心理健康应用程序在美国失业和基本工人中缓解COVID-19痛苦的有效性:远程实用随机临床试验

简介

背景

由于与covid -19相关的企业关闭和社会距离政策而失业的基本工作人员和失业人员获得精神卫生保健的机会一直具有挑战性[1-3.］．为了解决这个问题，医疗机构开发了与COVID-19相关的免费移动应用程序。尽管在COVID-19期间应用程序的总体使用率很低(16%)[4，5，科技公司报告称，他们的工具使用大幅增加。

关于心理健康应用程序有效性的信息有限，尤其是免费的、自我指导的商业应用程序。关于自助应用程序的研究褒贬不一，一些研究发现它们的效果最低[6-8]和其他报告有益效果的;我们在这里注意到，大多数证据都指向基于教练的应用程序在抑郁和焦虑结果方面的优势，但自我指导应用程序的效应值仍然显著[9]并为那些没有财力或时间去接受辅导服务的人群提供压力管理的机会[10］．这里还需要注意的是，大多数发现积极影响的研究都使用了带有付费参与者库的研究级工具，并且通常不向公众提供。许多商业应用程序确实包含与研究级工具类似的原则和功能;然而，对于这些衍生的有效性仍然存在怀疑[11］．这就需要创造应用评论资源，如One Mind PsyberGuide [12]和美国精神病学协会的应用程序顾问[13)，对应用程序的有效性、透明度和可用性进行评级。不过，免费商业应用的证据有限，需要进一步研究。14，15]，特别是在2019冠状病毒病的背景下[16]，已经被制造出来。

客观的

我们之前报道过一项大规模的调查，调查了基本工人和因COVID-19而失业的人对情绪管理移动应用程序的偏好[4］．在这项研究中，我们发现参与者对专注于正念方法、关于应对COVID-19的信息、症状跟踪以及与他人联系的应用程序有强烈的偏好。在这个实用的临床试验中，我们随机抽取了838名表示抑郁、焦虑或有自杀念头的参与者，让他们连续4周使用4个商业应用程序中的一个。我们选择了4周的时间框架，因为在我们过去的研究中，我们发现这是苦恼样本中数字心理健康的最佳剂量[17]和其他研究发现，这是参与者倾向于使用这些工具的时间长度[18，19］．因此，我们有兴趣务实地解决应用程序使用和结果的问题，因为它将在实际实践中发生。本研究的主要目的是:

• 确定这些应用程序的用户在焦虑、抑郁、情绪调节和自杀风险方面是否有显著改善。
• 识别应用程序在使用、可用性和可接受性方面的差异。
• 确定是否存在剂量-反应关系，即应用程序使用频率与抑郁、焦虑、情绪调节和自杀风险的改善呈正相关。
• 确定应用程序之间在剂量-反应关系中的结果差异。

方法

招募和防范不良行为者

参与者通过多产的在线研究平台在全国范围内招募，该平台包括多项保护数据质量的保障措施[20.-22]并最大限度地减少不良行为者，并已被证明是可靠、高效和负担得起的行为研究远程数据收集[23］．参与者在研究完成前提供电子知情同意书。额外的调查保障措施是一项注意检查[24以及对开放式项目的回顾，以筛选出自动填充和无意义的回答。

伦理批准

该研究获得了华盛顿大学机构审查委员会的伦理批准(STUDY00010842)。在同意书中，参与者被解释了研究的目的，它将被随机分配到4个移动应用程序中的一个，并且他们将被要求在治疗开始前和4周后完成调查。参与者还被告知数据是如何存储和管理的，以及每次调查大约需要多长时间。

参与者

这项研究的参与者是从一项更大的研究中招募来的[4]，其中包括了大约2000名自称为COVID-19指定的基本工人或因COVID-19社会距离政策或与COVID-19相关的企业关闭而失业的参与者的便利样本。为了确定属于这两个群体之一，参与者回答了以下两个问题:(1)在COVID-19大流行期间，你是否被视为基本工作者?(2)您是否因COVID-19大流行而失业?

