究），两组间差异无统计学意义（SMD = 0.05，95% CI：-0.13–0.23；p = 0.581），异质性高（I2 = 92.1%）。

**3.3 亚组分析**
按年龄分层：在12–24岁青少年和年轻成人中（6项研究），mHealth干预显著改善MHL（SMD = 0.19，95% CI：0.03–0.35；p = 0.021）；在25岁及以上成人中（8项研究），未观察到显著效应（SMD = 0.10，95% CI：-0.04–0.23；p = 0.152）。按随访时长分层：随访≤3个月的8项研究未显示显著效应（SMD = 0.14，95% CI：-0.02–0.30；p = 0.085）；随访>3个月的6项研究显示显著效应（SMD = 0.13，95% CI：0.01–0.25；p = 0.037）。

**3.4 发表偏倚与敏感性分析**
漏斗图未显示明显不对称，Egger检验无统计学显著性（t = -0.437，df = 12，p = 0.670），但受限于研究数量，不能完全排除发表偏倚。排除高偏倚风险研究、临床或特殊人群研究、主动对照研究、整群随机或交叉设计研究后，合并估计值未发生实质改变；逐一剔除单项研究的敏感性分析中，合并SMD范围为0.104至0.156，效应方向与大小保持稳定。

**四、讨论与结论**

讨论部分指出，尽管纳入研究存在一定偏倚风险，mHealth干预总体上与更高的MHL相关，且这种效果主要体现在知识与求助行为上，而非污名减少。以往综述未单独分离mHealth，本研究则突出了移动设备便携性和实时交互的独特优势，例如六项研究集成了情绪追踪功能，可随时记录情绪状态并提供及时资源。但效应量较小，可能源于许多干预缺乏个性化与自适应功能——少于一半的干预包含个性化内容，多数仍以静态内容为主；新兴的预测模型和生成式人工智能可能通过分析被动数据（如睡眠、情绪、定位）实现更精准的推送，从而增强干预效果。在污名方面，mHealth干预未显著降低污名，可能因为多数干预内容侧重于知识和症状识别，缺乏针对社会规范、文化叙事的针对性设计，或缺少人际互动与文化定制。在求助行为方面，mHealth干预增强了用户对求助过程的控制感，提供直接服务获取和自我评估工具，有助于减少寻求帮助的障碍。年龄分层结果提示青少年和年轻成人更受益，可能源于其更高数字素养和身份形成期的开放性；而成人组结果不显著，不能推断对老年人无效。随访时长分层显示，超过3个月的干预效果更持久，提示认知和行为改变需要反复暴露。局限性包括：仅纳入14项RCT，统计功效受限；所有研究均来自高收入国家，结果推广到中低收入国家受限；干预特征差异导致异质性较高。结论：mHealth干预在总体MHL、知识和求助行为方面相比对照组显示出小幅度改善，证明其具有提升MHL及预防心理健康问题的潜力；但效应量较小，需要进一步优化设计。随着证据积累，未来可采用Meta回归分析来理解研究间变异，并明确mHealth干预发挥最大效果的条件，为广泛实施提供依据。该研究发表于《PLOS Digital Health》。