创伤后症状作为预测军人遭受性创伤后使用移动应用程序进行应对的指标：公共使用数据分析研究

《Journal of Medical Internet Research》：Posttraumatic Symptoms as Predictors of Engagement With a Mobile App for Coping After Military Sexual Trauma: Public Usage Data Analysis Study

　　**Shilpa Hampole|Shannon McCaslin-Rodrigo|Valerie Carr|David Schuster|Sofia Reyes|Sarah Senti|Kelly M Ramsey|Jason E Owen|W Christopher Skidmore|Amy E Street|Katherine Taylor|Margaret-Anne Mackintosh**

**传播与培训部门**
**国家PTSD中心**
**VA帕洛阿尔托医疗保健系统**
**美国加利福尼亚州门洛帕克**

**背景**
军事性创伤（MST）可能对心理健康和福祉产生重大负面影响，常导致创伤后应激障碍（PTSD）症状和适应不良的信念。尽管存在有效的心理治疗方法，但污名化、保密问题以及系统性障碍常常阻碍军人和退伍军人寻求帮助。移动心理健康应用程序提供了一种可访问且匿名的支持方式，可能有助于克服这些障碍。然而，应用程序的有效性取决于用户的参与度，而新兴证据表明，参与度可能受到症状严重程度的影响。

**目的**
这项回顾性观察研究旨在探讨创伤后症状严重程度与用户使用“Beyond MST”应用程序（美国退伍军人事务部[VA]国家PTSD中心开发）之间的关联。具体目标包括：（1）描述完成应用程序内评估的用户中的创伤相关症状水平和应用参与度；（2）评估PTSD症状严重程度、负面创伤后认知及心理健康状况与客观参与度指标之间的关系。

**方法**
分析了2021年3月11日至2024年7月29日期间27,517名用户的匿名使用数据。共划分出三个子样本：完成DSM-5（《精神疾病诊断与统计手册》第五版）PTSD检查表的用户（n=3689），完成创伤后适应不良信念量表（PMBS）的用户（n=2197），以及完成Warwick-Edinburgh心理健康量表（WEMWBS）的用户（n=2160）。参与度指标包括使用时长（即使用天数和使用分钟数）、功能访问频率（即应对工具和心理教育内容的访问频率）以及功能使用频率（即完成的总评估次数）。通过包含二次项的回归分析来评估症状严重程度和心理健康状况对参与度的影响，并识别可能的曲线趋势。

**结果**
不同子样本的平均参与度如下：使用天数3-4天（四分位数范围5-6天），使用时间22-30分钟（四分位数范围33.7-42.9分钟），功能访问1-5次（四分位数范围6-9次），完成评估2-3次（四分位数范围2次）。这些子样本的症状表现较为严重。分析显示，中度PTSD症状和负面创伤后认知与较高的参与度相关，尤其是在使用天数和应对工具访问频率方面。相反，较高的心理健康评分通常与较高的应用参与度呈线性相关。然而，效应量较小，表明临床意义有限。

**结论**
本研究强调了在数字心理健康干预中吸引症状严重个体的挑战。尽管“Beyond MST”成功接触到了目标人群，但症状程度极低或极高以及心理健康状况较差可能阻碍持续参与。这些发现建议在应用程序开发（如个性化设置）及将其整合到专业护理中时考虑症状水平。由于数据的匿名性质，无法详细了解用户及其创伤史，因此解释结果受到限制。需要进一步研究以明确症状模式如何影响参与度，特别是在创伤背景下。

**国际注册报告标识符（IRRID）**
RR2-10.31979/etd.882a-5fcx

**引言**
**军事性创伤的流行情况**
在军务期间遭受性侵犯或骚扰的情况被称为军事性创伤（MST）[1]，这种情况很普遍，并会对军人和退伍军人的心理健康和福祉造成长期负面影响，包括影响军事准备、退役后的重新适应以及长期的心理和身体健康。根据美国退伍军人事务部（VA）在2009年至2011年对20,563名退伍军人的全国性调查，约41%的女性和4%的男性报告有过MST经历[2]。然而，由于报告不足以及不同研究中MST的定义和评估方法存在显著差异[4,5]，实际发病率可能更高（例如，女性退伍军人的发病率可能高达74%[3]）。

**MST对心理健康的影响**
MST会对心理健康产生深远影响，常常导致严重的心理痛苦、心理社会功能下降和生活质量降低。与MST最相关的心理健康问题是创伤后应激障碍（PTSD）[5]。由于在军务期间经历战斗和其他创伤事件，军人更容易患上PTSD[6]，而MST会进一步增加这种风险[6]。此外，MST还与其他心理健康问题有关，如药物滥用[7]、抑郁和自杀倾向[8]，这些都会加重受影响个体的心理负担。这些发现凸显了支持个体应对MST后遗症干预措施的重要性。

