原始论文
摘要
背景:在经典的棉花糖测试中,如果孩子们等待一段时间,他们就可以在一个小而直接的奖励(例如,一个棉花糖)和一个更大的奖励(例如,两个棉花糖)之间做出选择,这引发了大量关于冲动反应、自我调节、临床和生活结果之间关系的研究。冲动是自我调节失败的一个显著特征,导致不良的健康决定和结果,使理解和治疗冲动成为建设健康文化中最重要的结构之一。尽管有大量的文献基础,冲动性测量仍然是困难的,由于构建的多维性和有限的评估方法在日常生活中。移动设备和移动医疗(mHealth)的兴起改变了我们远程评估和干预个人的能力,为门诊诊断测试和干预提供了途径。对移动设备的纵向研究可以进一步帮助了解日常生活中的冲动行为和状态冲动的变化。
摘要目的:这项研究的目的是开发和验证一个冲动性移动健康诊断和监测应用程序,称为数字棉花糖测试(DMT),使用苹果和安卓平台,广泛传播给研究人员、临床医生和公众。
方法:DMT应用程序是使用苹果的ResearchKit (iOS)和Android的ResearchStack开源框架开发的,用于开发健康研究应用程序。DMT应用程序由三个主要模块组成:自我报告、生态瞬时评估、主动行为和认知任务。我们进行了一项为期21天的评估期(N=116名参与者)的研究,以验证DMT应用程序的新测量方法。
结果:作为DMT应用程序的一部分,我们使用语义差异量表来开发冲动的自我报告特质和瞬时状态测量。我们确定了三个状态因素(低效、寻求刺激和故意),它们与既定的冲动测量高度相关。我们进一步利用瞬时语义差异问题来检查个体内部的可变性、日常生活的影响以及情绪对状态冲动和日常冲动行为的上下文影响。我们的结果表明了自我报告语义差异和相关结果的验证,以及移动行为任务,包括气球模拟风险任务和去-不-去任务,移动延迟折扣任务的有效性相对较低。我们讨论了这些结果对移动医疗研究的设计意义。
结论:这项研究展示了在日常生活和临床环境中使用DMT移动应用程序评估性格和状态冲动的不同方面的潜力。DMT应用程序可以进一步用于增强我们对冲动行为背后的个人方面的理解,并为数字干预提供了一个有前途的途径。
试验注册:ClinicalTrials.gov NCT03006653;https://www.clinicaltrials.gov/ct2/show/NCT03006653
doi: 10.2196/25018
关键字
简介
背景
Mischel和同事进行的经典棉花糖测试[
研究发现,儿童时期无法抑制短期反应,预示着较低的教育程度、较低的压力适应力、以及成年后较高的药物使用率和BMI。在这个测试中,如果孩子们等待一段时间,他们可以在一个小而直接的奖励(例如,一个棉花糖)和一个更大的奖励(例如,两个棉花糖)之间做出选择。尽管未来的研究表明,社会经济地位等多种因素在延迟满足和生活结果之间起中介作用[ ],这项研究引发了大量关于冲动反应、自我调节、临床和生活结果之间关系的研究[ - ].冲动是一种多维结构,其主要特征是无法抑制对短期奖励的反应,尽管长期的负面后果或潜在收益的损失[
- ].在《诊断与统计手册》(Diagnostic and Statistical Manual)中,冲动性是许多疾病的常见转诊特征[ ].大量的心理学和医学研究已经证明了冲动特征与各种身体和心理健康结果之间的关系。 , ].在各种研究和亚型中,高度冲动的人被发现更有可能患有肥胖症、II型糖尿病、物质使用障碍、注意力缺陷/多动障碍(ADHD)、赌博问题、双相情感障碍、边缘性人格障碍和自杀行为等[ , , ].冲动的程度不仅预示着许多情况的发生,而且还预示着成功干预结果的可能性[ - ].冲动行为的测量
长期以来,在心理学和医学研究中,冲动的测量一直被认为是具有挑战性的,因为这种结构的多维性和异质表现[
, ].冲动行为包括一些相关但不同类型的特征,如积极和消极的紧迫感,缺乏计划或预谋,缺乏毅力,注意力不集中,现在和未来的折扣,反应抑制和感觉寻求[ ].有证据表明,冲动的每一种亚型在自我报告、神经生物学和认知测量中都以不同的方式表现出来,而且不同类型的测量在识别冲动行为的潜在成分方面各有优缺点[ - ].因此,自我报告和基于绩效的评估之间的关系始终是低量级的,但与认知和行为独立相关[
, ].例如,一项关于冲动性和BMI之间关系的元分析发现,基于表现的冲动性行为测量产生的效应量明显大于问卷调查,并且冲动性的不同领域与BMI独立相关[ ].因为这些测量不是高度相关的,但确实预测了冲动和临床结果的不同方面,评估范式应该包括广泛的评估,并具有针对特定临床环境的个性化能力。这种评估方法将通过预测特定的潜在方面来提高诊断的准确性,从而推动科学的发展,而不是专注于冲动的单一构造[ ].冲动作为一种随时间和背景而表现出来的性格类型或特征,与受物质和其他刺激影响的暂时状态之间的区别也值得研究[
].总的来说,冲动行为的基于特征的人格模型揭示了与生活结果的牢固关系[ ]和症候学[ ].与此同时,基于特质的研究可能会受到其他因素的干扰,包括环境、情绪、认知和社会环境[ , , ],并受到当前状态和上下文的严重影响。因此,随着时间的推移,通过自我报告和行为测量来测量特质和状态冲动性是很重要的,以更好地理解在现实世界环境中与临床结果的关系[ ].大多数冲动的特征和行为测量并没有被设计或验证为状态测量或作为频繁监测评估范式的一部分使用;然而,一些初步研究表明,在现实环境中,冲动行为可以通过生态瞬时评估(EMA)和经验采样进行可靠的测量。 , - ].移动健康
移动健康(mHealth)技术已经证明,智能手机应用程序和传感器能够收集有关个人活动、行为、症状、认知和背景的数据[
- ].移动医疗研究平台和框架,包括苹果的ResearchKit (iOS) [ 和Android的ResearchStack [ ],提供了利用各种患者报告和生成的数据开发新颖和可扩展的移动健康研究的机会[ , ].移动健康研究证明了在个人生活经验中收集个性化和频繁的多模态数据的潜力,以加强医疗状况的评估、监测和诊断,并揭示症状集群[ , ].移动健康技术可以通过提高冲动性整体预测负面结果(如精神或医疗条件的发作或恶化以及治疗失败)的准确性,进一步推动冲动性科学的发展。移动健康应用程序可以极大地促进密集的纵向研究[
, 来理解日常环境中冲动行为的主体差异。用于研究冲动性潜在结构的多模态方法分别结合了行为和自我报告测量,并包括基于特征和基于状态的方法,以实现对冲动性方面更全面和频繁的评估。每一个冲动行为的特征和状态测量可以进一步个性化和适应个人和研究的背景。这种个性化和模块化的方法对于冲动行为的研究特别有用,因为它们在身体、医学和心理状况的临床试验中很常见。为了扩大对冲动性的测量,我们开发了经过验证的实验室冲动性评估的移动版本,并使用苹果的ResearchKit (iOS)在手机上进行每日和瞬时自我报告测量[
和Android的ResearchStack [ 移动健康平台。在一项名为数字棉花糖测试(DMT)的综合研究中,我们将这些测量方法与传统的自我报告和实验室冲动性测量方法结合起来。客观的
这项研究的主要目的是通过开发和完善一个移动诊断和监测应用程序,使用基于特征和状态的自我报告和冲动性潜在方面的性能测量,来推进冲动性科学和冲动性行为的研究。为了实现这一目标,我们进行了为期21天的密集纵向研究,使用移动DMT应用程序测量冲动性的各个方面。
方法
不同的应用程序
整体应用设计
我们开发了一个名为DMT的移动监控应用程序,用于远程评估和监控冲动行为。DMT应用程序是基于Apple的ResearchKit (iOS)和Android的ResearchStack开源框架开发的,用于开发健康研究应用程序(
),让研究人员可以轻松开发直观、标准化的数据收集移动应用程序。DMT应用程序由三个主要模块组成:基线自我报告、当前状态EMA和主动行为绩效任务( ).自我报告
自我报告数据和患者报告结果在行为和医学研究中无处不在。在临床试验和实践中,个性和特质的自我报告测量在冲动性评估中很常见[
].我们使用语义差异收集了各种临床相关的自我报告测量和结果[ ],冲动的一般特征测量[ , ],以及冲动性的日常测量[ ],如下所述。教育津贴
EMA方法涉及对受试者当前行为和经历的重复采样[
].EMA指标通常用于临床试验和移动健康研究。对于冲动性,EMA方法可用于理解个体内的差异性和冲动性行为的情境因素[ , ].我们的DMT应用程序包括各种基于语义差异量表的EMA问题[ , 每天早晚都有提示。我们还实现了摄影影响计(PAM;
)来测量情绪状态和影响。PAM的设计是为了评估用户在给定时间内选择最能代表他们情绪的图像时的瞬间反应[ ].我们使用PAM的积极和消极情绪得分,这些得分已被验证,与积极和消极情绪量表(PANAS)相对应[ ].活动性能任务
主动执行任务是苹果的ResearchKit (iOS)中较具创新性的部分。
和Android的ResearchStack [ 开源框架。这些任务邀请用户在部分受控条件下执行活动,同时使用手机传感器收集数据。ResearchKit [ ]包括苹果和研究团体开发的几个预定义的记录任务[ ],可分为运动活动、健康、认知和言语等类别。ResearchStack支持各种各样的社区贡献的应用程序,尽管在撰写本文时还没有这些任务的集中列表或存储库。在认知范畴,一个相关的例子是经典的Stroop Color and Word Test的改编,该测试广泛应用于临床实践和心理学研究[ ].作为DMT应用程序和研究的一部分,我们在移动设备上调整了三个相关的行为和认知表现任务。具体来说,我们采用了三种与冲动控制相关的实验室行为测量方法:移动气球模拟风险任务(mart)、移动Go-No-Go (mGNG)和移动延迟折扣(mDD)。这些任务在视觉上进行了修改,以符合手机的规格,并适应于每天用于测量冲动控制和行为的行为表现。例如,mart在每次试验中向用户提供15个气球,需要大约2分钟才能完成(
