治疗反馈量表能不能让心理治疗效果翻倍？Psych Central 这期访谈给的答案是「能，8 个随机临床试验都指向这个方向」。这句话本身没错，但它把两个不同研究的结论揉在了一起：那个「翻倍」的数字来自 2006 年一项准实验，而 8 个随机试验汇总出来的实际效应量是 d = 0.14——按 Cohen 的标准属于小效应。差距不是四舍五入能解释的。
这期访谈值得写，不是因为它错了，而是因为它是这一整块文献最诚实的一个切面：它把「治疗有效」和「治疗能被测量」这两件事摆到了同一张桌子上，而这两件事之间还有一道谁也没完全跨过去的沟。
📋 速览：本期主要主张的四档核查
| 访谈主张 | 核查结论 | 关键数字 |
|---|---|---|
| 心理治疗有 400 多种模型和技术 | 有证据 | >400 种理论／流派（文献估计，非普查） |
| 治疗联盟与疗效相关，不 alliance 好就很难有好结果 | 有证据 | r = .278，295 项研究、逾 30,000 名来访者 |
| 5–14% 的来访者在治疗过程中变得更糟 | 有证据 | 成人试验 5–10%，儿童常规照护 14–24% |
| 反馈量表让整体疗效翻倍（8 个随机试验） | 与主流口径相悖 | 翻倍出自准实验（ES .37→.79）；8 个 RCT 汇总 d = 0.14 |
| 「现在新发展出的疗法不比 50 年前更有效」 | 存疑 | 这是「渡渡鸟裁决」，学界吵了 30 年未平息 |
| 「谁在提供服务，决定了治疗变化的大部分」 | 与主流口径相悖 | 治疗师差异解释约 5% 的结果变异 |
| 社会工作与咨询是美国薪酬最低的两个硕士学位 | 部分支持 | 回报率为负（MSW −2%），但「最低两个」的排序未见原始榜单 |
🧩 第一层核查：这几组数字都站得住
先把有据可查的部分确认掉，这一块访谈没有夸大。
400 多种模型与流派：这个数字是文献里的常见估计，出处是 Corsini 与 Wedding（2008）以及更早的 Beitman、Goldfried 与 Norcross（1989），两者都写「超过 400 种」。需要注意的是它是理论／流派层面的估计，不是逐个清点出来的普查，不同文献的口径在「流派」和「疗法」之间摇摆。
联盟与疗效的关系：Flückiger 等人（2018）汇总了 1978–2017 年间 295 项独立研究、超过 30,000 名来访者，面谈治疗的联盟—疗效相关为 r = .278（95% CI [.256, .299]），换成 d 约等于 .579。这个数字从 1991 年第一次元分析（r = .26）到今天几乎没动过，是心理治疗研究里少数极其稳定的结果之一。
但访谈里那句「如果 alliance 不好，发生好事儿的可能性就非常低」，比文献的说法更绝对。r = .278 意味着联盟能解释约 8% 的结果变异——它是一个稳健的预测因子，不是一个开关。
恶化的来访者比例：Duncan 与 Miller（2002）原文写的是「5–14% 的来访者在治疗中变得更糟，而且治疗师无法识别出其中相当一部分」。Lambert 的综述给出的口径是成人临床试验 5–10%、儿童常规照护 14–24%。数字区间取决于场景，不是固定值，但访谈没有夸大这个范围。
值得一提的是，同一篇文献里还写了一句访谈没提的话：这些系统的价值之一，是让来访者「感觉到自己参与了这个过程、喜欢参与决策、喜欢这个过程的透明度」。这句话和访谈嘉宾反复强调的「把功劳给来访者」是同一件事的两面，但它的证据等级比「疗效翻倍」低得多，属于访谈里主张、文献没量化的部分。
⚠️ 第二层核查：「翻倍」这个数字来自哪里
这是本文最重要的一段。访谈里说：「我们已经做了 8 个随机临床试验……它让整体治疗效果翻倍。」
把两句话分开查，结论完全不同。
「翻倍」的原始出处是 Miller、Duncan、Brown、Sorrell 与 Chalk（2006）发表在 Journal of Brief Therapy 上的一项研究：75 名治疗师、6,424 名来访者、两年，效应量从基线期的 .37 升到评估期的 .79。听起来确实翻倍了。问题在于它的设计——该文自述为准实验，所谓「基线期」是同一批机构在引入系统之前的历史数据，前后两段比较，没有随机分组。2009 年那篇著名的挪威研究在引用它时，也明确写成「由于该研究是准实验设计……限制了结论的推断范围」。