**MST对寻求帮助的影响**
尽管有许多心理治疗干预方法可用于缓解MST后的PTSD症状（如认知加工疗法、延长暴露疗法和接纳与承诺疗法[14]），但经历过性创伤的人在寻求帮助时会遇到重大障碍。社会对性创伤的污名化可能导致受害者害怕被评判，以及他人的指责和不信任。例如，一项研究发现，较高的自我污名感与在医疗筛查中不愿透露MST经历的可能性较低有关[15]。此外，MST发生的环境（如长期同住的服务人员、等级制度）可能引发对后续暴力、工作报复和同事排斥的恐惧[16]。这些寻求帮助的障碍、对提供者的不信任以及在医疗环境中不愿透露MST经历的情况，都会减少个体康复的机会。

**自我管理心理健康的应用程序**
幸运的是，易于获取的技术解决方案（如心理健康应用程序）有可能扩大心理教育、应对工具和自我管理资源的普及[20]。它们还可以增强患者的自主性，在传统护理不可用的情况下提供24/7支持，并保持匿名性以减少污名化——这些优势对于应对敏感创伤事件的个体尤为宝贵。越来越多的研究表明，心理健康应用程序在提高应对技能、减轻心理健康症状以及提升用户整体幸福感和生活质量方面有效[21]。由美国退伍军人事务部（VA）国家PTSD中心开发的“PTSD Coach”应用程序就是一个经过充分研究的例子，已在16项研究中证明了其可行性、可接受性和有效性[22]。针对特定类型创伤（如性创伤和MST）的数字心理健康技术也应运而生[23,24]。例如，针对性暴力（尤其是亲密伴侣暴力）的应用程序非常普遍，但通常仅提供信息、预防或同伴支持[25-27]。“Beyond MST”应用程序（美国退伍军人事务部[VA]国家PTSD中心开发）专为帮助用户自我管理MST相关的心理社会挑战（如心理健康症状、行为问题和人际关系问题）而设计，通过基于证据的心理教育和应对工具来提高他们的整体幸福感[28,29]。迄今为止，尚未有针对经历过MST的个体的数字心理健康技术的研究，包括“Beyond MST”。虽然可用性和有效性研究很重要，但也需要研究确定可能限制用户应用内容参与度的因素，从而影响其有效性[30]。

**应用参与度**
在现实世界的非研究环境中，用户对心理健康技术的参与度较低是一个常见问题，许多用户在仅进行几次互动后就会停止使用。例如，一项针对93款流行心理健康应用程序的回顾显示，用户的平均保留率为15天，中位数仅为3.9%（四分位数范围10.3%[31]）。这种情况类似心理治疗的退出问题，可能阻碍患者康复；同样，参与度不足也可能阻碍用户获得全部治疗益处。早期关于数字心理健康技术参与度的研究主要集中在其与健康结果的关联上，而最近的研究则倾向于揭示阻碍或促进用户参与度的潜在因素。这些因素包括环境、干预措施和用户相关因素[30]。然而，用户层面的预测因素（尤其是症状严重程度）尚未得到充分探索。

**系统回顾**
对208项关于数字心理健康干预的研究的回顾发现，只有19项研究了症状严重程度与用户参与度客观指标之间的关系。大多数研究表明，与抑郁和疲劳相关的较高症状严重程度与较低参与度相关[32]。然而，结果并不一致：另一项回顾发现，虽然两项研究将更严重的症状与更高的使用频率联系起来，但三项研究得出了相反的结果[30]。结果矛盾可能是由于评估的心理健康状况（如抑郁、焦虑、双相情感障碍和精神分裂症）和数字干预措施（如基于网络的服务、远程医疗程序和移动应用程序）的多样性，以及使用的参与度指标的多样性导致的[30]。症状严重程度与心理健康应用参与度之间的关系可能还存在曲线模式[30]，但目前很少有研究将症状严重程度作为包含二次项（或更高阶项）的连续预测变量进行建模。有证据表明，抑郁症状与心理健康应用参与度之间存在潜在的非线性关系，其中中度症状水平与相对较高的参与度相关，而轻度至重度症状水平则与相对较低的参与度相关[33]。可能的倒U型模式反映了不同症状水平下的障碍差异——例如，轻度症状用户感知到的需求较低，而重度症状用户则面临更大的认知负担[33]。此外，关于创伤后症状严重程度是否预测数字心理健康技术参与度的研究仍然有限。虽然一些证据表明，较高的PTSD症状与使用这些技术的意愿相关，但自我报告的意愿可能并不转化为实际行为[32,34]。这突显了分析客观参与度指标的重要性。例如，“COVID Coach”应用程序（美国退伍军人事务部[VA]国家PTSD中心开发）在COVID-19疫情期间提供的应对工具和资源显示，患有严重PTSD症状的用户平均使用该应用程序的天数更多[33]。总体而言，症状严重程度与数字健康技术参与度之间的关系尚不明确，可能因症状类型和使用的参与度指标而异。需要进一步研究来明确创伤相关症状指标与创伤焦点应用程序参与度之间的关系，特别是在MST经历后的情况。

