適配干預研究進展

李帥妮，倪曉莎，胡文奕，高雅婷，林 穎，樓 妍

1杭州師范大學醫(yī)學部護理學院，杭州 3111212浙江省杭州市第九人民醫(yī)院護理部，杭州 3112253中國計量大學校醫(yī)院，杭州 310018

對不良生活方式與不健康行為應進行積極干預，傳統(tǒng)行為干預通過在固定時間給所有研究對象固定的干預方案，經(jīng)過固定的干預周期，從整體水平對干預效果進行評價。該種干預模式不考慮干預過程中個體需求的變化，研究對象對干預產(chǎn)生效果的時間差異以及干預效果的動態(tài)變化。因此，可能導致對研究對象的干預不足、干預過?；虿贿m用。適配干預(adaptive intervention，AI)是一種以滿足個體需求為導向，能隨時間變化根據(jù)干預結局動態(tài)調(diào)整干預方案的干預方法學，即通過在決策點對個體的適配變量進行動態(tài)評估，制定個性化的干預措施，幫助個體適應動態(tài)改變，促進及維持干預結局[1]。本研究主要介紹AI的起源與發(fā)展、核心要素、分類和展望，旨在為健康行為干預的研究與實踐提供方法學指導。

起源與發(fā)展

1979年，Schal[2]提出的“數(shù)據(jù)決策模型”是AI核心理念之一“動態(tài)決策”的起源。1996年，Bertsekas和Tsitsiklis[3]指出干預過程存在多變性，健康行為干預方案無法完全提前確定。1995至2000年，多位學者通過應用“動態(tài)治療策略”調(diào)整患者的治療方式，進一步促進了“動態(tài)性”理念的發(fā)展[4-5]。

同期，AI的另一核心理念“個性化”在“分階段照護干預”或“分階段照護模型”中得以體現(xiàn)，即當研究對象對低強度、低成本初始干預方案無效時，應為其調(diào)整更高強度、更密集的干預方案[5- 12]，該理念在“快速通道預防干預”項目中得以應用，即研究者通過多年跟蹤、根據(jù)父母的不同家教水平等變量來制定個性化方法，以全方位減少兒童品性障礙風險因素[13- 14]。隨著現(xiàn)代科技的發(fā)展，AI的核心理念基于計算機得到初步發(fā)展。1996年，Kreuter等[7]通過計算機對個體觸發(fā)“個性化行為改變”的反饋信息，增強健康風險評估的有效性；1999年，學者們再次基于移動科技，通過分析問題、產(chǎn)生評估工具、觸發(fā)個性化信息、建立數(shù)據(jù)庫、產(chǎn)生個性化算法5個步驟，為個體提供“私人訂制”的健康衛(wèi)生宣傳信息[8]。

干預方案“個性化”和“動態(tài)化”的具體實現(xiàn)規(guī)則也逐步清晰化。1998年，Collins等[9]提出“中介變量”能通過影響“中介過程”影響干預效果。2000年，Lavori等[10]強調(diào)干預過程中何時以及如何調(diào)整干預方案，2001年，Murphy等[11]指出可以根據(jù)干預水平隨時間變化的變量信息調(diào)整干預方案。2004年，Collins等[12]首次提出AI的概念，闡述選擇和評估適配變量，以及制定決策規(guī)則的方法。2012年，臨床醫(yī)生可基于“適配理論”進行個性化評估、診斷和制定治療方案[13]。2014年，學者開始積極探索決策的最佳時間并進行優(yōu)化[1]。2016年，Nahumshani等[14]闡明AI的研究目的、核心要素及設計原則。自此，AI在多個領域開始廣泛應用。

核心要素

AI的核心要素包括干預結局、干預方案、決策點、適配變量、決策規(guī)則。

干預結局根據(jù)實現(xiàn)時間長短將其分為：(1)短期結局：是干預過程中的階段性目標，有利于個體循序漸進實現(xiàn)長期結局；(2)長期結局：是實施AI的最終目的，即主要的臨床結果。例如，針對肥胖人群干預時，短期結局為降低對零食的欲望，長期結局為改善不良飲食習慣[15]；針對靜坐人群干預時，短期結局為增加每日步數(shù)，長期結局為增強體力活動水平[16]。

