引言

失眠是一种常见的睡眠障碍，其特征是难以入睡和保持睡眠状态，这导致白天身体和精神上的痛苦(Roth，2007)。全世界都有很高的失眠症患病率。慢性失眠会给个人、家庭和社会的生活质量和经济状况带来沉重负担(Kyle et al，2010)。此外，失眠可能是其他慢性和精神健康问题的风险因素，包括心血管疾病、糖尿病、焦虑和抑郁(Medic et al，2017)。失眠症的治疗主要包括药物治疗（如苯二氮卓类）和非药物治疗（如认知行为疗法）。已有研究结果表明，CBT短期（4～8周）疗效与药物治疗相当，且其长期应用无药物成瘾等副作用，疗效也更为持久，被推荐为治疗失眠症的一线疗法，在通用社会工作实务和医务社会工作实务中也可发挥可靠的作用。但临床上传统面对面的CBT往往受时间、地域等因素限制，无法有效实施。已有多个针对基于移动应用程序认知行为疗法治疗失眠症的研究，但其样本量不大，报道结果不一致。因此，本研究旨在系统评价基于移动应用程序的认知行为疗法对失眠症的疗效，为其在临床上的研究与应用提供依据，也为本土化社会工作实务的开展提供创新思路。

1 资料与方法

1.1 纳入与排除标准

1.1.1 研究类型

随机对照试验（RCT）。

1.1.2 研究对象

符合DSM-IV、DSM-5和（或）ICSD-2失眠症诊断标准，或存在失眠每周≥3次且持续超过1月；年龄≥18岁；其种族、国籍、病程不限。

1.1.3 干预措施

试验组通过移动应用程序形式接受CBT干预，CBT干预包括刺激控制、睡眠限制、放松疗法、认知疗法、睡眠健康教育（至少包括其中的2种，且＞3次）；对照组采用传统面对面CBT干预、等待、自助疗法。

1.1.4 结局指标

主要结局指标包括：入睡潜伏期（sleep onset latency，SOL）、入睡后觉醒次数（wake after sleep onset，WASO）、总睡眠时间（total sleep time，TST）、睡眠效率（sleep efficiency，SE）。次要结局指标包括：匹兹堡睡眠质量指数（Pittsburgh sleep quality index，PSQI）、贝克抑郁量表（Beck depression inventory，BDI）。

1.1.5 排除标准

（1）重复发表的文献；（2）非中、英文文献；（3）原始文献无法提取相关数据，且联系作者也无法获取者；（4）纳入患者包括了重度抑郁症患者；（5）CBT干预＜4周；（6）试验组CBT采用面对面形式的次数≥2次。

1.2 文献筛选及资料提取

由2位研究者独立进行文献筛选和资料提取，并交叉核对，如遇分歧，则讨论解决或交由第三位研究者裁决，缺乏的资料尽量与原作者联系予以补充。文献筛选时首先阅读文题和摘要，在排除明显不相关的文献后，进一步阅读全文，以确定最终是否纳入。资料提取内容主要包括：纳入研究的基本情况，包括第一作者、国家、发表时间；研究对象的基线特征，包括样本量、失访例数；各组干预措施的具体细节；偏倚风险评价的关键要素；结局指标和结果测量数据。

1.3 纳入研究的偏倚风险评价

研究的质量评估由两名研究人员独立使用PEDro量表完成。PEDro量表通过给出0到10的分数来评估随机对照试验的质量。评分标准包括受试者的随机分配、受试者的隐藏分配、相似的基线特征、对所有受试者的盲法、对所有干预者的盲法等。如果研究完全满足每个标准，则得1分。研究质量分为四个级别：低质量（≤3分）、中等质量（4～5分）、高质量（6～8分）和优秀质量（9～10分）。

1.4 统计分析

本研究中用于数据分析的软件是STATA 17.0。显著性水平设置为0.05（双侧），小于0.05的P值被认为具有统计显著性。使用随机效应模型进行单独的荟萃分析，该模型提供了研究之间变化的统计参数。鉴于本研究中的所有结果变量都是连续变量，因此在结果显示中使用了具有95%置信区间（CIs）的合并平均差（MD）。CI为95%的标准化均数差（SMD）用于测量变量的效应量。使用I²值评估研究的异质性。

2 结果

2.1 文献检索结果

初步检索相关文献1014篇，剔除重复后余下927篇，通过阅读文题和摘要排除889篇，剩余38篇。在全文评估期间排除了33项研究，最终符合数据分析条件的研究数量为5项。文献检索和筛选流程图，如图1所示。

