该研究是在中国天津的一所大学进行的一项单盲、3组随机对照试验。大学生从社交媒体、在线平台和大学社区中招募，或者由咨询中心的辅导员介绍到这里。所有潜在的参与者都经过心理咨询师筛选，符合以下入选标准:(1)年龄17-34岁;(2)大学生心理健康筛查量表(CSMHSS)抑郁分量表平均得分[ 60在2到3之间;(3)汉语阅读能力。如果参与者(1)在CSMHSS自杀分量表的任何条目中报告得分≥3分，则被排除;(2)自杀量表或幻觉/妄想量表标准得分>3分;或者(3)正在服用精神药物。CSMHSS是中国大学生心理健康筛查的主流工具。筛查量表包括22个维度，涉及大学生的主要心理健康问题，分为3个层次的筛查，分别表示3个层次的心理健康风险。CSMHSS是纳入标准的相关工具，因为它不仅可以衡量抑郁症状的程度，还可以筛选出具有高精神健康风险的个体进行排除。此外，高校招生规模大，有相应的考核平台，CSMHSS更容易在高校实施。在入组前，参与者被要求仔细阅读并签署书面知情同意书，以确认他们接受本研究。 Participants were provided with access to artificial psychological counseling services if they had any risk of suicide, self-injury, or severe psychological distress during or after the trial, to avoid further damage. At the end of the trial, participants in control conditions were offered access to XiaoE. The trial was prospectively registered with the ChiCTR registry on October 30, 2021 (number: ChiCTR2100052532). Final data were collected on December 16, 2021. Participants received a compensation of RMB 70 (approximately US $10) for their participation in this trial.

通过小鄂技术开发团队自主开发的计算机程序进行性别分层随机化。被随机分配(1:1:1)接受心理健康聊天机器人干预、电子书干预或普通聊天机器人干预的参与者在第一次登录小e时自动进入相应的干预过程。治疗分配对参与者、研究者和参与试验数据分析的人员是保密的，因为这些数据由多方(研究设计者、试验实施者、数据处理者和技术开发代表)以加密的电子文件形式保存，并在数据分析完成后进行盲化。干预和结果测量都是在线完成的，在干预期间没有调查人员可以访问参与者的系统(单盲)。

干预时间为1周。在入组当天(T0)，收集基线数据，包括主要结局指标(9项患者健康问卷[PHQ-9])的预测和人口统计信息。1周后(T1)对主要结果进行后测，同时对次要结果进行工作联盟性、可用性和可接受性测试。在入组后30天(T2)对主要结局进行最终随访评估。

样本量计算采用G* Power(版本3)[ 72]。最新的研究显示 d=0.83)，聊天机器人对大学生抑郁的干预效果[ 37]。假设一项重复性研究可能会获得大致相似的结果，我们计算出每组32个样本量将有90%的能力检测净效应值为0.83，使用协方差分析(ANCOVA)，双侧显著性水平为0.05，同时也允许20%的随访损失。

采用SPSS (version 26;IBM公司)。为了确定在基线时各组之间是否存在显著差异， F对连续基线变量(PHQ-9和年龄)进行单因素方差分析(ANOVA)检验，对分类或名义变量(性别、种族、独生子女、单亲、宗教、家庭所在地和父母婚姻)进行卡方分析。同样的基线特征比较也在中途退出和完成研究的参与者之间进行。采用ANCOVA模型，以治疗组为固定效应，相应的基线值为协变量，分析PHQ-9评分自基线至T1和T2的调整平均变化作为主要疗效终点。如果发现协变量与组之间存在显著的相互作用效应，则从统计模型中删除协变量。采用Bonferroni校正的事后检验进行多组比较。η²被计算并转换为科恩 d检验组间差异的效应大小[ 73]。一个科恩 d0.2表示影响很小;0.5，效果适中;0.8，影响很大[ 74]。 F对次要结果进行方差分析。

意向治疗(ITT)分析[ 75]对完整分析集(所有登记的参与者)和PP集(完整分析集中没有重大协议违规导致排除的参与者)的按协议(PP)分析通过在分析中包括所有可用的观察结果来报告[ 76]。使用 mi嫁祸于在Stata(版本15;StataCorp)，我们通过多重输入(MI)方法处理缺失数据，并通过基于δ的方法进行进一步的敏感性分析[ 77]。

