使用条件自回归先验分析滚动式团体治疗数据

团体治疗是治疗酒精和其他药物使用（AOD）以及抑郁症等行为健康障碍的核心治疗方式。团体治疗通常采用滚动（或开放）入院政策，即新客户在空间允许时持续加入团体。滚动入院政策导致客户结果之间存在复杂的相关结构。尽管滚动入院在实践中普遍存在，但关于此类数据分析的指导却很少。我们在一项针对住院物质滥用治疗客户提供团体认知行为疗法治疗抑郁症的研究背景下，讨论了先前提出方法的局限性。我们通过使用分层贝叶斯模型对客户抑郁症状评分的相互关联性进行完整建模，该模型对会话级随机效应采用条件自回归先验，从而改进了先前的滚动团体分析方法。我们展示了使用我们的方法在估计模型参数方差方面的改进性能，以及增强了解滚动治疗团体参与者之间复杂相关结构的能力。我们的方法广泛适用于任何客户组成变化的团体治疗环境。它将导致对客户级数据进行更高效的分析，并提高团体治疗研究界理解滚动团体动态如何导致客户结果的能力。