2.2 纳入研究的基本特征与质量评价

5项研究的实施地分别在荷兰、伊朗和中国。治疗疗程在6～7周之间，试验组均包含睡眠健康教育、认知疗法、刺激控制、睡眠限制。平均年龄从27岁到50岁不等。参与者中，678名女性（57.2%）。纳入研究的所有参与者都患有失眠症，其中一些人被诊断出患有其他疾病，包括癫痫、抑郁和心血管疾病。干预组的参与者都接受了通过移动应用程序提供的CBT干预。所有研究都报告了至少一项主要结论。在纳入的5项研究中，1项为低质量，2项为高质量，2项为极优质量。研究特征的详细信息，如表1所示。

2.3 分析结果

荟萃分析结果见表2。共有4项研究报告了失眠严重程度指数作为结局测量指标。我们发现，与对照组相比，基于移动应用程序的CBT干预组参与者的失眠严重程度总体上显著降低，因为平均失眠严重程度指数评分的降低幅度大于对照组［MD=-3.92，95%CI（-4.57，-3.26），P＜0.001，I²=96.65］，对照组具有较大的效应量［SMD=-1.45，95%CI（-2.13，-0.78），P＜0.001，I²=99.54］。

匹兹堡睡眠质量指数有5项研究报告。与对照组相比，基于移动应用程序的CBT干预组的匹兹堡睡眠质量指数评分降低［MD=-2.68，95% CI（-3.10，-2.25），P＜0.001，I²=86.18］，对照组具有较大的效应量［SMD=-1.46，95% CI（-2.24，-0.68），P＜0.01，I²=98.11］。

对于睡眠日记的睡眠结局，有5项研究报告了总睡眠时间。与对照组相比，基于移动应用程序的CBT干预组的总睡眠时间显著增加［MD=13.35，95% CI（7.65，19.05），P＜0.001，I²=95.42］，对照组具有中等效应量［SMD=0.69，95 %CI（0.10，1.28），P＜0.01，I²=98.74］。

有5项研究报告了睡眠效率作为结局测量指标。与对照组相比，基于移动应用程序的CBT干预组的睡眠效率有所提高［MD=6.40，95% CI（4.67，-8.13），P＜0.001，I²=97.24］，对照组具有较大的效应量［SMD=1.26，95% CI（0.57，1.96），P＜0.01，I²=98.98］。

有4项研究报告了入睡潜伏期作为结局测量指标。与对照组相比，基于移动应用程序的CBT干预有效缩短了入睡潜伏期［MD=-11.78，95% CI（-15.74，-7.82），P＜0.001，I²=96.37］，对照组具有较大的效应量［SMD=-0.95，95% CI（-1.38，-0.51），P＜0.001，I²=97.35］。

有4项研究报告了入睡后觉醒次数作为结局测量指标。与对照组相比，基于移动应用程序的CBT干预组的觉醒次数也显著减少［MD=-0.41，95% CI（-0.64，-0.17），P＜0.01，I²=61.33］，对照组具有中等效应量［SMD=-0.37，95% CI（-0.64，-0.10），P＜0.01，I²=76.98］。

2.4 发表偏倚

进行Egger回归检验以评估所有结果的发表偏倚，结果同样总结于表2中。所有研究结果均未发现显著的发表偏倚，包括失眠严重程度指数[t=0.45，95% CI（-1.12，1.75）,P＞0.05]、匹兹堡睡眠质量指数[t=-1.24，95% CI（-2.20，0.61），P＞0.05]、总睡眠时间[t=1.44，95% CI（-0.28，1.57），P＞0.05]、睡眠效率[t=-0.56，95% CI（-1.23，2.14），P＞0.05]、入睡潜伏期[t=-0.20，95% CI（-2.43，2.00），P＞0.05]、入睡后觉醒次数[t=0.49，95% CI（-2.39，3.69），P＞0.05]。

3 讨论

本荟萃分析包括5项随机对照试验研究，共涉及1185名参与者。这项荟萃分析的结果表明，基于移动应用程序的CBT干预可有效改善睡眠结局（失眠严重程度指数、匹兹堡睡眠质量指数、总睡眠时间、睡眠效率、入睡潜伏期、入睡后觉醒次数）。

基于移动应用程序的CBT干预在改善整体睡眠质量和降低失眠严重程度方面非常有效，这与之前的研究一致（Seyffert et al，2016；Zachariae et al，2016）。CBT干预的主要目标之一是对白天的睡眠机会进行限制，以增加正常睡眠时间的睡眠压力，从而实现睡眠的稳态调节（Koffel et al，2015；Smith et al，2002）。通过该方法建立受调节的睡眠周期不仅对整体睡眠质量和失眠严重程度的降低产生了积极影响，而且对总睡眠时间、睡眠效率、入睡潜伏期、入睡后觉醒次数的改善产生了积极影响。睡眠卫生教育教导失眠患者促进睡眠的正确行为，例如保持安静的睡眠环境和保持规律的睡眠时间表，同时阻止无益的行为，例如酒精和烟草摄入。这对提高睡眠质量很有效，因为它有助于养成对睡眠有益的习惯。放松训练在改善睡眠方面也很有效，因为它为身体和精神状况提供了放松策略（Sateia & Insomnia，2016）。更放松的条件可以减少夜间的觉醒，更容易入睡，从而延长睡眠时间（Buysse，2013）。此外，在干预时间较短的研究中，睡眠结果得到更显著的改善，这与之前研究的结果不同（Zachariae et al，2016），在较长的干预中观察到的效果更大。对这种差异的一个可能的解释是，患者在较长的干预中可能不太集中注意力，因为他们可能会忘记参加干预课程，或者在治疗数周后只是快速浏览一下自助材料。此外，失访率与干预时间长短密切相关。较长的干预期通常会导致较高的失访率，这也会影响治疗的最终效果。一般来说，基于移动应用程序的CBT干预对睡眠结局的影响与面对面治疗相似。然而，直接比较两者之间差异的研究数量有限，需要未来进一步研究。