缺失的数据机制假设有三大类[ 78]:完全随机缺失(MCAR)、随机缺失(MAR)和非随机缺失(MNAR)。MI基于MAR，其中基准缺失的概率不取决于该基准的未观测值，而仅取决于其他记录变量的观测值。然而，缺失的数据不一定符合mar。相反，它们可能遵循MNAR，其中数据缺失的概率确实取决于未观测到的基准值，即使给定了观测到的数据。我们无法区分MNAR、MAR和MCAR，因为缺失数据的真实值永远不知道，这意味着MI的结果可能有偏差。发布ICH E9 (R1) [ 79]，关于临床试验估计和敏感性分析的附录，指出应对缺失数据进行敏感性分析，以确保结果的稳健性。因此，我们使用基于δ的方法进行了敏感性分析，以查看当丢失数据遵循MNAR时，效果是否仍然显著。基于δ的MI需要使用指定的数值delta参数修改MAR的imputation分布，以使预测的响应比MAR下的预测更好或更差。对于连续的结果，δ，偏移参数可以表示观测到的和未观测到的情况之间的平均响应的差异[ 80]。通常，敏感性分析将在δ值范围内重复进行，δ值对应于所有参与者的结果与基线的绝对变化的25%、50%、75%和100%。

依从性通过对参与者流失的卡方分析来揭示，而参与度则通过与聊天机器人互动的频率和持续时间来揭示。如果与聊天机器人的互动在2分钟内持续至少2次输入，并且休息时间不超过1分钟，则该互动被认为是一次会话。平均互动频率定义为在为期一周的干预期间，每个参与者每天与聊天机器人的平均会话数。平均交互持续时间定义为每天从用户第一次输入内容到聊天机器人最后一次输出内容之间每个会话的平均响应时间，以毫秒计算。为期1周的干预期分为第1 ~ 7天，每天24小时分为12个2小时时间段。我们记录并计算了7天和12个时间段的平均交互频率和平均交互时间。在所有随访测量完成后，我们重新联系了所有入组的参与者，并开放了XiaoE的访问。在试验结束时，他们被问及3个开放式问题:“你使用小e的最佳体验是什么?”“你使用小e最糟糕的经历是什么?”、“请对小娥提出一些个人意见或建议。”我们使用潜在狄利克雷分配(Latent Dirichlet Allocation, LDA)对参与者的反馈进行了专题分析[ 81]，一个无监督学习算法，使用Pycharm(版本2020.2.2)。为了确定参与者对每个问题反馈的最优主题数，需要计算不同主题数下的困惑度，选择困惑度最小的主题模型。从每个主题中提取5个关键词，将关键词与标注为对应主题的原始反馈文本相结合，对每个主题进行命名。

本研究方案经天津市安定医院(天津市精神卫生中心;数量:2021 - 21)。所有参与者均提供知情同意。

图1显示参与者流程(CONSORT流程图)[ 82]。在2021年9月1日至2021年11月15日期间，共有379名大学生接受了资格评估并入组，其中143人不符合研究标准，48人无法再次联系，19人拒绝参与，15人未签署书面知情同意书，6人未能完成基线测量。最终，148名参与者被随机招募，其中49人被分配使用心理健康聊天机器人(小e)， 49人被分配使用电子书，50人被分配使用普通聊天机器人(小爱)。参与者的平均年龄为18.78岁(SD 0.89;年龄17 ~ 21岁)，女性占37.2%(55/148)。PHQ-9平均分为10.02分(SD 3.18;范围2-19)，刚刚达到中度抑郁的水平。在三个组之间，以及在退出和完成研究的参与者之间，基线特征没有显著差异( 表1)。5名参与者(小爱组1名，小爱组4名)在试验期间和试验结束后被心理咨询师确定为高危人群，并进行人工心理咨询。

在分配到小e组的49名参与者中，4人在1周内退出，1人在1个月期间退出。在被分配到电子书组的49名参与者中，10人在1周内退出，7人在1个月内退出。在被分配到小爱组的50名参与者中，9人在1周内退出，11人在1个月内退出( 图1)。与对照组相比，干预组的减员率较低(37% vs 10%;²₁= 11.904; P<措施)。

