Jenseits der Wirksamkeit – Hervorrufen der Präferenz für persönliche und internetbasierte Psychotherapie bei Menschen mit Depression
Jenseits der Wirksamkeit - Hervorrufen der Präferenz für persönliche und internetbasierte Psychotherapie bei Menschen mit Depressionen: Verwendung des Discrete-Choice-Experiments zur Förderung der zukünftigen Implementierung von Diensten
Das Ziel dieser Studie ist es, die Evidenzbasis zu den Präferenzen der Klienten für Psychotherapie zu stärken und die beschriebenen Literaturlücken zu schließen, um die Umverteilung von Ressourcen im öffentlichen Gesundheitswesen und die Implementierung psychologischer Dienste zu informieren.
Die Forscher wollen folgende Forschungsfragen beantworten:
- Welche psychologischen Serviceattribute üben den größten Einfluss auf die Servicenutzungsentscheidungen aus?
- Können Befragte aufgrund ähnlicher Präferenzprofile durch latente Klassen repräsentiert werden?
- Welche Attribute üben den größten Einfluss auf die Service-Usage-Entscheidungen jeder latenten Klasse aus?
- Werden Menschen mit Depressionen eine internetbasierte Psychotherapie in Anbetracht der langen Wartezeiten und hohen Kosten einer konventionellen Psychotherapie von Angesicht zu Angesicht annehmen?
Um die oben genannten Fragen systematisch anzugehen, werden folgende spezifische Forschungsziele definiert:
- Untersuchung der relativen Bedeutung einer Reihe von Merkmalen psychologischer Dienste (z. B. Liefermodalität, Wartezeit, Selbstbeteiligung, Anonymität und Überweisungsmethoden) für die Auswahl psychologischer Dienste mit DCE.
- Segmente von Menschen mit Depressionen mit unterschiedlichen Dienstleistungspräferenzen unter Verwendung des latenten Klassenmodells zu identifizieren, da die relative Gewichtung der Dienstleistungspräferenzen je nach demografischen (z. B. Geschlecht, Alter, sozioökonomischer Status, Schweregrad der Depression) und psychologischen Merkmalen (z. B. Hilfesuchende Stigmatisierung) variieren kann ; Und
- da DCEs in verbesserte Dienste übersetzt werden müssen, um wirklich nützlich zu sein, und in Bezug auf das aufkommende Interesse an der Entwicklung digitaler psychischer Gesundheitsdienste für Menschen mit Depressionen, um das Problem der langen Wartezeiten und Kosten bei der Psychotherapie von Angesicht zu Angesicht zu lösen, Mithilfe einer Reihe von statistischen Simulationen wollen wir den Prozentsatz der Menschen mit Depressionen in jedem latenten Klassensegment schätzen, die eine Psychotherapie mit vordefinierten Paketen mit Behandlungsattributen anwenden würden.
Studienübersicht
Status
Status
Bedingungen
Bedingungen
Detaillierte Beschreibung
1.1 Depression und internetbasierte Psychotherapie als Weg zur Verbesserung des Zugangs zu medizinischer Versorgung Depression ist eine häufige psychische Störung mit einer Prävalenz von 8,8 %. Sie ist mit einer erheblichen Beeinträchtigung der Lebensqualität verbunden, wird von der WHO weltweit als drittwichtigste Ursache für die Krankheitslast eingestuft und wird bis 2030 den 1. Platz einnehmen(1). Nichtsdestotrotz waren 55,3 % der Menschen mit Depressionen nicht bereit, professionelle Hilfe für Depressionen in Anspruch zu nehmen(2), und die mittlere Dauer der Verzögerung bei der Behandlung reicht von 2 bis 8 Jahren(3,4). Obwohl eine Bevorzugung einer Psychotherapie gegenüber einer pharmakologischen Behandlung durchweg offensichtlich war(5), sind Hindernisse für eine herkömmliche Psychotherapie von Angesicht zu Angesicht, wie z. und Gefühle der Verlegenheit (6) halten viele davon ab, eine Behandlung in Anspruch zu nehmen und sich daran zu halten. Schlimmer noch, die Zahl der Menschen mit psychischen Störungen übersteigt bei weitem die Ressourcen, die in traditionellen Modellen der Durchführung von Psychotherapie verfügbar sind(7). Daher müssen wirksame Psychotherapien zunehmend kostengünstiger verfügbar gemacht werden, indem das Internet als alternative Servicemodalität genutzt wird(8). Forschungsergebnisse deuten darauf hin, dass die weniger arbeitsintensiven internetbasierten Psychotherapien eine wirksame Strategie zur Verbesserung der psychosozialen Dienste und zur Verringerung der Belastung des Gesundheitssystems zu sein scheinen. Zahlreiche klinische Studien belegen die Wirksamkeit internetbasierter Psychotherapien bei der Behandlung von Depressionen. Eine systematische Überprüfung von 32 randomisierten kontrollierten Studien zur Bewertung der internetbasierten kognitiven Verhaltenstherapie bei Depressionssymptomen bei 5642 Teilnehmern ergab eine mittlere Effektgröße von g = 0,67 (8). Eine kürzlich durchgeführte Metaanalyse ergab auch, dass die internetbasierte kognitive Verhaltenstherapie vergleichbare Wirkungen wie die traditionelle Face-to-Face-Psychotherapie hat, selbst wenn sie direkt miteinander verglichen werden(9).