所以「翻倍」是一个机构自己前后对比的数，不是随机试验的结论。
随机试验实际给出的数是这些：
- Lambert 等人（2018）分别汇总 OQ 与 PCOMS 系统，全样本效应量 SMD = .14（95% CI [.08, .20]）；只在「进展不佳」的来访者子群里升到 .33；若同时给治疗师配备临床支持工具，可到 .49。
- Østergård、Randa 与 Hougaard 对 PCOMS 的元分析（18 项研究、2,910 人）给出 g = 0.27（95% CI [0.14, 0.41]），但预测区间横跨 −0.22 到 0.76——意思是换一批人用，效果完全可能是负的。
- Rognstad 等人（2023）最新的元分析纳入 31 项研究、82 个效应量，全样本 d = 0.14（95% CI [0.082, 0.206]），「进展不佳」子群 d = 0.29（95% CI [0.114, 0.464]）。
三轮独立汇总，落在同一个区间：全体来访者 d ≈ 0.14。这是小效应，不是翻倍。
而且有一层很少被提及的结构：效应集中在「本来就没在好转」的那批人身上（.29 到 .33），对本来就在好转的人几乎没影响。这个分布其实更符合访谈嘉宾自己的主张——反馈系统的价值在于「在来访者退出之前把他们识别出来」，而不是让所有人都变好。访谈讲对了机制，却给了一个和机制不匹配的倍数。
关于「8 个」这个数字：他自己的机构博客写明，早期三项由 PCOMS 关联方主导的随机试验，加上此后新出现的 5 项，合计 8 项。数目对得上。问题不在数目，在于这 8 项的汇总值从没到过「翻倍」。
🔍 第三层核查：被当成公理的两句话，其实都有争议
🚫 「现在的疗法不比 50 年前更有效」
访谈把这句当作既定事实推出来，用它支撑「这个职业一百年没进步」的整段论述。这句话在文献里有个名字：渡渡鸟裁决（Dodo Bird Verdict），出自 Luborsky 等人 1975 年的经典综述，意思是「所有心理治疗都差不多，人人都赢，人人都拿奖」。
它至今没有被学界当成结论。对立的两篇文章标题就很说明问题：Luborsky 等人（2002）写「渡渡鸟还活着——大体上是」，Beutler（2002）写「渡渡鸟已经灭绝」。2009 年一篇专门讨论这个争论的评论说得更直白：现有的元分析方法在结构上就无法把「哪种疗法配哪种诊断」这个变量切出来，所以反复找不到显著差异，很大程度上是方法本身的限制，而不是「确实都没差别」的直接证据。
换句话说，访谈把一场持续了半个世纪、方法论上尚未解决的争论，当成了可以拿来当锤子使的结论。
🚫 「谁在提供服务，决定了变化的大部分」
这句听起来很有共鸣，但和数字对不上。
治疗师个体差异能解释多少结果变异，这个领域测了很多年：Crits-Christoph 等人（1991）的早期元分析给出约 9%；Baldwin 与 Imel（2013）汇总后是 5%；Johns 等人（2019）的元分析同样是 5%。分场景看，自然情境约 7%、随机对照试验约 8.2%；而在低强度心理服务里，治疗师层面的变异低到 1–2%。2017 年一篇系统综述把这个范围概括成 0.2% 到 21% 之间，强调各研究差异极大。
这些数字背后有一个统计上的关键区分：「治疗师解释了 5% 的变异」和「治疗师解释了 5% 的改善量」是两回事。变异百分比听起来很小，但考虑到来访者之间本就存在巨大的个体差异，5% 落在显著高于零的一侧，也是为什么 Saxon 与 Barkham（2012）发现高于平均水平的治疗师能带来 77% 的康复率、低于平均的只有 46%。
也就是说：治疗师确实重要，重要到激励结构会去研究怎么识别高绩效者；但「变化的大部分」这个说法，在现有文献里没有支撑。
🏛️ 历史类比：华盛顿的故事漏掉了最关键的一幕
访谈用 1799 年华盛顿之死作为开场——三位医生按当时的standard of care 放血，把他放掉了 40% 的血量，病人说没用他们还继续。这个类比本身有文献支持：华盛顿在 12 月 14 日约十小时内被放掉 82 盎司以上（不同来源统计在 82 到 126 盎司之间），次日因上气道梗阻死亡，一篇发表在麻醉学文献的分析认为两位资深医生「完全固着于放血、发疱和灌肠，无法认识这些措施的无用」。
