近日，北京大学心理与认知科学甘怡群教授课题组在高影响力期刊《自然·人类行为》（Nature Human Behaviour，中科院心理学一区Top，IF=22.3）发表题为“A systematic review and Bayesian network meta-analysis on the efficacy and potential of mobile interventions for stress management”的系统性综述和贝叶斯网络元分析（图1）。

图1 论文截图

压力的高发使压力管理成为个体日常生活中的重要需求。尽管已经开发了众多针对压力的移动干预措施，但哪些最为有效以及如何提高其可及性和公平性仍不明确。厘清这些因素对缓解压力相关问题、促进心理健康公平性以及实现可持续发展目标至关重要。本研究首次基于图模互补的理念，将专家知识与大型语言模型结合起来，提出了一个多维分类系统精确地区分和评估不同类型的干预措施，包括人力支持、移动技术和理论基础在内的移动干预三维分类框架（Three-dimensional classification framework）。该框架旨在说明多样化的移动干预措施在压力管理中的有效性（图2）。

图2 压力的移动干预措施多维分类系统

本研究对压力管理研究中的63项随机对照试验进行了系统回顾，干预标签由作者和大语言模型（ChatGPT-4）独立编码。在移动干预三维分类框架的指导下，共分类了19种移动压力干预措施（图3）。贝叶斯网络元分析发现压力管理、问题解决疗法和正念冥想的移动干预措施表现出较好的干预效果（图4）。进一步的贝叶斯元回归分析发现，没有确凿证据表明人工支持或移动技术能显著提升干预效果。

图3 19种移动压力干预措施

图4 贝叶斯网络元分析结果

综上，在移动干预日益普及的今天，研究团队提出的移动干预三维分类框架为未来设计多样化的移动干预提供了基础分类体系和科学支持。根据分类框架，并考虑干预措施的可扩展性和公平性，研究团队建议在医疗资源匮乏、心理健康服务极度有限的地区，优先采用完全自动化的移动压力干预措施（如压力管理、问题解决疗法和正念冥想）来填补治疗空白，尤其是在缺乏其他可替代方案的情况下。研究结果为设计更有效和可扩展的压力移动干预提供了见解，并为减少卫生服务差距和推进可持续发展目标提供了有希望的策略。

《自然·人类行为》同期刊登了题为“Large Language Model-powered meta-analysis of mobile interventions for stress management”的研究简报，介绍了研究的缘起，意义和背后的故事（图5）。

图5 研究简报截图

北京大学心理与认知科学博士生朱焕雅和陈嫱为本文的共同第一作者，北京大学博雅博士后刘金梦和甘怡群为本文共同通讯作者。已毕业学生魏世娟、课题组博士生吴雪冰和已毕业博士生鞠芊芊为本研究作出重要贡献。研究得到了国家自然科学基金面上项目的支持。