1.2 Jenseits der Wirksamkeit, die Bedeutung der Präferenz bei klientenzentrierten Diensten Trotz der zunehmenden Beweise für die Äquivalenz der Wirksamkeit bei der Nutzung des Internets zur Bereitstellung von Psychotherapie im Vergleich zu seinem Gegenstück von Angesicht zu Angesicht, eine wesentliche Voraussetzung, um das volle Potenzial eines jeden zu verwirklichen Eine wirksame Behandlung besteht darin, dass Einzelpersonen bereit sind, sie zu nutzen. Dieser Vorschlag steht im Einklang mit der Diffusion of Innovation Theory und der Unified Theory of Acceptance and Use of Technology; potenzielle Anwender müssen vor Beginn und Aufnahme der neuartigen Behandlung ein angemessenes Maß an Servicepräferenz und -akzeptanz aufweisen(10). Im Bewusstsein der Übertragungsprobleme (z. B. schlechte Aufnahme), die von Wirksamkeitsstudien in die reale Welt und die Anerkennung auftreten dass Gesundheitsinterventionen für mehr als nur klinische Gesundheitsergebnisse geschätzt werden(11), Forschung zum Verständnis der Patientenversorgung in Gesundheitsdiensten hat sich in den letzten zwei Jahrzehnten verzehnfacht(12). Tatsächlich führt die Einbeziehung der Patientenpräferenzen in die Bestimmung der besten Versorgung nicht nur zu einer besseren Umsetzung der Dienstleistungen, sondern fördert auch politische Entscheidungen, die die Werte der Patienten berücksichtigen(13). Unerfüllte Präferenzen erklären teilweise die suboptimale Aufnahme und schlechte Adhärenz der Psychotherapie bei Major Depression(14,15). Die Adressierung der Präferenzen der Klienten für Psychotherapien könnte dazu beitragen, die Behandlungslücke zu schließen, indem politische Entscheidungen gelenkt und die in der Gesellschaft angebotenen psychologischen Dienste umstrukturiert werden(11). Die Charakterisierung und Priorisierung der Nachfrage potenzieller Dienstleistungsnutzer nach evidenzbasierten Psychotherapien könnte Einblicke in so wichtige und praktische Fragen wie "Für wen sollte internetbasierte Psychotherapie implementiert werden?", "Wie sollten Ressourcen zwischen internetbasierten und persönlichen Diensten aufgeteilt werden, um den Präferenzen der Benutzer gerecht zu werden?" "Kann die neue Servicemodalität Menschen erreichen, die stark stigmatisiert sind oder die es vorziehen, ihre psychische Gesundheit anonym über ein Online-Programm zu verwalten?(16)". Es überrascht nicht, dass die Forschung herausgefunden hat, dass die Berücksichtigung der Patientenpräferenzen bei der Behandlungsplanung zu einer verbesserten Nutzung der Dienste und weniger Abbrechern führen könnte(17). Die britischen nationalen Gesundheitsdienste erklärten auch ausdrücklich, dass ihre „Dienste die Bedürfnisse und Präferenzen der Patienten widerspiegeln und darauf abgestimmt und darauf zugeschnitten sein sollten“. Darüber hinaus wird die Achtung der Autonomie und Selbstbestimmung der Benutzer in internationalen Ethikkodizes anerkannt, einschließlich denen der American und der Australian Psychological Society. Die Patientenpräferenz wurde auch im Bericht des Institute of Medicine, Crossing the Quality Chasm, als eines der sechs Ziele für ein qualitativ hochwertiges neues Gesundheitssystem für das 21. Jahrhundert identifiziert.
