基于网络的焦虑口译培训

大约一半的美国人口在其一生中经历过严重的心理健康问题，其中 29% 的焦虑病理严重到足以诊断出焦虑症 [1]。 至关重要的是，超过三分之二的精神疾病患者没有接受治疗 [1]。 鉴于这种程度的精神疾病负担，很明显，在办公室环境中一对一地治疗人们永远无法满足现有需求 [2]。 治疗存在许多障碍，包括费用 [3]、在许多地区难以获得循证治疗 [4] 以及相关的耻辱感 [5]。 因此，迫切需要考虑替代的、更大规模的方法来提供心理健康服务。 认知偏差修正 (CBM) 干预作为满足这些需求的一种方式具有相当大的前景，特别是对于焦虑困难 [6]。 这些基于计算机的程序旨在改变有偏见的思维方式，例如导致和维持焦虑的消极解释倾向 [6]。 由于这些程序不需要治疗师联系，并且可以在任何具有 Internet 连接的计算机上进行管理，因此 CBM 有望成为一种可以广泛传播的具有成本效益的方法。 然而，虽然 CBM for interpretation bias (CBM-I) 在实验室亲自管理时已经确定了有效性 [7]，但现在需要使用基于网络的基础设施对更广泛的人群进行测试，以检查：a) 该计划是否将在网络环境中有效，b）程序是否继续使用目标机制（即解释偏差），c）这种交付方法的可行性，以及 d）使程序适应网络所需的修改（在特别是，为了在网络环境中引发与焦虑相关的消极思维，我们测试了在每次培训课程之前添加引导性焦虑意象练习以引发恐惧结果的效果）。

目前的提案将共同开发一个基础设施，以试点测试基于网络的 CBM-I 对焦虑症状的有效性。 CBM-I 培训将针对中度至重度焦虑症状，这是一个普遍存在的问题领域，具有相当大的职业和社会障碍 [8]。 参与者将成为 Project Implicit Mental Health (PIMH) 的访问者，这是一个由首席研究员指导的现有网站，允许访问者评估他们与心理健康问题相关的认知偏见。 与 RFA 的优先事项一致，这种方法通过利用现有的 PIMH 站点及其繁忙的流量来提高效率。 此外，该网站的大量访问者和自动评估的使用将使评估基线人口统计特征和解释偏差成为可在未来试验中测试的 CBM-I 效应的调节因素变得有效。

目标 1：开发和评估基于网络的 CBM-I 对焦虑症状的可用性和可接受性。

目标 1 将使用 PIMH 基础设施构建基于网络的解释偏差培训计划。 我们将在一个由中度到高度焦虑的参与者 (N=15) 组成的小型测试组中试用该程序，他们将完成问卷调查和半结构化访谈，以提供有关程序可用性和可接受性的反馈。 此外，由焦虑症研究人员、临床医生以及 CBM 和网络研究专家组成的顾问委员会 (N=8) 将提供有关该计划和研究方案的反馈。 使用“以部署为中心”的方法，来自专家和最终用户的反馈将用于迭代修改为目标 2 和 3 计划的试验程序。因此，即使在这个初始试验阶段，我们也会衡量目标结果（焦虑症状）和机制（解释偏差）来确定是否需要进行修改以增强目标参与度。 请注意，在研究领域标准 (RDoC) 中，该结果属于负价系统中的潜在威胁/焦虑构造，而目标机制（解释偏差）属于认知（努力）控制系统中的响应选择、抑制构造. 结果和机制都将使用多个分析单元（例如，行为和自我报告）进行客观测量。 此外，将通过评估主观痛苦、意象生动性和操纵后恐惧结果的激活来衡量引导焦虑意象素数效应的潜在机制。 之所以选择这个素数，部分原因是它有可能在未来的试验中广泛传播，因为它不需要人类接触。

目标 2：测试基于网络的 CBM-I 的目标参与度、可行性和有效性。

目标 3：评估焦虑启动对基于网络的 CBM-I 对焦虑症状的影响。

目标 2 和 3 将测试在具有中度至重度焦虑症状（基于 PIMH 站点的筛选）的个人中进行基于网络的 8 节口译培训计划的可行性。 参与者将被随机分配到正 CBM-I（90% 正情景训练）、50% 正/50% 负 CBM-I 或无情景控制条件。 在这 3 种情况下，一半的参与者将在每次训练之前接受焦虑意象素数，一半将接受中性意象素数，从而形成 3 训练条件 x 2 素数设计（N=210；n=35 的目标）每个条件）。 可行性将通过对招募、自然减员、随机接受度、测量模型的依从性和适当性、病例数、缺失数据的范围和安全性的分析来确定。 此外，还将评估目标参与度（解释偏差的变化）和减少焦虑症状有效性的初步测试。