基于爬蟲和信息抽取技術(shù)的大學(xué)生心理健康干預(yù)方案評估框架*

吳志淵，黃戌霞，陳新元，楊漫鑫

（1.福州墨爾本理工職業(yè)學(xué)院 學(xué)生工作部，福建 福州 350108；2.寧德職業(yè)技術(shù)學(xué)院 信息技術(shù)與工程系，福建 寧德 355000；3.福州墨爾本理工職業(yè)學(xué)院 信息工程系，福建 福州 350108）

近年來，經(jīng)歷抑郁或焦慮等心理健康問題的大學(xué)生比例不斷上升[1]。世界范圍內(nèi)，大約有31%的大學(xué)生在過去的一年中篩查出某種精神紊亂或疾病[2]。人們也逐漸認(rèn)識到為存在這些常見精神健康問題的大學(xué)生提供治療具有一定的難度。

首先，許多學(xué)生的心理健康素養(yǎng)較低，沒有認(rèn)識到治療的必要性，而且認(rèn)為這些抑郁和焦慮癥狀是大學(xué)時期的典型壓力，沒有尋求專業(yè)醫(yī)療幫助的必要；雖然有些學(xué)生認(rèn)識到自己需要心理健康服務(wù)，但是在尋求幫助時卻常常遇到障礙，或?qū)Ω深A(yù)方案的療效存在疑慮[3]。其次，大多數(shù)高校都有心理咨詢室，但可能存在專業(yè)人員/相關(guān)資源不足的問題，難以滿足學(xué)生的需求；而且部分學(xué)生對現(xiàn)實生活中的心理健康干預(yù)存在排斥心理，擔(dān)心隱私泄露[4]?？上驳氖?，目前已有較多的在線心理健康干預(yù)方案（通過Web頁面和APP等方式）提供心理咨詢和治療服務(wù)，不受時間/空間的限制，同時能跨越上述傳統(tǒng)心理健康服務(wù)的障礙[5]。

許多研究關(guān)注成年人的在線心理健康干預(yù)[6]；關(guān)于高校學(xué)生心理干預(yù)方案的研究也在快速增加。2014年Davies等[7]對在線方式提供的大學(xué)生心理健康干預(yù)措施進(jìn)行了系統(tǒng)性回顧，發(fā)現(xiàn)在線治療可以有效緩解學(xué)生的抑郁、焦慮和壓力。2018年Harrer等[8]經(jīng)評估認(rèn)為，互聯(lián)網(wǎng)心理健康干預(yù)對一系列精神紊亂狀況可能具有輕到中度影響。

盡管上述研究一定程度上可以評估在線心理健康干預(yù)措施的治療成效，但存在局限性：只專注隨機對照試驗（RCT）的研究。將其他類型的相關(guān)研究（如非隨機試驗、單臂試驗和全局試驗等），即現(xiàn)實場景中的不同實施方案及成效分析納入評估范疇，有助于充分評估相關(guān)方案并改善未來的干預(yù)實施，充分發(fā)掘其臨床公共衛(wèi)生潛力。

進(jìn)一步來說，在線醫(yī)療工具的實施和將其集成到常規(guī)護(hù)理環(huán)境中是近年的研究熱點。有研究呼吁從實用主義的角度出發(fā)，在現(xiàn)實場景中測試在線醫(yī)療方案，可盡快和最大程度地提高知識從科研實驗到現(xiàn)實應(yīng)用的遷移[9]，而在線心理干預(yù)無疑是在線醫(yī)療的重要組成部分。

此外，有研究發(fā)現(xiàn)在線心理健康工具普遍存在參與度和完成率較低的問題[10]。有研究將重心放在評估在線工具的用戶體驗方面（包括易用性和可接受性），希望能發(fā)現(xiàn)用戶對相關(guān)治療方案的不滿意/不理解之處，分析并進(jìn)行改進(jìn)，使用戶更愿意，也更能順利接受在線心理健康服務(wù)[11]。