1.3 Verwendung des Discrete-Choice-Experiments (DCE) zum Verständnis von Klientenpräferenzen Bisher wurden Klientenpräferenzen in psychologischen Diensten hauptsächlich unter Verwendung qualitativer Methoden oder quantitativer Akzeptanz- oder Einstellungsmessungen bewertet(18). Studien deuten darauf hin, dass die mittlere Präferenzstärke der internetbasierten Psychotherapie geringer war als bei der traditionellen Psychotherapie, jedoch vergleichbar mit der von Medikamenten. Ein beträchtlicher Teil der Menschen mit Depressionen (38 %) gab an, dass sie wahrscheinlich oder sehr wahrscheinlich internetbasierte Interventionen in Betracht ziehen würden (18). Mehr als ein Drittel derjenigen, die traditionelle persönliche Ansätze bevorzugen, gab an, dass sie in Zukunft wahrscheinlich Online-Dienste nutzen werden(19). In einer kürzlich durchgeführten Präferenzstudie in Kanada, obwohl die meisten postsekundären Studenten eine Psychotherapie von Angesicht zu Angesicht gegenüber dem digitalen Dienst für psychische Gesundheit bevorzugten, entschied sich ein größerer Prozentsatz der Studenten für eine internetbasierte Psychotherapie, wenn sie mögliche Wartezeiten in Betracht zogen, anstatt auf eine persönliche Behandlung zu warten -Gesichtspsychotherapie (20). Obwohl Präferenzstudien mit einfachen Likert-Skalen-Bewertungen einen gewissen Einblick in den wünschenswerten Service lieferten, fehlten ihnen Details zu den zugrunde liegenden Attributen, die die Benutzerpräferenzen steuern, und sie bewerteten die relative Bedeutung der einzelnen Attribute nicht quantitativ (z. B. „Ist die Behandlungsmodalität, Wartezeit?“) , oder kosten das wichtigste?') oder das Ausmaß, in dem Kunden bereit wären, ein Behandlungsmerkmal gegen ein anderes abzuwägen (z. B. „Wären Kunden bereit, Dienstleistungen über das Internet statt persönlich zu erhalten, wenn dies die Kosten/Wartezeit reduziert?“). Ohne diese Informationen haben Forscher und politische Entscheidungsträger nur eine begrenzte Anleitung, wie sie am besten die besten Dienstleistungen gestalten können, die sich an den Kundenpräferenzen orientieren.
Eine Alternative zu Präferenzstudien ist das Discrete-Choice-Experiment (DCE), das verwendet werden kann, um die Präferenzen der Kunden quantitativ, experimentell und systematisch zu verstehen. DCE ist eine gültige, zuverlässige und weit verbreitete Erhebungsmethodik zur Ermittlung der Patientenpräferenzen für die Gesundheitsversorgung(21). DCE basiert auf der Zufallsnutzentheorie, die davon ausgeht, dass Individuen Attribute auswählen, die den Optionsnutzen maximieren. In DCE werden die Befragten gebeten, eine Reihe von hypothetischen Auswahlaufgaben zu erledigen (siehe z. B. Abbildung 2). Innerhalb jeder Aufgabe wählen die Befragten ihre bevorzugte Option aus Alternativen mit unterschiedlichen Servicemerkmalen aus. DCE ist analog zur Entscheidungsfindung in der realen Welt und bietet Vorteile gegenüber traditionellen Umfragemethoden, indem es oberflächliche Entscheidungsfindung, Halo-Effekt und Verzerrungen durch soziale Erwünschtheit reduziert und ein besseres Verständnis der zugrunde liegenden Gründe für Wahlverhalten ermöglicht (22). Ratings ergeben oft hohe Punktzahlen für günstige Attribute, was den allgemeinen Wunsch nach Dienstleistungen widerspiegelt, die alle positiven Eigenschaften umfassen. Die Ressourcenknappheit erfordert jedoch häufig Kompromisse zwischen Attributen, und DCE könnte wichtige Informationen liefern, um die Entscheidungsfindung von Diensten darüber zu informieren, welche Dienstattribute für Verbesserungen priorisiert werden sollen(21). Bemerkenswerterweise ist DCE einfach zu verabreichen, wobei Studien zeigen, dass Personen mit schweren psychischen Erkrankungen in der Lage sind, DCE abzuschließen und rationale Entscheidungen zu treffen (23), und es wurde festgestellt, dass Wahlmethoden das tatsächliche Verhalten angemessen vorhersagen (24).
Tatsächlich hat die Food and Drug Administration der Vereinigten Staaten DCEs als die „bevorzugte“ Methode zur Bewertung der Patientenansicht des Schadens- und Nutzenprofils von Gesundheitsprodukten gebilligt. In ähnlicher Weise spielten aus DCEs abgeleitete Daten auch eine bedeutende Rolle bei der Information und Unterstützung der Entscheidungsfindung und Regulierung im Gesundheitswesen(25). Im akademischen Bereich haben Forscher DCEs angewendet, um Attribute zu identifizieren, die sich auf die Patientenpräferenzen für Brustkrebs-Früherkennungsprogramme (26), HIV-Prävention (27), Behandlung von rheumatoider Arthritis (28) und Impfung (24) auswirken. Da DCE die relative Bedeutung der untersuchten Attribute erfassen kann, können Interventionsforscher und politische Entscheidungsträger die Änderungen im Zusammenhang mit dem wichtigsten Attribut in der Psychotherapie bei der Entwicklung und Implementierung von Diensten priorisieren.