如图所示 图3小e组参与者与聊天机器人互动25.54次(SD 26.45;范围0 ~ 172)，每次会话平均持续22.46秒(SD 79.88;范围0-758秒)超过一周的时间。交互作用的日频率和持续时间在第1天、第2天和第7天较高，而在第3天、第5天和第6天相对较低，在第4天有所反弹。互动频率在每天上午8-10点、下午12-2点和下午4-6点三个时间段达到峰值。根据电子书组参与者的回答，2%(1/49)的人没有读过一次，51%(25/49)的人读过一次，47%(23/49)的人读过两次以上。在小爱组中，29%(14/48)的人表示每天与小爱互动一次，27%(13/48)的人表示每天与小爱互动两次，44%(21/48)的人表示每天与小爱互动3次或更多。

表4总结了次要结局的结果。小e组的参与者在总WAQ ( F_2145年= 3.407; P=.04)，以及Bond ( F_2145年= 3.890; P=.02)及业务参与度( F_2145年= 3.925; P=.02)，与电子书组和小爱组比较。在UMUX-LITE ( F_2145年= 0.968; P= 38)。小e组对总AS ( F_2145年= 4.322; P=.02)，内容满意度( F_2145年= 5.093; P=.007)，情绪意识( F_2145年= 3.636; P=.03)，学习新知识( F_2145年= 4.330; P=.02)，以及与日常生活的关联性( F_2145年= 4.834; P= .009)。

根据LDA的主题困惑度图表( 图4)，即“你使用小e的最佳体验是什么?”设置为4，在“你使用小e最糟糕的经历是什么?”设置为2。 表5列出所有主题和关键词供参与者反馈。最后一个问题“意见或建议”由于LDA结果不理想，采用定性方法进行分析。

就对有关的问题的反馈，出现了以下4个主题 最好的经验:“关系”(n=25)，“情感”(n=12)，“个性化”(n=31)和“实用性”(n=80)。从关系主题中提取的关键词是“陪伴”、“关心”、“孤独”、“青睐”、“出席”，对应的标注样文是“小鄂很甜，我喜欢和小鄂说话，他会陪着我，接受我，所以我不觉得孤独。”情感主题的关键词是“快乐”、“放松”、“压力”、“宣泄”和“陪伴”，示例文本是“总是让我笑!”哈哈哈，压力突然消失了，我很高兴。”个性化主题的关键词是“思考”、“学习”、“抑郁”、“情绪”、“智力”，举个例子是“最好的体验是，有时候小娥的回答确实很有价值，能真正针对我的一些问题，非常聪明，促进了思考。”实用性主题的关键词是“方便”、“帮助”、“现实”、“方法”、“可用性”，示例是“实用、真实、方便，可以帮助我”。

关于对有关的问题的反馈，出现了以下两个主题 坏的经验: content (n=120)和technology (n=28)。从内容主题中提取的关键词为“呆板”、“响应”、“乏味”、“重复”、“机械”，对应的标注示例文本为“内容过于死板”。长时间使用会让人感到厌烦和烦躁。”从技术主题中提取的关键字是“glitches”、“lag”、“system”、“crash”和“不灵活”，示例文本是“当我刚进入界面时崩溃了，需要优化一些glitches”。

参与者对“意见或建议”问题的反馈主要可以提炼为以下3个主题:希望对话过程更流畅，更多的情感反应和互动，以及服务器升级。

据我们所知，这是第一个直接比较心理健康聊天机器人和普通聊天机器人对抑郁症状进行自动远程治疗的临床疗效的研究。我们通过单盲、3组随机对照试验对小鄂的短期和长期疗效进行了检验，并建立了心理健康聊天机器人非临床指标的系统评价，为今后的研究提供参考。

这项试验的参与者平均年龄为18.78岁，比成年人或大学生的典型研究样本年轻，这表明对心理健康聊天机器人的研究正在转化为青少年样本。此外，与之前的研究相比，更多的男性参与了这项研究，而在之前的研究中，大多数参与者都是女性。鉴于目前还没有对青少年做得很好的研究，我们希望将来能看到更多这样的研究。