要符合本研究的资格，纳入标准包括:(1)曾经批准在未来研究中再次联系;(2)年龄≥19岁，居住在美国，会说英语;(3)使用移动设备;(4)抑郁报告(患者健康问卷[PHQ]-2分≥3分)[25，焦虑(广泛性焦虑障碍量表[GAD]-2分≥3分)[26，自杀行为风险(自杀行为问卷-修订[SBQ-R]评分≥7分)[27]，或有自杀企图史[28］．当与会者赞同PHQ-9的第9项或超过SBQ-R的截止期限时，他们将获得危机管理资源。

研究时间表

参与者是在2020年10月至12月期间招募的，当时是COVID-19最初变种的中期，也就是疫苗向公众开放后不久。此外，大多数州(少数例外)继续关闭餐馆、健身房和其他封闭的公共场所，这意味着COVID-19造成的失业率仍然很高。医院的人口普查率处于历史高位，基本工作人员仍被要求穿戴防护装备。因此，该样本代表了在大流行高峰条件下生活的人。参与者在完成基于网络的情绪基线评估后被随机分配，并支付1美元(见测量部分)。参与者被随机分配到4个应用程序中的一个，并被要求按照开发人员的指示使用分配的应用程序。参与者在随机化和应用程序分配后4周完成了基于网络的治疗后调查。在完成随访后，参与者得到4美元的补偿。

移动干预和注意力控制

这项远程实用临床试验采用了简单的随机并行分配，将3个活跃的应用程序与一个注意力控制应用程序进行比较。这项研究符合实用试验的定义，因为该研究旨在测试移动应用程序对抑郁、焦虑、情绪调节和自杀的影响，因为它们通常被公众使用[29］．在实用试验中，目的是确定现有治疗方法与现有治疗方案在现实世界中的使用效果。在这样的试验中，对照条件不是安慰剂，这通常不是标准治疗的一部分[30.］．虽然等待列表可能适合于实用的试验，但等待列表控件仅当这是常规实践的一部分并且在道德上是合理的时才适用;然而，之前的研究发现了等待列表控制的内部有效性问题，在自我引导的商业数字心理健康的背景下，没有等待列表控制[31］．在我们的样本中，包括有自杀风险的参与者，安慰剂和等待名单对照组都不是道德选择[32］．因此，我们决定使用注意力控制应用程序，是基于在潜在高风险人群中进行这种性质的实用试验被认为是合适的。33，34］．

我们根据以下标准选择应用:(1)它们是免费的;(2)反映了COVID-19期间所需的应用功能，如调查研究所确定的[4];(3)在PsyberGuide上的评分很好[4］．3种主动应用干预包括(1)冥想(平静)，(2)应对COVID-19 (COVID Coach)，(3)聊天和积极心理学(7杯茶)。这款注意力控制应用只使用了情绪追踪(Beautiful mood)，不包括其他应用所拥有的任何干预元素(正念冥想、情绪应对技能、社会联系或积极心理学方法)。研究人员使用微软Excel中的随机分配功能对参与者进行随机分配，并通过谷歌Play Store或苹果应用商店的URL接收他们的应用程序分配。参与者在领取补偿前确认下载应用程序。参与者不知道研究假设，但不知道条件。

4周干预时间表的基本原理

我们认为有必要指出的是，尽管心理健康应用程序是基于循证治疗方法，但人们使用应用程序的方式与使用传统心理健康服务的方式不同。35］．移动心理健康应用程序的最佳剂量是根据使用频率而不是使用周数来衡量的，研究表明，使用数字心理健康工具可以迅速改善情绪和功能，最早在使用2周后就可以得到显著改善[17，36，37］．我们承认，尽管其他随机临床研究确实显示在8周时影响最大[38]，一般人群最初倾向于在2周内频繁使用数字心理健康应用程序，4周后明显脱离[11，18，19］．根据信息学领域关于一般数字健康工具典型参与模式的文献，这是一种常见的参与模式，可能意味着用户已经达到了他们的目标[18］．