).关于活动任务开发的其他详细信息可以在OSF的DMT项目文件夹中找到[ ].ResearchKit和ResearchStack
我们使用苹果的ResearchKit (iOS)和Android的ResearchStack开源框架的扩展开发了DMT,用于开发研究研究应用程序,这使得研究人员可以轻松地开发直观和标准化的数据收集移动应用程序。这些平台旨在满足大多数科学研究的需求,包括获取参与者的同意,可扩展的输入任务,以及机构审查委员会批准所必需的安全和隐私需求。该扩展构建在ResearchKit和ResearchStack之上,并扩展了可用的调查,包括可适应的视觉评估和自定义性能任务,如BART,并支持集成Ohmage-Omh [
, 后端开箱即用。可以轻松创建其他服务器集成,例如Sage Bionetworks Bridge平台[ ].应用程序的结构是由一个JavaScript对象符号(JSON)文件定义的,它指定了应用程序要实例化的调查或活动任务步骤。JSON文件被转换成一个步骤对象数组,应用程序使用任务生成器创建一个任务,然后将该任务呈现给研究参与者。任务的结果由结果处理器处理,结果处理器包括在本地存储结果并通过电子邮件发送给研究人员、发送给Ohmage-Omh研究经理或发送到自定义服务器的模块。例如,要为DMT创建mart (
),研究人员将需要创建一个JSON文件[ ].mart包括三个步骤:(1)介绍研究的指导步骤,(2)mart主动步骤,(3)感谢参与者的最后指导步骤。测试
2016年8月至11月期间,有10名测试用户测试了应用程序的功能。iOS和Android平台都进行了测试,并向开发人员提供了反馈,该应用程序的第二个版本于2016年12月发布。该研究使用的最终版本于2017年1月发布。
不同的研究
参与者
参与者从基因型和表型登记处招募[
],一个由诺斯韦尔健康的范斯坦医学研究所发起和管理的基因库[ ].参与者完成了一个简短的匿名在线筛选评估,这表明他们是否有资格参与这项研究。符合条件的参与者随后完成了与研究人员的电话通话,其中包括知情同意的一般概述,并在诺斯韦尔健康实验室安排了一次面对面的约会。所有研究数据都被发送到Sage Bionetworks提供的符合HIPAA(健康保险携带与责任法案)的数据库服务器。这项研究得到了诺斯韦尔健康机构审查委员会下属的范斯坦医学研究所的批准[ ].参与这项研究的资格标准包括:流利并能够阅读八年级水平的英语,年龄在18岁至75岁之间,拥有智能手机。那些报告有严重的精神或身体健康问题,并由过去一年的当前治疗或阈值症状证明的个人不包括在外联电子邮件中。精神健康问题包括任何形式的精神病或精神病性障碍、双相情感障碍和重度抑郁症。参与者的基线访谈获得50美元,完成至少80%的早晚评估获得25美元,第21天调查获得25美元。
总样本量为116例,其中63.8% (n=74)为女性,平均年龄为44.7岁(SD 13.92)。总体而言,70.7%(82/116)的参与者为白人,10.3%(12/116)为黑人/非洲裔美国人,7.8%(9/116)为西班牙裔/拉丁裔,11.2%(13/116)为其他。样本在教育程度上是混合的,36.2%(42/116)拥有大学以下学位,27.6%(32/116)拥有大学学位,36.2%(42/116)拥有研究生学位。在116名受访者中,85人(73.3%)在职,58人(50.0%)已婚。平均BMI为28.1 kg/m (SD 6.86)2.与其他移动健康研究相比,流失率相对较低[
].在招募的116名参与者中,104人(89.7%)完成了移动基线评估,100人(86.2%)完成了至少一次早晚评估,93人(80.2%)完成了第21天评估。过程
在诺斯韦尔健康实验室的亲自预约中,参与者能够解决与研究有关的任何问题,包括智能手机的使用和隐私。任命分为三个部分。首先,受试者在电脑上完成标准的自我报告和行为测量(见下文)。在约会的第二部分,参与者被指导如何将DMT应用程序下载到他们的智能手机上,并向他们展示了如何使用该应用程序的5分钟培训视频,以及在整个21天的研究中他们的参与预期。在参与者观看培训视频并有机会提问后,他们将在DMT应用程序上完成基线评估。有关研究程序和材料的其他详细信息可在OSF的DMT项目文件夹中找到[
].实验室评估
特质自我报告
我们使用了两种最常见的广义冲动性问卷:巴拉特冲动性量表(BIS)和紧迫性,预谋(缺乏),毅力(缺乏),感觉寻求,积极的紧迫感冲动性行为量表(UPPS)。
BIS是最被广泛引用的冲动性评估工具,并已被用于促进对冲动性结构及其与其他临床现象关系的理解[
, ].我们使用了一个更短的版本,叫做BIS-15 [ ].BIS-15量表衡量冲动的三个方面:注意力(无法集中注意力)、运动(不思进取)和计划性(缺乏未来方向或前瞻性)。冲动性行为量表[
)评估冲动性的分量表:紧迫感(在负面影响的情况下鲁莽行事)、缺乏预谋(难以思考和反思行为的后果)、缺乏毅力(无法集中精力完成任务)和寻求刺激(尝试和享受刺激或危险活动的倾向和开放)。这些分量表与精神病理学有异质关系[ ]行为和认知主动表现任务
我们使用了三种通常用于测量冲动控制和相关结构的行为测量的验证标准版本:BART, GNG和DD。这些测量是计算机化的,并在诺斯韦尔健康实验室执行。
BART是一种衡量风险的方法,它要求个人通过反复抽气球赚取虚拟货币来平衡潜在的回报和损失。
].BART标准被发现可以预测冒险行为、药物滥用、赌博和不健康饮食[ , ].我们使用Inquisit软件[ ],并使用基于Lejuez等人的脚本来衡量冲动性和风险规避[ ],这在之前的研究中得到了验证。参与者每人得到30个气球,每次一个。对于每个气球,他们都有机会反复给气球打气来增加他们潜在的假设收入,或者停止打气来收集他们的累积收入。然而,如果气球爆了,参与者就失去了当前气球的所有潜在奖金。在这个模型中,未爆炸气球的平均泵数是主要因变量,数值越高表明风险越大。标准的实验室BART任务大约需要7分钟才能完成。我们记录了所有试验的平均泵次数,以衡量冒险倾向[ ].GNG是一种行为抑制和认知控制的测量方法。研究发现,与对照组相比,多动症患者表现出更差的抑制控制能力[
].GNG表现在健康对照组与物质使用者或饮食失调个体之间也存在差异[ , ].我们使用Inquisit软件[ ],基于Fillmore等的实现过程[ ].参与者被要求在看到绿色矩形(=go)时按下空格键,而在看到蓝色矩形(=no-go)时不要按空格键。蓝色和绿色矩形可以是垂直的,也可以是水平的。垂直矩形有很高的概率是绿色的(“放行”试验),水平矩形有很高的概率是蓝色的(“不放行”试验)。在矩形颜色显示之前,参与者接收到关于矩形方向的信息(=cue)。激活和抑制倾向一致地形成线索依赖[ ].这项任务包括250条线索,大约需要10分钟才能完成。我们联合记录了抑制委员会和遗漏错误,以及在所有试验中对目标的反应时间。DD是衡量玩家延迟较小虚拟奖励以换取较大虚拟奖励的能力。DD是精神疾病的跨诊断过程[
, ].我们使用基于实验室的Inquisit软件,并基于Richards等人的实现程序[ ].参与者被要求在以下两种情况中进行选择:一种是有不同时间或概率延迟的标准数额的假设金钱(10美元),另一种是没有延迟的可变数额,直到找到每个延迟的无差异点,或者直到每次延迟运行30次试验。该脚本建立了(1)假设的收益,参与者开始对较高的货币奖励进行折现,以支持较短的等待时间(延迟折现),以及(2)虚构的收益,参与者开始对不确定事件的高货币奖励进行折现,而支持确定胜利的低货币奖励(概率折现)。耗时约15分钟。我们记录了在所有5次试验中为每个任务管理选择较小奖励的累积概率[ , ].移动评估(DMT App)
时间表
我们使用DMT应用程序进行了一项为期21天的移动评估研究。使用DMT应用程序进行移动评估的时间表总结在
.评估项目 | 基线 | 早.... | 晚上 | 21天 | |
自我报告:感觉一般(语义差异项1-20) | X | X | |||
生态瞬时评价 | |||||
现在感受(语义差异项目4,5,7,8,11,12,15,17,19,20) | X | X | |||
摄影效果测量仪 | X | X | X | ||
活动任务 | |||||
mBART一个 | X | Xb | Xb | X | |
mGNGc | X | Xb | Xb | X | |
mDDd | X | Xb | Xb | X |
一个移动气球模拟风险任务。
b在mart, mGNG, mDD中随机显示一个。
cmGNG:移动Go-No-Go。
dmDD:移动延迟折扣。
DMT自我报告和EMA
DMT应用程序冲动性的主要测量方法通过自我报告语义差异进行评估[
, ].我们从语义差异量表中选择了20个项目,并在研究过程中的不同时间点使用选择的项目 .所有的项目都在基线和研究结束时进行了测量。参与者被要求报告基于特征(总体感觉)或当前状态(现在感觉)的语义差异。DMT应用程序还提示PAM (
