DOI: https://doi.org/10.3389/fdgth.2025.1713334
PMID: https://pubmed.ncbi.nlm.nih.gov/41608160
تاريخ النشر: 2026-01-13
المؤلف: Anne‐Kathrin Eiselt وآخرون
الموضوع الرئيسي: التدخلات الرقمية في الصحة النفسية
نظرة عامة
يقدم القسم إطار ENGAGE، وهو نموذج من ست خطوات مصمم لتعزيز فعالية التدخلات الصحية الرقمية (DHIs) من خلال دمج العلوم السلوكية والتخصيص التكيفي. يعالج الإطار المشكلة الشائعة للانخراط الرقمي السطحي، الذي غالبًا ما يفشل في الترجمة إلى نتائج صحية ذات مغزى. تشمل الخطوات الست: (1) تسجيل وتقسيم المستخدمين بناءً على احتياجاتهم، (2) دفعهم وجذبهم برسائل ذات صلة لتعزيز الانخراط الصغير، (3) توجيه السلوك لتعزيز التغييرات الصحية في العالم الحقيقي، (4) تثبيت العادات لتعزيز هذه السلوكيات، (5) توليد الأدلة لقياس التقدم، و(6) التوسع والتطور باستخدام الذكاء الاصطناعي لتخصيص التدخلات بناءً على بيانات المستخدم. تتضمن كل خطوة تقنيات قائمة على الأدلة ومقاييس تهدف إلى تحقيق تغيير سلوكي دائم وتحسين النتائج السريرية.
تؤكد الخاتمة على الدور الحاسم للتخصيص المدعوم بالذكاء الاصطناعي في تعزيز الالتزام والنتائج الصحية، مشروطة بأساس قوي في العلوم السلوكية والتقييمات ذات الصلة بالعيادات. يعمل إطار ENGAGE كنهج منظم لتنسيق تقسيم المستخدمين، واستراتيجيات الانخراط، والتكيف الفوري للتدخلات. من خلال إعطاء الأولوية لمبادئ التصميم الأخلاقي والعادل، يهدف الإطار إلى تحويل التفاعلات الرقمية العابرة إلى تغييرات سلوكية مستدامة، مما يؤدي في النهاية إلى فوائد سريرية كبيرة للأفراد الذين يديرون حالات مزمنة.
مقدمة
ت outlines المقدمة استراتيجية قابلة للتوسع تهدف إلى تحقيق تأثيرات صحية كبيرة، لا سيما في إدارة الحالات المزمنة مثل أمراض القلب، والسكري، والسمنة، واضطرابات الصحة النفسية. تتطلب هذه الحالات إدارة مستمرة وتغيير سلوكي لمنع التدهور وتعزيز جودة الحياة، بما يتماشى مع أهداف صحة المرضى كما أكدت عليها منظمة الصحة العالمية (2020). يؤكد المخطوط على منظور واسع حول التدخلات الصحية الرقمية، يشمل كل من أدوات العافية والأدوات السريرية، بدلاً من التركيز فقط على العلاجات الرقمية المنظمة (DTx) والعلاجات الرقمية الموصوفة (PDTs).
يهدف المقال إلى توحيد الأدلة متعددة التخصصات المتعلقة بالانخراط الرقمي، وتغيير السلوك، والتخصيص، مما يؤدي إلى تقديم إطار ENGAGE. يتضمن هذا الإطار تقنيات مستندة إلى النظرية، وأدوات توضيحية، ومقاييس عبر ست خطوات. بالإضافة إلى ذلك، يوفر المخطوط قائمة تحقق قابلة للتنفيذ للمبتكرين ومطوري المنتجات لدمج مبادئ العلوم السلوكية الأساسية في تطبيقاتهم. كما يحدد الفجوات البحثية الحالية والتقارير، فضلاً عن التحديات التي يمكن أن توجه اتجاهات البحث المستقبلية.