但访谈把这个故事的戏剧性用错了方向，而且漏掉了它最锋利的那一幕：当时是有医生反对的。Elisha Cullen Dick 当时 32 岁，主张立刻做气管切开——那个手术在欧洲已成功做过几十年，只是美国还没人做过。两位年长医生否决了他，他去取器械回来时，事已被两位资深同事说服放弃，改成第四次放血 32 盎司。
换句话说，1799 年那晚的失败不是「所有人都不听病人说话」，而是最年轻、主张改变的那个人被压下去了。访谈用这个故事论证「要听来访者的」，但故事本身真正在讲的，是资历会压掉内部的异议——这恰恰是访谈后半段讨论「治疗师为什么抗拒反馈」时没有点破的那一层。
访谈引用的 Jerome Frank 的「重振士气（remoralization）」概念则对得上：Frank（1961）在《说服与治愈》里提出，来访者带着的不是纯粹的抑郁，而是一种「主观无能感」带来的士气崩塌，而治疗起作用的部分就是把它修复。这一概念在护理学文献里有专门的综述回顾，来源可查。
📉 那个被顺手带过的商业利益问题
访谈嘉宾是 Better Outcomes Now 的 CEO，这家机构开发和推广的正是访谈里推崇的那套量表（PCOMS）。访谈里他也提到了这个机构的免费资源和 150 万次施测、3 万注册用户的数字。
需要说清楚的是：这类自报数据本身无法独立核实，本文不采信、也不质疑。还有一件事。Duncan 与 Sparks 在 2020 年《Psychological Services》上发过一篇标题很直白的论文：《当元分析误导人：一篇关于来访者反馈元分析的批判性案例研究》，专门论证某篇 PCOMS 元分析的纳入研究有一半存在明显局限、因而结论不可靠。
也就是说，这位嘉宾本人就是「不要盲目接受元分析结论」这个立场的公开倡导者。在这一点上他完全正确、有据可查。讽刺的是，他自己在访谈里给出的「翻倍」，恰恰是一个没有标明设计等级的数。把 2006 年准实验的前后对比和 8 个随机试验的汇总值并排放进同一句话里，正是他自己论文里批评的那类操作。
🧪 那么，这套东西到底该怎么用
把上面几层压成一个可操作的结论。
可以自己做的：用四到五道题量表记录每次会谈的自我状态和关系感受，核心不是「测」而是让讨论有了一个共同的落点。文献支持这个动作的方向，也支持它对「没在好转」那批人更有用（d = .29 到 .33）。它同时是本站那篇查过文献的创伤微习惯清单的反面案例——那篇讲的也是「自己动手有没有用」，结论是同样要看有没有可量化的改善信号，而不是看感觉。两个方向可以对照着读。
需要向治疗师提的：访谈最有价值的建议其实是最朴素的那条——把「要不要换人」当成一个正常的决策选项，而不是承认失败。这正好落在本站关于改变有代价时怎么选那篇讨论的框架里：换人是一个有成本的选择，不是一个失败声明。把两者放在一起看，「什么时候该继续、什么时候该换」就从一个道德问题变回了一个决策问题。
不要自己做的：拿量表分数当终止治疗的标准，或者拿它去和别的治疗师的数字横向比较。访谈嘉宾自己在合同里就写明不能这么用——他担心的正是保险公司拿「已达最大收益」来砍疗程。这条边界比任何疗效数字都重要。
⚖️ 可采纳与不可自行采纳
| 主张 | 能不能自己照做 |
|---|---|
| 用 4–5 道题量表记录每次会谈感受 | 可以，成本几乎为零，方向有证据支持 |
| 在没看到改善时主动提出调整方案或换人 | 可以，且访谈全程都在讲这一条 |
| 把量表分数作为继续或终止治疗的依据 | 不可以，作者本人明确禁止 |
| 「反馈量表能让疗效翻倍」 | 不可以，数据不支持这个量级 |
| 「所有心理治疗效果都差不多」 | 不可以，这是争议中的立场不是定论 |
| 「治疗师决定了变化的大部分」 | 不可以，文献口径是 5% 左右的变异 |
📚 参考文献
- Flückiger C, Del Re AC, Wampold BE, Horvath AO. The alliance in adult psychotherapy: A meta-analytic synthesis. Psychotherapy. 2018;55(4):1–25. PMID: 29792475.