措施

本研究收集的所有数据均为敏感数据。我们不收集或存储姓名、地址、位置、IP地址或其他数字标识符。所有调查数据，包括人口统计数据，都立即存储在华盛顿大学医学院服务器上的安全防火墙后。这项调查是由该研究的首席研究员(作者PAA和KAM)开发的，我们选择了这些措施的有效性和可靠性，我们选择了那些已被验证为在线使用的措施。这项调查被编入了REDCap，这是范德比尔特大学开发的一个基于网络的调查程序。39］．它已广泛用于临床研究，并且符合健康保险携带与责任法案(HIPAA)，高度安全，使用直观。在调查建立之后，我们用对研究不了解的研究小组成员测试了它的可读性、编程错误和完成时间。

人口统计资料

参与者提供了有关年龄、种族、民族、性别认同、性取向、教育程度、收入和生活状况的信息。我们使用了与美国人口普查类别相似的问题[40］．这项调查已成功应用于其他网上研究[4，41］．看到多媒体附件1．评估种族、民族和性别，因为这些群体存在心理健康差异[42，43］．

主要临床结果

参与者完成抑郁测试(PHQ-9) [25，44，45]，焦虑(GAD-7) [26，46，47]、情绪调节障碍(情绪调节困难-简写[DERS-SF]) [48]，以及自杀行为(SBQ-R) [27]进行基线和随访。PHQ-9评分范围为0 ~ 27分，0-4分为无抑郁，5-9分为轻度抑郁，10-20分为中度抑郁，> -20分为重度抑郁。GAD-7评分范围为0- 21分，0-4分表示不焦虑，5-9分表示轻度焦虑，10-14分表示中度焦虑，15-21分表示重度焦虑。DER-SF评分从1到180，虽然在临床人群中表现出强烈的心理测量特性，但没有临床分界点。SBQ-R评分从3到18分，非临床分界点为7分，临床分界点为8分，表示自杀风险升高[49］．

PHQ-9和GAD-7已成功用作在线测量仪器，并已验证为在线测量仪器[50，51］．虽然DERS和SBQ-R已用于在线调查研究[52，53]，据我们所知，还没有进行过正式的有效性测试。我们仍然选择使用这些量表，因为目前还没有情绪调节和自杀行为的有效工具，因为在现有的量表中，这些量表具有最好的心理测量特性，在人口群体中是有效和可靠的，并且由于长度较短和易于理解，管理起来负担最小[27，54-66］．

应用程序使用

由于我们无法收集应用程序内的使用数据，参与者被问及他们在过去4周内使用分配给他们的应用程序的频率，评分为1 (从未下载过应用程序)至8 (每天多次)．为了便于解释，这里给出的结果将响应选项分为4类，两种分类方案的结果高度相似。类别包括1 (从未下载过应用程序而且下载了但没有使用该应用程序)， 2 (很少［过去一个月1-3次),很少［少于一周])， 3 (每周而且多于每周但少于每天)，及4 (每天而且每天多次)．

忠诚

根据每个应用程序在其网站上的推荐用法，创建了一个二分类的保真度测量。推荐日常使用的应用程序是Beautiful Mood [67]、新冠教练[68]、“平静”[69]，而建议每周饮用7杯茶[70］．

可用性

应用程序可用性评估采用干预可用性量表(IUS) [71，这是一项包括10个项目的衡量标准，通过其受欢迎程度、易学性、难度、支持需求、系统集成和效率来评估心理社会干预的可用性。这是基于系统可用性量表[72]，是工业界数字工具的标准化、规范的测量方法，并已在在线研究中得到验证[73，74］．IUS评分从0到100分，85分或以上被认为是优秀的可用性[75］．

可接受性和适当性

应用程序令人满意和适当的程度(即干预的适合性和相关性)是用可接受性干预措施(AIM)和干预适当性措施(IAM)来衡量的[76］．这些量表的得分范围从0到20，得分越高，表示接受性(AIM)和适当性(IAM)越好。两种测量方法都包含4个表现出良好心理测量特性的项目，这些项目已经得到实施科学家和心理健康专业人员的验证。虽然这些措施尚未被验证为在线使用，但它们是干预可接受性和适当性的唯一经过验证的工具，简单，表面有效[76］．