نقاش
يقيم قسم النقاش في ورقة البحث إطار ENGAGE بشكل نقدي بالنسبة للنماذج الحالية لتصميم الانخراط في التدخلات الصحية الرقمية (DHIs). بينما ساهمت عدة أطر، مثل النهج القائم على الشخص، وإطار IDEAS، وإطار AIM-ACT، في تصميم يركز على المستخدم والتطوير التكراري، فإنها غالبًا ما تفتقر إلى نهج شامل يعالج الطبيعة الدورية لتحسين الانخراط. تركز معظم الأطر على مراحل معينة من تصميم التدخل أو التكيف، مما يفشل في ربط اكتساب المستخدم الأولي بالانخراط المستدام وتغييرات السلوك الصحي في العالم الحقيقي. بالمقابل، يقدم إطار ENGAGE دورة انخراط شاملة تدمج المحركات السلوكية مع النتائج القابلة للقياس، مما يبرز أهمية التخصيص والتكرار التكيفي.
تسلط الورقة أيضًا الضوء على التحديات المستمرة في تحقيق الانخراط المستدام للمستخدمين، مشيرة إلى أن العديد من DHIs تعاني من معدلات تسرب عالية وامتثال منخفض في البيئات الواقعية. تشمل العوامل المساهمة في هذه التحديات نقص التخصيص، وتراجع الدافع، ومشكلات الاستخدام، والحواجز النظامية مثل محو الأمية الرقمية والفجوات في الوصول. يهدف إطار ENGAGE إلى معالجة هذه القضايا من خلال ربط الانخراط الصغير (تفاعلات المستخدم مع الأداة الرقمية) بالانخراط الكبير (السلوكيات الصحية في العالم الحقيقي)، مما يخلق جسرًا قويًا يعزز النتائج السريرية. علاوة على ذلك، يتضمن دورة تحسين مغلقة تعمل على تحسين تجنيد المستخدمين وتخصيص التدخلات بشكل مستمر، مما يوفر في النهاية نموذجًا قابلًا للتوسع والاختبار للانخراط الفعال في النظم البيئية الصحية الرقمية المتطورة.
القيود
تسلط قيود إطار ENGAGE الضوء على اعتماده على توليفة مدفوعة بالنظرية من أدلة متنوعة، والتي تشمل كل من الأبحاث المنشورة وأفضل الممارسات الصناعية، بدلاً من أن تكون مستندة إلى نموذج مسار رعاية تم التحقق منه تجريبيًا. جزء كبير من الأبحاث الداعمة مشتق من دراسات صغيرة النطاق أو قصيرة الأجل أجريت ضمن مجموعات سكانية محددة بشكل ضيق، مما يثير القلق بشأن التحقق التجريبي من هذه النتائج عبر إعدادات سريرية متنوعة وقابليتها للتعميم عبر ظروف وثقافات مختلفة. بالإضافة إلى ذلك، فإن التباين في تعريفات وقياسات الانخراط يعقد التفسيرات التحليلية التراكمية وقد يحجب العلاقات الحقيقية بين الجرعة والاستجابة.
علاوة على ذلك، فإن دمج طبقات تخصيص الذكاء الاصطناعي يقدم تحديات إضافية، مثل القضايا المتعلقة بكمال البيانات، وتحول النموذج، ومتطلبات الخصوصية، والتي قد تعيق التنفيذ في البيئات ذات الموارد المحدودة. يمكن أن يؤدي نقص القابلية للتفسير في القرارات الخوارزمية أيضًا إلى تقويض ثقة المستخدم إذا لم تكن هناك تدابير أمان كافية. أخيرًا، يفترض الإطار وجود بنية تحتية للبيانات القابلة للتشغيل المتبادل وقدرات العلوم السلوكية، التي تفتقر إليها العديد من المنظمات حاليًا، مما يحد من قابليته للتطبيق وفعاليته.
DOI: https://doi.org/10.3389/fdgth.2025.1713334
PMID: https://pubmed.ncbi.nlm.nih.gov/41608160
Publication Date: 2026-01-13
Author(s): Anne‐Kathrin Eiselt et al.