- Lambert MJ, et al. Collecting and delivering progress feedback: A meta-analysis of routine outcome monitoring. Clinical Psychology: Science and Practice. 2018. PMID: 30335463.
- Rognstad K, Wentzel-Larsen T, Neumer SP, Kjøbli J. A systematic review and meta-analysis of measurement feedback systems in treatment for common mental health disorders. Administration and Policy in Mental Health. 2023;50:269–282. PMID: 36434313.
- Østergård LL, Randa HT, Hougaard SM. The effect of using the Partners for Change Outcome Management System as feedback tool in psychotherapy — a systematic review and meta-analysis. Clinical Psychology Review. 2019. PMID: 30213240.
- Anker MG, Duncan BL, Sparks JA. Using client feedback to improve couple therapy outcomes: A randomized clinical trial in a naturalistic setting. Journal of Consulting and Clinical Psychology. 2009;77(4):693–704. PMID: 19634962.
- Duncan BL, Miller SD. Collecting client feedback. Psychotherapy: Theory, Research, Practice, Training. 2002;48(1):72–88.
- Duncan BL, Sparks JA. When meta-analysis misleads: A critical case study of a meta-analysis of client feedback. Psychological Services. 2020;17(4):487–496. PMID: 31670540.
- Miller SD, Duncan BL, Brown J, Sorrell R, Chalk MB. Using formal client feedback to improve retention and outcome. Journal of Brief Therapy. 2006.（准实验，非随机对照；无 PubMed 收录）
- Luborsky L, Rosenthal R, Diguer L, et al. The Dodo Bird Verdict is alive and well — mostly. Clinical Psychology: Science and Practice. 2002;9:2–12.
- Beutler LE. The dodo bird is extinct. Clinical Psychology: Science and Practice. 2002;9:30–34.
- Baldwin W, Imel ZE. Therapist effects in psychotherapy and counseling: A critical narrative update and refinement to review. In: Bergin and Garfield's Handbook of Psychotherapy and Behavior Change. 6th ed. 2013.
- Frank JD. Persuasion and Healing. Baltimore: Johns Hopkins University Press; 1961.（demoralization／remoralization 概念出处）
- Nikolic M, Fildes M. Demoralization and remoralization: A review of these constructs in the healthcare literature. Nursing Inquiry. 2011;18(1):2–11. PMID: 21281390.
- A lesson on human factors in airway management learnt from the death of George Washington. 2020. PMID: 32513057.
📌 免责与边界
本文为公开访谈内容的核查整理，不构成心理治疗建议，也不构成对任何具体治疗师或机构的评价。文中引用的效应量来自不同研究设计与不同人群，不可直接横向相加，也不能用来预测任何个人接受治疗后的结果。是否开始、更换或终止心理治疗，请与你的治疗师讨论，必要时寻求具备资质的医疗专业人士意见。涉及安全风险或危机状态时，请直接联系当地紧急服务或危机干预热线。
最后一句留给访谈本身：它把「治疗有效」和「治疗能被测量」摆在同一张桌子上，这个对照是对的。错的是把一项准实验的倍数和一批随机试验的结果并成了一句话——而这位嘉宾自己写过一篇论文，讲的正是不要这么读元分析。