基于贝叶斯网络的会话间过程与症状结果关联研究：推动心理治疗个性化反馈系统的优化

　　本研究针对常规结果监测（ROM）系统效应量有限的问题，利用贝叶斯网络分析了心理治疗中会话间过程（ISP）与症状严重程度之间的因果关系。研究发现治疗策略应用评价（β=-0.19）、负面治疗情绪（β=0.22）及困难情境回忆频率（β=0.18）与后续会话症状结果显著相关，并据此开发了包含分类决策树的临床支持工具（CST），为提升ROM系统个性化干预效果提供了数据驱动的新途径。

　　

在心理治疗领域，常规结果监测（ROM）系统虽被证实能改善治疗效果，但其效应量始终处于较低水平。如何通过数据驱动的方法提升ROM系统的个性化干预能力，成为研究者面临的重要挑战。传统临床支持工具（CST）多基于启发式判断或临床经验，缺乏对治疗过程与结果间因果关系的深入探索。特别是在会话间过程（Intersession Processes, ISP）这一关键机制上——即患者在治疗间隔期内对治疗内容的回忆、应用和情感体验——其与症状变化的动态关联尚未得到系统揭示。

为此，德国格赖夫斯瓦尔德大学的Selin Demir团队在《Cognitive Therapy and Research》上发表研究，首次将贝叶斯网络（Bayesian Networks）模型应用于ISP与症状结果的因果关系挖掘，并开发出基于证据的个性化反馈模块。该研究通过分析262名接受认知行为疗法（CBT）患者的8298次周度评估数据，发现治疗策略的应用评价、负面治疗相关情绪及特定情境下的回忆频率直接影响下一会话的症状结果，从而为ROM系统的优化提供了新方向。

研究主要采用了多层级贝叶斯网络建模技术，依托格赖夫斯瓦尔德心理治疗导航系统（GPNS）平台收集每周症状严重程度（SEDI量表）、会话间过程（ISP短量表）、治疗联盟及洞察力等多维数据。通过参数化自举法（parametric bootstrap）进行网络结构稳定性检验，最终构建包含22条有向边的有向无环图（DAG），并基于回归系数和95%置信区间验证了过程-结果关系的统计可靠性。

结果部分

贝叶斯网络揭示关键过程-结果关系

通过多层级贝叶斯网络分析，研究发现三条直接影响后续会话症状严重程度的路径：

• •

  治疗策略应用与目标一致性（goals_problems）：患者对治疗策略在解决问题方面的应用评价越高（尤其是与治疗目标的一致性），后续症状严重程度越低（β=-0.19）；

• •

  负面治疗情绪（negative emotions）：患者对治疗的负面情感（如焦虑、挫败感）越高，后续症状恶化越显著（β=0.22）；

• •

  困难情境下的回忆频率（frequency_specific）：患者在困难情境中回忆治疗内容的频率越高，症状程度反而加重（β=0.18），但该变量同时通过增加策略应用间接带来症状改善。

间接效应与无关变量

研究还发现，通过提升幸福感的应用策略（instrumental recall_well-being）可间接改善症状（经由目标一致性评价中介），而正面治疗情绪（如希望、信心）与症状结果无显著关联。三类ISP变量共同解释了症状严重程度13.06%的方差（95% CI: 3.23%-26.54%）。

反馈模块开发

基于网络分析结果，团队开发了结构化反馈模块，包括：

• •

  预警机制：连续5次会话未报告策略应用时触发警告；

• •

  分层反馈：根据目标一致性评分提供“积极/中性/警告”三级反馈；

• •

  临床建议：包括治疗目标回顾、结构化家庭作业、动机访谈等技术推荐。

结论与讨论

本研究通过贝叶斯网络方法首次实证揭示了ISP与症状结果间的动态因果关系，强调了治疗目标一致性与情绪体验在预后中的核心作用。所开发的反馈模块不仅提供了可操作的临床决策支持，也体现了网络模型在心理治疗个性化中的应用潜力。然而，由于样本局限于大学门诊患者及未能包含脱落病例，结果的普适性仍需进一步验证。未来研究需通过实验设计验证因果性，并探索治疗阶段、患者异质性等因素对网络关系的调节作用。

该研究为过程导向的心理治疗研究提供了新范式，通过融合贝叶斯网络与ROM系统，推动了数据驱动个性化治疗的发展，最终有望提升心理治疗的有效性和精准性。