Primary Topic: Digital Mental Health Interventions
Overview
The section presents the ENGAGE Framework, a six-step model designed to enhance the effectiveness of digital health interventions (DHIs) by integrating behavioral science and adaptive personalization. The framework addresses the common issue of superficial digital engagement, which often fails to translate into meaningful health outcomes. The six steps include: (1) Enroll & Segment users based on their needs, (2) Nudge & Hook them with relevant messaging to foster micro-engagement, (3) Guide Behavior to promote real-world health changes, (4) Anchor Habits to reinforce these behaviors, (5) Generate Evidence to measure progress, and (6) Expand & Evolve with AI to tailor interventions based on user data. Each step incorporates evidence-based techniques and metrics aimed at achieving lasting behavior change and improved clinical outcomes.
The conclusion emphasizes the critical role of AI-enabled personalization in enhancing adherence and health outcomes, contingent upon a foundation in robust behavioral science and clinician-relevant evaluations. The ENGAGE Framework serves as a structured approach to effectively orchestrate user segmentation, engagement strategies, and real-time adaptation of interventions. By prioritizing ethical and equitable design principles, the framework aims to transform transient digital interactions into sustained behavior changes, ultimately leading to significant clinical benefits for individuals managing chronic conditions.
Introduction
The introduction outlines a scalable strategy aimed at achieving significant health impacts, particularly in the management of chronic conditions such as cardiovascular disease, diabetes, obesity, and mental health disorders. These conditions necessitate ongoing management and behavior change to prevent deterioration and enhance quality of life, aligning with patient health goals as emphasized by the World Health Organization (2020). The manuscript emphasizes a broad perspective on digital health interventions, encompassing both wellness and clinical tools, rather than focusing solely on regulated digital therapeutics (DTx) and prescription digital therapeutics (PDTs).
The article aims to consolidate multidisciplinary evidence regarding digital engagement, behavior change, and personalization, leading to the introduction of the ENGAGE framework. This framework includes theory-informed techniques, illustrative tools, and metrics across six steps. Additionally, the manuscript provides an actionable implementation checklist for innovators and product developers to incorporate foundational behavioral science principles into their applications. It also identifies existing research and reporting gaps, as well as challenges that could inform future research directions.
Discussion
The discussion section of the research paper critically evaluates the ENGAGE framework in relation to existing models for engagement design in digital health interventions (DHIs). While several frameworks, such as the Person-Based Approach, IDEAS Framework, and AIM-ACT Framework, have contributed to user-centered design and iterative development, they often lack a comprehensive approach that addresses the cyclical nature of engagement optimization. Most frameworks focus on specific phases of intervention design or adaptation, failing to connect initial user acquisition with sustained engagement and real-world health behavior changes. In contrast, the ENGAGE framework offers an end-to-end engagement cycle that integrates behavioral drivers with measurable outcomes, emphasizing the importance of personalization and adaptive iteration.
The paper also highlights the persistent challenges in achieving sustained user engagement, noting that many DHIs experience high attrition rates and low adherence in real-world settings. Factors contributing to these challenges include a lack of personalization, motivational decline, usability issues, and systemic barriers such as digital literacy and access disparities. The ENGAGE framework aims to address these issues by linking micro-engagement (user interactions with the digital tool) to macro-engagement (real-world health behaviors), thereby creating a robust bridge that enhances clinical outcomes. Furthermore, it incorporates a closed-loop optimization cycle that continuously refines user recruitment and intervention personalization, ultimately providing a scalable and testable model for effective engagement in evolving digital health ecosystems.
Limitations
The limitations of the ENGAGE Framework highlight its reliance on a theory-driven synthesis of diverse evidence, which includes both published research and industry best practices, rather than being grounded in an empirically validated care pathway model. A significant portion of the supporting research is derived from small-scale or short-term studies conducted within narrowly defined populations, raising concerns about the empirical validation of these findings across varied clinical settings and their generalizability across different conditions and cultures. Additionally, the heterogeneity in definitions and measurements of engagement complicates meta-analytic interpretations and may obscure genuine dose-response relationships.
Furthermore, the incorporation of AI personalization layers presents additional challenges, such as issues related to data completeness, model drift, and privacy requirements, which may hinder implementation in resource-limited environments. The lack of interpretability in algorithmic decisions can also undermine user trust if adequate safeguards are not in place. Lastly, the framework assumes the existence of interoperable data infrastructure and behavioral science capabilities, which many organizations currently lack, further limiting its applicability and effectiveness.