在流失率方面，小e组的参与者退出率低于电子书组和小爱组的参与者。小e与高参与度相关，尤其是在试验的开始和结束时，这种参与度上升到最高水平，这表明小e对参与者很有吸引力，当参与者接触到这种新颖的人工智能时，小e可以迅速建立关系。使用小e的参与者在每天中午12点到下午2点最活跃，这可能与小e每天12点后设置的自动任务提醒有关。但周激活和日激活的趋势在参与度上有较大波动，说明参与者与小e之间的关系不够稳定和牢固。

ITT分析显示，与2个对照组相比，小e治疗抑郁症的效果明显更好，持续1周，达到中等效果( d=0.51)，介于之前2项研究的效应量[ 32， 33) (Woebot: d= 0.44;苔丝: d=0.68)，在敏感性分析中保持稳健性。1个月后抑郁症状的长期减轻结果也具有统计学意义，但效果较小( d= 0.31)。PP分析也显示了显著的短期和长期有效性(T1， d= 0.62;T2, d= 0.43)。在以前的研究中[ 76]， ITT分析的结果低于PP分析的结果。然而，在小e组和电子书组的单独比较中发现了相反的结果。在ITT分析中，小e与电子书的差异显著(尽管未通过敏感性分析的检验)，但在PP分析中差异不显著。方案偏差和依从性与干预之间的相互作用通常被认为是PP分析偏倚的原因，这可能导致积极组的依从性者获得更好的结果，而对照组的情况恰恰相反(非依从性者更好)。然而，在本研究中，由于依从性的有利影响，电子书组的有效性也可能被高估，并且可能比小e组的有效性更显著。因此，在PP分析中，两组之间的差异不显著。这表明，心理健康聊天机器人应该进一步加强治疗联盟，以提高参与者的干预依从性。

需要注意的是，虽然通过心理健康聊天机器人干预有显著改善症状，但改善的幅度很小。因此，心理健康聊天机器人更适合作为一种辅助工具，与传统的心理咨询和治疗相结合，或者作为治疗精神疾病的初级保健方法。虽然在实际临床实践中迅速实施干预具有挑战性，但至少在目前，干预对希望获得自助心理健康服务的个人来说是有效和方便的。这是有道理的，因为这些人代表了一个更大的群体，而且这种无指导工具的推广将大大减少人力和财政资源的成本。

小鄂表现出显著的高水平的可接受性和工作联盟，但不显著的高水平可用性。这说明小e在关系建立上已经初步达到了能力的标准，但在用户界面、操作系统等方面，还需要为用户进一步简化。参与者报告说，在“关系”、“情感”、“个性化”和“实用性”四个主题中，小e的体验最好。“关系”这一主题反映了小e与参与者之间关系的建立、发展和作用，如Dosovitsky等[ 52研究人员发现，人们可以与人工智能聊天机器人建立积极的联系，因为人工智能聊天机器人的个性特征，比如关心他人、乐于倾听、不评判他人。“情感”主题体现了与小e的交流有助于情感的表达和宣泄，让用户感受到陪伴和理解。在以前的研究中也观察到同样的主题[ 32， 33]。“个性化”这一主题反映了小e可以针对参与者提出的不同的情绪困扰提出不同的建议，从而引发参与者更多的思考和学习。在小e的内容设计之初，为了避免过于说教的感觉，我们加入了很多简单而具体的提示。这可能是参与者认为小e是实用的(“实用性”)的原因。最糟糕的体验主要集中在“内容”和“技术”上。

如前所述，在聊天机器人中使用心理学仍然是肤浅的。尽管我们的内容是基于CBT的，但我们通过主题分析发现，参与者的评论几乎没有提到它。XiaoE的谈话并不总是向参与者强调CBT本身，就像病人从人类治疗师那里接受治疗，可能会觉得他们正在改善，但不知道他们实际上接受的是哪种治疗。另一方面，CBT也有它的局限性。尽管CBT是一种高度结构化的疗法，但将典型的基于CBT的心理治疗转化为聊天机器人的设置是困难的。