本研究的目的是設(shè)計綜合性的評估框架，以包括但不限于RCT類型的大學(xué)生在線心理健康干預(yù)方案研究為評估對象，設(shè)計收錄標(biāo)準(zhǔn)和檢索策略，確定主流數(shù)據(jù)庫和數(shù)據(jù)源，設(shè)計數(shù)據(jù)抓取、處理和存儲方案，并對評估體系進(jìn)行初步設(shè)計，包括治療效果、易用性、可接受性和推廣程度等內(nèi)容，以發(fā)現(xiàn)相關(guān)研究的強項和不足，用于其未來的改進(jìn)參照，最終加強抑郁癥、焦慮癥等心理問題的治療效果，進(jìn)一步提高大學(xué)生的心理健康水平。

1 評估框架

1.1 團(tuán)隊成員

團(tuán)隊成員包括多位心理學(xué)領(lǐng)域的具有3年以上提供心理咨詢服務(wù)經(jīng)驗的專家，信息技術(shù)領(lǐng)域的從業(yè)人員，以及心理學(xué)專業(yè)的本科生等。

1.2 方案收錄標(biāo)準(zhǔn)

本文將框架分析對象的收錄標(biāo)準(zhǔn)定為：

⑴ 該研究的核心是旨在改善心理健康，解決心理問題的干預(yù)/治療措施。

⑵ 以在線方式提供干預(yù)（包括手機，PC、平板等多種終端媒介，通過APP、小程序、在線網(wǎng)站等方式提供服務(wù)均可）；可以是面對面治療方案的補充/輔助手段。

⑶ 治療和研究的對象為高等教育學(xué)生群體，包括全日制本科及以上學(xué)歷的學(xué)生，全日制高等職業(yè)教育的學(xué)生，成人非全日制學(xué)歷教育的學(xué)生，等等。

⑷ 研究的心理問題包括壓力、抑郁和焦慮等癥狀，應(yīng)有干預(yù)治療實施和成效分析的內(nèi)容。

1.3 檢索策略

本框架使用了基于關(guān)鍵字匹配的搜索策略，根據(jù)PMI共現(xiàn)頻率整理并手動校對關(guān)鍵字字典，收錄“大學(xué)生”“抑郁”“焦慮”“心理健康”和“心理治療”等詞語，以及其同、近義詞和所有相應(yīng)的英文術(shù)語。

1.4 數(shù)據(jù)源

將關(guān)鍵字檢索應(yīng)用于以下數(shù)據(jù)庫：知網(wǎng)、萬方、維普、MEDLINE（Ovid）、EMBASE（Elsevier）、PsycINFO（EbscoHost）、Cochrane（Wiley）和Web of Science（Thomson Reuters）。由于部分期刊（如JMIR Mental Health和Digital Health未在上述數(shù)據(jù)庫中收錄），因此另行訪問該類出版物的官方網(wǎng)站獲取文獻(xiàn)；框架還擴展到從檢索結(jié)果的參考文獻(xiàn)中發(fā)現(xiàn)新的未被上述數(shù)據(jù)庫收錄的期刊/文獻(xiàn)并進(jìn)行手動核查。不對日期、語種、文獻(xiàn)類型（除簡訊/快訊外）和研究方案類型進(jìn)行限制。

1.5 數(shù)據(jù)抓取、處理和存儲方案

使用分布式爬蟲結(jié)合Redis進(jìn)行數(shù)據(jù)處理，持久化使用MongoDB（實驗中發(fā)現(xiàn)該方案效率高于通過StrictRedis讀寫Redis數(shù)據(jù)庫實現(xiàn)持久化存儲）。

本研究使用多認(rèn)證賬號（＞100）、多授權(quán)APP_KEY組合（＞20）、多代理（可用IP庫＞400）的組合進(jìn)行輪詢；同時設(shè)定單線程的請求頻率，350 ms/400 ms，具體過程如下：

⑴ 首先構(gòu)建指向prelogin頁面的URL，從事先構(gòu)造且驗證可行的Header庫中隨機選擇，通過urllib.request.Request進(jìn)行配置，使用urllib.request.ProxyHandler設(shè)置代理；

⑵ 根據(jù)頁面加密方式，對賬號進(jìn)行base64轉(zhuǎn)換，使用utf-8編碼，密碼構(gòu)造過程中，聯(lián)合從prelogin頁面取到的servertime時間戳、nonce和pubkey字段值后，進(jìn)行RSA加密和16進(jìn)制轉(zhuǎn)換；

