Due item bastano? Scale ultra-brevi e personalizzazione nella salute mentale digitale

C'è un momento preciso, in ogni app di salute mentale, in cui l'utente decide se restare o andarsene. Di solito arriva subito, quando compare il primo questionario. Chiediamo di rispondere a quaranta, sessanta, a volte cento item prima ancora di aver offerto qualcosa. E la persona che abbiamo di fronte, spesso, è già affaticata: sta cercando aiuto proprio perché la sua capacità di attenzione e la sua motivazione sono sotto pressione. Le chiediamo uno sforzo cognitivo importante nel momento in cui ne ha di meno.

Un recente viewpoint pubblicato sul Journal of Medical Internet Research (Yeung, Tong, Zhao e Mak, 2026) mette il dito su questa tensione e propone una via che a molti colleghi suonerà quasi eretica: ridurre le scale psicologiche a versioni ultra-brevi, due-quattro item, per rendere davvero praticabile la personalizzazione dei percorsi digitali.

La promessa della personalizzazione e il suo costo nascosto

L'idea che «una misura non va bene per tutti» è ormai patrimonio condiviso. Messaggi, nudge, interfacce e interventi funzionano meglio quando sono calibrati sulla persona, e diverse meta-analisi lo confermano in vari ambiti della salute digitale. Nella salute mentale, però, le evidenze sono più contrastate: alcuni studi mostrano un vantaggio dei servizi personalizzati, altri non rilevano differenze nette tra condizioni con e senza personalizzazione. Il quadro resta aperto, anche perché gli studi che confrontano davvero le due condizioni sono ancora pochi.

C'è poi un limite più sottile, che riguarda su cosa personalizziamo. Finora ci siamo appoggiati soprattutto a variabili demografiche e sintomatologiche: gravità della depressione, dell'ansia, diagnosi clinica. Sono informazioni che molte persone percepiscono come sensibili, e che spesso danno risultati incoerenti quando le usiamo per adattare un percorso. Gli attributi cognitivi, motivazionali e decisionali — il modo in cui una persona ragiona, sceglie, si lascia convincere — restano invece largamente inesplorati, pur essendo profondamente umani e strettamente legati alle decisioni di salute.

Il problema pratico è la lunghezza. Per intercettare più caratteristiche psicologiche servirebbero decine, a volte centinaia di item. E qui torniamo alla persona affaticata davanti allo schermo, che semplicemente abbandona.

Meno item, misurati sul serio

La proposta è accorciare le scale in modo drastico ma non ingenuo, mantenendo affidabilità e validità accettabili attraverso passaggi empirici espliciti. Il precedente più noto lo conosciamo tutti: dal PHQ-9 e dal GAD-7 sono nati il PHQ-4 e le versioni a due item, PHQ-2 e GAD-2, oggi usati in molte piattaforme come screening rapido. Se funziona per i sintomi, l'argomento degli autori è che possa funzionare anche per attributi non sintomatologici, aprendo un ventaglio di dimensioni su cui costruire la personalizzazione.

Gli autori passano in rassegna i metodi disponibili per accorciare una scala, ciascuno con i suoi presupposti:

• Analisi fattoriale (FA): si selezionano gli item con le saturazioni più alte. È l'approccio più accessibile e regge anche con campioni contenuti.
• Item Response Theory (IRT): seleziona in base a precisione di misura, informazione e capacità discriminante di ogni item, ma richiede campioni ampi, indicativamente oltre 500 partecipanti.
• Ant Colony Optimization (ACO): algoritmi metaeuristici che cercano la combinazione di item con il miglior adattamento; più potenti in presenza di più fattori, ma esigenti in termini di campione e competenze.
• Machine learning (algoritmi genetici): massimizzano la validità predittiva, ma richiedono migliaia di partecipanti.
• Regressione moderata a livello di item: si tengono i due-quattro item che interagiscono di più con le condizioni dell'intervento.

Quest'ultimo metodo è quello che gli autori valorizzano di più, e per una ragione che tocca il cuore della questione clinica.

La differenza tra predire e personalizzare

Qui c'è la distinzione più preziosa dell'intero lavoro. Un modello può predire con il 90% di accuratezza chi si impegnerà in un percorso, senza dirci nulla su come influenzarlo. La personalizzazione vera vive di un'altra domanda: quale intervento specifico produrrà il miglioramento in questa persona? È una domanda che richiede eterogeneità degli effetti, cioè un'interazione statistica tra caratteristica individuale e tipo di intervento.

Gli autori lo illustrano con un esperimento su 166 giovani adulti, confrontando messaggi narrativi con messaggi basati su evidenze di ricerca per incoraggiare un esercizio di respirazione. Chi aveva uno stile di pensiero più esperienziale e uno stile decisionale intuitivo rispondeva meglio ai messaggi narrativi; per chi aveva uno stile esperienziale più basso, i messaggi basati su evidenze tendevano a funzionare meglio. Selezionando i due item con l'interazione più forte, la mini-scala riproduceva lo stesso pattern di moderazione della scala completa. Due domande, in pratica, catturavano ciò che serviva per decidere quale messaggio mostrare.