)来测量情绪状态和情绪。PAM是为瞬间反应而设计的,用户可以选择在给定时间内最能代表他们情绪的图像[ ].在基线时,每天早上和晚上,在研究结束时( ).DMT活动性能任务
BART (mart)的DMT应用程序版本与实验室版本相似,只是它更短(15次试验;长约2分钟)。参与者被要求在15次试验中尽可能多地赚钱(
).对于参与者来说,这项任务被命名为“气球游戏”( ).提示GNG (mGNG)的DMT应用程序版本包括75个试验,每个试验都有以下顺序:固定交叉(250毫秒);空白屏幕(250毫秒),垂直或水平提示(白色矩形),用于6个刺激启动异步中的一个(100、200、300、400、500、750毫秒);前进或不前进目标(分别为绿色或蓝色矩形),直到参与者响应或500毫秒;以及试验间隔(250毫秒)。参与者被要求以尽可能快的速度按下屏幕上的绿色目标,而不是蓝色目标。信号以70%的概率向目标发出信号(水平方向:前进,垂直方向:不前进)。对于参与者来说,这项任务被命名为“正方形测试”(
).在DMT应用程序版本的DD任务(mDD)中,参与者有5个选择,一个较小的假设货币或基于时间的奖励,根据之前的回答在每次试验中有所不同,另一个较大的固定奖励在所有试验中保持不变。对于参与者来说,任务被命名为“现在还是以后?””(
).结果
方法和描述性统计
在这项研究中,我们验证了自我报告、EMA和移动设备上冲动行为的行为测量。总的来说,我们验证了我们的移动评估与先前验证的冲动性临床测量,如BIS-15和UPPS。我们还检查了新测量方法的心理测量特性。描述性统计和分析可在OSF的DMT项目文件夹[
].语义的差异
我们对基线测量的20项语义差异量表进行了主成分分析(
).我们的探索性分析得出了一个包含6个因素的解决方案,我们称之为低效、消极、冷静、不健康、寻求刺激和故意的。综合起来,这些成分解释了量表中74%的方差。主成分分析的完整结果显示在 .语义的差异 | 效率低下的 | 负 | 平静 | 不健康的 | 兴奋 | 有意的 |
1.Efficient-Inefficient | 0.849一个 | 0.146 | -0.055 | 0.129 | -0.054 | -0.009 |
2.Organized-Unorganized | 0.821 | -0.026 | -0.044 | -0.073 | 0.172 | -0.080 |
3.Productive-Unproductive | 0.765 | 0.289 | 0.017 | 0.318 | -0.031 | 0.062 |
4.Focused-Distracted | 0.721 | 0.209 | -0.337 | 0.135 | -0.052 | -0.229 |
5.Determined-Aimless | 0.580 | 0.534 | -0.063 | 0.176 | -0.091 | 0.069 |
6.明确headed-Confused | 0.580 | 0.210 | -0.348 | 0.128 | -0.149 | -0.375 |
7.Bored-Engaged | - - - - - -0.539 | -0.184 | 0.392 | -0.229 | 0.015 | 0.272 |
8.Optimistic-Pessimistic | 0.133 | 0.867 | -0.122 | 0.016 | -0.072 | 0.075 |
9.pn结 | 0.249 | 0.837 | -0.156 | -0.056 | 0.040 | 0.090 |
10.Sad-Happy | -0.052 | - - - - - -0.682 | 0.527 | -0.245 | 0.063 | 0.087 |
11.Lonely-Connected | -0.015 | - - - - - -0.654 | 0.311 | -0.280 | -0.145 | 0.135 |
12.Proud-Ashamed | 0.460 | 0.646 | -0.063 | 0.113 | -0.001 | -0.035 |
13.缓解焦虑情绪 | 0.227 | 0.094 | - - - - - -0.836 | -0.106 | -0.037 | 0.013 |
14.Stressed-Relaxed | -0.071 | -0.239 | 0.835 | -0.216 | -0.141 | -0.071 |
15.Frustrated-Content | -0.073 | -0.444 | 0.597 | -0.125 | -0.132 | 0.138 |
16.Healthy-Unhealthy | 0.139 | 0.118 | -0.028 | 0.882 | 0.002 | -0.047 |
17.Energetic-Tired | 0.373 | 0.122 | -0.235 | 0.708 | -0.139 | 0.163 |
18.保守进步 | 0.024 | -0.006 | -0.166 | -0.147 | 0.795 | 0.239 |
19.Cautious-Thrill寻求 | -0.039 | 0.029 | 0.045 | 0.065 | 0.784 | -0.341 |
20.Impulsive-Intentional | -0.178 | 0.070 | 0.011 | 0.077 | -0.059 | 0.908 |
解释方差(%)(α) | 20(多多) | 18(.87点) | 13(结果) | 9(点) | 7 (.46) | 7 (N / Ab) |
一个斜体中的值表示与组件对应的因子。
bN/A:不适用。
与BIS-15和UPPS的相关性
我们检查了验证的测量(BIS-15和UPPS)与我们的6个因素之间的相关性。低效和寻求刺激因素与冲动和冲动行为的各种特质测量高度相关。相反,消极、平静和不健康因素与冲动和冲动行为的特征测量只显示出极小或不显著的相关性。的impulsive-intentional因子仅包含一个项目,与9个基于特质的测量中的7个显著相关。完整的相关结果显示在
.变量 | 效率低下的 | 负 | 平静 | 不健康的 | 兴奋 | 有意的 | |||||||
电动机 | |||||||||||||
r | 0.320 | 0.008 | -0.216 | -0.068 | 0.106 | -0.534 | |||||||
P价值 | 措施 | 总收入 | 03 | 50 | 29 | <措施 | |||||||
无计划 | |||||||||||||
r | 0.352 | -0.012 | 0.097 | 0.059 | -0.098 | -0.234 | |||||||
P价值 | <措施 | .90 | .33 | 55 | .33 | 02 | |||||||
注意 | |||||||||||||
r | 0.423 | 0.209 | -0.307 | 0.067 | -0.055 | -0.150 | |||||||
P价值 | <措施 | 03 | .002 | 50 | 算下来 | 13。 | |||||||
BIS-15 | |||||||||||||
r | 0.516 | 0.097 | -0.188 | 0.033 | -0.031 | -0.416 | |||||||
P价值 | <措施 | .33 | 06 | .74点 | .76 | <措施 | |||||||
紧迫感 | |||||||||||||
r | 0.376 | 0.115 | -0.146 | 0.105 | -0.023 | -0.419 | |||||||
P价值 | <措施 | 二十五分 | .14点 | 29 | 总共花掉 | <措施 | |||||||
预谋 | |||||||||||||
r | 0.278 | -0.035 | -0.050 | 0.058 | 0.324 | -0.304 | |||||||
P价值 | 04 | 开市 | 收 | 56 | 措施 | .002 | |||||||
毅力 | |||||||||||||
r | 0.575 | 0.150 | -0.206 | 0.094 | 0.019 | -0.062 | |||||||
P价值 | <措施 | 13。 | .04点 | 点 | .85 | 53 | |||||||
感觉寻求 | |||||||||||||
r | -0.082 | -0.136 | 0.068 | 0.026 | 0.542 | -0.361 | |||||||
P价值 | .41点 | 。 | 报 | .79 | <措施 | <措施 | |||||||
暴 | |||||||||||||
r | 0.346 | 0.008 | -0.094 | 0.101 | 0.359 | -0.477 | |||||||
P价值 | <措施 | 总收入 | 点 | 。31 | <措施 | <措施 |
个体内的变化
我们进一步研究了基线和早晚测量之间自我报告语义差异的个体内变异性。我们比较了个体的“总体感觉”自我报告与21天内相同语义差异的平均每日报告之间的相关性。
如