干預方案干預方案即個性化的干預策略，即在決策點基于適配變量的動態(tài)信息，為個體制定的個性化干預策略[14]，回答干預 “How”的問題，即如何達到干預結局。與傳統(tǒng)干預相比，進行AI的個體可能持續(xù)使用同一干預方案或接受一系列不同干預方案。干預方案包括干預者、干預方式、干預內(nèi)容。

干預者：實施干預主體，除了傳統(tǒng)干預中的研究者、專業(yè)干預人員，還包括智能的移動科技。在減重干預中，干預者為移動應用OnTrack，該應用通過每天提醒研究對象進行飲食失誤風險因素調(diào)查，并基于此觸發(fā)減重提示建議[15]。

干預方式：包括干預形式和觸發(fā)方式。干預形式包括語音視頻、面對面訪談、培訓課程、互動游戲等。觸發(fā)方式常基于移動科技自動分析變量數(shù)據(jù)或由個體提交數(shù)據(jù)進行。例如，為了提高艾滋病患者抗逆轉錄病毒服藥依從性，通過個體自我和電子藥物監(jiān)測設備實時監(jiān)測其藥物劑量服用情況，并通過雙向短信提醒、高強度面對面訪談、視頻片段多種形式，幫助個體提高自我管理能力，降低患者血液抗逆轉錄病毒載量[17]。

干預內(nèi)容：指實施AI有關的行為計劃、情緒支持、干預方法、反饋建議等，與傳統(tǒng)干預相比，個體接受的干預方案可存在內(nèi)容的差異。在促進精神障礙患者癥狀的自我管理研究中，應用程序FOCUS會自動提示個體評估藥物依從性、情緒調(diào)節(jié)、睡眠、社交功能和應對幻覺，并根據(jù)評估結果給予不同支持反饋。當個體狀態(tài)非常糟糕時，F(xiàn)OCUS會提供建議，例如提示個體訪問自我管理資源庫；若個體狀況較佳則給予積極鼓勵和強化[18]。此外，不同個體其干預劑量，即干預措施的水平或強度存在差別。例如，對吸煙人群干預時，戒煙智能APP根據(jù)實時數(shù)據(jù)提供0～3級4種自動化促進信息。在干預前1周和干預后1周，當個體已經(jīng)戒煙或對戒煙沒有興趣時，干預方案為不進行信息發(fā)送；當個體處于較低的吸煙行為風險時，干預方案為1級提示信息，即保持不吸煙的動機并給予常規(guī)戒煙建議；當其處于較高風險時，則給予2級提示信息，即提供失誤行為高風險因素的應對策略；當個體存在吸煙行為，應立即給予3級提示信息，幫助尋找吸煙原因并制定新的戒煙計劃[19]。

決策點決策點是當個體處于高風險狀態(tài)(最易產(chǎn)生不健康行為)時，基于適配變量的動態(tài)信息，實施或調(diào)整干預措施的最佳時間點[20]，回答干預“When”的問題，即何時調(diào)整干預策略。根據(jù)研究問題和適配變量特點，可設置一個或多個決策點。例如，自閉癥兒童溝通問題AI設置1個決策點(第3個月)[21]，而青少年糖尿病血糖控制AI設置5個決策點(基線和第3、6、12、18個月)[22]。決策點的類型可分為：(1)提前確定：決策點可基于循證提前確定，且每個研究對象的決策點固定。例如，為了促進成年人身體活動，在每天下午2點和9點，通過手提電腦提醒個體完成身體活動水平評估，獲取其身體活動中的阻礙和促成因素，為個體制定個性化的運動目標[23]；(2)動態(tài)變化：AI中，基于移動科技動態(tài)監(jiān)測適配變量信息，一旦符合預先設定規(guī)則如適配變量超過某特定值或當個體提交數(shù)據(jù)時，即為決策點。針對辦公室長期工作人員，用鼠標及鍵盤活動記錄電腦用時，當檢測其持續(xù)工作時間大于30 min，會即時觸發(fā)身體活動相關提示，例如提醒個體起身接水并在接水機旁伸展身體[24]。