**研究目的**
这项回顾性观察研究是首个专门评估为经历过MST的退伍军人和服务人员设计的心理健康应用程序的研究。鉴于该领域的研究有限，采取了探索性方法：（1）描述完成应用程序内评估的用户子样本中的创伤相关症状水平和应用参与度；（2）对于这些子样本，研究创伤相关指标与客观应用参与度指标之间的关系。通过对大量“Beyond MST”应用程序用户的使用数据进行处理和分析，考察了两个主要预测因素：PTSD症状严重程度和负面创伤后认知的严重程度。心理健康状况作为次要预测因素进行比较。应用参与度通过三种变量进行衡量：应用使用时长、功能访问频率和功能使用频率。总体而言，这些发现可能有助于我们更好地理解实际用户在与军事性创伤（MST）作斗争时，与数字心理健康参与度相关的预测因素。

### Beyond MST移动应用程序的描述
Beyond MST应用程序是由退伍军人事务部（VA）国家PTSD中心与全国VA MST支持团队合作开发的[28,29]。它也是由国家PTSD中心开发和维护的一系列心理健康应用程序的一部分[35]。Beyond MST可以用于自我护理目的（例如，自我管理与MST相关的症状），或与专业医疗护理结合使用。然而，该应用程序并非旨在替代专业治疗或疗法。虽然其内容是为经历过MST的人准备的，但对于那些在军事环境之外经历过其他类型性创伤（例如，亲密伴侣暴力）的人也可能有所帮助。

Beyond MST是公开可用的，可以从谷歌应用商店和苹果应用商店免费下载到智能手机或平板电脑上。它于2021年3月首次发布，此后一直在进行维护和应用程序更新。下载后，无需互联网连接即可使用该应用程序。此外，不需要用户账户。该应用程序是私密的且安全的，所有收集的使用数据都是匿名的，用户可以选择不提供使用数据。

用户可以访问以下四个内容区域：(1) “主页”屏幕，其中包含励志名言、用户选择的书签以及用于应用程序指导的预设对话功能；(2) “工具”部分，用于开发和练习积极的应对技能；(3) “学习”部分，提供心理教育主题和资源（例如，退伍军人危机热线）；(4) “进度”部分，通过应用程序内的评估和目标设置功能来跟踪进展（图1）。工具部分包括54种应对工具（例如，“管理反应”和“寻找我的价值观”）。学习部分包含49个主要的心理教育主题（例如，“自我责备和愤怒”以及“关系与健康”），并在主要主题下嵌入了29个子主题（例如，支持的类型）。这些功能的设计基于认知行为疗法（例如，认知处理疗法）和正念疗法（例如，接纳与承诺疗法）的原则和实践。内容还参考了MST研究中的发现，这些发现可以在应用程序的“关于”部分找到。

### 数据来源
使用JavaScript对象表示法（JSON）格式化的使用数据是通过一个安全的数据管理平台下载的。该平台由VA国家PTSD中心开发，用于根据VA的技术参考模型[36]进行质量改进。所有收集的数据都是匿名的，因此不包含任何用户身份信息，如人口统计数据。数据集包含“事件级”数据，其中每一行（或一组行）代表一次应用程序内的事件（例如，一次按钮点击或滑动）。数据集包括以下变量：(1) 应用程序首次下载时生成的匿名字母数字标识符（ID）字符串；(2) 操作系统（例如，Android或iOS）；(3) 描述交互的编码事件和元数据信息（例如，在哪个屏幕上按下了哪个按钮）；(4) 表示事件发生日期和时间的时间戳。

ID号码作为识别个别用户的代理。如果用户删除并重新下载应用程序、重置应用程序，或在多个设备上使用应用程序，可能会导致同一个ID号码与多个用户关联。由于无法区分实际用户，并且这种情况可能很少发生，因此在这个研究中，唯一的ID号码代表了个别用户。

### 研究程序
2021年3月11日至2024年7月29日期间的Beyond MST使用数据于2024年7月30日下载。数据使用R统计软件（v4.4.1；R Core Team）进行清洗、处理和分析。作为数据清洗的一部分，通过描述性统计、图形可视化以及简单的单变量和双变量分析来识别原始事件级数据集中的错误。问题数据（例如，由于技术问题引起的数据）被删除或更正。接下来，构建了一个数据字典，将用户-应用程序交互数据映射为用户级变量，每个用户对应一行。用户级变量记录了应用程序内评估的总分、应用程序使用时长、功能访问频率以及功能使用频率。

### 测量指标
基于应用程序“进度”部分中的三项评估，检查了三个测量指标：(1) PTSD症状的严重程度；(2) 与PTSD症状相关的负面创伤后认知的严重程度；(3) 心理健康水平。

#### 主要测量指标：PTSD症状的严重程度
PTSD症状的严重程度使用DSM-5（《精神障碍诊断与统计手册》第五版）[PCL-5] [37]中的应用程序内PTSD检查表进行测量。这个包含20个项目的测量工具评估了过去一个月内个人受到PTSD相关症状的困扰程度。项目按5点李克特量表评分，从0（完全没有）到4（极其严重）。总分范围为0到80分，分数越高表示症状越严重。为了帮助描述完成应用程序内PCL-5的用户子样本，设定得分≥31分表示可能的PTSD诊断[38]。然而，在后续分析中，将PCL-5总分作为连续变量纳入。本研究的内部一致性非常好（Cronbach α=0.94）。

