验证一种适应性数字评估对青年心理健康需求的测量：一项横断面研究

为何更快的心理健康检测很重要

对于许多年轻人来说，寻求心理健康帮助本已不易，再被交上一份冗长、重复的问卷只会增加负担。然而，这些问卷常常是服务机构判定谁需要紧急帮助、持续治疗或在工作、学习或物质使用方面获得支持的主要方式。本研究提出了一个简单但影响重大的问题：一种智能的数字评估能否在不让年轻人疲惫不堪的情况下，快速捕捉他们心理健康需求的全貌？

更聪明的提问方式

研究人员与1,734名年龄在12至25岁之间、已在澳大利亚心理健康服务中接受照护的年轻人合作。研究并未发明全新的量表，而是基于七个广泛使用的问卷，这些问卷涵盖了心理痛苦、焦虑、如幻觉等异常体验、情绪波动、自杀意念、酒精使用以及日常功能。合计共有49个问题——对于本已承受压力的人来说，足以显得漫长且重复。研究团队构建了一个数字系统，该系统通过询问原有题目的个性化子集，就能预测每个人在这七个问卷上的完整评分。

适应性测试如何从回答中学习

系统的核心是一种多维计算机化适应性测试（MCAT）。与对所有人使用相同固定题库不同，MCAT从一个信息量大的问题开始，例如是否有过自杀念头。根据回答，程序会更新对该人整体心理健康状况的估计，并选择下一题能提供最多有用信息的问题。该过程重复进行，每次回应会影响下一题的选择。测试在系统对年轻人在七个领域的可能得分足够有把握时停止，或在达到题目数量上限时终止。

大幅缩短耗时，精确度仅小幅降低

为了检验该方法的有效性，作者进行了大量计算机模拟，反复在样本的一部分上训练模型并在剩余部分上测试。采用他们认为在速度与准确性之间最优的设定，适应性测试平均只需要略多于15道题，而不是49道——减少了69%。估计完成时间从约十分钟半降到刚过三分钟。尽管题目大幅减少，短测验预测的分数仍与原始完整版分数高度一致，尤其是在自杀意念、焦虑和酒精使用方面，一致性被评为优秀。痛苦程度、日常功能以及如精神病和躁狂等异常体验的精确度略低，但在临床决策中仍属“良好”范围。

识别复杂或非典型个案

有趣的是，大约十分之一的年轻人在测试对其估计尚不自信前就达到了25题的上限。研究者并不将此视为失败，而认为这些情况可能标示出更为复杂或不寻常的症状模式，值得给予额外关注。在实践中，服务机构可以利用这一信号将这些年轻人引导至完整的临床面谈、更长的问卷或更专业的评估。换言之，适应性系统并不会取代人工判断，而是帮助识别最需尽快获得人工判断的人选。

构建更好的数字“前门”

研究表明，适应性数字评估有望成为青年心理健康服务的强大“前门”。一份简短且个性化的问卷，如果还能再现标准工具的信息，可在线用于预约前、在诊所中或作为持续监测的一部分，跟踪某人对治疗的反应。作者还指出未来的可能性，例如将此类测评与人工智能方法或能以自然语言提问的超大语言模型结合。对年轻人和服务机构而言，结论很直接：在几分钟内就能获得关于心理健康需求的丰富、分层次的视角，从而降低评估负担并提高与合适帮助匹配的可能性。

引用: Capon, W., Hickie, I.B., Varidel, M. et al. Validating an adaptive digital assessment of youth mental health needs: a cross-sectional study. npj Digit. Med. 9, 173 (2026). https://doi.org/10.1038/s41746-026-02374-2

关键词: 青年心理健康, 数字评估, 计算机化适应性测试, 自杀风险筛查, 基于测量的护理