適配變量又稱情境信息，指在AI中影響目標完成的潛在變量，它是運行和檢測AI的基礎，是實施AI的中心環(huán)節(jié)[20]。通過適配變量變化水平?jīng)Q定何時以及如何調(diào)整干預方案。

適配變量根據(jù)收集時間不同分為：(1)基線適配變量：主要指個體的基線信息。例如，人口統(tǒng)計學數(shù)據(jù)、臨床特征及生物學指標，可為初次或后期分配個性化干預方案提供參考；(2)過程適配變量：在干預過程中，為選擇動態(tài)性方案而收集的一類變量信息，可作為長期結局的早期指標。例如，減重干預研究中的過程適配變量為減重值[1]，可根據(jù)其變化情況AI措施。

適配變量的性質(zhì)類型分為：(1)時間類：包括時間周期、頻率及日程安排等信息。例如，老人靜坐行為干預項目中，靜坐總時間為適配變量[25]；(2)位置類：包括個體所處的位置。例如，通過通用分組無線服務技術進行個體戶外跟蹤[16]或基于接收信號的強度指示對室內(nèi)環(huán)境進行定位[25]；(3)生理指標類：包括身體測量和生理參數(shù)。例如，在針對1型糖尿病的青少年的行為干預中，其適配變量為糖化血紅蛋白指標[22]；(4)活動類：包括活動方式(靜坐、步行、跑步)、活動強度(低、中、高強度)、活動體能消耗。例如，通過裝有加速度計的智能手機確定上班個體是否處于靜坐狀態(tài)[12]或通過活動記錄器評估孕產(chǎn)期婦女的活動狀況[26]；(5)心理指標類：包括壓力水平、自我調(diào)節(jié)能力、抑郁水平等，是影響行為改變的重要因素。例如，對孕期增重婦女干預時，其適配變量為焦慮和抑郁水平，可基于狀態(tài)特質(zhì)焦慮量表、流行病學研究中心抑郁癥量表對其進行評估[26]。

適配變量信息通過以下方式獲取：(1)主動報告：即通過研究對象、家屬或臨床醫(yī)生等進行匯報或陳述來收集數(shù)據(jù)，需要個體參與其中。例如，針對注意力不集中的孩子，由學校老師、專職人員或結合兩者對其課堂違規(guī)行為數(shù)據(jù)進行收集[27]。主動報告方式存在主觀性，對個體易帶來壓力使所獲數(shù)據(jù)不準確；(2)被動獲?。涸趯崨r情境下，基于移動技術如傳感器、掌上電腦、計算機獲取即時的數(shù)據(jù)信息。被動獲取不需或較少需要研究者參與，具有便捷的特點。例如，基于智能手機內(nèi)置加速度傳感器獲取個體活動的空間軌跡[16]。

決策規(guī)則決策規(guī)則指基于決策點，系統(tǒng)地連接適配變量和干預方案，通過獲取適配變量的數(shù)據(jù)信息，對個體適配個性化方案的一系列規(guī)則。例如，減重干預設計中，決策規(guī)則為給予初次行為認知干預，5周后當個體減重值大于5磅，繼續(xù)給予初次干預方案；當個體沒有達到干預結局，給予加強干預即初次干預+代餐飲食，或改變初次干預給予接納與承諾療法[1]。

分 類

根據(jù)是否借助移動設備、觸發(fā)干預、決策點設置的不同，AI可分為以下兩類。

傳統(tǒng)AI常基于一定理論基礎，盡可能為個體適配個性化干預方案，促進其干預結局的實現(xiàn)，是應用較普遍的AI類型。較少有移動科技介入，干預即時性不強。傳統(tǒng)AI目前應用于兒童注意力不集中[4]、小兒廣泛性焦慮[28]、兒童自閉癥[21]、青少年2型糖尿病血糖控制[22]、大麻成癮干預研究[29]、肥胖人群減重[30]等。干預者涉及臨床醫(yī)生、特殊教育者、心理醫(yī)生等，常通過面對面訪談、專項會議、團體活動等形式給個體分配健康咨詢、個性化策略等干預措施，其決策點較為固定。此外，適配變量數(shù)量單一，常由個體或其家屬基于問卷調(diào)查主動報告，種類相對較少。決策規(guī)則少且較為固定，實施相對容易。

