VYDRŽET. Podpisový projekt centra Alacrity

Komunitní vysoké školy poskytují zásadní cestu pro rozvoj pracovní síly a socioekonomický zisk, ale tato příležitost je zmírněna nenaplněnou potřebou služeb duševního zdraví, zejména pro depresi a úzkost, a zejména pro studenty z rasových/etnických menšin. Škálovatelný a účinný systém péče, který řídí potřeby duševního zdraví ve shodě s determinanty sociálního duševního zdraví, je velmi potřebný. Alacrity Center si klade za cíl implementovat systém péče STAND, který prověřuje a léčí úzkost a depresi, pro vysoce různorodou komunitní vysokoškolskou populaci. STAND třídí na různé úrovně péče, od samořízené online prevence, přes koučem vedenou online kognitivně behaviorální terapii (CBT) až po péči poskytovanou lékařem. Po počátečním třídění provádí STAND úpravy na úroveň péče po celou dobu zápisu do studie (např. přesune na vyšší úroveň péče během akutní léčby). Tato rozhodnutí o třídění a adaptaci jsou v současnosti založena na aktuální závažnosti symptomů. Taková rozhodnutí lze optimalizovat pomocí komplexních algoritmů založených na datech, které předpovídají potřebu určité úrovně péče a přizpůsobení se úrovni péče v průběhu léčby, a zejména algoritmy, které jsou vhodné pro potřeby studentů vysokých škol s nedostatečnou obsluhou, kteří čelí značným životním stresorům. .

Cílem Signature Project je vyhodnotit klinické rozhodovací algoritmy pro (a) třídění na úroveň péče a (b) přizpůsobení úrovně péče u nízkopříjmového vysoce různorodého vzorku komunitních vysokoškolských studentů na East Los Angeles College (ELAC). ). Konečným cílem je zlepšit efektivitu STAND a posunout vědu o personalizovaném duševním zdraví. Porovnáme standardní přístup, který se opírá pouze o závažnost příznaků, s přístupem k rozhodování založeným na datech, který používá mnohorozměrné prediktivní algoritmy složené ze základních statických a časově proměnných funkcí ze čtyř překrývajících se a vzájemně se posilujících teoretických konstruktů: (1) sociální determinanty duševní zdraví (zaměstnání, příjem, zabezpečení bydlení a potravin, diskriminace, sociální podpora, rasa/etnická příslušnost, akulturace, imigrační status, pohlaví, sexuální orientace); (2) časné nepříznivé a životní stresory; (3) predispozice, umožnění a potřeba vlivů na využívání zdravotnických služeb; a (4) komplexní stav duševního zdraví (deprese, úzkost a závažnost sebevražd, komorbidity, neurokognitivní funkce, dysregulace emocí, použití regulační strategie, historie léčby a preference, sociální, pracovní, domácí a akademické fungování). Zastřešujícím návrhem je randomizovat studenty ELAC buď do rozhodování o závažnosti symptomů (SSD) nebo rozhodování na základě dat (DDD), a vyhodnotit, zda DDD zlepšuje adherenci k léčbě, symptomy a fungování.

Účastníci budou zapsáni v prvních dvou až čtyřech měsících akademického roku na ELAC. Cílový počet účastníků je 200 ročně po dobu pěti let (n = 1000 celkem). Účastníci jsou současní studenti ELAC ve věku 18-40 let. Prediktory a výsledky budou hodnoceny na začátku a buď týdně nebo každých 8 týdnů až do 40. týdne. Vícerozměrné predikční modely budou použity pro počáteční úroveň třídění péče a pozdější úpravy úrovně péče na základě komplexního souboru proměnných, u kterých bylo prokázáno, že řídí současné potřeby duševního zdraví. Účastníci vyplní počítačová hodnocení a self-report dotazníky. Celková délka účasti je 40 týdnů.