Personlig forebyggelse af depression i primærpleje

Hovedmålet er at designe, udvikle og evaluere en personlig intervention til forebyggelse af depression baseret på informations- og kommunikationsteknologi (IKT), risikoprædiktive algoritmer og beslutningsstøttesystemer (DSS) til patienter og praktiserende læger (praktiserende læger). De specifikke mål er 1) at designe og udvikle en DSS, kaldet e-predictD-DSS, for at udarbejde personlige planer for at forhindre depression; 2) at designe og udvikle en IKT-løsning, der integrerer DSS på nettet, en mobilapplikation (App), den risikoprædiktive algoritme, forskellige interventionsmoduler og et overvågnings-feedback-system; 3) at evaluere anvendeligheden og overholdelsen af ​​primærplejepatienter og deres praktiserende læger med e-predictD-interventionen; 4) at evaluere effektiviteten af ​​e-predictD-interventionen for at reducere forekomsten af ​​svær depression, depression og angstsymptomer og sandsynligheden for svær depression næste år; 5) at evaluere omkostningseffektiviteten og omkostningseffektiviteten af ​​e-predictD interventionen for at forhindre depression.

Metoder: Dette er et randomiseret kontrolleret forsøg med tildeling efter klynge (praktiserende læger), simpel blind, to parallelle arme (e-predictD vs "active m-Health control") og 1 års opfølgning inklusive 720 patienter (360 i hver arm) og 72 praktiserende læger (36 i hver arm). Patienter vil være fri for svær depression ved baseline og i alderen mellem 18 og 55 år. Det primære resultat vil være forekomsten af ​​svær depression efter 12 måneder målt ved CIDI. Som sekundære resultater: depressiv og angstsymptomatologi målt ved PHQ-9 og GAD-7 og risikosandsynligheden for depression målt ved forudsig D-algoritme, samt omkostningseffektivitet og omkostningseffektivitet. e-predictD-interventionen er multikomponent, og den er baseret på en DSS, der hjælper patienterne med at udarbejde deres egne personlige depressionsforebyggelsesplaner, som patienten godkender og implementerer, og systemet overvåger giver feedback til patienten og til de praktiserende læger. . Det er en e-Health intervention, fordi den er baseret på en web og m-Health, fordi den også er implementeret på patientens smartphones gennem en App. Derudover integrerer den en risikoalgoritme for depression, som allerede er valideret (predictD-algoritmen). Det omfatter også en indledende praktiserende læge-patientsamtale og en specifik træning for den praktiserende læge. Endelig vil et kort over potentielt nyttige lokalsamfundsressourcer til at forebygge depression blive integreret i DSS.