傳統(tǒng)AI主要包括兩個關鍵環(huán)節(jié)：(1)第一階段：收集基線數(shù)據(jù)，個性化給予部分個體干預方案；(2)第二階段：通過動態(tài)監(jiān)測適配變量如干預反應、干預依從性來識別有效應答者，即達到干預結局的個體，則給予原始干預方案；無效應答者，即未達到干預結局的個體，則給予加強方案，或者改變初次干預方案。通過不斷調(diào)整干預方案，階段性完成短期結局并促使長期結局的實現(xiàn)。

即時AI又名動態(tài)干預策略[29]，智能實時干預[14]，指基于移動科技獲取動態(tài)適配變量信息，在決策點為其提供個性化的干預措施，以達到個體的干預結局。移動科技在即時AI(just-in-time adaptive intervention，JITAI)的適配變量評估、干預環(huán)節(jié)起關鍵作用。JITAI目前用于大學生醉酒和吸煙干預[31-32]、促進成年人身體活動[23- 24，33-34]、孕期婦女體重控制[26]、失眠癥狀管理[35]、抗逆轉錄病毒服藥依從性干預[17]、成年人肥胖控制等[15，36]。相比傳統(tǒng)AI短期結局，JITAI短期結局更為具體，能及時獲取適配變量信息以階段性達到干預結局，其干預方式側重短信發(fā)送、應用程序、訪談、培訓會議等。干預內(nèi)容包括提醒類信息、健康咨詢、個性化策略。JITAI決策點較為即時，以靈活設定為主，部分決策點設置較為固定，其適配變量和決策規(guī)則類別和數(shù)量較多。

與傳統(tǒng)AI相比，JITAI干預者通常包含移動科技成分。干預時，移動科技可自動或基于個體主動報告獲取即時數(shù)據(jù)，以此觸發(fā)干預方案，干預觸發(fā)更具有即時性和自適應性。(1)即時性：指JITAI可在較短時間動態(tài)獲取適配變量信息并即時觸發(fā)干預措施，強調(diào)AI的最佳時機，其決策點因個體而異。例如，在促進個體身體活動干預中，一旦個體步行活動數(shù)據(jù)顯示其實現(xiàn)目標，會收到即時反饋信息如“很棒!記住，每天一萬步，健康近一步！”；否則，在固定時刻，移動科技評估其未實現(xiàn)活動目標，會給個體發(fā)送當前步數(shù)信息并鼓勵繼續(xù)運動如“已收到您今日的活動步數(shù)，明天活動步數(shù)為：4525步”[37]；(2)自適應性：指移動科技基于適配變量信息，通過識別個體是否需要支持、需要何種支持及確定干預過程中的風險因素，在決策點為個體適配正確類型、正確強度的干預措施，以此促進干預的即時實現(xiàn)。例如，對個體的飲食失誤行為干預時，應用程序鼓勵個體每天完成6次的半隨機調(diào)查，實時評估潛在風險因素，當個體每餐飯量超過預期目標，OnTrack會提示其處于高危風險狀態(tài)，并針對3種主要風險因素制定不同干預策略，個體可在多種方案中選擇最佳方案[15]。

展 望

核心要素優(yōu)化目前，AI研究應用逐漸增多，但因其開展時間不長，常出現(xiàn)AI核心要素循證依據(jù)不足，可通過序列多重隨機對照試驗(sequential multiple assignment randomized trial，SMART)、微型隨機干預(micro-randomized trial，MRT)、控制系統(tǒng)工程來優(yōu)化設計。

SMART：SMART是多階段的隨機試驗，指在每一個階段進行一次干預決策，注重對無效應答者調(diào)整并隨機AI方案[28]，常用于優(yōu)化傳統(tǒng)AI。SMART目前研究包括青少年兒童精神障礙如青少年抑郁[38]或兒童自閉癥[21]，社區(qū)兒童不良行為[39]，青少年肥胖[33]和孕產(chǎn)婦超重[40]。

與傳統(tǒng)AI和JITAI相比，SMART有以下特點：(1)隨機對照試驗：設有對照組，并有多次隨機分組過程，在此基礎上調(diào)整并隨機給予干預方案[28]；(2)干預方案比較：通過在決策點評價個體對前期干預的應答率，給予不同的干預方案，即應答者繼續(xù)原有干預方案，無效應答者強化初始干預方案或給予新的干預方案，以此明確不同干預階段最有效的干預組合方式；(3)AI效果比較：SMART中含多個AI，可通過比較不同干預規(guī)則來確定最優(yōu)AI[1]。