1.4 The Research Gap: Wie sieht es mit der relativen Bedeutung wichtiger Serviceattribute aus? Bisher wurden nur wenige DCEs zu psychologischen Diensten durchgeführt. Die Priorisierung von Dienstleistungen auf der Grundlage der klinischen Wirksamkeit und Kosteneffizienz übersieht oft andere wichtige Faktoren, die für die Kunden relevant sind. Die Erfassung der Wahlmöglichkeiten der Klienten in der Psychotherapie angesichts der neuen Entwicklung bei internetbasierten Interventionen ist von größter Wichtigkeit und Dringlichkeit, um die Implementierung von Dienstleistungen zu optimieren(11).
Nach unserem besten Wissen hat bisher nur eine Studie explizit untersucht, wie Menschen mit Depressionen die Vor- und Nachteile psychologischer Betreuungsangebote mit unterschiedlichen Betreuungsmerkmalen abwägen(29). Die Studie nahm jedoch erzwungene Auswahlaufgaben ohne eine Opt-out-Alternative an, wodurch Auswahlsätze weniger realistisch wurden und das Risiko einer Überschätzung des Präferenzgewichts bestand (30,31). Darüber hinaus hat keine bestehende DCE zu psychologischen Diensten alle drei Hauptbehandlungsattribute für Depressionen berücksichtigt, nämlich Ergebnis (z. B. Wirksamkeit), Prozess (z. B. Behandlungsmodalität, Wartezeit) und Kostenattribute(32) 1.5 Studienziel Das Ziel Ziel dieser Studie ist es, die Evidenzbasis zu den Präferenzen der Klienten für Psychotherapie zu stärken und die beschriebenen Lücken in der Literatur zu schließen, um die Umverteilung von Ressourcen im öffentlichen Gesundheitswesen und die Implementierung psychologischer Dienste zu informieren. Die Forscher zielen darauf ab, folgende Forschungsfragen zu beantworten: ‣ Welche psychologischen Leistungsattribute üben den größten Einfluss auf die Leistungsnutzungsentscheidungen aus? ‣ Können Befragte aufgrund ähnlicher Präferenzprofile durch latente Klassen repräsentiert werden? Welche Attribute üben den größten Einfluss auf die Service-Usage-Entscheidungen jeder latenten Klasse aus? ‣ Werden Menschen mit Depressionen eine internetbasierte Psychotherapie in Anbetracht der langen Wartezeiten und hohen Kosten einer konventionellen Face-to-Face-Psychotherapie in Anspruch nehmen?
Um die oben genannten Fragen systematisch anzugehen, werden folgende spezifische Forschungsziele definiert:
- Untersuchung der relativen Bedeutung einer Reihe von Merkmalen psychologischer Dienste (z. B. Liefermodalität, Wartezeit, Selbstbeteiligung, Anonymität und Überweisungsmethoden) für die Auswahl psychologischer Dienste mit DCE.
- Segmente von Menschen mit Depressionen mit unterschiedlichen Dienstleistungspräferenzen unter Verwendung des latenten Klassenmodells zu identifizieren, da die relative Gewichtung der Dienstleistungspräferenzen je nach demografischen (z. B. Geschlecht, Alter, sozioökonomischer Status, Schweregrad der Depression) und psychologischen Merkmalen (z. B. Hilfesuchende Stigmatisierung) variieren kann ; Und
- da DCEs in verbesserte Dienste übersetzt werden müssen, um wirklich nützlich zu sein, und in Bezug auf das aufkommende Interesse an der Entwicklung digitaler psychischer Gesundheitsdienste für Menschen mit Depressionen, um das Problem der langen Wartezeiten und Kosten bei der Psychotherapie von Angesicht zu Angesicht zu lösen, Mithilfe einer Reihe von statistischen Simulationen wollen die Forscher den Prozentsatz der Menschen mit Depressionen in jedem latenten Klassensegment schätzen, die eine Psychotherapie mit vordefinierten Paketen mit Behandlungsattributen anwenden würden.
Anschließend werden die Ermittler mindestens 20 Teilnehmer mit mindestens leichten depressiven Symptomen zu Einzelinterviews einladen. Die Interviews werden in einem halbstrukturierten Format durchgeführt.