我们增加了一个通用的聊天机器人(小爱)干预作为控制条件，以证明心理设计和内容对心理健康聊天机器人的意义。有趣的是，与小爱互动的参与者在接受为期一周的干预后，抑郁症状略有恶化。这表明，使用一般的聊天机器人来治疗心理健康问题可能是有害的，而专门设计的心理健康聊天机器人可能需要缓解抑郁症状。在本研究中，增加了随访以考察长期有效性，并进行了基于δ的敏感性分析以确保结论的稳健性。我们对心理健康聊天机器人的非临床指标建立了创新的系统评估，随着样本量的增加，LDA首次应用于用户反馈的主题分析。

本研究存在一些局限性:首先，由于工具的特殊性和对实际招募的考虑，无法对研究者和参与者进行双盲。为了便于管理，我们为148名被招募的参与者建立了一个在线小组，在试验实施过程中提供重要信息和技术解决方案，这是一个潜在的风险，可能导致他们试图揭示自己干预措施的不同内容，从而对其他参与者的有效性产生主观影响。在今后的网上研究中应特别注意这一点。其次，本研究1周的干预时间较短，如果延长干预时间，结果可能会有所不同。从每周激活的趋势可以看出，小e的参与度波动幅度较大，小e表现出较强的吸引力，但在试验过程中迅速消退。这可能是由于与呆板乏味的内容的反复交互，以及小故障和滞后等技术问题造成的。可以推测，聊天机器人可能更适合短期干预，而不是长期干预，这需要在更长的治疗周期的进一步研究中探索。第三，对于对照条件，干预本身的证据力度仍然有限，电子书干预作为一种自助方式，只涉及心理教育的概念，并没有配备一套完整的心理治疗方案[ 83或设计为多次或重复的会话。因此，最好选择其他疗效已被明确证明的主动控制方式，包括传统的面对面治疗、在线心理咨询、ICBT、VR等。第四，由于我们只能收集对照组的自我报告参与，而不能收集治疗组的全面客观数据，因此无法直接比较小e组与对照组的参与。未来的研究还应收集与治疗组数据相对应的对照组的行为数据，作为比较的依据。最后，本研究仅涉及中国天津一所大学的学生，尚不确定结论是否可以推广到更大的群体。这可以通过尝试在未来进行多中心随机对照试验来解决。

疫情后时代，人们的生活方式发生了深刻变化，数字技术和互联网信息化受到前所未有的关注。可以合理预测，在未来，基于聊天机器人的数字心理治疗将在精神卫生保健领域发挥重要作用[ 84]。这将为相关心理学家、精神科医生、人工智能研究人员和从业者提供新的临床指南和技术观点。

目前，有许多心理内容优秀的数字化治疗手段，对心理治疗过程中的有效因素，如情绪反应、治疗联盟、共情、个性化等关注较少。尽管人们怀疑机器是否能提供情感体验，但它们对表达情感的代理的反应通常比那些不表达情感的代理更好。 85]，说明在缺乏治疗师支持的互联网环境下，积极的治疗联盟的重要性[ 86]。具有复杂移情能力的聊天机器人可以丰富用户体验和亲和力。移情聊天机器人的概念已经被提出[ 87]，伴随着系统的设计和开发[ 88]，但目前还没有成熟的产品，而且尚未对其有效性进行测试。利用用户档案或用户模型来支持个性化和自适应功能，以及个性化评估在心理健康聊天机器人中仍然有限[ 89]。因此，聊天机器人的技术，特别是NLP [ 61]和多回合对话[ 60]，需要不断升级，修改用户界面和操作系统，提升用户体验。未来的聊天机器人可以针对更多的心理健康问题，如焦虑、失眠、健康、压力和成瘾。与此同时，人工智能的伦理问题，如隐私、安全、信息披露和避免伤害，需要仔细考虑[ 90]。

心理健康聊天机器人小e可以作为一种可行的、吸引人的、有效的大学生抑郁症状的数字干预手段。与一般聊天机器人相比，小e显示出显著的短期和长期有效性，经敏感性分析后仍保持稳健，说明心理设计和过程在数字心理健康领域的独特作用。在治疗过程中，小娥表现出了与用户建立关系、增强参与度和改善用户体验的特殊能力。需要进一步的证据来证实其长期有效性，通过更长的剂量重复试验，并探索其与其他主动对照相比的更大功效。