MRT：MRT是在多個決策點，對個體隨機分配多種干預方案的微型隨機試驗，通過獲取和分析情境數(shù)據(jù)，以此評估干預方案如何隨時間變化及如何影響干預效果，在此基礎上優(yōu)化JITAI的即時性或自適應。優(yōu)化時，應在前期明確優(yōu)化問題，優(yōu)化方案，優(yōu)化目標并構建相關模型；進而在多個時間點，給個體隨機分配一種或多種干預措施，分析其干預結果并得出優(yōu)化方案。

為了促進藥物濫用青少年的自我報告，MRT通過構建依從性模型來明確優(yōu)化方案。例如，研究要求73名研究對象在1個月內(nèi)完成以下事件，即每天下午6∶00～12∶00 完成1個評估(基于問卷調(diào)查評估日常情緒狀態(tài))和2個任務(基于活動任務評估反應時間和空間記憶)。研究設計在不同決策點，即事件前、事件完成時、事件完成后分別推送提醒類消息、鼓勵類消息、強化類通知，例如，在下午4∶00(事件前)，隨機選擇個體并隨機推送當代名人勵志信息，以此增強個體自我信念，促進自我報告的依從性。同時，使用乘法結構嵌套對數(shù)線性模型、工作模型方法分析其結果來確定優(yōu)化設計方案。例如，結果表明，下午4∶00，收到提醒類通知的個體在同一天完成調(diào)查的比率更高；完成調(diào)查后，收到強化類動態(tài)圖的個體在第2天完成調(diào)查的比率更高[41]。因此，JITAI干預設計可參考此數(shù)據(jù)分析結果實現(xiàn)其干預優(yōu)化目標。

控制系統(tǒng)工程：控制系統(tǒng)工程是一門應用系統(tǒng)學和工程學方法如動態(tài)系統(tǒng)模型、模擬、控制器研究如何實現(xiàn)最大效益的學科[40]。在AI中，可通過動態(tài)模型進行探索性模擬研究來優(yōu)化JITAI，即設定JITAI核心要素，在調(diào)整輸入數(shù)據(jù)(干預方案)基礎上，分析模型數(shù)據(jù)輸出(干預效果)，根據(jù)其分析結果不斷調(diào)整干預方案，以此來了解不同干預方案對個體的即時干預效果，從而實現(xiàn)干預有效性的最大化。

控制系統(tǒng)工程基于動態(tài)模型分析，適用于臨床干預存在倫理問題的AI。例如，對孕期增重(gestational weight gain，GWG)婦女進行探索性干預研究[40]，該類研究由于控制孕期體重對胎兒生長與出生體重可能存在影響，直接干預存在倫理問題，可通過控制系統(tǒng)工程來初步探索相關性。干預時，控制系統(tǒng)工程以物質(zhì)能量平衡、計劃行為理論、自我調(diào)節(jié)理論為指導，通過計算機確定模擬研究對象(女性、年齡25歲、體重75 kg、身高160 cm、身體質(zhì)量指數(shù)29.3 kg/m2)適配變量(GWG)、研究目標(管理GWG，控制嬰兒出生體重)、適配規(guī)則(每隔4周，對婦女GWG進行評估，當婦女實現(xiàn)減重目標，繼續(xù)原有干預劑量；若干預未達到干預結局則加強干預劑量)并構建動態(tài)模型。動態(tài)模型中，通過預測控制器自動調(diào)整干預劑量(飲食水平和運動水平)，探討不同劑量干預方案對母嬰飲食、宮內(nèi)環(huán)境、孕期體重和嬰兒出生體重產(chǎn)生的實質(zhì)性影響，進而明確不同干預劑量與方式的干預效果，為即時AI提供現(xiàn)實應用的“理論證明”[41]。

設計實施要點設計實施AI時，為了優(yōu)化干預效果，除了優(yōu)化其核心要素，還應注意干預可行性、依從性、樣本量確定和結局數(shù)據(jù)分析等問題。