Ripensare l'affidabilità

Chi ha una formazione psicometrica solida a questo punto storce il naso: due item non possono essere affidabili. E in effetti l'alfa di Cronbach, applicato a una scala cortissima, precipita. Il punto è che precipita per costruzione: la formula penalizza matematicamente la brevità, senza che questo significhi necessariamente che la scala misuri male. Una scala a tre item con correlazioni inter-item di 0,50 dà un alfa di 0,75; con dieci item e le stesse correlazioni si arriverebbe a 0,91. È il numero di item a spingere il valore verso il basso.

Gli autori suggeriscono di cambiare indicatore. Per le scale ultra-brevi conta la correlazione media inter-item, idealmente intorno a 0,30 (con una tolleranza di 0,15-0,20), letta però insieme alla copertura del costrutto e alla stabilità test-retest. Per la validità, quando gli item sono almeno tre si può usare l'analisi fattoriale confermativa; con soli due item il modello è saturato e va verificato incrociando più dataset. L'affidabilità smette così di essere un numero-soglia da esibire e torna a essere un giudizio articolato.

Quando è meglio non accorciare

Il viewpoint ha il pregio di indicare anche i propri limiti. Le scale ultra-brevi sono sconsigliate quando il costrutto è multidimensionale — la mindfulness, con le sue componenti cognitive, affettive e comportamentali, è l'esempio citato — o quando serve comparabilità standardizzata, come un cut-off diagnostico condiviso tra studi e servizi. Sono premature quando il costrutto è ancora teoricamente instabile: senza una cornice chiara, tagliare item rischia di eliminare indicatori essenziali. In questi casi la priorità resta la chiarificazione concettuale, prima della potatura.

Un framework a tre livelli

Per orientarsi, gli autori propongono una decisione in tre passaggi. Primo: definire l'obiettivo. Se vogliamo replicare la struttura di un assessment completo, meglio FA o IRT; se vogliamo prevedere comportamenti, meglio approcci algoritmici; se vogliamo personalizzare, servono le analisi di moderazione a livello di item. Secondo: considerare i vincoli metodologici, cioè dimensionalità del costrutto e numerosità del campione disponibile. Terzo: validare sul serio, con campioni multipli, controlli split-sample o longitudinali, e triangolazione tra metodi. Un dato colpisce: il PHQ-4 spiega tra l'80% e il 90% della varianza degli esiti depressivi e ansiosi rispetto al PHQ-9 e al GAD-7 completi, con perdita minima di accuratezza classificatoria.

Il nodo etico: consenso e autonomia

La parte che trovo più importante riguarda il consenso e l'autonomia. Personalizzare su pochi item resta un'operazione che tocca dati personali, e va spiegata con trasparenza: cosa si raccoglie, come, per quale scopo. L'utente dovrebbe poter scegliere tra diversi metodi di personalizzazione, combinarli, oppure rinunciarvi del tutto, e poter cambiare idea in seguito, cancellando o modificando i propri dati. È il principio di minimizzazione dei dati dell'articolo 5 del GDPR applicato alla lettera.

C'è anche un rischio più insidioso, quello del bias algoritmico. Quando la personalizzazione si fonda solo su correlazioni, caratteristiche come età, genere o istruzione possono guidare le raccomandazioni senza che ce ne accorgiamo, producendo un adattamento diseguale. Gli autori richiamano perfino il fenomeno della monofilia, per cui gli attributi di una persona si possono inferire dalle sue connessioni sociali. Personalizzare bene significa anche vigilare su cosa i dati stanno silenziosamente decidendo al posto nostro.

Cosa ci portiamo a casa

Per chi come me costruisce strumenti digitali per psicologi, questo lavoro offre un principio operativo chiaro e insieme una cautela. Il principio: la ricchezza di una personalizzazione non si misura in numero di item somministrati, ma nella capacità di individuare le pochissime domande che davvero orientano una scelta clinica. La cautela: gli stessi autori ammettono che la base empirica è ancora sottile, basata su un singolo campione, senza test-retest confermato. È una direzione promettente, da maneggiare come tale.

Resta però una domanda che vale la pena tenere aperta nel nostro lavoro quotidiano, dentro e fuori dal digitale. Ogni volta che chiediamo a una persona di compilare qualcosa, stiamo misurando ciò che serve a lei, o ciò che rassicura noi? La brevità, quando è fatta bene, diventa una forma di rispetto per il tempo e la fatica di chi ci sta chiedendo aiuto.

Fonte: Yeung SK, Tong ACY, Zhao H, Mak WWS. Using Ultra-Abridged Individual Difference Scales for Personalization in Digital Mental Health to Improve Uptake, Engagement, and Experiences: Three-Tiered Decision Framework for Scale Shortening. J Med Internet Res 2026;28:e80662. doi:10.2196/80662