在《中国国民心理健康发展报告(2021-2022)》举行发布揭幕仪式上，心理健康蓝皮书副主编、中科院心理所陈祉妍教授作主题报告介绍说:“中国国民心理健康状况最新调查结果还显示，不同年龄、不同收入下心理健康状况差异突出，本次调查中，抑郁风险检出率为10.6%，焦虑风险检出率为15.8%，抑郁和焦虑水平的影响因素高度相似。在成年人群中，青年为抑郁的高风险群体，18-24岁年龄组的抑郁风险检出率达24.1%，显著高于其他年龄组，25-34岁年龄组的抑郁风险检出率为12.3%，也显著高于35岁及以上各年龄组”^[1],根据张上人等关于新冠疫情影响下的大学生心理调查显示，35%的学生都存在着焦虑现象，疫情在一定程度上影响了大学生心理健康，同时加重了大学生心理问题，大学生中最常见的心理疾病是抑郁症和失眠^[2]。

目前在应对心理危机干预方面的措施或服务渠道基本以心理咨询治疗、心理咨询、知识的普及性宣传和教育活动为主，对于觉察危机群体的预警体系还不够全面。在高校或企事业单位会根据实际工作需要进行干预体系的构建，但对于预警系统的数据观测目前还不够常见。基于此，本研究主要针对大学生抑郁指数检测功能嵌入心理服务APP使用中的可行性研究，由此对有效预防大学生因抑郁发作导致的心理危机事件做出及时应对和有效援助提供科学信息支持。

1国内外常见心理服务APP功能现状

我国目前在市面使用的心理服务APP共有67款，功能综合性较强，目标群体较广泛，大部分以心理咨询为主，心理教育和测量为辅，从市场反映来看“壹心理、壹点灵、心理咨询、松果倾诉”这四款APP是用户群体最多且正面响应最好的，其中壹心理的功能最为全面,具有心理科普，心理测量，心理咨询，社区问答，个性记录等几个主要模块,在信息读取方面和软件页面设计方面也优于其他产品，在各大应用商店中的评分也最高，下载次数达到了66.82万^[3]。根据JIES等2019年对国内63个心理健康类进行分析得出，中国心理健康类APP的主要四大功能为：通过信息性文章或相关课程进行心理教育、心理咨询服务、心理健康状况自我评估以及在线快速答疑模块^[4]。这类心理服务APP的共性特点是，目标群体没有明显区分，后台回复团队的专业性无法认定，信息化宣传特色鲜明，基本没有针对青少年的群体的心理服务APP^[5]。

当前，国内的心理健康APP正在经历一个显著的发展趋势，即由传统的心理健康教育模式逐步向“互联网+”时代的心理健康教育模式转变。过去，针对大学生的心理健康教育主要聚焦于预防和治疗，强调心理问题的发现和解决，以及心理危机的干预。而“互联网＋”背景下的心理健康教育，借助于互联网、智能产品的技术发展，可以以目标人群的整体为对象，也能有效覆盖服务对象的完整人生阶段，更容易发现心理发展规律^[6]。

2抑郁测评预警嵌入式功能设计

2.1设计思路

针对APP的运行思路，本研究做了一些与其他类似功能定位的APP不同的改进。在对某高校大一新生入校后开展SCL-90心理测评的前测调研后发现，大一新生中近67.8%的学生对心理调查过程的支持度较高，23.6%的学生支持度一般（认为只是一个固定流程），还有8.6%的学生比较担忧调查结果，普遍不愿意面对自己是否存在心理问题这个测评结果，所以我们将心理健康测试通过温和的方式植入到用户每天的使用流程当中，作为一个非强制操作的板块，用户完成每日测试就可以获得相应的奖励积分，在APP内置商城中兑换虚拟道具奖励，对用户进行一种习惯上的引导，针对用户的每日测试结果，我们会对其分数进行判断，结果不合格将会强制要求用户完成CES-D测试，针对CES-D测试的结果再次判断用户心理健康状态是否合格，合格则正常使用APP，当CES-D测试大于20分时，用户则会被要求完成BDI-II测试，并再次判断用户心理健康状态是否合格，合格则正常使用APP，不合格系统则会根据三天内的心理测试结果判断用户的心理变化过程和病因，针对不同原因和症状推送相应的治疗建议，不论完成了哪个测试，系统都会对相应的系数进行计分，在测试结果界面显示给用户，使用户了解自己的心理健康状况，并根据互联网资料和数据模型给出相应的分析结果。