调查管理

这项调查是由我们最初的样本[4］．参与这项研究，包括完成调查，都是自愿的。在自愿参与高产并提供同意后，参与者在基于web的REDCap界面上完成了所有测量。该调查包括14项措施，每项措施都在单独的页面上，每个措施有4-18个问题。在进行下一个测试之前，参与者可以回顾和更改他们对每个测试的回答。调查项目不是随机的，因为使用的每个量表必须按照验证的顺序交付。我们没有使用跳过模式或其他调查逻辑;参与者被要求完成所有调查问题，并可以选择不回答某些问题。

统计方法

在分析之前，我们检查了数据并排除了不符合纳入或良好参与者标准的参与者。优秀参与者标准要求参与者正确回答一个注意力检查项目，回答至少50%的调查项目，完成调查的速度快于中位数时间的33%，并且高产ID没有任何问题(不是已批准的ID，是重复的ID，或有一个丢失的ID)。我们进行了t采用卡方检验和交叉表法比较随访时间点缺失数据的人口统计学和基线临床结果。卡方检验检验了条件分配和合规性之间的关联(参与者是否使用分配给他们的应用程序或使用替代应用程序)。所有分析均为意向治疗(ITT)类型。方差分析用于比较随访时AIM、IAM和IUS评分的情况，Tukey诚实显著差异(HSD)测试在所有应用程序之间进行成对的事后比较。采用限制性极大似然估计建立混合效应模型，检验PHQ-9、GAD-7、SBQ-R和DERS-SF的线性时间变化，并检验随访条件差异和变化斜率。我们应用了带有2个时间点的混合效果模型，并进行了人内嵌套。我们使用这种方法而不是其他方法，例如简单回归，因为混合效应模型有效地(1)通过测试斜率系数简化了同时测试个人内部变化，通过测试条件系数简化了条件间差异;(2)随着我们逐步添加时间趋势、条件效应和剂量效应来构建模型，促进了测试;并且(3)允许包括随机截量以解释基线的方差，这对剂量模型的测试尤其重要。以外嵌套的方式构建和测试模型，计算初始空模型，然后添加随机截距、随机时间分量、以Beautiful Mood为参考变量的条件分配(注意控制条件)以及条件×时间交互效应的模型。 To test whether there was a dose-response relationship such that the app use frequency was associated with the rate of change on the PHQ-9, GAD-7, SBQ-R, and DERS-SF scores, we computed another series of mixed effects models for each outcome. An initial model included variables for time and frequency of use, a second model added condition terms for each app using Beautiful Mood as the reference, a third model added condition × frequency interaction terms for each app, and a fourth model included time, frequency, and a time × frequency interaction term. Model comparisons applied –2 log likelihood (–2LL), the Akaike information criterion (AIC), and Bayesian information criterion (BIC) deviance statistics. To test the impact of app use frequency on change over time, similar nested model testing was applied using an initial null model, followed by models that added dosage, dosage × time interaction, and condition assignment.

样本量和功率

方差分析的先验幂分析F测试表明，当功率=0.80和α=时，样本量为800(在主动和控制应用程序条件下各n=200名参与者)就足够了。对于任何2个条件之间的主效应比较，科恩d=0.24的最小可检测效应量(MDES)为05。对拥有完整数据的643名参与者进行的事后权力分析发现，任何两种条件之间的主效应比较的MDES为Cohen d=0.29。之前的研究发现，自我引导心理健康应用程序的平均Hedges g效应量(与Cohen d效应量相当，但对小样本进行了校正)为0.50，自我引导工具为0.24 [77］．

结果

招聘

图1显示报告追踪综合标准(CONSORT)图表。3486人被评估合格，2130人(61.1%)因不符合“好演员”标准(n=988, 46.4%)或不符合随机临床试验(RCT)纳入标准(n=1142, 53.6%)被排除在外。共有1356人(38.9%)被随机分配到Beautiful Mood (n=330, 24.3%)、COVID Coach (n=355, 26.2%)、Calm (n=336, 24.8%)和7杯茶(n=335, 24.7%)组。在分配到特定条件的参与者中，838名(61.8%)参与者完成了RCT基线评估，而643名(47.4%)参与者完成了随访评估。此外，581名(90.4%)参与者报告使用分配的应用程序，62名(9.6%)参与者报告使用未分配的应用程序。在ITT试验中，所有随机参与者都被纳入初步分析。

