数字健康干预在严重精神疾病服务中的实施：理论、模型与框架应用的深度剖析

为解决数字健康干预（DHI）融入严重精神疾病（SMI）常规护理的难题，研究人员开展相关研究，发现其理论应用有限，需加强研究。

　　在当今数字化时代，精神健康问题愈发受到关注，尤其是严重精神疾病（SMI），如精神分裂症、双相情感障碍等，给个人、家庭和社会带来了沉重的负担。目前的心理健康服务存在诸多困境，资金长期不足，工作人员短缺，导致等待名单冗长，干预时间受限，难以提供个性化的循证治疗。据统计，美国三分之一的 SMI 患者得不到任何治疗，全球更是有 71% 的 SMI 患者无法获得心理健康护理。

在此背景下，数字健康干预（DHI）崭露头角，它有望改善 SMI 患者的医疗服务可及性，通过直接向用户提供服务或融入服务体系，减少临床医生工作量，提高服务用户参与度。然而，DHI 在常规临床实践中的持续应用却困难重重，数据安全、成本、技术兼容性以及临床医生对新技术的抵触等问题，阻碍了其推广。而且，SMI 患者自身的社会经济劣势、动机和认知困难，也影响着 DHI 的实施效果。

为了深入了解如何更好地将 DHI 融入 SMI 服务中，来自曼彻斯特大学等研究机构的研究人员开展了一项具有重要意义的研究。该研究成果发表在《BMC Public Health》上，旨在综合分析实施科学理论、模型和框架（TMFs）在 DHI 实施研究中的应用情况，同时探讨研究开展的背景以及服务用户的参与程度。

研究人员采用了范围综述（scoping review）的方法。他们系统地检索了 MEDLINE、Embase、PsycInfo 和 PsycArticles 这四个电子数据库，搜索了所有英文发表的相关论文，并手动查阅了纳入研究的参考文献列表。纳入研究的标准是运用至少一种实施科学 TMF 来探究数字工具在 SMI 服务中的假设或实际应用情况。

研究结果显示，共筛选出 12 项符合条件的研究。这些研究主要在社区心理健康服务机构开展，参与者多为工作人员。所研究的 DHI 类型多样，涵盖智能手机应用、网络平台、计算机软件等。在 TMF 的使用方面，共涉及 8 种不同的 TMF，其中决定因素框架应用最为广泛，有 5 项研究使用；实施理论次之，有 4 项研究使用。多数研究处于实施项目的早期探索阶段，主要运用 TMF 来指导定性分析，用于定量分析的较少。在实施结果方面，研究报告最多的是可接受性和可行性，而成本、渗透率和可持续性等长期实施结果的报告较少。服务用户参与度方面，仅有一半的研究纳入了服务用户作为参与者，且只有两项研究让 SMI 患者参与到研究设计或实施过程中。

从研究结论和讨论来看，目前在 SMI 服务中实施 DHI 的研究中，TMF 的应用较为有限。多数研究仅将 TMF 用于指导定性分析，缺乏对其在研究过程中的全面整合，且对 TMF 的选择缺乏合理依据，应用方式较为刻板，评估和理论批判不足。这意味着在未来的研究中，数字心理健康研究人员应谨慎选择适合的 TMF，并透明地报告决策过程，同时结合实证结果对 TMF 进行评估和理论贡献的报告，以推动该领域的发展。

此外，当前的研究大多聚焦于 DHI 的可接受性和实施的可行性，对实施过程和长期可持续性的研究较少。未来需要深入探究影响 DHI 在 SMI 服务中可持续性的因素，收集长期实施结果的数据，为项目领导者和政策制定者提供更有力的决策依据，以实现 DHI 在 SMI 服务中的公平部署、广泛覆盖和持续应用。同时，必须重视服务用户在研究中的参与，让 SMI 患者深度参与研究设计和实施，以更好地理解实施的决定因素、过程和结果。

总的来说，这项研究为数字健康干预在严重精神疾病服务中的实施提供了宝贵的见解，指明了未来研究的方向，对改善 SMI 患者的心理健康服务具有重要的意义。