2.2功能运行流程

从“进入APP首页”开始，用户可以“正常使用APP”。如果在“每日测试”过程中发现“异常值”，则会弹出一个窗口显示“弹出CES-D测试”，并要求用户输入“数值a正常”的结果。如果数值a大于20，则继续到下一个步骤；否则，回到上一步重新进行测试。接下来，如果用户在“弹出BDI-工测试”后得到了数值a，系统将根据这个数值来决定下一步的操作。如果数值a小于等于5，那么就进入下一个步骤；如果数值a大于5，那么系统将再次弹出窗口，询问用户是否需要进一步了解原因和变化，并得到数值b作为反馈。然后，系统会根据数值b来筛选出第二天的两个问题，让用户选择其中的一个进行探究。在这个探究过程中，系统会收集用户的反应情况，并得到数值c作为反馈。最后，根据数值a、b、c的结果，系统会预测用户是否存在抑郁症，并给出相应的建议或治疗途径。整个过程结束后，系统会自动关闭。

3衡量标准

3.1诊断工具

3.1.1流调中心用抑郁量表(The Center for Epidemi-ological Studies Depression Scale,CES-D)^[11]

CES-D主要用于初步筛查有抑郁症状的个体。该量表可分为4个因子，抑郁情绪因子、积极情绪因子、躯体症状/活动阻滞因子、人际关系因子。

该量表包含20个条目，用于评估一周内抑郁相关症状或感受的出现频率，每个条目均采用0至3级的评分机制。所有条目的得分加总后形成量表总分，其中分数的高低直接反映了抑郁程度的深浅。若总分不超过15分，则被评定为无抑郁症状；若分数在16至19分之间，则可能存在抑郁症状；而总分达到或超过20分，则明确表明存抑郁症状。通过这一详细的评分标准，我们能够更为准确地评估个体的抑郁状况。

表1 流调中心用抑郁量表(CES-DI)四因子结构模型包含的条目

经过深入研究，我们发现，有一部分调查对象并未准确理解反向评分题的意图及填表方式，同时这些题目的得分与总分之间的相关性也较低。为减少因理解和填写不当导致的误差，我们决定将这类题目转换为正向评分题，实际效果显著提升。具体改动举例如下：4我觉得我比不上一般的人,8我觉得我的前途没有希望,12我感觉高兴不起来,16我觉得生活没有意义。

3.1.2贝克抑郁量表第2版(Beck Depression Inven-tory-II,BDI-II)^[12]

BDI-II自评量表在评估抑郁症状方面应用广泛，不仅适用于普通人群，也适用于精神疾病患者的症状及严重程度评估。众多研究揭示，该量表主要由认知、情感和躯体症状组成的二因子结构所构成。在我们针对大学生心理情况的APP应用中，我们采用了认知-情感（Cognitive-Affective）和躯体（Somatic）症状这两个核心因子进行预测，以确保评估的准确性和有效性。

此量表旨在评估个体过去两周内抑郁症状的严重程度，涵盖了21个条目，每个条目采用0至3级的评分机制。量表总分即为这21个条目得分之和。依据贝克原量表所设定的标准，总分落在0至13分区间表示无抑郁症状；14至19分则提示轻度抑郁；20至28分表明中度抑郁；而29至63分则代表重度抑郁。通过这一细致的评分标准，我们能够更精确地了解个体的抑郁状况。

表2 贝克抑郁量表第2版(BDI-II)二因子结构模型涵盖的条目

3.2 预测工具

3.2.1基于灰色预测模型下的抑郁指数预测

GM(1,1)模型的本质是通过对原始数据序列的累加生成,弱化随机扰动因素的影响,发现其指数增长规律,然后用指数曲线进行模拟,用最小二乘法求解模型参数,或者可以称为基于累加生成和最小二乘法的指数拟合模型^[13]。