在Android版本的应用程序中发现了一个技术错误，导致项目3（“突然感觉或表现得好像那段压力经历真的再次发生”）出现了两次，而项目4（“当某事提醒你那段压力经历时感到非常不安”）从应用程序内的PCL-5中缺失。对于Android用户，保留了对项目3的首次回答。由于项目4缺失，总分进行了调整（对于每个用户，将其19个项目回答的平均值乘以20）。最终，只有用户首次完成PCL-5后的得分被纳入分析。

#### 主要测量指标：负面创伤后认知的严重程度
负面创伤后认知（NPC）的严重程度通过15个项目的网络应用程序内创伤后适应不良信念量表（PMBS）[11]进行测量。PMBS用于评估在创伤暴露后可能形成的关于当前生活状况的无帮助且可能有害的信念。7个项目代表潜在的适应不良信念（例如，“我在任何地方都不再感到安全”），8个反向编码的项目代表潜在的健康信念（例如，“我觉得我可以依赖其他人”）。项目按7点量表评分，从1（不真实）到7（完全真实）。总分范围为15到105分，分数越高表示NPC越严重。本研究的内部一致性良好（Cronbach α=0.88）。用户首次完成PMBS后的得分被纳入分析。

#### 次要测量指标：心理健康水平
为了比较和更广泛地评估心理健康的积极方面与精神疾病症状，还包括了一个心理健康水平的次要测量指标。这是通过应用程序内的14个项目Warwick-Edinburgh心理健康量表（WEMWBS）[39]进行测量的。每个项目代表与整体幸福感相关的积极感觉或行为（例如，“我对接未来感到乐观”，或“我能够很好地处理问题”）。用户报告在过去两周内每种情况的体验频率，评分范围从1（从未）到5（一直都有）。得分范围为14到70分，分数越高表示幸福感水平越高。本研究的内部一致性非常好（Cronbach α=0.94）。用户首次完成WEMWBS后的得分被纳入分析。

### 应用程序参与度测量
用户对Beyond MST应用程序的参与度分为三类：(1) 应用程序使用时长；(2) 功能访问频率；(3) 功能使用频率。应用程序使用时长通过两个指标进行评估：观察期间不同的天数和应用程序使用分钟数。对于使用时间超过10分钟的事件，会重新编码以表示会话结束和下一个会话开始。这防止了用户在退出应用程序时未关闭或结束会话而导致数据过度膨胀。功能访问频率通过两个指标进行评估：工具访问频率和学习（心理教育）主题访问频率。最后，功能使用频率通过一个指标进行评估：完成评估的次数（即，完成应用程序内PCL-5、PMBS和WEMWBS的次数）。

### 数据分析计划
确定了完成应用程序内症状评估的以下三个用户子样本：(1) 完成至少一次PCL-5评估的用户；(2) 完成至少一次PMBS评估的用户；(3) 完成至少一次WEMWBS评估的用户。由于用户完成的评估不同，这些子样本分别进行了分析。对于每个子样本，我们计算了iOS和Android用户的数量、符合亚阈值PTSD标准与可能PTSD标准的用户数量，以及与评估分数和应用程序参与度相关的总结统计数据。由于抽样方法和结果变量的特性，数据集中没有缺失数据——除了前面提到的PCL-5中的缺失值外。由于Android用户的PCL-5分数进行了调整，还进行了Wilcoxon秩和检验，以检查Android和iOS用户之间的分数是否存在显著差异。

### 变量诊断
为了预测应用程序参与度，描述性、统计性和视觉上检查了预测变量和结果变量的分布。研究发现存在显著偏离正态性的现象，包括正偏度和过度离散（即，观察到的方差超过泊松模型下的预期方差）、线性回归模型的残差正态性假设违规，以及所有结果中都存在极端异常值。对于4个结果（即，不同的使用天数、工具访问频率、学习主题访问频率和评估完成频率），这是预期的，因为这些都是计数变量。大多数计数变量的观察值主要集中在分布的低端，高计数的情况较少，导致分布呈现长右尾。

进一步检查极端异常值后发现，高计数反映了用户行为的可接受变化（例如，“超级用户”，随着时间的推移重复使用），因此将其保留在数据集中。对所有结果变量应用了Winsorization统计技术，该技术通过用该百分位范围内的最近值替换超出指定百分位的值来减少异常值的潜在影响。对于高于第99.7百分位到第99.9百分位的极端值，采用了保守的处理方法。