Studientyp
Studientyp
Einschreibung (Tatsächlich)
Einschreibung
Kontakte und Standorte
Studienorte
-
-
-
Hong Kong, Hongkong
- Department of Psychology
-
-
Teilnahmekriterien
Zulassungskriterien
Zulassungskriterien
Studienberechtigtes Alter
Akzeptiert gesunde Freiwillige
Probenahmeverfahren
Studienpopulation
Beschreibung
Einschlusskriterien:
- Teilnehmer ab 18 Jahren
- Mit mindestens leichten bis mittelschweren depressiven Symptomen (definiert als mit einem Cut-Off-Score von 10 oder höher, basierend auf dem Patient Health Questionnaire-9 (PHQ-9))
- Kann Chinesisch lesen und verstehen
Ausschlusskriterien:
- Selbstberichtete DSM-5-Diagnose aktueller manischer Episoden, posttraumatischer Belastungsstörung, Substanzgebrauchsstörungen und psychotischer Störungen
- Aktiv suizidgefährdet, wie durch P4-Suizidalitäts-Screener beurteilt
Studienplan
Wie ist die Studie aufgebaut?
Designdetails
- Beobachtungsmodelle: Nur Fall
- Zeitperspektiven: Querschnitt
Anzahl der Gruppen / Kohorten
Kohorten und Interventionen
Gruppe / KohorteGruppe / Kohorte |
|---|
|
Qualitatives Discrete-Choice-Interview
Wir werden mindestens 20 Teilnehmer mit mindestens leichten depressiven Symptomen zu Einzelinterviews einladen.
Die Interviews werden in einem halbstrukturierten Format durchgeführt.
Nach Erteilung der Einverständniserklärung und Abschluss der demografischen Umfrage werden wir den Befragten eine einzige Frage stellen, was ihnen wichtig ist, wenn sie den Einsatz von Psychotherapie in Betracht ziehen, mit angemessenen Sonden während des Gesprächs.
Dadurch wird die Einheitlichkeit der zu diskutierenden Themen und das zulässige Maß an Abschweifungen gewährleistet.
|
Was misst die Studie?
Primäre Ergebnismessungen
Primäre Ergebnismessungen
Ergebnis Maßnahme |
Maßnahmenbeschreibung |
Zeitfenster |
|---|---|---|
|
Depression
Zeitfenster: an der Grundlinie
|
Patienten-Gesundheitsfragebogen (PHQ9) (Kroenke, Spitzer & Williams, 2001).
Es ist ein 9-Punkte-Maß, um auf den Schweregrad einer Depression zuzugreifen.
PHQ-9 wurde validiert und in der allgemeinen Bevölkerung zum Screening und zur Messung des Schweregrades von Depressionen eingesetzt.
Werte von 5, 10, 15 und 20 bezeichnen jeweils eine leichte, mittelschwere, mittelschwere und schwere Depression (Bereich: 0–27).
|
an der Grundlinie
|
|
Hilfesuchendes Selbst-Stigma
Zeitfenster: an der Grundlinie
|
Self-Stigma of Seeking Help Scale (SOSSH-10).
Um zu verstehen, wie Stigmatisierung die Auswahl und Präferenz psychologischer Dienste beeinflussen kann, wird SSOSH-10 verwendet, um das Ausmaß der Hilfestellung der Befragten bei der Suche nach Stigmatisierung zu bewerten.
Die Skala wird auf einer 5-Punkte-Likert-Skala bewertet, wobei 1 = stimme überhaupt nicht zu und 5 = stimme voll und ganz zu (Werte reichen von 10 bis 50).
Je höher der Mittelwert, desto höher die Selbststigmatisierung der Hilfesuche.
|
an der Grundlinie
|
|
Einstellungen zu psychologischen Online-Interventionen
Zeitfenster: an der Grundlinie
|
Einstellungen zum psychologischen Online-Interventionsfragebogen (APOI).
Es handelt sich um eine 16-Punkte-Messung zur Beurteilung der Einstellung der Befragten zu psychologischen Online-Interventionen.
Es wird auf einer 5-stufigen Likert-Skala mit 1 = stimme voll und ganz zu bis 5 = stimme überhaupt nicht zu.
|
an der Grundlinie
|
|
Potentielle Attribute und ihr Einfluss auf die Wahl der Psychotherapie durch den Befragten
Zeitfenster: Baseline (Während des qualitativen Interviews)
|
Es wird 1 Satz Fragen mit unterschiedlichen Attributen gestellt, die die Wahl der Psychotherapie durch den Befragten beeinflussen.
Wir planen, (1) Behandlungsmodalität, (2) Wirksamkeit, (3) Überweisung, (4) Anonymität, (5) Wartezeit und (6) Selbstbeteiligung als Attribute aufzunehmen.