⑶ 在使用servertime、rsakv等參數(shù)進(jìn)行登錄的同時，根據(jù)is_openlock參數(shù)判斷驗證碼是否存在，若發(fā)現(xiàn)則下載，使用weibo_verify_code等三方庫進(jìn)行識別（主流Python引擎如Tesseract的OCR識別率不高，故驗證碼量較小時直接調(diào)用三方平臺是主流選擇，準(zhǔn)確率高且成本較低），登陸后根據(jù)響應(yīng)的location字段定位，使用ticket等字段構(gòu)造請求，獲取會話session信息，之后可從uniqueid中提取分配的用戶登錄編號，其他信息類似，有效期內(nèi)使用MozillaCookieJar()進(jìn)行Cookies的切換；

⑷ 服務(wù)器響應(yīng)的URL中有部分進(jìn)行了字符編碼，使用urllib庫的unquote_plus函數(shù)進(jìn)行還原；具體信息根據(jù)＜div class = “content clearfix” node-type =“l(fā)ike”＞標(biāo)簽定位，先使用Selenium+PhantomJS框架的get_attribute等方法進(jìn)行重定向定位，再實現(xiàn)直接請求以提升抓取效率，過程中涉及到mini_original.js等請求參數(shù)的識別和使用；

⑸ 使用RedisSpider分布式框架將url爬取和數(shù)據(jù)提取分離，使用redisMixin為爬蟲分配key，同時引入concurrent包構(gòu)建進(jìn)程池和線程池，根據(jù)keyword選擇內(nèi)容，按時間升序生成隊列，并行提取、過濾和輸出各個字段的信息。在數(shù)據(jù)抓取過程中，時有發(fā)現(xiàn)因為內(nèi)容過長，沒有完整抓取的情況，故針對“展開全文”的Ajax請求使用Beautiful Soup模塊進(jìn)行爬取；

⑹ 盡管數(shù)據(jù)收集機制較為完善，也提供了網(wǎng)站認(rèn)可的Header信息，使用了切換app_key、ip等機制，但實際獲取數(shù)據(jù)時還是會出現(xiàn)無法控制的異常，這類異常大約占總請求的2%～6%，使用re庫編寫的精確正則表達(dá)式往往無法識別，對數(shù)據(jù)過濾造成影響，因而大量使用了BeautifulSoup模塊提供的預(yù)處理方法，效率低些，但識別率高；這類異常往往隔一段時間后重發(fā)請求即可解決，但為了保證效率，使用了上述方案。此外考慮到網(wǎng)絡(luò)延時等因素導(dǎo)致數(shù)據(jù)抓取失敗的可能，設(shè)置了異常處理，對抓取到的數(shù)據(jù)進(jìn)行驗證，若抓取失敗，如提取到500失敗碼，則執(zhí)行except語句循環(huán)抓取，同時使用Time庫的計時器判斷超時；

⑺ 最終提取的數(shù)據(jù)結(jié)構(gòu)包括項目名，時間及跨度，地域，主要干預(yù)/治療目標(biāo)，學(xué)生人數(shù)，治療方案設(shè)計，比較類型，預(yù)防/治療類型，技術(shù)類型，支持資源，參數(shù)設(shè)置，樣本組規(guī)模，易用性和可接受性，治療的完成度，干預(yù)治療結(jié)果，結(jié)果分析，等等。

⑻ 檢索得到的文獻(xiàn)經(jīng)框架自動初篩（使用機器學(xué)習(xí)技術(shù)進(jìn)行迭代，直到驗證集上的準(zhǔn)確率在最后10個epoch內(nèi)提升小于1%為止）和本科生根據(jù)標(biāo)題和摘要進(jìn)行初步校對外，每篇通過篩選的文獻(xiàn)都由不少于2位專家根據(jù)方案標(biāo)準(zhǔn)進(jìn)行獨立評估；存在分歧時則引入第3位專家作為仲裁[12]。

⑼ 數(shù)據(jù)的持久化存儲通過pyMongo模塊調(diào)用MongoDB數(shù)據(jù)庫，通過創(chuàng)建Mongoclient()讀寫數(shù)據(jù)；本文借鑒了Scrapy框架的get_media_requests和item_completed方法，將對url的請求發(fā)送到管道，實現(xiàn)異步下載和字典格式的存儲以提升效率。

