从数据到对话：用个体特异性网络实现慢性疼痛CBT个体化治疗的概念验证研究

目的：个体特异性网络模型越来越多地被提出用于识别最佳治疗靶点，但其在临床决策中如何发挥作用仍 largely 未知。本概念验证研究将生态瞬时评估（EMA）、个体特异性网络和模块化循证干预整合用于慢性疼痛的治疗，并考察其可行性、初步效果和可接受性。方法：12名患者由9名治疗师中的一位完成治疗。一个密集的EMA阶段（每天六次提示，持续三周）为基于网络的模块推荐提供信息，这些推荐与独立临床判断进行比较。后续阶段每周监测三次，并在随机基线的单病例实验设计中进行分析。治疗结束后对患者和治疗师进行访谈。结果：参与者平均提供298次观察；12名中有7名在所有阶段达到80%的依从性标准。基于网络的推荐与临床判断 largely 不一致。残疾程度平均下降（b = -0.45，p = .03），但个体效果不一，基线校正后的Tau均不显著，且有两名参与者恶化。患者和治疗师主要重视自我监测和结构化的、数据-informed的反思，这增强了对日常模式的觉察并结构化了治疗对话。结论：数据-informed个体化的临床价值可能不在于算法精度，而在于促进以患者为中心的、反思性的临床推理。

中文由 AI 翻译，仅供参考，以原文为准。