Wir werden auch weitere 60 Teilnehmer mit depressiven Symptomen bitten, Attribute von 1 („am wichtigsten“) bis 9 („am wenigsten wichtig“) zu ordnen.
Die 6 am höchsten bewerteten Attribute werden für die Fragen ausgewählt.
|
Baseline (Während des qualitativen Interviews)
|
Mitarbeiter und Ermittler
Sponsor
Sponsor
Publikationen und hilfreiche Links
Allgemeine Veröffentlichungen
- Kroenke K, Spitzer RL, Williams JB. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med. 2001 Sep;16(9):606-13. doi: 10.1046/j.1525-1497.2001.016009606.x.
- Andrews G, Basu A, Cuijpers P, Craske MG, McEvoy P, English CL, Newby JM. Computer therapy for the anxiety and depression disorders is effective, acceptable and practical health care: An updated meta-analysis. J Anxiety Disord. 2018 Apr;55:70-78. doi: 10.1016/j.janxdis.2018.01.001. Epub 2018 Feb 1.
- Andrade LH, Alonso J, Mneimneh Z, Wells JE, Al-Hamzawi A, Borges G, Bromet E, Bruffaerts R, de Girolamo G, de Graaf R, Florescu S, Gureje O, Hinkov HR, Hu C, Huang Y, Hwang I, Jin R, Karam EG, Kovess-Masfety V, Levinson D, Matschinger H, O'Neill S, Posada-Villa J, Sagar R, Sampson NA, Sasu C, Stein DJ, Takeshima T, Viana MC, Xavier M, Kessler RC. Barriers to mental health treatment: results from the WHO World Mental Health surveys. Psychol Med. 2014 Apr;44(6):1303-17. doi: 10.1017/S0033291713001943. Epub 2013 Aug 9.
- Andersson G, Titov N, Dear BF, Rozental A, Carlbring P. Internet-delivered psychological treatments: from innovation to implementation. World Psychiatry. 2019 Feb;18(1):20-28. doi: 10.1002/wps.20610.
- Dorow M, Lobner M, Pabst A, Stein J, Riedel-Heller SG. Preferences for Depression Treatment Including Internet-Based Interventions: Results From a Large Sample of Primary Care Patients. Front Psychiatry. 2018 May 17;9:181. doi: 10.3389/fpsyt.2018.00181. eCollection 2018.
- March S, Day J, Ritchie G, Rowe A, Gough J, Hall T, Yuen CYJ, Donovan CL, Ireland M. Attitudes Toward e-Mental Health Services in a Community Sample of Adults: Online Survey. J Med Internet Res. 2018 Feb 19;20(2):e59. doi: 10.2196/jmir.9109.
- Musiat P, Goldstone P, Tarrier N. Understanding the acceptability of e-mental health--attitudes and expectations towards computerised self-help treatments for mental health problems. BMC Psychiatry. 2014 Apr 11;14:109. doi: 10.1186/1471-244X-14-109.
- Renn BN, Hoeft TJ, Lee HS, Bauer AM, Arean PA. Preference for in-person psychotherapy versus digital psychotherapy options for depression: survey of adults in the U.S. NPJ Digit Med. 2019 Feb 11;2:6. doi: 10.1038/s41746-019-0077-1. eCollection 2019.
- Kazdin AE, Blase SL. Rebooting Psychotherapy Research and Practice to Reduce the Burden of Mental Illness. Perspect Psychol Sci. 2011 Jan;6(1):21-37. doi: 10.1177/1745691610393527. Epub 2011 Feb 3.
- Malhi GS, Mann JJ. Depression. Lancet. 2018 Nov 24;392(10161):2299-2312. doi: 10.1016/S0140-6736(18)31948-2. Epub 2018 Nov 2.
- Andersson G, Topooco N, Havik O, Nordgreen T. Internet-supported versus face-to-face cognitive behavior therapy for depression. Expert Rev Neurother. 2016;16(1):55-60. doi: 10.1586/14737175.2015.1125783. Epub 2015 Dec 15.
- Yoshikawa E, Taniguchi T, Nakamura-Taira N, Ishiguro S, Matsumura H. Factors associated with unwillingness to seek professional help for depression: a web-based survey. BMC Res Notes. 2017 Dec 4;10(1):673. doi: 10.1186/s13104-017-3010-1.
- Stagnaro JC, Cia AH, Vommaro H, Sustas S, Vazquez N, Serfaty E, Kessler RC, Benjet C. Delays in making initial treatment contact after the first onset of mental health disorders in the Argentinean Study of Mental Health Epidemiology. Epidemiol Psychiatr Sci. 2019 Apr;28(2):240-250. doi: 10.1017/S2045796018000094. Epub 2018 Mar 15.