,基线和早晨测量之间的相关性从中等(r=0.4)至高(r= 0.7)lonely-connected,optimistic-pessimistic,determined-aimless具有最高的相关性,并且focused-distracted,energetic-tired,bored-engaged相关性最低。基线和夜间测量之间的相关性从低(r=0.2)至高(r= 0.7)lonely-connected,cautious-thrill寻求,impulsive-intentional具有最高的相关性,并且focused-distracted,energetic-tired,bored-engaged相关性最低。总体而言,早晚瞬时测量与基线的偏差和变异性相似,晚间与基线测量的校准较低。早晚测量之间的相关性非常高(r= 0.8 - -0.9)。我们发现,与早上相比,人们在晚上更冲动、更分心、更漫无目的、更疲劳、更悲观、更寻求刺激。除此之外,我们发现人们在早晨和晚上报告的无聊、孤独、羞耻和沮丧程度相似。
语义的差异 | 基线vs早晨 | 基线vs晚间 | 早上vs晚上 | ||||||
r | t(df = 97) | P价值 | r | t(df = 98) | P价值 | r | t(df = 97) | P价值 | |
Focused-Distracted | 0.355 | -2.313 | 02 | 0.177 | -3.864 | <措施 | 0.820 | -4.744 | <措施 |
Determined-Aimless | 0.548 | -6.357 | <措施 | 0.422 | -8.308 | <措施 | 0.836 | -5.447 | <措施 |
Bored-Engaged | 0.391 | 0.582 |
56 | 0.319 | 1.298 | .20 | 0.808 | 1.741 | .09点 |
Optimistic-Pessimistic | 0.574 | -1.089 | 陈霞 | 0.481 | -1.950 | 0。 | 0.916 | -2.752 | .007 |
Lonely-Connected | 0.701 | 0.000 | >。 | 0.693 | -0.111 | 点 | 0.902 | -0.702 | 的相关性 |
Proud-Ashamed | 0.529 | -3.526 |
措施 | 0.459 | -3.007 | .003 | 0.911 | 1.150 | 二十五分 |
Frustrated-Content | 0.549 | 0.604 |
55 | 0.514 | 0.081 | 总收入 | 0.875 | -1.201 | 23) |
Energetic-Tired | 0.492 | -2.747 |
.007 | 0.273 | -5.584 | <措施 | 0.590 | -5.254 | <措施 |
Cautious-Thrill寻求 | 0.534 | -0.350, |
收 | 0.539 | -1.096 | 陈霞 | 0.911 | -2.255 | 03 |
Impulsive-Intentional | 0.531 | -0.279 | 尾数就 | 0.531 | 1.424 | 16 | 0.872 | 4.545 | <措施 |
情绪状态与情感的影响
我们检查了PAM任务中的四个指标(效价、唤醒、积极和消极),因为它们与早晨和晚上的瞬时语义差异相关(
).在四个PAM指标中,积极影响与各种语义差异的相关性普遍高于其他指标。在研究的10个语义差异中,energetic-tired而且frustrated-content与PAM指标的相关性最高。然而,这两个impulsive-intentional而且cautious-thrill寻求语义差异通常与任何PAM指标( ).语义的差异 | 价 | 唤醒 | 积极的 | 负 | ||||||||
早.... | 晚上 | 早.... | 晚上 | 早.... | 晚上 | 早.... | 晚上 | |||||
Focused-Distracted | ||||||||||||
r | -0.392 | -0.406 | -0.448 | -0.333 | -0.475 | -0.461 | 0.244 | 0.283 | ||||
P价值 | <措施 | <措施 | <措施 | 措施 | <措施 | <措施 | 02 | 04 | ||||
Determined-Aimless | ||||||||||||
r | -0.365 | -0.452 | -0.500 | -0.371 | -0.468 | -0.513 | 0.197 | 0.314 | ||||
P价值 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | 0。 | 措施 | ||||
Bored-Engaged | ||||||||||||
r | 0.317 | 0.425 | 0.551 | 0.425 | 0.442 | 0.508 | -0.128 | -0.264 | ||||
P价值 | 措施 | <措施 | <措施 | <措施 | <措施 | <措施 | . 21 | .008 | ||||
Optimistic-Pessimistic | ||||||||||||
r | 0.434 | -0.422 | -0.413 | -0.236 | -0.525 | -0.442 | 0.331 | 0.337 | ||||
P价值 | <措施 | <措施 | <措施 | 02 | <措施 | <措施 | 措施 | 措施 | ||||
Lonely-Connected | ||||||||||||
r | 0.434 | 0.445 | 0.483 | 0.361 | 0.522 | 0.504 | -0.275 | -0.311 | ||||
P价值 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | .006 | .002 | ||||
Proud-Ashamed | ||||||||||||
r | -0.449 | -0.585 | -0.453 | -0.347 | -0.526 | -0.620 | 0.302 | 0.460 | ||||
P价值 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | .002 | <措施 | ||||
Frustrated-Content | ||||||||||||
r | 0.578 | 0.607 | 0.390 | 0.361 | 0.618 | 0.644 | -0.461 | -0.477 | ||||
P价值 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | ||||
Energetic-Tired | ||||||||||||
r | -0.479 | -0.461 | -0.706 | -0.722 | -0.630 | -0.639 | 0.239 | 0.182 | ||||
P价值 | <措施 | <措施 | <措施 | <措施 | <措施 | <措施 | 02 | 07 | ||||
Cautious-Thrill寻求 | ||||||||||||
r | -0.012 | -0.065 | 0.079 | 0.104 | 0.014 | -0.021 | 0.043 | 0.108 | ||||
P价值 | .90 | 点 | 无误 | 。31 | .89 | 点 | .68点 | 29 | ||||
Impulsive-Intentional | ||||||||||||
r | 0.190 | 0.322 | 0.008 | 0.078 | 0.167 | 0.303 | -0.197 | -0.299 | ||||
P价值 | 06 | 措施 | 总收入 | 无误 | .10 | .002 | 0。 | .003 |
活动性能任务
mBART
为了验证mart,我们评估了经过验证的BART实验室测量和探索性mart活动任务中的行为之间的相关性。实验室爆炸次数(N=114;均值6.55,标准差5.25)高度相关(r= 0.658,P<.001)与mart中的爆炸次数(N=102;平均5.62,SD 2.65)。我们还估计了mart中爆炸次数的测试重测可靠性,并发现基线和早晨之间存在高度相关性(r= 0.663,P<.001),晚上(r= .0673,P<.001),第21天(r= 0.451,P<措施)。泵数量的结果与爆炸数量的结果几乎相同,因为这些测量结果高度相关(r= 0.643,P<措施)。mart上的爆炸次数与感觉寻求特质(r= 0.216,P= 03)。爆炸次数(r= 0.30,P=.002)和泵的数量(r= 0.268,P=.006),与语义差异的刺激寻求因子相关。
mGNG
