Digitale strategier til at fremme hjælpsøgning - Mål 3

Dette forslag har til formål at etablere et digitalt laboratorium med fokus på at fremme hjælpsøgende og fremskynde behandlingsstart hos unge (aldre 13-26), som er i klinisk højrisiko (CHR) for at udvikle psykose. På trods af implementeringen af ​​evidensbaserede tidlige interventionstjenester i hele USA, venter CHR-unge måneder til år mellem symptomdebut og modtagelse af pleje, hvilket resulterer i væsentligt dårligere resultater. Nuværende CHR-identifikationsstrategier har været afhængige af dyre, ineffektive og forældede ressourcer. Globale bestræbelser på at fremskynde behandlingsstart hos CHR-unge har katalyseret en hidtil uset efterspørgsel efter innovative digitale sundhedsløsninger, der sigter mod at øge adgangen til tilgængelige og effektive behandlingsmuligheder. At søge online repræsenterer et af de første proaktive skridt mod behandlingsinitiering, men meget lidt forskning til dato har informeret om, hvordan man bedst kan støtte CHR-unge, når de engagerer sig i kritiske tidlige online-hjælpesøgende skridt hen imod pleje.

For at løse dette vidensgab involverer denne undersøgelse et partnerskab mellem Mental Health America (MHA), verdens største online-organisation for mental sundhed screening og fortalervirksomhed, Strong365, et online ressourcecenter dedikeret til undervisning i tidlig psykose og plejenavigation, Accelerating Medicines Partnership - Schizofreni (AMP-SCZ), et NIH-finansieret netværk af CHR-programmer på tværs af USA, og fire akademiske partnere med ekspertise i vurdering og ledelse af CHR-ungdom (Columbia, UCSF, UCD) online psykosescreening og plejenavigation (Columbia, UCD) og digital mental sundhed engagement (UW, Columbia). Med udgangspunkt i MHA's forskningspartnerskab fokuseret på digital mental sundhed engagement (R01MH125179), udnytter denne tilgang Health Action Process Approach (HAPA) modellen, som beskriver, hvordan individer bevæger sig fra intention til handling, når de overvejer adfærdsændringer. Denne undersøgelse vil først karakterisere hjælpsøgende undertyper hos 25.000 unge, som scorer over tærsklen for psykoserisiko på Prodromal-Spørgeskemaet (PQ-B), på MHA's nationale screeningsplatform. Dernæst vil efterforskerne bruge dette store datasæt til at etablere den PQ-B-score, der er mest effektiv til at identificere CHR-ungdom online, givet at risikoen for falske positiver kan være højere ved online selvscreening, og at optimale tærskler kan variere afhængigt af prøveprævalens , befolkning og omgivelser. Efterforskerne vil derefter iterativt udvikle og teste teori og datadrevne digitale strategier ved hjælp af en række Micro Randomized Trials (MRT) designet til at fremme søgning af hjælp hos CHR-unge fra præ-intention til intention, fra intention til handling og fra handling til super -handling ved direkte at engagere HAPA-målmekanismer: self-efficacy, opfattede behov/risici og resultatforventninger. De specifikke mål og hypoteser omfatter:

Mål 1: Karakteriser hjælp-søgende mønstre hos 25.000 unge, der scorer over PQ-B-tærsklen. H1a: Unge vil gruppere sig i (1) pre-intenders (tag PQ-B og engagere sig i pædagogisk indhold), (2) intenders (initiere en tekstudveksling med en Strong365 peer-navigator (3) aktører (gå videre fra sms til klinisk vurdering med en Strong365-kliniker over telefon/video) og (4) superskuespillere (fremskridt fra vurdering til AMP-SCZ-indtag). Data vil omfatte online metadata (tid brugt online, antal sete ressourcer, tid brugt til at fuldføre PQ-B, antal påbegyndte/udvekslede tekster), selvrapportering (demografi, symptomtype og sværhedsgrad, PQ-B-score, mål/ behov, self-efficacy) og naturligt sprog. H1b (kun Strong365): Naturlig sprogbehandling (NLP) af data udtrukket fra deltager/udbyder-interaktioner over tekst og video vil identificere sproglige markører for HAPA-stadier: intender, skuespiller, super-skuespiller. Modeller baseret på HAPA-stadier vil sammen med adfærdsmæssige egenskaber (dvs. beskedtiming, frekvens, responsforsinkelse) forudsige fremskridt, der søger hjælp vs. frigørelse. Top prædiktive funktioner vil blive brugt til at informere udformningen af ​​hjælp-søgende fremskridtsstrategier, der skal testes i MRT'er (Mål 3).

Mål 2: For at sikre, at de, der gennemfører PQ-B, bliver rettet korrekt, vil denne undersøgelse etablere den mest nøjagtige tærskel for at identificere CHR online. H2: Ved hjælp af data fra populationsbaseret PQ-B-screening forudsiger efterforskerne, at en total distress-score på 20+ vil generere det højeste diagnostiske odds-forhold med en sensitivitet på mindst 80 % online, som bestemt ved klinisk fjernvurdering. I resten af ​​undersøgelsen vil tærskelscoren, der maksimerer specificitet og sensitivitet, blive brugt.

Mål 3: Iterativt udvikle, teste og udvælge de mest effektive, hjælpsøgende fremskridtsstrategier ved hjælp af MRT'er i 25.000 unge, på 3 tidspunkter langs vejen til omsorg, når de unge er mest tilbøjelige til at trække sig fra (efter PQ-B-afslutning, post-sms med en peer-navigator, post fjern klinisk vurdering). H3a: Digitale strategier på PQ-B resultatsiden vil fremme unge fra online screening alene til sms (pre-intender to intention). Strategier til at forbedre opgavens selveffektivitet og resultatforventninger vil være mere effektive end information efter screening som normalt. H3b: Automatiserede digitale strategier leveret via tekst vil fremme unge fra sms til fjern klinisk vurdering (intender to actor). Strategier til at forbedre opgavens selveffektivitet og resultatforventninger vil være mere effektive end kontrolbeskeder. H3c: Automatiserede digitale strategier leveret over tekst vil fremme unge fra vurdering til AMP-SCZ-indtagelse og behandlingsstart, når det er indiceret (skuespiller til superskuespiller). Strategier til at forbedre selveffektiviteten ved vedligeholdelse og genopretning vil være mere effektive end kontrolmeddelelser.