- Wang PS, Angermeyer M, Borges G, Bruffaerts R, Tat Chiu W, DE Girolamo G, Fayyad J, Gureje O, Haro JM, Huang Y, Kessler RC, Kovess V, Levinson D, Nakane Y, Oakley Brown MA, Ormel JH, Posada-Villa J, Aguilar-Gaxiola S, Alonso J, Lee S, Heeringa S, Pennell BE, Chatterji S, Ustun TB. Delay and failure in treatment seeking after first onset of mental disorders in the World Health Organization's World Mental Health Survey Initiative. World Psychiatry. 2007 Oct;6(3):177-85.
- McHugh RK, Whitton SW, Peckham AD, Welge JA, Otto MW. Patient preference for psychological vs pharmacologic treatment of psychiatric disorders: a meta-analytic review. J Clin Psychiatry. 2013 Jun;74(6):595-602. doi: 10.4088/JCP.12r07757.
- Salloum RG, Shenkman EA, Louviere JJ, Chambers DA. Application of discrete choice experiments to enhance stakeholder engagement as a strategy for advancing implementation: a systematic review. Implement Sci. 2017 Nov 23;12(1):140. doi: 10.1186/s13012-017-0675-8.
- Clark MD, Determann D, Petrou S, Moro D, de Bekker-Grob EW. Discrete choice experiments in health economics: a review of the literature. Pharmacoeconomics. 2014 Sep;32(9):883-902. doi: 10.1007/s40273-014-0170-x.
- Bridges JF, Hauber AB, Marshall D, Lloyd A, Prosser LA, Regier DA, Johnson FR, Mauskopf J. Conjoint analysis applications in health--a checklist: a report of the ISPOR Good Research Practices for Conjoint Analysis Task Force. Value Health. 2011 Jun;14(4):403-13. doi: 10.1016/j.jval.2010.11.013. Epub 2011 Apr 22.
- Jennings KS, Cheung JH, Britt TW, Goguen KN, Jeffirs SM, Peasley AL, Lee AC. How are perceived stigma, self-stigma, and self-reliance related to treatment-seeking? A three-path model. Psychiatr Rehabil J. 2015 Jun;38(2):109-116. doi: 10.1037/prj0000138. Epub 2015 Apr 6.
- Swift JK, Callahan JL, Cooper M, Parkin SR. The impact of accommodating client preference in psychotherapy: A meta-analysis. J Clin Psychol. 2018 Nov;74(11):1924-1937. doi: 10.1002/jclp.22680. Epub 2018 Aug 8.
- Lancsar E, Louviere J. Conducting discrete choice experiments to inform healthcare decision making: a user's guide. Pharmacoeconomics. 2008;26(8):661-77. doi: 10.2165/00019053-200826080-00004.
- Lambooij MS, Harmsen IA, Veldwijk J, de Melker H, Mollema L, van Weert YW, de Wit GA. Consistency between stated and revealed preferences: a discrete choice experiment and a behavioural experiment on vaccination behaviour compared. BMC Med Res Methodol. 2015 Mar 12;15:19. doi: 10.1186/s12874-015-0010-5.
- Muhlbacher AC, Juhnke C, Beyer AR, Garner S. Patient-Focused Benefit-Risk Analysis to Inform Regulatory Decisions: The European Union Perspective. Value Health. 2016 Sep-Oct;19(6):734-740. doi: 10.1016/j.jval.2016.04.006. Epub 2016 Sep 9.
- Sicsic J, Pelletier-Fleury N, Moumjid N. Women's Benefits and Harms Trade-Offs in Breast Cancer Screening: Results from a Discrete-Choice Experiment. Value Health. 2018 Jan;21(1):78-88. doi: 10.1016/j.jval.2017.07.003. Epub 2017 Aug 18.
- Quaife M, Eakle R, Cabrera Escobar MA, Vickerman P, Kilbourne-Brook M, Mvundura M, Delany-Moretlwe S, Terris-Prestholt F. Divergent Preferences for HIV Prevention: A Discrete Choice Experiment for Multipurpose HIV Prevention Products in South Africa. Med Decis Making. 2018 Jan;38(1):120-133. doi: 10.1177/0272989X17729376. Epub 2017 Sep 1.
- Hazlewood GS, Bombardier C, Tomlinson G, Thorne C, Bykerk VP, Thompson A, Tin D, Marshall DA. Treatment preferences of patients with early rheumatoid arthritis: a discrete-choice experiment. Rheumatology (Oxford). 2016 Nov;55(11):1959-1968. doi: 10.1093/rheumatology/kew280. Epub 2016 Jul 31.