为了验证mGNG,我们测试了经过验证的实验室测量的GNG行为与探索性mGNG活动任务之间的相关性。实验室中的响应时间(毫秒)(N=109;均值353,标准差43)高度相关(r= 0.467,P<.001), mGNG的响应时间(N=97;平均430,SD 80)。我们还估计了mGNG中响应时间的测试-重测可靠性,并发现基线和早晨(r= 0.88,P<.001),晚上(r= 0.862,P<.001),第21天(r= 0.789,P<措施)。由于实验室任务的总体错误率较低(平均值为0.00765,标准差为0.014569),而mGNG的总体错误率较高(平均值为0.39,标准差为0.74),因此实验室和移动版本之间的错误率不相关。值得注意的是,基线时mGNG的平均错误率与早晨、晚上和第21天的错误率无关。测试-重测信度在研究过程中发生了变化,因为早晨与晚上相关(r= 0.477,P<.001)和第21天(r= 0.454,P<.001),也与晚上(r= 0.461,P<措施)。这与参与者在研究期间报告的对mGNG的沮丧相一致,这可能导致了更差的表现。mGNG任务应答率与感觉寻求特质负相关(r= -0.310,P= .002)。mGNG的错误率与语义差异的组织因素呈负相关(r= -0.194,P=.06),反应时间与语义差异的谨慎因素(r= -0.196,P= . 05)。
mDD
我们在用等效的实验室版本验证mDD活动任务时遇到了麻烦,因为我们使用了DD的一个缩短的探索性版本[
].然而,我们的结果产生了中等的测试重测信度和收敛效度。我们考察了在金钱和时间方面选择后一种奖励的倾向。6个月后选择奖励(金钱)的倾向与1个月后选择奖励(金钱)的倾向高度相关(r= 0.489,P=.002)和1年内的后期奖励(时间)(r= 0.396,P<措施)。1年内选择较晚时间奖励的倾向与6个月内选择较晚时间奖励的倾向高度相关(r= 0.523,P=措施)。我们还估计了mDD中后期选择倾向的测试-重测可靠性,并发现了高相关性。基线时6个月后选择奖励(金钱)的倾向与第21天6个月后选择奖励(金钱)的倾向高度相关(r= 0.414,P<措施)。基线时12个月后选择奖励(时间)的倾向与第21天12个月后选择奖励(时间)的倾向高度相关(r= 0.394,P<措施)。6个月后第21天选择后一种奖励(金钱)的倾向与12个月后第21天选择后一种奖励(时间)的倾向高度相关(r= 0.411,P<措施)。mDD和任何自我报告测量之间没有关联。讨论
主要结果
总的来说,目前的研究证明了在日常生活中使用DMT移动应用程序评估特质和状态冲动性的不同方面的潜力。与之前的研究类似,结果表明,现有的自我报告测量和计算机性能任务之间的并发和预测有效性水平不同,这些任务的移动状态和特质版本在21天内测量。
特质和状态自我报告测量
我们建立在语义差异量表的基础上,在DMT应用程序中开发自我报告冲动性的特质和状态测量。我们对基线语义差异的探索性主成分分析得出了六个特质冲动性因素:低效、消极、冷静、不健康、寻求刺激和故意。我们发现,低效的、有意的和寻求刺激的因素与特质冲动性的各个方面高度相关,而消极的、冷静的和不健康的因素只与基于特质的测量略有相关。值得注意的是,impulsive-intentional因子仅由一个项目组成,与9个基于特质的测量(BIS-15/UPPS)中的7个显著相关,可以潜在地用作特质冲动性的简约单项目测量。
为了加强对状态冲动性和个体内部变异性的理解,我们检查了在DMT研究期间的早晨和晚上一般自我报告和瞬时语义差异测量之间的差异。基线测量值与早晨测量值之间的相关性介于中等(r=0.40)至高(r= 0.70)lonely-connected,optimistic-pessimistic,determined-aimless显示出最高的相关性,以及focused-distracted,energetic-tired,bored-engaged显示出最低的相关性。基线和夜间测量之间的相关性从低(r=0.20)至高(r= 0.70)lonely-connected,cautious-thrill寻求,impulsive-intentional显示出最高的相关性,以及focused-distracted,energetic-tired,bored-engaged显示出最低的相关性。总体而言,早晚瞬时测量与基线的偏差和变异性相似,晚间反应显示与基线测量的校准较低。
我们的研究设计还允许我们通过比较早晨和晚上的瞬间自我报告,在日常生活的背景下调查这些结构。早晚测量之间的相关性非常高(r= 0.80 - -0.90)。我们发现,与早上相比,人们在晚上更冲动、更分心、更漫无目的、更疲劳、更悲观、更寻求刺激。除此之外,我们发现人们在早晨和晚上报告的无聊、孤独、羞耻和沮丧程度相似。这些结果有助于强调一天中冲动方面的变化。可归因于身心耗损的措施[
]在早晚的时间里变化最大,而那些评估基于性格特征的人则更稳定。重要的是要认识到我们使用的是非临床样本。以前的研究(例如,Tomko等[ ])的研究报告称,与非临床样本相比,临床样本的日常冲动可能变化更大,这表明需要在临床人群中进行进一步的研究。结果还表明,一些暂时的状态评估是高度相关的时间和一天,如focused-distracted而且determined-aimless,而其他人则如lonely-connected而且frustrated-content在所有评估期间没有发现显著的关系。还值得注意的是,一些项目,包括impulsive-intentional而且seeking-cautious兴奋,只在早上和晚上与基线到早上或晚上相关,这表明尽管平均值可能在早上和晚上有所不同,但随着时间的推移,存在相对的日内关联和稳定性。
最后,我们研究了情绪状态的作用,包括效价、唤醒、积极和消极,使用PAM [
].我们观察到,积极情绪与各种瞬时语义差异的相关性普遍高于效价、唤醒和消极情绪。具体地说,energetic-tired而且frustrated-content与PAM指标的相关性最高。然而,这两个impulsive-intentional而且cautious-thrill寻求语义差异通常与任何价、唤醒、积极或消极的情绪状态测量无关。这些高相关性表明,使用自我报告照片而不是基于文本的自我报告项目,或与之结合,可以将瞬时状态评估扩展到更广泛的受众,无论语言或教育程度如何[ ].进一步的研究需要在不同队列的临床样本中测试PAM。活动性能任务
DMT研究的主要目标之一是验证DMT应用程序中的行为和认知主动表现任务。之前的研究强调了行为任务的转诊断潜力[
, ]但也发现了与自我报告相比,测试-重测可靠性方面的挑战[ ].在DMT应用程序中,我们基于这些任务的验证计算机化版本,对DMT活动性能任务(mart、mGNG和mDD)的设计建模[ , , ].尽管我们努力将移动任务与实验室任务相匹配,但我们在验证这些任务时只发现了适度的成功。本研究中mart效度最高,mGNG次之,mDD效度最低。具体而言,mBART活动任务显示出与实验室BART任务的高度相关性,高测试-重测信度,以及与自我报告测量的收敛效度。mBART任务中的风险承担与自我报告的感觉寻求相关,这与先前基于实验室的BART研究相对应[
].我们的结果也与MacLean及其同事的结果一致[ 他透露,另一个不同的移动版本的BART与实验室的计算机版本显示出良好的并发和预测有效性。与我们的结果不同,我们的结果在每天的时间和时间上基本稳定,而在他们的非每日吸烟者样本中,BART指数随着时间的推移存在一些差异。当这些研究结合起来时,BART似乎可以转化为手机,以可靠地评估现实环境中的风险承担。然而,正如在其他研究中发现的那样,自我报告和风险行为测量之间的弱相关性[ , ],就有理由在未来对特定领域或更一般的风险措施进行调查[ 在冲动行为的背景下。GNG是临床试验中常见的抑制和认知控制行为测量方法[
- ].在这些试验中,通常用两个主要结果来衡量认知控制:错误率和反应时间。错误率在成瘾和物质使用研究中尤为重要。在移动设备上,以及在自然环境和实验室之外(即mGNG)执行时,这些指标的分布预计将发生巨大变化。我们的研究结果表明,反应时间在不同时间和环境下都是稳定的,基线、早晨、晚上和第21天的相关性在0.79至0.86之间,且无显著的平均差异。错误率在时间点上的相关性较弱,但总体均值相对稳定。这一发现可能是由于GNG任务的计算机化实验室版本中的地板效应,这在健康样本和基线且没有实验操作(如酒精给药)的临床样本中很常见[ - ].DD用于衡量玩家将即时、较小、较短的奖励推迟到较长时间、较大奖励的能力。在这项研究中,我们没有设法获得新mDD和实验室DD任务的并发有效性。然而,在DMT研究期间,mDD中的个人选择通过DD的金钱版本和时间版本之间的相关性显示出适度的收敛效度。mDD中的选择也显示了从基线到第21天的中等测试重测可靠性。无效结果也可能是由于mDD任务的假设结构,而不是与激励相容的结构,这降低了有效性[
, ],或使用只有5个决策点的简短任务。综合来看,我们的结果强调,实验室移动评估可以在现场可靠地收集。尽管人们对自我报告冲动性测量之间相对较弱的关系存在一些担忧,但除了mart之外,在基线执行这些任务的之前验证的计算机版本中也发现了类似的结果,这表明在冲动性的客观测量中存在更多系统性问题[
, ].目前,这些问题似乎还不能通过这些任务的移动版本来解决。我们计划在DMT应用程序的未来研究中完善并进一步验证mart、mGNG和mDD任务。与其他移动健康应用的比较及相关研究
移动健康应用程序的一个常见临床用途是远程诊断[
].对直接面向消费者应用程序的系统回顾发现,许多症状检查和诊断应用程序缺乏足够的临床证据[ ].我们的研究结合了有效的评估和新的测量方法,产生了支持DMT应用程序诊断功能的证据。在未来,DMT应用程序可以用作远程面向患者的移动健康应用程序,以诊断和监测冲动行为。我们的目标是为研究人员和临床医生开发和验证DMT应用程序。我们使用了苹果的ResearchKit [