该研究存在一些局限性。首先，我们无法对失眠的临床诊断和主观测量的临界值进行亚组分析，因为本研究纳入临床诊断的为失眠障碍的患者和报告失眠症状或睡眠质量差的患者；其次，大多数研究没有为受试者提供明确的合并症信息，我们也无法将合并症分组为亚组变量。因此，未来需要进一步研究来支持这些结果。

4 结语

综上所述，基于移动应用程序的CBT干预可有效改善睡眠相关结局。除了使用最广泛的组成部分（如睡眠限制和刺激控制）外，其他组成部分（如睡眠卫生教育和放松训练）也显示出积极影响，可以考虑纳入临床治疗设计。在进一步的研究中，需要更多具有不同设计的随机对照试验的研究来证实这些发现。对社会工作而言，此类技术驱动的干预模式突破了传统服务在时间、地域和资源上的限制，可扩大服务覆盖面，尤其惠及偏远地区或行动不便的群体。社会工作者可通过整合数字CBT工具，设计个性化干预方案，增强服务灵活性与可及性。同时，本土化实践中应注重结合文化背景优化应用程序内容，并推动跨学科协作（如与医疗、技术团队合作），以提升干预的适应性和可持续性。未来，社会工作专业可借此契机深化技术融合，丰富实务方法，为睡眠健康问题提供更高效、包容的解决方案。

参考文献：

1. [1] Roth T. Insomnia: definition, prevalence, etiology, and consequences[J].Journal of clinical sleep medicine,2007,3(05 suppl):S7-S10.
2. [2] Kyle S D, Espie C A, Morgan K. “Not just a minor thing, it is something major, which stops you from functioning daily”: quality of life and daytime functioning in insomnia[J].Behavioral sleep medicine,2010,8(03):123-140.
3. [3] Medic G, Wille M, Hemels M E H. Short-and long-term health consequences of sleep disruption[J].Nature and science of sleep,2017,9(03):151-161.
4. [4] Horsch C H G, Lancee J, Griffioen-Both F, et al. Mobile phone-delivered cognitive behavioral therapy for insomnia: a randomized waitlist controlled trial[J].Journal of medical Internet research,2017,19(04):e70.
5. [5] Ahorsu D K, Lin C Y, Imani V, et al. Testing an app-based intervention to improve insomnia in patients with epilepsy: A randomized controlled trial[J].Epilepsy & Behavior,2020,112(11):107371.
6. [6] Nilofar M R, Anders B, Martin U, et al. Efficacy of a theory-based cognitive behavioral technique app-based intervention for patients with insomnia: randomized controlled trial[J].Journal of Medical Internet Research,2020,22(04):e15841.
7. [7] Chan C S, Wong C Y F, Branda Y M, et al. Treating depression with a smartphone-delivered self-help cognitive behavioral therapy for insomnia: a parallel-group randomized controlled trial[J].Psychological medicine,2023,53(05):1799-1813.
8. [8] Chengzhang P , Yuxuanliu B , Xiaomingguo M, et al. Digital cognitive behavioral therapy for insomnia using a smartphone application in China: a pilot randomized clinical trial[J].JAMA network open,2023,6(03):12.
9. [9] Seyffert M, Lagisetty P, Landgraf J, et al. Internet-delivered cognitive behavioral therapy to treat insomnia: a systematic review and meta-analysis[J].PloS one,2016,11(02):e0149139.
10. [10] Zachariae R, Lyby M S, Ritterband L M, et al. Efficacy of internet-delivered cognitive-behavioral therapy for insomnia–a systematic review and meta-analysis of randomized controlled trials[J].Sleep medicine reviews,2016,30:1-10.
11. [11] Koffel E A, Koffel J B, Gehrman P R. A meta-analysis of group cognitive behavioral therapy for insomnia[J].Sleep medicine reviews,2015,19(03):6-16.
12. [12] Smith M T, Perlis M L, Park A, et al. Comparative meta-analysis of pharmacotherapy and behavior therapy for persistent insomnia[J].American Journal of Psychiatry,2002,159(01):5-11.