- Lokkerbol J, Geomini A, van Voorthuijsen J, van Straten A, Tiemens B, Smit F, Risseeuw A, Hiligsmann M. A discrete-choice experiment to assess treatment modality preferences of patients with depression. J Med Econ. 2019 Feb;22(2):178-186. doi: 10.1080/13696998.2018.1555404. Epub 2018 Dec 22.
- Reed Johnson F, Lancsar E, Marshall D, Kilambi V, Muhlbacher A, Regier DA, Bresnahan BW, Kanninen B, Bridges JF. Constructing experimental designs for discrete-choice experiments: report of the ISPOR Conjoint Analysis Experimental Design Good Research Practices Task Force. Value Health. 2013 Jan-Feb;16(1):3-13. doi: 10.1016/j.jval.2012.08.2223.
- Veldwijk J, Lambooij MS, de Bekker-Grob EW, Smit HA, de Wit GA. The effect of including an opt-out option in discrete choice experiments. PLoS One. 2014 Nov 3;9(11):e111805. doi: 10.1371/journal.pone.0111805. eCollection 2014.
- Tunnessen M, Hiligsmann M, Stock S, Vennedey V. Patients' preferences for the treatment of anxiety and depressive disorders: a systematic review of discrete choice experiments. J Med Econ. 2020 Jun;23(6):546-556. doi: 10.1080/13696998.2020.1725022. Epub 2020 Feb 24.
- de Bekker-Grob EW, Donkers B, Jonker MF, Stolk EA. Sample Size Requirements for Discrete-Choice Experiments in Healthcare: a Practical Guide. Patient. 2015 Oct;8(5):373-84. doi: 10.1007/s40271-015-0118-z.
- Marshall D, Bridges JF, Hauber B, Cameron R, Donnalley L, Fyie K, Johnson FR. Conjoint Analysis Applications in Health - How are Studies being Designed and Reported?: An Update on Current Practice in the Published Literature between 2005 and 2008. Patient. 2010 Dec 1;3(4):249-56. doi: 10.2165/11539650-000000000-00000.
- Noble H, Smith J. Issues of validity and reliability in qualitative research. Evid Based Nurs. 2015 Apr;18(2):34-5. doi: 10.1136/eb-2015-102054. Epub 2015 Feb 4. No abstract available.
- Leigh S, Ashall-Payne L, Andrews T. Barriers and Facilitators to the Adoption of Mobile Health Among Health Care Professionals From the United Kingdom: Discrete Choice Experiment. JMIR Mhealth Uhealth. 2020 Jul 6;8(7):e17704. doi: 10.2196/17704.
- McGrady ME, Pai ALH, Prosser LA. Using discrete choice experiments to develop and deliver patient-centered psychological interventions: a systematic review. Health Psychol Rev. 2021 Jun;15(2):314-332. doi: 10.1080/17437199.2020.1715813. Epub 2020 Jan 22.
Studienaufzeichnungsdaten
Haupttermine studieren
Studienbeginn (Tatsächlich)
Studienbeginn
Primärer Abschluss (Tatsächlich)
Primärer Abschluss
Studienabschluss (Tatsächlich)
Studienabschluss
Studienanmeldedaten
Zuerst eingereicht
Zuerst eingereicht
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst eingereicht, das die QC-Kriterien erfüllt hat
Zuerst gepostet (Tatsächlich)
Zuerst gepostet
Studienaufzeichnungsaktualisierungen
Letztes Update gepostet (Tatsächlich)
Letztes Update gepostet
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Letztes eingereichtes Update, das die QC-Kriterien erfüllt
Zuletzt verifiziert
Zuletzt verifiziert
Mehr Informationen
Begriffe im Zusammenhang mit dieser Studie
Schlüsselwörter
Zusätzliche relevante MeSH-Bedingungen
Andere Studien-ID-Nummern
Andere Studien-ID-Nummern
- SBRE(R)-21-043
Plan für individuelle Teilnehmerdaten (IPD)
Planen Sie, individuelle Teilnehmerdaten (IPD) zu teilen?
Arzneimittel- und Geräteinformationen, Studienunterlagen
Studiert ein von der US-amerikanischen FDA reguliertes Arzneimittelprodukt
Studiert ein von der US-amerikanischen FDA reguliertes Geräteprodukt
Produkt, das in den USA hergestellt und aus den USA exportiert wird
Diese Informationen wurden ohne Änderungen direkt von der Website clinicaltrials.gov abgerufen. Wenn Sie Ihre Studiendaten ändern, entfernen oder aktualisieren möchten, wenden Sie sich bitte an register@clinicaltrials.gov. Sobald eine Änderung auf clinicaltrials.gov implementiert wird, wird diese automatisch auch auf unserer Website aktualisiert .