移動科技可行性：移動科技可實時獲取動態(tài)數(shù)據(jù)信息，在提升干預效果的同時，伴隨著一定局限性。(1)人群方面：研究發(fā)現(xiàn)部分老年人不會或不熟練掌握使用方法，阻礙即時干預順利開展[42]。因此，進行JITAI前，應評價研究對象對移動科技的應用水平，并進行移動應用的多方位培訓；(2)設備方面：JITAI的緊急情況如機器障礙、網(wǎng)絡信號差、設備斷電常會導致數(shù)據(jù)缺失，從而影響AI的即時有效性[14]。軟件工程師可定期檢測并動態(tài)監(jiān)測移動應用的運行情況。干預中，研究者應和軟件工程師定期溝通，以便提前預防和有效應對移動設備緊急狀況。

AI依從性：AI依從性受以下三方面影響：(1)即時性：進行JITAI時，多次發(fā)送信息或觸發(fā)干預會給個體帶來一定壓力，影響其干預依從性。AI設計時需權衡干預觸發(fā)頻率與依從性的關系，可通過隨機化方法，優(yōu)化選擇觸發(fā)時機、減少觸發(fā)頻率等途徑增加依從性。如在飲食控制干預中，移動科技要求個體回答引起飲食風險的8個行為問題來獲取數(shù)據(jù)信息，并非對所有風險因素進行回答，以此減少個體負擔[15]；(2)干預參與度與滿意度：運用移動科技或自我報告收集數(shù)據(jù)的方式容易使個體形成錯覺，即自身并未充分參與其中，導致干預參與度和滿意度不高，降低了干預的依從性[43]。因此，研究人員可通過多階段溝通提高個體干預參與度與滿意度，如在干預前進行動機性訪談，與個體討論干預措施的主要內(nèi)容、干預過程的注意事項；干預中，與個體保持溝通以了解干預進展及個體狀況；干預后，基于半結構訪談或量表評估詢問個體參與試驗的感受與建議；(3)干預疲勞：AI中，個體常會產(chǎn)生以下疲勞：①認知疲勞：指在學習活動中，基于持續(xù)性和特定強度任務的驅使，大腦的認知水平會有所下降。過度的認知疲勞會對當前和以后的干預方案產(chǎn)生干擾，個體出現(xiàn)思維遲鈍、反應減慢等[44]；②習慣性反應力下降：指由于個體過度暴露于干預研究中，使其對于干預的生理性或行為性反應降低，如當干預周期過長時，個體可能會忽視行為促進類信息提示[14]；③情感狀態(tài)消極：干預過程部分個體會感到無聊、憤怒或失望[45]。為緩解干預疲勞，研究人員應設計內(nèi)容直觀、簡短清晰、有創(chuàng)新性、且基于不同形式觸發(fā)的干預模塊。此外，干預的動機性訪談環(huán)節(jié)，研究者應教授個體干預疲勞的應對和管理策略。干預中，研究者應加強對疲勞的動態(tài)監(jiān)測和有效識別，一旦發(fā)現(xiàn)立即進行干預。

樣本量確定及結局數(shù)據(jù)分析：AI側重在多階段對無效應答者調(diào)整方案，樣本量不能過少，可基于有效應答率、研究目的和主要結局變量，通過設定把握度、失訪率和干預效應大小制定適宜的樣本量；若實證依據(jù)不足，可基于預試驗確定樣本量。

相比傳統(tǒng)干預，AI包含縱向數(shù)據(jù)和聚類數(shù)據(jù)集等，且其變量多，干預組合和干預環(huán)節(jié)復雜，數(shù)據(jù)分析為難點。目前，常基于方差分析和重復測量方差分析來評估長期干預結局的干預效果[46]；基于意向性分析、疾病控制率和生命表法評估每個干預方案的干預效果[47]；基于混合效應模型[48- 49]、擬合模型、縱向回歸模型[21]、細粒度分析和Q-learning算法[50]等分析不同階段、不同決策點AI方案的有效性。確定JITAI適配變量與干預措施的因果關系時，可應用事后分析[21，51]、中介效應分析[47]、因果效應模型[33]、時變效應調(diào)節(jié)模型[33]、邊緣建構模型[52]等。