### 预测应用程序参与度
构建了几种类型的模型来正确评估症状水平对应用程序参与度指标的影响。仔细考虑了数据类型（即，计数和连续）和结果变量的分布模式，以选择最佳模型。为了最大化样本量并在三个子样本中保持效力，没有在单个模型中包含所有3个预测变量，而是为每个预测变量和每个结果分别构建了模型。此外，所有模型中都包含了一个二次项，以评估可能的曲线关系。

对于4个计数变量（不同的使用天数、工具访问频率、学习主题访问频率和评估完成频率），评估了带有对数链接的Poisson模型和负二项模型。对于不同的使用天数和评估完成频率，由于零值是不可能的，因此评估了零截断的Poisson模型和负二项模型。模型拟合度根据赤池信息量准则（Akaike Information Criteria）进行比较，其中较低的指数值表示更好的拟合[40]。零截断和标准负二项回归模型的结果总体上年拟合效果最好[40]。因此，使用这些模型结果来评估预测变量对结果变量的影响。结果以未标准化系数（B）的形式报告。为了便于解释，系数经过数学调整，表示为预期应用参与度的相对百分比变化，使用转换公式 (eB – 1) × 100。对于连续型结果（使用时长），采用了稳健线性回归方法，该方法可以降低异常值和非正态性的影响。未标准化的回归系数 (B) 被解释为预测因子每变化1点时使用时长的预期变化。所有3个预测因子都进行了均值中心化处理，以减少多重共线性并简化回归系数的解释。

图2展示了选定的各个回归模型类型。所有分析均使用R统计软件（v4.4.1；R核心团队）进行，显著性水平设定为P<.05。

下载：高清图片（116KB）/ 下载：全尺寸图片

图2. 概念模型，说明了在关于Beyond MST（军事性创伤）应用程序使用数据的回顾性观察研究中检验的预测因子和结果变量。PCL-5：DSM-5（《精神疾病诊断与统计手册》第五版）中的创伤后应激障碍（PTSD）检查表；PMBS：创伤后适应不良信念量表；WEMWBS：华威-爱丁堡心理健康量表。

**伦理考量**
斯坦福大学机构审查委员会确定该项目属于质量改进项目，不属于人类受试者研究范畴，因此被排除在监督范围之外（协议编号75160）。

**样本描述**
样本来自更大的用户群体（N=27,517）。由于数据是匿名的，无法获取用户的社人口统计学信息。在完成至少一次PCL-5评估的用户子样本中（3689/27,517，13.4%），1778人为安卓用户，1911人为iOS用户。根据PCL-5评分，大多数用户（3293/3689，89.3%）符合可能的PTSD标准（得分≥31）。此外，该子样本中PCL-5得分分布呈负偏态（图3）。为了考虑PCL-5得分的比例差异，进行了Wilcoxon秩和检验，以评估安卓用户和iOS用户之间PCL-5中位数的潜在差异。结果显示，两者之间存在统计学上的显著差异（W=1,622,530；P=.02），安卓用户的中位数为53.7（IQR 22.1），iOS用户的中位数为55.0（IQR 23.0）。然而，效应量很小（r=0.04），表明PCL-5得分的0.16%差异可归因于安卓用户和iOS用户之间的差异，这表明观察到的差异（1.3分）在统计上和临床上均可忽略不计。因此，不同操作系统的用户数据被合并用于主要分析。所有子样本的描述性统计信息和参与度指标见表1。

下载：高清图片（59KB）/ 下载：全尺寸图片

图3. 在观察期间完成Beyond MST（军事性创伤）应用程序内评估的用户子样本中，DSM-5（《精神疾病诊断与统计手册》第五版）中创伤后应激障碍（PTSD）检查表（PCL-5；n=3689）、创伤后适应不良信念量表（PMBS；n=2197）和华威-爱丁堡心理健康量表（WEMWBS；n=2160）的得分分布。

**表1. Beyond MST（军事性创伤）用户子样本的描述性统计信息（基于完成的应用内评估）**
| 变量 | 平均值（SD） | 中位数（IQR） | 范围 |
|----------------|---------|----------|--------------|
| PCL-5得分 | 52.38 (16.25) | 51.85-52.90 | 0-80 |
| 使用天数 | 6.43 (14.24) | 5.97-6.89 | 3 (5) |
| 使用时长 | 46.58 (147.62) | 41.81-51.34 | 22.15 (33.72) |
| 工具访问频率 | 7.99 (20.77) | 7.32-8.67 | 3 (7) |
| 学习主题访问频率 | 5.14 (16.77) | 4.60-5.68 | 1 (6) |
| 评估完成频率 | 2.80 (4.40) | 2.66-2.94 | 2 (2) |