3.2.2模型使用

根据本试点性功能，所提问和记录导出的三天数据（抑郁指数值）。将这三个数据作为预测模型的原始序列，即可计算出预测拟合值公式。关于误差与拟合程度的评定，则由计算推导可以间接得到和的值，并将它们与和进行比较，其得到的差值越小，则说明模型预测的拟合程度越好。

3.3核算流程

将前一天的测试数据作为基值，后一天的测试值（数据值）以此为基准进行相应变动，变动细则如下图所示。

首先，将第一天的抑郁指数记为,作为第一天的数据值。再第二天的有关询问程度的问题上可以根据被测者提供的答案，寻求各个问题的得分差值,再将每个乘以去干扰因子，各项相加所得的求和值再与原第一天的数据值进行运算，所求的算术和即为第二天的数据值。以此类推，第三天的数据值也由第二天数据值与相应的分差求和值相加求得。最后根据GM（1，1）灰色预测算法，带入，，，即可预测出未来几天内的抑郁指数值。

4 研究小结

本研究设计的嵌入式预警功能在心理服务APP的发展中具有一定功能上和实用性的创新，主要表现在以下方面：

精准评估与预测：采用国际公认的CES-D和BDI-II评测表对用户的抑郁程度进行准确评估，并引入灰色预测算法对用户未来一周内的抑郁程度进行预测。这样的功能结合了量化评估和基于算法的预测，为用户提供了更具准确性和科学性的心理状态分析。

与大学生心理服务模式相结合：将心理服务APP与大学生心理服务模式有机结合，为大学生提供更贴近实际需求和易于接受的心理健康工具。这项功能的嵌入不仅满足了用户的具体需求，同时更好的发挥大数据环境下对心理危机干预的时效性功能，为提高心理服务影响力提供了一定支持。

详细评定细则与用户参与度：一系列的评定细则，包括问题设计和分数关联性的规划，提高了用户使用APP的参与度和利用率。用户可以更全面地了解自己的抑郁程度，从而更有针对性地采取自助和寻求帮助的措施。

该研究为进一步推广和应用心理服务APP的功能拓展提供了可行性思路，有望在持续改善大学生心理服务水平，提高全民心理健康水平提供绵薄之力。本研究亦存在一定的局限性，由于大学生抑郁情绪的影响因素具有多层次、多方位、多角度的复杂性，本研究仅通过横断面调查法对预警、预测功能进行了初步评估，并对抑郁症状及其影响因素进行了分析。

参考文献

[1]中国国民心理健康最新报告：超80%成年人自评心理健康状况良好.中国新闻网.

[2]张人上,顾昭明,邱久睿.新冠肺炎疫情影响下大学生心理健康状况调查[J].中国高等教育,2020,(18):18-19.

[3]李商,史文静,王静,等.国内心理健康类APP的可用性研究[J].包装工程,2021,42(24):102-112.DOI:10.19554/j.cnki.1001-3563.2021.24.011.

[4]Shang J, Wei S, Jin J, Zhang P. Mental Health Apps in China: Analysis and Quality Assessment. JMIR MhealthUhealth. 2019 Nov 7;7(11):e13236. doi: 10.2196/13236. PMID: 31697245; PMCID: PMC6873144.

[5]盛柳柳,严建雯.高校心理咨询App开发的探讨[J].心理技术与应用,2016,4(02):125-128.DOI:10.16842/j.cnki.issn2095-5588.2016.02.010.

[6]吴珊珊, 江洪燕. “互联网+”背景下提高心理健康教育时效性[J]. 教学方法创新与实践  =, 2019.

 [7]王振,苑成梅,黄佳,等.贝克抑郁量表第2版中文版在抑郁症患者中的信效度.中国心理卫生杂志,2011 ,25(6):476-480

[8]谢乃明,刘思峰.离散GM(1,1)模型与灰色预测模型建模机理[J],2005(01):93-99.

基金项目：湖北省大学生创新创业项目（S202210488064）