和Android的ResearchStack [ ]开发健康研究应用程序的开放源码框架( ),让研究人员可以轻松开发直观、标准化的数据收集移动应用程序。我们开发的DMT应用程序和测量方法是跨平台、开源和标准化的。例如,我们的mart和mGNG任务可以很容易地被其他研究人员用于各种使用移动设备的心理、行为和临床研究。我们的研究还表明,在移动健康研究和应用程序中,行为和认知主动表现任务具有更广泛的设计意义。在这些任务中,用户在部分控制的条件下执行活动,而手机传感器用于收集数据。移动设备和应用程序上的用户界面和用户体验与经过验证的实验室行为和认知任务有很大不同。移动表演任务通常按照预期在个人的生活体验中进行,注意力有限,分心充足。这项研究中的一些任务(如mGNG和mDD)需要更持久的注意力和信息处理,而其他任务(如mart)则更具吸引力和游戏化。用户体验的影响对验证研究提出了挑战,需要在移动健康研究中更仔细地设计行为和认知主动表现任务。
冲动评估和干预的未来
尽管实验室和自我报告测量对特质冲动性具有预测能力,但还需要对不同样本进行更多研究,以解开冲动性和健康结果之间的关系[
, , ].我们的研究揭示了与先前研究相似的结果,即冲动不是一个单一的构念,而是由定性上不同的构念组成,这些构念可能有也可能没有一些重叠[ ].此外,每个人的冲动行为和健康结果之间的复杂关系可能需要一种n- 1的方法来预测和控制冲动行为[ , , ].新的移动健康方法,如使用多模态评估策略的DMT,将特征和状态冲动性与上下文变量考虑在内,需要进一步了解如何预测冲动性行为。未来的研究应考虑环境因素,如环境、情绪和意向性,以进一步理清特质和状态冲动之间的关系,以及这些工具测量的不同维度。环境因素也可用于设计更精确的行为改变和移动技术的数字健康干预措施[ , - ].我们的最终目标是从特质和状态冲动性的测量转向对冲动控制和行为干预的实施和评估。尽管关于冲动对心理和身体健康结果的影响的研究铺天盖地,但它本身作为干预的目标在很大程度上被忽视了。我们基于移动设备的测量方法可用于在同一移动设备和应用程序上设计个性化和适应性干预措施。即时适应性干预(JITAI)可通过适应个人不断变化的内部和环境状态,在正确的时间提供正确类型/数量的支持[
, ].使用每日自我报告测量方法进行的研究表明,某些状态冲动域的波动(例如,缺乏计划,消极的紧迫感)预示着重度饮酒,突出了根据日常波动引发干预的机会[
].类似地,行为主动任务可以检测到白天抑制控制的恶化[ ].为了设计JITAI,将单项意向性测量与mart的结果相结合,可以潜在地预测在某个特定的早晨,与其他日子相比,意向性降低和承担更多风险的脆弱状态,或者揭示这些变量随时间缓慢变化的数据趋势。因此,随着更多的研究,DMT有可能成为一种即时干预系统,适用于容易冲动的人,并可以推广给世界各地的人。随后,使用类似游戏的组件来了解用户的状态可以为新的数字心理干预的设计提供信息,因为相同的组件可以无缝地用于评估和干预。例如,在mart中失败时,用户可能会被引导与新气球进行交互,以帮助他们重新评估可能导致爆炸的泵的数量,就像新的健康电子游戏以持续的方式评估和适应用户状态以增强治疗效果一样[
].同样,对操纵折扣的干预措施的研究发现,基于学习的干预措施是最有效的[ ].使用DMT将评估和干预结合在一个组件中,为数字微干预开辟了空间,这些微干预侧重于人们在日常生活中可以采取的非常小而有益的步骤[ ,这可能比传统的长期干预更容易被接受。我们计划引入和研究不同的个性化和自适应数字干预措施[ , , , ]以减少DMT应用程序未来研究中的冲动反应。限制
目前DMT研究的设计和实施还不足以完全验证我们为DMT应用程序开发的行为和认知主动表现任务。与其他创建了移动版冲动评估的研究类似,尽管存在局限性,但这是朝着正确方向迈出的又一步。我们特别强调,由于我们选择的实验室任务和我们开发的移动任务都面临挑战,我们在针对等效的客观实验室任务验证mDD时存在局限性。我们将继续努力,根据临床症状概况、诊断、上下文因素和行为,进一步完善和验证移动自我报告和主动绩效任务,以生成关于这些结构如何与心理健康和日常生活互动相关的数据。
由于每日评估的数量和频率,这项研究对参与者来说也是相当繁重的。我们的结果将有助于为未来的研究设计一个精简和个性化的DMT应用程序,因为我们试图复制和进一步完善我们的测量方法。最后,我们计划在肥胖、成瘾和心理健康背景下的临床样本中验证DMT应用程序。
结论
DMT应用程序可以用来增强我们对冲动、冲动行为和自我调节失败的理解。冲动性测量是一项复杂的工作,因为评估多个不同组件的测量范围突出了结构的多维性。各种各样的评估模式(例如,自我报告与行为主动表现任务)以及日常和瞬时评估的使用增加了这个构建有效性的问题。这些挑战也为我们完善评估策略提供了机会。
最终,目标是使用基于特征和状态的自我报告和行为测量来预测整体和暂时的临床结果,从而引发个性化和自适应的数字干预。这些干预措施可以有针对性和量身定制,以减少冲动反应的各种潜在触发因素,并增强自我调节。只有通过严格的创新和测试,我们才能开始建立这些及时的干预措施。
致谢
本研究由Robert Wood Johnson先锋投资组合资助,名为“数字棉花糖测试”(主要研究人员:FM和DE)。
作者的贡献
MS和FM撰写了手稿。FM, DE和JP设计了这项研究。JK和HW在JP和DE的监督下实施了研究的移动应用程序,RV在FM和NV的监督下招募和评估参与者,MS、RV、FM和RL进行了所有的统计分析。所有作者都审阅了最终稿。
利益冲突
AB已经收到了来自Pro-Change行为系统的咨询费。所有其他作者都没有冲突需要声明。
参考文献
- 赵晓明,王晓明。儿童延迟满足的研究进展。科学1989年5月26日;244(4907):933-938。[CrossRef] [Medline]
- Watts TW, Duncan GJ, Quan H.重温棉花糖测试:早期延迟满足与后期结果之间联系的概念复制研究。心理科学2018 july;29(7):1159-1177 [免费全文] [CrossRef] [Medline]
- Casey BJ, Somerville LH, Gotlib IH, Ayduk O, Franklin NT, Askren MK,等。40年后延迟满足的行为和神经相关。美国国家科学院学报2011年10月06日;108(36):14998-15003 [免费全文] [CrossRef] [Medline]
- De Ridder RD, De Wit WJ。概念、理论和中心问题。正确的做法:健康行为的自我调节。奇切斯特:约翰·威利父子有限公司;2006:1-23。
- Hennessy EA, Johnson BT, Acabchuk RL, McCloskey K, Stewart-James J.健康行为改变中的自我调节机制:2006-2017年元分析的系统元综述。健康精神病学2020年3月14日(1):6-42。[CrossRef] [Medline]
- 罗布森DA,艾伦MS,霍华德SJ。童年时期的自我调节是未来结果的预测因素:一项元分析综述。精神牛2020年4月;146(4):324-354。[CrossRef] [Medline]
- Grant JE, Potenza MN, Weinstein A, Gorelick DA。行为成瘾入门。Am J Drug Alcohol Abuse 2010 Oct;36(5):233-241 [免费全文] [CrossRef] [Medline]
- 韦intraub D, Koester J, Potenza MN, Siderowf AD, Stacy M, Voon V,等。帕金森病中的冲动控制障碍:3090例患者的横断面研究Arch Neurol 2010 5月;67(5):589-595。[CrossRef] [Medline]
- 达克沃斯AL,塞利格曼MEP。自律比智商更能预测青少年的学习成绩。心理科学2005 12月;16(12):939-944。[CrossRef] [Medline]
- Duckworth AL, Peterson C, Matthews MD, Kelly DR. Grit:对长期目标的坚持和热情。中华精神病学杂志2007年7月;92(6):1087-1101。[CrossRef] [Medline]
- de Ridder DTD, Lensvelt-Mulders G, Finkenauer C, Stok FM, Baumeister RF。评估自我控制:对特质自我控制如何与广泛行为相关的元分析。精神病学杂志2012年3月16日(1):76-99。[CrossRef] [Medline]
- 菲什巴赫A,匡威BA。识别并对抗诱惑。见:自律手册:研究、理论与应用。纽约:吉尔福德出版社;2010:244 - 260。
- 怀特塞德S,利纳姆D,米勒J,雷诺兹S. UPPS冲动行为量表的验证:冲动的四因素模型。2020年12月02日;19(7):559-574。[CrossRef]
- 《牛津冲动控制障碍手册》。英国牛津:牛津大学出版社;2011.
- 美国精神病协会。精神障碍诊断与统计手册(DSM-5®)。华盛顿特区:美国精神病学酒吧;2013.