‎ 查看此图

样品描述

表1提供个人层面的人口统计数据。分析样本由838名成年人组成，平均年龄为31.1岁(SD 9.5岁)。大多数患者为女性(467/ 833,56.1%)和白人(616/ 838,73.5%)。参与者自我认定为因COVID-19而失业(428/838,51.1%)或被指定为必要工作人员(410/838,48.9%)。在不同条件下的人口统计学上没有显著差异。

缺失的数据

共有643/838(76.7%)参与者完成了随访评估。在人口统计数据中，缺失或未缺失随访评估之间没有显著差异表1或者在基线的临床测量。

随机化依从性和依从性

在随访中，62/643(9.6%)参与者报告不遵守条件分配，并报告他们使用的应用程序与随机分配的应用程序不同。被随机分配到“美丽心情”组的参与者使用分配的应用程序的可能性较小，而被随机分配到“平静”组的参与者则更倾向于使用分配的应用程序(P<措施)。

应用程序使用

通过卡方检验的交叉表格分析发现，参与者报告的应用程序使用量存在显著差异;参与者使用“美丽心情”的频率更高，使用“COVID教练”和“7杯茶”的频率更低表2)．

可用性、可接受性和适当性

方差分析发现，两种条件(平均_{美丽的心情}72.9, sd 16.7;的意思是_COVID教练71.2, sd 15.4;的意思是_平静66.8, sd 17.3;的意思是_7杯65.2, sd 17.7)。Tukey HSD事后测试表明Beautiful Mood明显比Calm更有用(平均差6.0,95% CI 1.2-10.8，P =.01)和7杯茶(平均差7.7,95% CI 2.9-2.5，P<措施)。COVID Coach的可用性明显高于7杯茶(平均差6.1,95% CI 1.2-10.9，P =. 01)。我们发现应用程序可接受性没有显著差异(总体AIM平均值3.5,SD 1.0, 95% CI 3.4-3.6，P=.22)或适当性(总体IAM平均值3.6,SD 0.9, 95% CI 3.6-3.7，P=的相关性)。

临床结果

表3显示每个应用程序的PHQ-9、GAD-7、SBQ-R和DERS-SF在每个时间点的报告样本量、平均分和SDs。

检查4个分析的-2LL、AIC和BIC偏差统计数据显示，在2种情况下，最佳拟合模型是具有线性时间斜率的随机截距模型:PHQ-9 (-2LL =9118, dev₁= 63.2,P<措施;AIC = 9128,开发₁= 61.2,P<措施;BIC = 9137,开发₁= 71,P<措施;参数=5)和GAD-7 (-2LL =8686, dev₁= 71.7,P<措施;AIC = 8696,开发₁= 69.7,P<措施;BIC = 8720,开发₁= 64.9,P<措施;参数= 5)。从基线到随访，参与者的PHQ-9估计改善了-1.5分(SE 0.2, 95% CI -1.1至-1.8，P<.001)和GAD-7的-1.3点(SE 0.2, 95% CI -1.0至-1.6，P<措施)。以随访时间点和条件×时间为中心的条件主效应模型与随机截距和时间模型相比拟合效果不显著。对于SBQ-R和DERS-SF，拟合最优的模型为空模型，不存在随机项和交互变量(SBQ-R: -2LL =6695, AIC=6703, BIC=6722, parameters=4;DERS-SF: -2LL = 11078, AIC= 11086, BIC= 11105, parameters=4)。因此，PHQ-9和GAD-7评分有显著的平均改善，但SBQ-R和DERS-SF评分没有显著改善，应用程序条件与四项分析中的任何一项的差异都没有关联。

