综述：数字心理健康干预对注意力缺陷多动障碍疗效的随机对照试验荟萃分析

这篇综述通过荟萃分析23项随机对照试验（RCT），揭示了数字心理健康干预（DMHI）对注意力缺陷多动障碍（ADHD）症状的改善效果，结果显示其对整体症状（g=?0.32）和注意力不集中（g=?0.25）有显著但轻微作用，但对多动/冲动症状无显著影响。研究还发现干预类型（如神经反馈效果较差）和样本特征（如年龄、性别）的调节作用，为ADHD的非药物干预提供了循证依据。

　　

数字心理健康干预对ADHD的疗效：证据与挑战

引言
注意力缺陷多动障碍（ADHD）是一种常见的神经发育障碍，全球约八分之一人群受其影响。传统药物治疗虽有效，但存在副作用和可及性限制。数字心理健康干预（DMHI）通过智能手机、网络平台等技术手段，为ADHD管理提供了新途径。

方法学创新
本研究采用三级荟萃分析模型，纳入23项RCT（共1472名参与者），涵盖认知训练、神经反馈、远程医疗等多种干预类型。通过多层级数据分析，解决了既往研究忽略的多重效应量问题，并首次系统比较了不同干预类型的疗效差异。

核心发现

1. 整体症状改善：DMHI对ADHD整体症状具有轻微但显著效果（g=?0.32，p=0.003），尤其在注意力不集中症状上表现更优（g=?0.25，p=0.020）。
2. 干预类型差异：神经反馈疗效显著低于组合干预（如神经反馈+药物治疗，p=0.006），而远程医疗和mHealth与组合干预无显著差异。
3. 实施方式：治疗师指导与自主干预的效果相当，提示数字化工具的普适性潜力。

机制探讨
ADHD的神经生物学基础（如前额叶皮层发育延迟、多巴胺失调）可能解释症状差异：

• 注意力改善：认知训练和mHealth通过强化前顶叶网络激活，增强任务专注力。
• 多动/冲动无效性：数字干预可能难以直接影响基底神经节的多巴胺通路，需结合药物或其他行为干预。

局限与展望

1. 地域偏差：现有研究多集中于西方国家，需扩展至多元文化背景。
2. 长期效果：缺乏>3个月的随访数据，未来需优化干预持续性设计。
3. 技术整合：人工智能（AI）动态适配、游戏化设计可能是提升参与度的关键。

临床启示

• 精准匹配：对注意力缺陷为主型ADHD患者，可优先推荐mHealth或组合干预。
• 神经反馈优化：需结合行为强化组件（如实时反馈机制）以提升疗效。
• 标准化评估：建议采用ADHD评定量表（ADHD-RS）等工具统一疗效指标。

结语
数字干预为ADHD管理提供了灵活、可扩展的解决方案，但其疗效受干预类型和症状维度调节。未来需结合神经生物学机制与技术革新，开发更具靶向性的个性化干预方案。