Brug af datavidenskab til at centrere patientperspektiver i mekanismeopdagelse (CPP)

Efterspørgslen efter omkostningseffektive, nye, skalerbare traumefokuserede interventioner er høj. Forekomsten af ​​posttraumatisk stresslidelse (PTSD) og kompleks PTSD i amerikanske samfunds mentale sundhedsklinikker anslås at være så høj som 50 %. Alligevel er respons-heterogeniteten til PTSD-interventioner fortsat høj, med ikke-responsrater på 50-60 % og frafaldsrater for traditionelle interventioner (dvs. kognitive adfærdsmæssige, eksponeringsterapier) på 30-40 %. Desuden er forskningspopulationer i typiske trinvise, effektivitetsdrevne kliniske forskningsforsøg ofte karakteriseret ved strenge eksklusionskriterier og lav repræsentation fra underrepræsenterede samfund. Den homogene karakter af effektivitetsbaserede forskningspopulationer skaber et ufuldstændigt billede, især i den offentlige sektor og lokalsamfundsbaserede mentale sundhedsfaciliteter. Undersøgelser har antydet, at denne homogenitet ikke kun begrænser effektiviteten på tværs af forskellige befolkningsgrupper, men kan bidrage til at forværre sundhedsforskelle.

At engagere patientperspektiver er afgørende for forskning, fordi det kan give indsigt i respons heterogenitet og engagement, hvilket i sidste ende fører til en forståelse af mekanismer og skabe mere patientcentrerede interventioner. En måde at centrere patientens stemme og øge potentialet for at identificere unikke forandringsmekanismer for en ny terapi, er at bruge kvalitative interviews, fordi det har direkte adgang til den levede oplevelse og dens kontekst. På trods af de potentielle fordele ved at bruge kvalitative data i trinvise randomiserede kontrolforsøg, består adskillige forhindringer, herunder ressourcebegrænsninger, manglende evne til at kvantificere interaktive elementer og bekymringer vedrørende den praktiske værdi af den indsamlede information. Innovative metoder, der pålideligt og hurtigt uddrager værdiladede, relevante temaer og skelner non-verbale samtaleelementer, kan lette integrationen af ​​patientoplevelse og inddragelse af deres perspektiver i kliniske interventionsforsøg.

Denne enkeltarmsundersøgelse har til formål at evaluere gennemførligheden af ​​at bruge naturlig sprogbehandling (NLP) og dyb læring til at identificere potentielle mekanismer for PTSD-symptomændringer fra patientinterviews. Undersøgelsen vil bruge igangværende kohorter fra en klinisk service, der tilbyder en 16-ugers, live-online gruppeterapimodel (og supplerende individuelle terapisessioner) kaldet Program For Alleviating And Resolving Trauma and Stress (PARTS), der bruger IFS-modellen. Efterforskerne vil bruge en konvergent blandet metode, der anvender maskinlæring og naturlig sprogbehandling til at udvikle modeller, der identificerer potentielle forandringsmekanismer.

Analyse: Vi vil bruge flere forskellige metoder til at udvikle vores modeller, herunder Latent Dirichlet Allocation, præ-trænede sprogmodeller, transfer learning (tilbagevendende neurale netværk, generativt modstridende netværk) og straffede regressionsbaserede modeller. Disse modeller vil bruge data udledt fra patientperspektiver på psykologisk forandring, som udtrykt i interviews, og vil blive sammenlignet med modeller afledt af kliniske mål. Vi vil bruge standardpræstationsmålinger og krydsvalideringsscore til at evaluere modellernes sammenlignende præstation. Som et udforskende mål vil vi evaluere gennemførligheden af ​​at bruge funktioner afledt af sprogbehandlingsmodeller og kliniske foranstaltninger til at forudsige individuelle terapibesøg efter intervention. De udforskende data vil også omfatte strukturerede kliniske data, sociale determinanter for sundhed og terapibaseret udnyttelse (datoer, udbydertype, længde).

Forventede resultater: Udviklingen af ​​to validerede modeller: den ene afledt af patientinterviewdata og den anden baseret på kliniske mål for omfattende identifikation af ændringsmekanismer fra gruppebaserede terapimodeller af IFS for PTSD.