剂量

我们计算了混合效应模型，以检查PHQ-9、GAD-7、SBQ-R和DERS-SF在所有条件下应用程序使用频率与时间变化的关系，控制条件、条件×应用程序使用交互以及条件×时间。PHQ-9的最佳拟合模型包括时间、应用程序使用频率和频率×时间交互，这可以通过3个拟合指标中的2个(-2LL =7868, dev₁= 8.9,P= .002;AIC = 7882,开发₁= 6.9,P= . 01;BIC = 7914,开发₁= 2.4,P=点;参数= 7,P<措施)。BIC统计量，惩罚模型的复杂性，不具有统计学意义;因此，应该谨慎看待这些结果。所有3个拟合统计数据都表明，相同的模型结构最适合GAD-7 (-2LL =7481, dev₁= 14.2,P<措施;AIC = 7495,开发₁= 12.2,P<措施;BIC = 7527,开发₁= 7.8,P= . 01;参数= 7)。包括条件或条件×应用程序使用频率的模型都没有明显更好的拟合，这意味着我们发现治疗组之间在应用程序使用频率对时间变化的影响上没有差异。对于SBQ-R和DERS-SF，没有一个更复杂的模型在初始模型(包括应用程序使用的时间和频率)的拟合上有所改善。

最佳拟合模型的显著模型参数如下:对于PHQ-9，当将时间、应用程序使用频率、时间×频率交互作用纳入最佳拟合模型时，应用程序使用频率不显著(估计=0.05,SE 0.3, 95% CI 0.5-0.6，P= 0.86)，时间不显著(估计=0.1,SE 0.6, 95% CI 1.0-1.3，P= 0.80)，但时间×频率相互作用显著(估计= -0.6,SE 0.2, 95% CI 1.0 ~ -0.2，P= .003)。GAD-7也有类似的发现，当将时间、应用程序使用频率和时间×频率交互作用纳入最佳拟合模型时，应用程序使用频率不显著(估计=0.1,SE 0.3, 95% CI 0.4-0.6，P= 0.78)，时间不显著(估计=0.4,SE 0.5, 95% CI 0.6-1.3，P但时间×频率相互作用显著(估计= -0.7,SE -0.7, 95% CI 1.0 ~ -0.3，P<措施)。图2按频率描述每个条件的实际平均分。对于PHQ-9和GAD-7，那些没有使用该应用程序的人随着时间的推移在这项测量上没有显著变化;频繁使用该应用程序的人比使用频率较低的人进步更快。然而，到4周随访时，应用程序使用频率(剂量)在结果上没有显著差异。

对于SBQ-R，最佳拟合模型表明，应用程序使用频率与整体得分较低无关(估计= -0.03,SE 0.2, 95% CI 0.4-0.3，P=.16)，尽管时间显著(估计= -0.1,SE 0.1, 95% CI 0.3至-0.003，P= . 05);交互作用术语不包括在内。因此，当统计控制应用程序使用频率时，SBQ-R评分随着时间的推移而下降，但应用程序频率与SBQ-R的变化之间没有关联。

对于DERS-SF，最佳拟合模型表明，应用程序使用频率与总体得分较低相关(估计= -1.5,SE 0.6, 95% CI 2.6至-0.4，P= 0.01)，但时间不显著(估计= -0.1,SE 0.3, 95% CI 0.8至-0.6，P=.84)，交互项不包括在内。那些经常使用他们的应用程序的人在基线和随访时的DERS-SF得分较低，随着时间的推移，DERS-SF没有变化，应用程序使用频率和DERS-SF变化之间没有关联。