**a** 表示完成PCL-5评估的用户子样本（n=3689）
**b** 表示完成PMBS评估的用户子样本（n=2197）
**c** 表示完成WEMWBS评估的用户子样本（n=2160）

**伦理考量**
斯坦福大学机构审查委员会认为该项目属于质量改进项目，不属于人类受试者研究范畴，因此未纳入监管范围（协议编号75160）。

**结果总结**
根据使用数据，超过27,000名用户从2021年3月11日应用程序发布到2024年7月29日期间使用了Beyond MST。在观察期间，有小部分用户完成了应用内的PCL-5评估（3689/27,517，13.4%）、PMBS评估（2197/27,517，7.8%）或WEMWBS评估（2160/27,517，7.9%）。这些评估完成率与其他公开可用的心理健康应用程序的研究数据一致[33,41-43]。此外，用户群在安卓（46.9%-48.3%）和iOS（51.5%-53.1%）用户之间的分布相当。

**主要发现及与以往研究的比较**
移动应用参与度的分析具有挑战性，尤其是在自然环境中研究影响用户行为的因素时。研究人员在理解与应用本身相关因素（如可用性和接受度）对心理健康应用参与度的影响方面取得了显著进展。然而，关于哪些用户层面因素影响参与度的了解仍然有限。新兴研究强调了年龄、性别和数字素养等因素的潜在影响[32]。然而，很少有研究评估症状严重程度对数字健康技术（尤其是针对创伤和PTSD的心理健康应用）参与度的影响。研究其他心理健康状况（如抑郁症）表明，症状严重程度可能起着关键作用[30-33]。这项探索性研究进一步加深了我们对创伤后症状、负面认知和心理健康水平与这些应用程序参与度之间关系的理解。

基于使用数据，从2021年3月11日应用程序发布到2024年7月29日期间，共有超过27,000名用户使用了Beyond MST。在观察期间，有少量用户完成了应用内的PCL-5评估（3689/27,517，13.4%）、PMBS评估（2197/27,517，7.8%）或WEMWBS评估（2160/27,517，7.9%）。这些评估完成率与其他公开可用的心理健康应用程序的研究数据一致[33,41-43]。此外，用户群体在安卓和iOS用户之间的比例大致相当。

**模型结果**
PCL-5分数的模型结果见表2，图4A-E展示了PCL-5分数对结果的影响。对于使用天数，PCL-5分数表现出显著的线性（B=?0.01，z=?2.7；P=.008）和二次方（B=?0.0003，z=?3.2；P=.001）效应：使用天数在症状水平非常低时最低，在症状水平中等时最高，而在症状水平较高时再次下降。对于其他三个PCL-5分数预测因子（即使用时长、工具访问频率和评估完成频率），也发现了类似的倒U形模式，表现为PCL-5分数最低和最高水平时参与度、访问频率和使用频率较低，而症状水平中等时参与度、访问频率和使用频率较高。对于学习主题访问频率，PCL-5分数每增加1分，预期使用频率降低0.6%（B=?0.006，z=?2.8；P=.005），尽管二次项不显著（B=?0.0001，z=?1.3；P=.20），表明主要呈线性关系，即随着PCL-5分数的增加，学习主题访问频率下降。总之，在五个指标中，PCL-5分数处于中等水平时，参与度、访问频率和使用频率最高。

**结论**
总体而言，PCL-5分数处于中等水平时，与使用频率和使用次数最高相关，而症状水平较低和较高时则相关度较低。综合来看，这些用户子样本很可能表现出严重的症状，具有显著的创伤后症状，这可能会对他们的身心健康和生活质量产生负面影响，这与PTSD Coach应用程序的研究结果类似[41,42]。与关于心理健康应用程序使用情况的研究一致，总体上，Beyond MST应用程序的使用时长以及功能访问和使用的频率都较低。使用该应用程序的天数为中位数3-4天（IQR 5-6天），使用时间为中位数22-30分钟（IQR 33.7-42.9分钟）。应对工具的访问频率和心理教育内容的访问频率分别为中位数3-5次（IQR 7-9次）和1-2次（IQR 6-7次）。最后，评估完成的频率为中位数2-3次（IQR 2）。考虑到这些工具旨在多次使用以支持应对技能的练习，而评估是为了跟踪进度而重复进行的，因此工具访问和评估完成的频率应该高于心理教育的访问频率。较低的参与率以及工具与心理教育访问之间的差异与其他具有类似设计和内容领域的心理健康应用程序的评估结果一致[33,41-43]。

研究结果还揭示了与创伤相关指标和应用程序使用情况之间的曲线模式。这种非线性关系在PTSD症状严重程度和非创伤后认知（NPC）方面尤为明显。对于症状最严重和最轻微的用户（例如，PCL-5得分≥65或<25），与报告症状中等程度的用户相比，他们对Beyond MST的参与度较低。这种效应在使用天数和工具访问频率这两个参与结果上是一致的。这种曲线模式符合Yerkes-Dodson原则[44,45]，该原则描述了唤醒水平与表现之间的倒U形关系，即在适度的唤醒水平下表现最佳，而在唤醒水平过低或过高时表现会下降。对于应用程序使用时间和评估完成频率，症状严重程度与应用程序使用情况之间的关系不太一致且不明显。与PTSD症状严重程度和使用天数类似，症状严重程度与使用时间之间也存在类似的曲线关系。然而，非创伤后认知严重程度与使用时间之间没有发现统计学上的显著关系。尚不清楚为什么在类似的使用时间指标上没有观察到一致的效果。其中一个可能的原因是不同子样本之间的平均使用时间存在差异（PCL-5样本：平均46.6分钟，标准差147.6分钟；PMBS样本：平均62.4分钟，标准差188.9分钟），且变异性较大。相比之下，在使用天数上，子样本之间的平均值更为接近（PCL-5样本：平均6.4天，标准差14.2天；PMBS样本：平均7.7天，标准差17.6天），变异性较小。