- 王志伟,王志伟,李丽玲。分析冲动的异质性:UPPS对精神病理学的行为意义的元分析综述。2015年12月;27(4):1129-1146。[CrossRef] [Medline]
- Moeller FG, Barratt ES, Dougherty DM, Schmitz JM, Swann AC.冲动的精神病学方面。美国精神病学杂志2001年12月;158(11):1783-1793。[CrossRef] [Medline]
- 李国强,李国强,李国强。冲动行为对肥胖儿童治疗效果的影响。行为科学,2007年5月;45(5):1071-1075。[CrossRef] [Medline]
- 赫什伯格AR, Um M, Cyders MA。UPPS-P冲动性人格特征与物质使用心理治疗结果的关系:一项元分析。药物酒精依赖2017年9月01日;178:408-416 [免费全文] [CrossRef] [Medline]
- 丘吉尔,杰索普。对于执行意图来说太冲动?冲动调节实施意图干预有效性的证据。《心理健康》2011年5月;26(5):517-530。[CrossRef] [Medline]
- 沙玛,柯马康,克拉克。对不同类型的“冲动”行为的理论:自我报告和行为测量的元分析。心理学报2014年3月;140(2):374-408。[CrossRef] [Medline]
- 戴利JW,罗宾斯TW。分馏冲动:神经精神病学意义。神经科学2017 Feb 17;18(3):158-171。[CrossRef] [Medline]
- Stahl C, Voss A, Schmitz F, Nuszbaum M, Tüscher O, Lieb K,等。冲动的行为成分。中华心理医学杂志,2014年5月;[CrossRef] [Medline]
- King KM, Patock-Peckham JA, Dager AD, Thimm K, Gates JR.冲动的错误测量:青少年和年轻人酒精研究中的特征、行为和神经模型。Curr Addict Rep 2014年1月4日;1(1):19-32。[CrossRef]
- Emery RL, Levine MD.冲动问卷和行为任务测量与身体质量指数有差异相关:一项综合元分析。心理牛2017年8月;143(8):868-902。[CrossRef] [Medline]
- 斯特里克兰JC,约翰逊MW。拒绝冲动作为一种心理结构:一个理论、经验和社会文化的论点。精神版2020年10月24日。[CrossRef] [Medline]
- Roberts BW, Kuncel NR, Shiner R, Caspi A, Goldberg LR。人格的力量:人格特征、社会经济地位和预测重要生活结果的认知能力的比较有效性。心理科学展望2007 12月;2(4):313-345 [免费全文] [CrossRef] [Medline]
- 卡尔森,肖达,阿杜克,阿贝尔,谢菲,塞西,等。儿童延迟满足的群体效应。精神病学2018年8月;54(8):1395-1407。[CrossRef] [Medline]
- Tomko RL, Solhan MB, Carpenter RW, Brown WC, jang S, Wood PK,等。测量日常生活中的冲动:瞬间冲动量表。精神评估2014年7月;26(2):339-349 [免费全文] [CrossRef] [Medline]
- Halvorson MA, Pedersen SL, Feil MC, Lengua LJ, Molina BSG, King KM。冲动状态和冲动特征:冲动状态多面测量的多层结构和有效性研究。2020年7月17日1073191120939161。[CrossRef] [Medline]
- 李志刚,李志刚。冲动在日常生活中的多维结构研究。Pers Individ Differ 2016 5月;94:153-158。[CrossRef]
- 李志刚,李志刚。日常生活中冲动因素的收敛与发散。中华医学杂志2018年10月;86(5):841-852。[CrossRef] [Medline]
- Griffin SA, Trull TJ。日常生活中的酒精使用:检查特质和状态冲动方面的作用。精神成瘾行为2020年10月10日:在线推进。[CrossRef] [Medline]
- Sim I.移动设备和健康。中华医学杂志2019年9月05日;381(10):956-968。[CrossRef] [Medline]
- Kumar S, Nilsen W, Pavel M, Srivastava M.移动医疗:通过跨学科研究改革医疗保健。计算机2013 1月;46(1):28-35。[CrossRef]
- 库马尔S, Nilsen WJ, Abernethy A, Atienza A, Patrick K, Pavel M,等。移动医疗技术评估:移动医疗证据研讨会。Am J Prev Med 2013年8月;45(2):228-236 [免费全文] [CrossRef] [Medline]
- Estrin D.小数据,其中n = me。通讯ACM 2014 Apr;57(4):32-34。[CrossRef]
- ResearchKit。苹果开发者。URL:https://developer.apple.com/researchkit/[2020-11-04]访问
- ResearchStack。URL:http://researchstack.org/[2020-11-04]访问
- Bot BM, Suver C, Neto EC, Kellen M, Klein A, Bare C,等。mPower研究使用ResearchKit收集帕金森病移动数据。科学数据2016年3月3日;3:160011。[CrossRef] [Medline]
- Jardine J, Fisher J, Carrick B.苹果的ResearchKit:智能手机时代的智能数据收集?中国社会医学杂志2015 Aug;108(8):294-296 [免费全文] [CrossRef] [Medline]
- 谢奎拉,裴罗塔,李志强,李志强,等。用于监测儿童和青少年抑郁症状的移动和可穿戴技术:范围综述《情感失调》2020年3月15日;265:314-324。[CrossRef] [Medline]
- 王锐,Aung M, Abdullah S, Brian R, Campbell A, Choudhury T,等。交叉检查:精神分裂症患者心理健康变化的被动感知检测。美国:ACM;2016年发表于:2016年ACM国际普适和普适计算联合会议论文集;2016年9月12日;德国海德堡,第886-897页。[CrossRef]
- 博杰N,劳伦索JP。密集纵向方法:日记与经验抽样研究导论。纽约市:吉尔福德出版社;2013.
- Bolger N, Davis A, Rafaeli E.日记方法:捕捉生活。精神病学2003;54:579-616。[CrossRef] [Medline]
- Lorr M, Wunderlich RA。语义差异情绪量表。中华临床精神病学杂志1988年1月;44(1):33-36。[CrossRef] [Medline]
- 张志刚,张志刚,张志刚。Barratt冲动性量表的因素结构。中华临床精神病学杂志1995,12(6):768-774。[CrossRef] [Medline]
- 谢夫曼S,斯通AA,赫福德先生生态瞬时评价。临床精神病学2008;4:1-32。[CrossRef] [Medline]
- 行为中特征内容表现的基于情境的或因性。中华医学杂志2007年8月;75(4):825-861。[CrossRef] [Medline]
- Bradley MM, Lang PJ。情绪测量:自我评价模型和语义差异。行为心理学杂志1994年3月25日(1):49-59。[CrossRef]
- 波拉克JP,亚当斯P,盖伊G.帕姆:一个摄影影响仪表频繁,现场测量的影响。美国:ACM;2011年发表于:SIGCHI会议论文集关于计算系统中的人为因素;2011年5月7日;温哥华,公元前725-734年。[CrossRef]
- 汤普森ER。开发和验证国际上可靠的正面和负面影响量表(PANAS)的简短形式。J Cross Cult Psychol 2016 7月26日;38(2):227-242。[CrossRef]
- 活动任务。ResearchKit。URL:http://researchkit.org/docs/docs/ActiveTasks/ActiveTasks.html[2020-11-04]访问
- 斯卡皮娜F,塔吉尼S. Stroop颜色和单词测试。前沿精神2017;8:557。[CrossRef] [Medline]
- 数字棉花糖测试(DMT)。OSF。URL:https://osf.io/mnxfh/[2020-12-28]访问
- Ramanathan N, Alquaddoomi F, Falaki H, George D, Hsieh C, Jenkins J,等。ohmage:活动和体验采样的开放移动系统。2012年发表于:第六届医疗保健普及计算机技术国际会议;普及健康讲习班;2012;加州圣地亚哥。[CrossRef]
- 唐慕兰兰杰,谢志强,李志强,等。Ohmage:一个通用的、可扩展的端到端参与式传感平台。ACM Trans Intell Syst technology 2015年5月20日;6(3):1-21。[CrossRef]
- Gregersen PK, Klein G, Keogh M, Kern M, DeFranco M, Simpfendorfer KR,等。基因型和表型(GaP)注册:一个定量性状分析的活生物库。中国免疫杂志2015年12月27日(1-3):344 - 344。[CrossRef] [Medline]
- 范斯坦医学研究所。URL:https://feinstein.northwell.edu/[2020-11-15]访问
- 李志强,李志强,李志强,等。远程数字健康研究的保留指标:对10万名参与者的交叉研究评估。NPJ数字医学2020年2月17日;3(1):21。[CrossRef] [Medline]
- Stanford MS, Mathias CW, Dougherty DM, Lake SL, Anderson NE, Patton JH。巴拉特冲动量表的五十年:更新和回顾。2009年10月;47(5):385-395。[CrossRef]
- 规范数据和巴拉特冲动量表的简写形式。中华神经科学杂志2007年3月17日(3):359-368。[CrossRef] [Medline]
- Lejuez CW, Read JP, Kahler CW, Richards JB, Ramsey SE, Stuart GL,等。风险承担行为测量的评估:气球模拟风险任务(BART)。中华心理医学杂志,2002年7月;8(2):75-84。[CrossRef] [Medline]
- Lejuez CW, Aklin WM, Zvolensky MJ, Pedulla CM。评估气球模拟风险任务(BART)作为青少年现实世界冒险行为的预测指标。青少年杂志2003年8月;26(4):475-479。[CrossRef] [Medline]