‎ 查看此图

讨论

主要研究结果

据我们所知，这是首批在基本工作人员或因COVID-19而面临情绪困扰和自杀风险的失业者中试用免费商业应用程序的实用试验之一。我们的主要发现是，商业移动心理健康应用程序被认为是可用和可接受的，对抑郁和焦虑有积极影响，但对情绪调节或自杀风险没有影响。虽然我们没有发现3个活跃应用程序之间的结果有任何显著差异，也没有发现活跃应用程序与对照应用程序之间的显著差异，但我们确实发现4周内应用程序的使用频率对抑郁和焦虑的结果有显著的积极影响。然而，我们在这里提出，4周的参与可能不足以显示情绪调节或自杀行为的变化，或者在线干预可能不足以有效地管理这些心理健康挑战，因为那些情绪失调更严重的人在整个期间使用应用程序的次数更少。事实上，最近一项旨在预防自杀的在线干预研究不仅没有发现任何效果，而且还表明，与常规治疗相比，提供在线治疗的患者出现了更多不良事件[78］．我们也不能排除回归到平均值的可能性，因为使用注意力控制应用程序的人的结果与使用活动应用程序的参与者相似。

与以往工作的比较

我们之前的工作表明，专注于正念、大流行信息、情绪跟踪和与他人联系的应用程序是COVID-19期间管理压力的可接受方法[4］．考虑到其他研究级移动应用程序的实际试验数据，我们关于应用程序之间缺乏差异临床影响的发现并不令人惊讶。在针对抑郁症的移动应用程序的大规模远程实用临床试验中，所有应用程序都发现，在8周的时间内，患者的情绪有了显著改善，但各组之间没有差异。17］．我们关于应用程序使用对临床结果的重要性的发现也在之前对研究级移动应用程序的研究中得到了发现，在早期护理中频繁使用移动情绪应用程序，对于那些更严重的抑郁患者来说，会产生更好的抑郁结果[17，79］．虽然在研究背景下，自我引导应用程序的对照试验规模较小，但与等待列表控制或没有治疗相比，结果存在微小但具有统计学意义的差异[76]，这项研究，以及迄今为止的其他实用试验，都没有证明活跃应用程序比注意力控制应用程序更有效[7，78］．

研究优势与局限性

这项研究的优势在于其设计:这是首批在大规模、实用的随机对照试验中前瞻性和独立评估免费商业心理健康应用程序的研究之一，并评估它们对COVID-19大流行高峰期2个自杀易感人群的情绪困扰、情绪调节和自杀风险的影响。从这项研究中获得的经验教训可以帮助人们寻求免费和容易获得的情感困扰的帮助。对于该领域来说，需要做更多的工作来了解商业应用程序在情绪困扰方面可以发挥什么作用，而这项研究的数据可以作为一个很好的起点，来理解什么是可接受的和有效的，以及最佳的参与应该是什么。

研究局限性包括以下几点:

• 我们的样本由高产公司的参与者组成，因此可能是最具代表性的基本工人或因COVID-19而失业的人，他们正在积极寻找其他收入来源来抵消经济压力。虽然这个样本可能更适应技术，但我们相信寻求移动心理健康应用程序的人也适应技术，因此这项研究的结果可以代表这一人群。
• 因为我们没有与开发研究应用程序的科技公司合作，所以我们依赖于应用程序使用情况的自我报告，这可能会受到自我报告偏差的影响。然而，参与这项研究的动机与应用程序的使用无关，许多干预研究的数据发现，人们对干预依从性的报告非常准确[80-82］．
• 虽然我们根据大多数心理健康应用程序用户的典型情况来衡量4周干预使用后的结果，但我们没有关于治疗结果的持久影响或持续使用应用程序的信息。因此，虽然我们可以报告干预的即时效果，但需要未来的研究来确定治疗效果的持久性。
• 我们没有询问与应用程序使用相关的潜在不良事件。这是一个有趣的研究领域，迄今为止还没有人探索过。了解使用商业应用程序的风险与确定其影响一样重要，应该在未来的研究中进行探索。

结论

有几篇论文呼吁进行更多研究，以研究商业心理健康应用程序干预的有效性[7，10，83，84]，特别针对COVID-19 [85-88]，但迄今为止已发表的研究只报告了应用下载量、美学和应用使用[6，83，89］．我们的数据表明，需要自我指导的心理健康护理的基本工人和失业者发现4个商业上可用的应用程序既可接受又可用，并且可能从各种自我指导的心理健康应用程序中获得情感上的好处，特别是如果他们经常使用这些应用程序，但不能排除回归均值的可能性，因此症状的改善可能不是应用程序的使用造成的。