⑽ 使用釘釘平臺，以便研究成員間可進(jìn)行在線協(xié)作。

本文方案用到或參考的相關(guān)模塊版本如下：

Urllib_kerberos-0.2.0；Pymongo 3.7.0；BeautifulSoup 4.6.0；lxml 3.3.1；Scrapy 0.24.4；Selenium 3.11.0；PhantomJS 2.1.1；Numpy 1.14.3；Pandas 0.23.0；Chardet 3.0.4。

1.6 評估標(biāo)準(zhǔn)

本研究旨在設(shè)計綜合性、自動化的數(shù)據(jù)收集和評估框架，用于對大學(xué)生線上心理健康干預(yù)/治療相關(guān)研究進(jìn)行分析，根據(jù)Preferred Reporting Items for Systematic Reviews and Meta-Analyses guidelines[13]設(shè)計系統(tǒng)性的評估方案，評估體系包括治療效果、易用性、可接受性和推廣程度等內(nèi)容。具體如下：

⑴ 治療結(jié)果的度量指標(biāo)包括Beck Depression Inventory-II[14]和Patient Health Questionnaire[15]（抑郁），Beck Anxiety Inventory[16]和Anxiety Sensitivity Inventory[17]（焦慮），Perceived Stress Scale[18]和Scales of Psychological Well-being[19]（心理壓力和幸福感/健康指數(shù)）。

⑵ 易用性定義為與終端媒介和網(wǎng)站/程序交互時用戶體驗質(zhì)量，包括剛開始治療時適應(yīng)方案的難易程度，網(wǎng)站/程序的操作效率和用戶友好性，可記憶性以及對相關(guān)方案的印象描述。易用性結(jié)果包括標(biāo)準(zhǔn)可用性度量System Usability Scale[20]和定性描述報告。

⑶ 可接受性是用戶關(guān)于治療/干預(yù)方案各方面的滿意度，主要通過用戶自行編寫的定性描述 報告進(jìn)行評估。

⑷ 推廣程度的主要指標(biāo)是在線干預(yù)/治療服務(wù)的下載和使用量、穩(wěn)定用戶數(shù)量和變化情況（以潛在用戶總數(shù)為基數(shù)），若有條件可補充該服務(wù)的高校知名度。但是，鑒于很少有研究提供該細(xì)節(jié)，因此未來計劃在爬取的數(shù)據(jù)范圍和識別錨標(biāo)上進(jìn)行擴展設(shè)計。

⑸ 偏倚風(fēng)險評估：由于本框架的研究對象包括隨機試驗和非隨機試驗，因此同時使用Cochrane Collaboration的評估隨機試驗偏倚風(fēng)險和評估非隨機研究風(fēng)險的工具[21]。對于隨機試驗，使用“高”“低”和“不明”的等級評估選擇偏倚、實驗偏倚、檢測偏倚、損耗偏倚和分析偏倚等。對于非隨機試驗，評估因混雜而造成的偏倚風(fēng)險，因選擇參與者而導(dǎo)致的偏倚，干預(yù)分類的偏倚，缺失數(shù)據(jù)而造成的偏倚，結(jié)果分析中的偏倚，等等。

2 總結(jié)

近年來出現(xiàn)了許多在線大學(xué)生心理健康干預(yù)/治療方案，如何改善這些項目的用戶體驗和實際治療效果，對于在高校中提供在線心理健康咨詢服務(wù)并持續(xù)改善至關(guān)重要。本文設(shè)計了大學(xué)生在線心理健康干預(yù)相關(guān)研究的評估框架，包括團(tuán)隊成員、方案收錄標(biāo)準(zhǔn)、檢索策略、數(shù)據(jù)源、數(shù)據(jù)抓取、處理和存儲方案，以及評估標(biāo)準(zhǔn)等，可對相關(guān)研究進(jìn)行匯總和分析。未來計劃開展該框架的驗證實驗，通過對相關(guān)方案的匯總評估，為在線心理干預(yù)方案和相關(guān)研究提供持續(xù)改進(jìn)參照，同時迭代細(xì)化、優(yōu)化干預(yù)措施的有效評估指標(biāo)，最終實現(xiàn)不斷提高大學(xué)生心理健康水平的目標(biāo)。