- Inquisit。毫秒。URL:https://www.millisecond.com/[2020-11-04]访问
- 韦弗J, Fillmore MT, Milich R.对成人多动症酒精去抑制作用的敏感性增加。Exp clininpsychopharmacol 2009年5月;17(2):113-121 [免费全文] [CrossRef] [Medline]
- Kaufman JN, Ross TJ, Stein EA, Garavan H.通过事件相关功能磁共振成像显示可卡因使用者在GO-NOGO任务期间扣带活动减弱。J Neurosci 2003 Aug 27;23(21):7839-7843 [免费全文] [Medline]
- 可卡因成瘾中的执行功能障碍:不协调的额叶、扣带和小脑活动的证据。中华神经科学杂志2004 Dec 08;24(49):11017-11022 [免费全文] [CrossRef] [Medline]
- Fillmore MT, Rush CR, Hays L.可卡因在两种抑制控制模型中的急性效应:非线性剂量效应的影响。成瘾2006 10月;101(9):1323-1332。[CrossRef] [Medline]
- 波斯纳MI:注意定向。心理学杂志1980年3月1日;32(1):3-25。[CrossRef] [Medline]
- Amlung M, Marsden E, Holshausen K, Morris V, Patel H, Vedelago L,等。延迟折扣作为精神疾病的转诊过程:一项元分析。JAMA Psychiatry 2019 Dec 01;76(11):1176-1186 [免费全文] [CrossRef] [Medline]
- 兰佩尔KM,斯坦格尔JE,平托A,凯布尔JW,辛普森HB。延迟贴现能兑现RDoC的承诺吗?精神医学2019 1月;49(2):190-199。[CrossRef] [Medline]
- 张丽丽,张志刚,张志刚。冲动行为模型中的延迟或概率折扣:酒精的影响。中华实验动物行为学杂志1999年3月;21 (2):121-143 [免费全文] [CrossRef] [Medline]
- Frye CCJ, Galizio A, Friedel JE, DeHart WB, Odum AL.使用调整量任务测量人类延迟折扣。J Vis Exp 2016 Jan 09(107):53584 [免费全文] [CrossRef] [Medline]
- 梅尔森,鲍曼,葛林。延迟奖励折扣:(A)卡比问卷的理论解释。2014年10月;107:99-105 [免费全文] [CrossRef] [Medline]
- 鲍迈斯特RF,沃斯KD。自我调节,自我消耗和动机。社会工作者心理指南2007年11月1日(1):115-128。[CrossRef]
- 张文杰,张文杰,张文杰,等。自我调节措施的测试-再测试信度的大规模分析。美国国家科学研究院2019年3月19日;116(12):5472-5477 [免费全文] [CrossRef] [Medline]
- 刘志刚,刘志刚。基于气球模拟风险任务的感觉寻求与冲动的个体差异分析。2013年4月22日;27(1):20-36。[CrossRef]
- 麦克林RR,平卡斯AL,史密斯JM,盖尔CF,威尔逊SJ。通过移动平台扩展气球模拟风险任务以评估自然风险承担。心理变态行为评估2018年3月;40(1):107-116 [免费全文] [CrossRef] [Medline]
- Frey R, Pedroni A, Mata R, Rieskamp J, Hertwig R.风险偏好具有主要心理特征的心理测量结构。科学通报2017年10月04日;3(10):e1701381。[CrossRef] [Medline]
- Paz AL, Rosselli M, Conniff J.识别与酗酒行为变化相关的抑制子成分:6个月的纵向设计。酒精临床实验研究2018年9月;42(9):1815-1822。[CrossRef] [Medline]
- Eigsti I, Zayas V, Mischel W, Shoda Y, Ayduk O, Dadlani MB,等。预测从学龄前到青春期晚期和青年期的认知控制。心理科学2006 7月;17(6):478-484。[CrossRef] [Medline]
- 杜志刚,杨宇军,刘志刚,刘志刚。抑制性控制发展的神经基础。发展科学2002年11月5(4):F9-F16。[CrossRef]
- 唐j, Chrzanowski-Smith OJ, Hutchinson G, Kee F, Hunter RF。金钱延迟折扣与肥胖的关系:系统回顾与元回归。国际医学杂志(英文版)2019年6月;43(6):1135-1146。[CrossRef] [Medline]
- 斯特里克兰德JC,李DC,安德烈R,约翰逊MW。延迟折扣和大麻使用的系统回顾和荟萃分析。Exp临床精神药物2020年5月20日。[CrossRef] [Medline]
- Rowland SP, Fitzgerald JE, Holme T, Powell J, McGregor A.移动健康对患者的临床价值是什么?NPJ数字医学2020;3:4。[CrossRef] [Medline]
- Millenson ML, Baldwin JL, Zipperer L, Singh H. Beyond Dr.谷歌:面向消费者的数字诊断工具的证据。诊断(Berl) 2018 Sep 25;5(3):95-105 [免费全文] [CrossRef] [Medline]
- Hekler E, Tiro JA, Hunter CM, Nebeker C.精准健康:社会和行为科学在推进愿景中的作用。Ann Behav Med 2020年12月01日;54(11):805-826 [免费全文] [CrossRef] [Medline]
- Hekler EB, Klasnja P, Chevance G, Golaszewski NM, Lewis D, Sim I.为什么我们需要一个小数据范式。BMC Med 2019 7月17日;17(1):133 [免费全文] [CrossRef] [Medline]
- Nahum-Shani I, Smith SN, Spring BJ, Collins LM, Witkiewitz K, Tewari A,等。移动医疗中的即时适应性干预(JITAIs):持续健康行为支持的关键组成部分和设计原则Ann Behav Med 2018年5月18日;52(6):446-462 [免费全文] [CrossRef] [Medline]
- 王晓明,王晓明,王晓明。移动行为变化研究框架的构建。: ACM;2018年发表于:《技术、思想与社会》期刊;2018年4月5日;华盛顿特区,第1-6页。[CrossRef]
- Michie S, Yardley L, West R, Patrick K, Greaves F.开发和评估促进健康和医疗保健行为改变的数字干预:来自国际研讨会的建议。J Med Internet Res 2017 Jun 29;19(6):e232 [免费全文] [CrossRef] [Medline]
- Patrick K, Hekler EB, Estrin D, Mohr DC, Riper H, Crane D,等。技术变革的步伐:对数字健康行为干预研究的影响。2016年11月;51(5):816-824。[CrossRef] [Medline]
- Nahum-Shani I, Hekler EB, Spruijt-Metz D.建立健康行为模型来指导即时适应性干预措施的发展:一个务实的框架。健康心理2015年12月;34S:1209-1219 [免费全文] [CrossRef] [Medline]
- Pedersen SL, King KM, Louie KA, Fournier JC, Molina BSG。冲动领域的瞬间波动:与儿童多动症、大量饮酒和酒精问题的历史有关。药物酒精依赖2019年12月1日;205:107683。[CrossRef] [Medline]
- 琼斯A, Tiplady B, Houben K, Nederkoorn C, Field M.抑制控制的每日波动是否预测酒精摄入量?生态瞬时评价研究。精神药理学(Berl) 2018年5月;235(5):1487-1496 [免费全文] [CrossRef] [Medline]
- angera JA, Gazzaley A.电子游戏,认知练习和认知能力的增强。《当代行为科学》2015年8月;4:160-165。[CrossRef]
- Rung JM, Madden GJ。延迟折扣和冲动选择的实验减少:系统回顾和荟萃分析。J Exp Psychol Gen 2018 10月;147(9):1349-1381 [免费全文] [CrossRef] [Medline]
- 鲍梅尔A,弗莱明T,舒勒SM。行为和心理健康收益的数字微干预:数字微干预护理的核心组成部分和概念。J Med Internet Res 2020年10月29日;22(10):e20631 [免费全文] [CrossRef] [Medline]
- Muench F, Vitale R, Potenza M.冲动和有问题的酒精和药物使用的评估和治疗的数字技术。收录于:牛津数字技术和心理健康手册。英国牛津:牛津大学出版社;2020.
缩写
多动症:注意缺陷/多动障碍 |
巴特:气球模拟风险任务 |
国际清算银行:巴拉特冲动量表 |
弟弟:延迟折扣 |
DMT:数字棉花糖测试 |
教育津贴:生态瞬时评价 |
GNG:分检 |
吉泰:即时适应性干预 |
JSON:JavaScript对象表示法 |
mBART:移动气球模拟冒险者 |
mDD:移动延迟折扣 |
mGNG:移动分检 |
健康:移动健康 |
帕姆:摄影效果测量仪 |
保安:紧迫感,预谋(缺乏),毅力(缺乏),感觉寻求,积极紧迫感冲动行为量表 |
G·艾森巴赫(G Eysenbach)编辑;提交15.10.20;E Airola, P Chow的同行评议;对作者27.10.20的评论;修订本收到29.11.20;接受07.12.20;发表22.01.21
版权©Michael Sobolev, Rachel Vitale, Wen Hongyi, James Kizer, Robert Leeman, J P Pollak, Amit Baumel, Nehal P Vadhan, Deborah Estrin, Frederick Muench。最初发表在JMIR mHealth和uHealth (http://mhealth.www.mybigtv.com), 22.01.2021。
这是一篇开放获取的文章,根据创作共用署名许可协议(https://creativecommons.org/licenses/by/4.0/)的条款发布,允许在任何媒介上不受限制地使用、分发和复制,前提是正确引用了首次发表在JMIR mHealth和uHealth上的原创作品。必须包括完整的书目信息,http://mhealth.www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。