在评估完成频率方面也观察到了相同的模式，即PTSD症状严重程度最高的和最低的用户比症状中等程度的用户完成评估的比率更低，而非创伤后认知严重程度则没有显示出显著的线性或二次方关联。评估完成反映了复杂的多步骤行为过程，需要启动、持续的注意力和坚持。因此，PTSD症状严重程度可能更强烈地干扰了完成结构化任务所需的认知和动机过程，而非创伤后认知本身可能不会产生同样的干扰作用。其他因素，如量表的长度（15项对比20项）和PCL-5项中的创伤相关症状内容，也可能影响参与度。心理教育访问的模式也不一致。对于症状严重程度指标，没有发现曲线关系。此外，关于线性效应的结果也不明确。PTSD症状严重程度的增加预示着心理教育访问的减少，但非创伤后认知严重程度与心理教育访问之间没有关系。尽管原因尚不清楚，但可能是那些经历更严重PTSD症状的人更希望即时缓解症状，而不是学习有关MST的信息。

相比之下，较高的心理健康水平与较高的应用程序参与度相关，通常呈线性趋势。这些模式在使用天数和工具访问方面最为显著，而心理教育访问的效果则较为温和或不明显。值得注意的是，心理健康水平较低的用户比心理健康水平较高的用户使用工具的频率更低。综上所述，这表明在这个主要由症状严重用户组成的样本中，表现出更好心理健康相关因素（如积极情绪、生活满意度和功能）的人可能会随着时间的推移继续发现该应用程序的价值，并持续使用它；然而，内部资源较少的用户可能更难以维持参与度。总体而言，这些关于可能的倒U形模式的新发现提示需要进一步研究数字心理健康参与中的曲线关系。可能症状较轻的用户并不认为需要紧急的支持，而症状较重的用户可能会经历回避、情感麻木或认知超负荷，从而影响他们有效使用数字工具的能力。此外，也发现了类似的关系存在于抑郁症症状中[33]，因为抑郁症常常与MST同时发生[5]。这与心理治疗研究的结果一致，即低感知需求和高回避行为都会削弱治疗参与度和保持率[46-48]。因此，其他未评估的症状也可能驱动这些关系。参与度不仅仅是需求的函数，还取决于准备程度和心理带宽。

然而，在解释这些发现时，需要考虑其临床意义。根据PCL-5的临床指南[49]，PCL-5得分的变化10分表示PTSD症状有临床上显著的变化。这可以作为理解应用程序参与度临床差异的基准。例如，根据本研究中的模型，PCL-5得分增加10分预计会导致使用天数的预期减少约10%，即从基线中位数5天减少半天。同样，对于工具、心理教育和评估，得分增加10分对应于访问或使用的预期频率的适度减少。虽然这些效应具有统计学意义，但参与度的绝对变化很小，表明即使PTSD症状有临床意义的变化也可能只会略微减少平台的使用。这些小的效应大小强调了在实际情境中解释行为结果的重要性，在这种情境下，即使是短暂或不频繁的参与也可能带来治疗效果。症状水平还可能通过更直接的预测因素（如动机水平[50]间接影响参与度。这对于需要持续注意力和重复行为的参与类型尤为重要，例如随时间进行的应用内症状跟踪或用于持续技能练习的工具使用。最后，由于子样本整体上表现出较高的症状水平，因此在解释这些发现时需要考虑到症状严重的个体。例如，与可以从自我指导使用中受益的症状较高用户相比，那些症状最高的用户在获得额外支持（如人工辅导）后可能会显示出更高的参与度。

鉴于发现的曲线关系，未来的工作也可以受益于使用能够检测更复杂或异质参与模式的分析方法。当前测试的模型只假设了同质人群的线性和二次方关联。然而，过度分散和异常值的存在表明样本可能包含多个群体，例如“典型用户”和“超级用户”，他们对应用程序的参与方式不同。未来的研究可以使用混合建模等方法来确定用户子群是否遵循不同的参与模式，或者症状水平与应用程序参与度之间是否存在更微妙的关联。总之，PTSD症状严重程度以及在某种程度上负面创伤后认知可能是考虑用户参与应用程序时的重要因素。这对于应用程序开发者和心理健康专业人士具有重要意义。具体来说，基于基线症状水平的个性化应用程序内治疗计划或阶梯式护理路径，例如为症状较重的用户提供更多的人工支持，可能会提高应用程序的参与度。使用应用程序提供服务的提供者在提供建议时也应考虑症状严重程度（如心理教育与工具使用）。此外，这些分析提供的见解表明如何利用症状严重程度来理解整个护理过程中的数字干预措施。这对于像Beyond MST这样的应用程序尤其重要，因为它们可以系统地整合到服务具有各种心理健康症状和创伤类型的庞大医疗系统中[51]。尽管这些发现可能对所研究的子样本具有潜在的临床意义，但在更广泛地解释这些结果时，也应考虑当前研究的局限性。

