用于移动健康干预的离线上下文多臂老虎机：以情绪调节为例的研究

通过手机等普适电子设备提供治疗建议，有可能成为一种可行且可扩展的长期健康行为管理治疗媒介。但在某些情况下，对治疗选项进行主动实验可能耗时、昂贵甚至完全不合伦理。人们对允许实验者在部署前学习和评估新治疗策略有用性的方法学方法日益感兴趣。我们首次利用来自 n = 114 名高社交焦虑参与者的真实历史移动数字数据，开发了一种用于情绪调节的治疗推荐系统，以检验新情绪调节策略的用处。我们探索了多种用于学习的离线上下文老虎机估计器，并提出了一种通用学习算法框架。我们的实验表明，所提出的双重稳健离线学习算法显著优于基线方法，表明此类推荐算法可改善情绪调节。鉴于情绪调节在多种精神疾病中受损，且此类推荐算法易于扩展，该方法有潜力增加许多人的治疗可及性。我们还分享了一些见解，使我们能够将上下文老虎机模型迁移到这一复杂真实世界数据中，包括哪些上下文特征对预测情绪调节策略有效性最为重要。