几项研究限制是由于收集的数据性质以及使用的子样本和方法本身所固有的。首先，由于数据是匿名的，无法获取用户特征，因此无法控制潜在的混杂因素，如社会人口统计学特征。这可能是个问题，因为某些人口统计因素（例如女性性别[4]和年轻年龄[52]）与MST受害风险不成比例地相关。更普遍的是，研究发现女性比男性更有可能采用和参与数字心理健康干预[32]。因此，本研究中的子样本可能在人口统计上不够多样化，从而限制了这些结果在更广泛人群中的普遍性。应该进行临床试验，以探索在控制潜在混杂因素的情况下创伤后症状严重程度与应用程序参与度之间的关系。其次，本研究关注的是那些参与了应用程序内评估的用户子集，这可能限制了结果的普遍性。这可能会使结果产生偏差，因为这些用户子集可能比整体用户群体更具参与度。尽管如此，评估仍有其价值。首先，这些数据提供了关于大量使用免费公开应用程序的用户群体的实际使用模式和关系的见解。盈利性公司通常不会公布有关移动应用程序参与的此类详细信息。这些结果可以为未来的研究和提高参与度的潜在方法提供灵感。无论如何，还需要进一步的用户评估和受控研究来识别更广泛用户群体与本研究中的子样本之间的参与度差异。第三，本研究使用的语境内评估和应用程序参与度衡量方法可能无法完全反映创伤后症状严重程度及其对应用程序参与度的影响。几种不同的症状与创伤和PTSD相关，因此使用PCL-5得分并不能说明个别创伤后症状如何预测应用程序参与度。例如，PTSD的标志性症状——回避行为，可能比其他症状对应用程序参与度产生更负面的影响[5]。此外，本研究关注的是应用程序参与的客观指标。未来关于Beyond MST的用户体验研究应探索主观的参与度衡量方法，如自我报告的参与意图。这将提供关于用户打算如何参与、实际如何参与以及可能的参与障碍的更全面图景。

此外，由于应用程序的设计和数据可用性的限制，许多应用程序参与度指标未得到探索。例如，除了功能访问和评估功能的使用外，其他类型的功能使用也无法进行评估。重要的是，研究人员敦促该领域超越仅仅测量“点击次数和下载次数”的方法[53]。参与度是一个多维度的概念，不仅包括行为方面（如使用时长和使用频率），还包括主观体验方面（如专注注意力、情感投入和可用性[53]），这些通常最好通过定性和混合方法来理解。未来研究还应探讨用户在日常生活中如何有效运用通过应用程序学习或练习的技能。对于心理健康应用程序而言，这意味着需要明确什么是具有临床意义的应用程序使用行为。例如，在“Beyond MST”应用程序中，用户使用“深呼吸”工具的频率并不能全面反映那些虽然很少使用该应用程序，但仍在日常生活中持续应用相关技能的用户的情况。换句话说，具有临床意义的应用程序使用行为可能因人而异。此外，还需要进行纵向研究以了解症状严重程度如何随时间影响用户的活跃度。总体而言，需要进一步的研究来全面理解这些复杂因素，从而更细致地了解创伤后症状如何影响心理健康应用程序的使用情况。

结论：“Beyond MST”应用程序有望支持各类经历过军事性创伤的服务成员和退伍军人，无论他们是将该应用程序用于自我护理，还是与专业护理结合使用。即便症状非常严重的用户，也同样能够积极参与该应用程序。然而，研究发现创伤后症状的严重程度对用户活跃度存在一定的影响，这可能会限制“Beyond MST”在帮助某些用户应对创伤、寻找希望以及提升其福祉方面的效果，尤其是那些症状最严重的用户。需要进一步研究可能的用户层面影响因素，以及特定因素如何促进或阻碍应用程序的使用行为。本研究的发现表明，创伤后症状的严重程度与应用程序使用行为之间存在统计学上的显著曲线关系和线性关系，但这些结果的临床意义仍需通过更多研究来明确。有必要仔细评估个别创伤后症状对更广泛的应用程序使用行为指标的预测能力。尽管如此，这项研究可以为该领域的未来研究提供范例，并强调了理解症状严重程度与用户活跃度之间的关系对于优化心理健康数字解决方案的重要性。在这一领域的持续探索对于开发更有效的心理健康应用程序至关重要，特别是针对那些经历过军事性创伤和其他类型创伤性应激的人。