Verbesserung der psychischen Gesundheitsversorgung durch wissenschaftliche Abstimmung von Patienten auf die Stärken der Anbieter

Hintergrund und Bedeutung:

Psychische Erkrankungen sind ein außergewöhnliches und äußerst belastendes Problem für die öffentliche Gesundheit. Leider ist die Versorgung selbst für Personen, die Zugang zu psychiatrischer Versorgung (MHC) haben, allzu oft unzureichend. Untersuchungen haben immer wieder gezeigt, dass es bei etwa 10–15 % der Patienten während der Behandlung zu einer Verschlechterung oder Schäden kommt. Wenn diese Raten außerdem mit den Raten keiner Veränderung kombiniert werden, erholen sich nur 40 % oder weniger der Patienten sinnvoll. Wichtig ist, dass die Behandlungsforschung erhebliche Unterschiede bei den Ergebnissen der Anbieter aufgezeigt hat. Einfach ausgedrückt: Der MHC-Anbieter hat Einfluss auf die Behandlungsergebnisse, und den Beteiligten fehlt der systematische Zugang zu gültigen und umsetzbaren Informationen, um eine effektive Abstimmung zwischen Patient und Anbieter zu optimieren. Ohne die Erhebung und Verbreitung von Leistungsdaten fehlen den Interessenträgern wichtige Informationen, auf denen sie Entscheidungen zur Gesundheitsversorgung treffen und die Behandlung personalisieren können. Umgekehrt bietet die Zuordnung von Patienten zu Anbietern auf der Grundlage wissenschaftlicher Ergebnisdaten möglicherweise einen enormen Vorteil. Patienten, Interessengruppen, Forscher und Kliniker haben alle befürwortet, dass ein solcher angewandter Wissenstransfer eine hohe Priorität hat. Als Reaktion darauf haben die Forscher eine Technologie zum Testen entwickelt und getestet dieses Match-Konzept und patientenzentriertes Gesundheitsmodell.

Führende Gesundheitsbehörden haben die Ergebnis-/Leistungsmessung in den Mittelpunkt ihrer Kerninitiativen gestellt. Das Institute of Medicine empfiehlt ausdrücklich, Leistungsdaten von Anbietern in die Behandlungsentscheidung zu integrieren. Trotz dieser Rhetorik konnten in zwei Cochrane Reviews zusammen nur vier Studien identifiziert werden, die diese Frage mit minimalen methodischen Standards behandelten; Die Ergebnisse waren gemischt. Wichtig ist, dass keine davon eine gezielte Verbreitungsintervention beinhaltete und keine MHC involvierte. Frühere Untersuchungen, einschließlich unserer eigenen, haben empirisch erhebliche Unterschiede in der prognostizierten Größe der Behandlungseffekte gezeigt, je nachdem, an welchen Therapeuten ein Patient überwiesen wird. Die wichtigste Evidenzlücke besteht in der Notwendigkeit eines strengen Tests der Wirksamkeit einer gezielten Intervention zur Verbreitung der MHC-Anbieterleistung im Vergleich zur standardmäßigen/pragmatischen Überweisung und Fallzuweisung. In diesem Zusammenhang hat das Patient-Centered Outcomes Research Institute (PCORI) eine erhöhte „Präzision“ oder „personalisierte“ Behandlung mit Schwerpunkt auf maßgeschneiderter Behandlung gefordert. Der Match-Algorithmus reagiert direkt auf diesen Aufruf mit hoher Priorität, die Pflege auf persönliche und evidenzbasierte Weise anzupassen.

Spezifische Ziele:

Das Ziel dieser vergleichenden Wirksamkeitsforschung (CER) besteht darin, einen innovativen, wissenschaftlich fundierten Algorithmus zur Abstimmung von Patienten-Therapeuten-Überweisungen zu testen, der auf Ergebnisdaten von MHC-Anbietern basiert. Die Forscher werden eine randomisierte kontrollierte Studie (RCT) verwenden, um den Match-Algorithmus mit dem alltäglichen pragmatischen Empfehlungs-Matching zu vergleichen (basierend auf Verfügbarkeit, Zweckmäßigkeit oder selbstberichteter Spezialität des Anbieters). Die psychosoziale Behandlung selbst wird weiterhin naturalistisch von verschiedenen Anbietern (z. B. Psychologen, Sozialarbeitern) für Patienten mit komplexen psychischen Problemen innerhalb eines Partnerkliniknetzwerks, Psychological and Behavioral Consultants (PsychBC), durchgeführt. Die Forscher gehen davon aus, dass die wissenschaftliche Match-Gruppe die pragmatische Match-Gruppe bei der Verringerung der Patientensymptome und des Behandlungsabbruchs sowie bei der Förderung der funktionellen Ergebnisse des Patienten, der Ergebniserwartungen und der Pflegezufriedenheit sowie der Qualität der Patienten-Therapeuten-Allianz übertreffen wird. Dadurch wird der Match-Algorithmus als Mechanismus für eine wirksame patientenzentrierte MHC etabliert.

Methoden:

Die Forscher vergleichen die Wirksamkeit von naturalistischem MHC entweder mit oder ohne die wissenschaftliche Matching-Hilfe mit einer doppelblinden RCT auf individueller Ebene. Die Ermittler werden zunächst eine Basisbewertung der Leistung von PsychBC-Therapeuten (Zieleinschreibung N=44) (über mindestens 15 Fälle) durchführen, um ihre Stärken bei der Behandlung von 12 Verhaltensgesundheitsbereichen zu bestimmen, die mit dem primären Ergebnistool gemessen werden, auf dem unser Match-Algorithmus basiert -- das Behandlungsergebnispaket (TOP). Das TOP wird in unserem Partnernetzwerk bereits routinemäßig verwaltet. Basierend auf jahrelanger prädiktiver Analyseforschung klassifiziert dieses Tool Therapeuten für jeden TOP-Bereich als „wirksam“, „neutral“ oder „unwirksam/schädlich“. Den verblindeten Therapeuten werden die Bedingungen gekreuzt.

Als nächstes werden für die Studie neue erwachsene ambulante Patienten (Zieleinschreibung N = 281) wie üblich nach dem Zufallsprinzip der Übereinstimmungsbedingung oder Fallzuordnung zugewiesen (typischerweise basierend auf pragmatischen Überlegungen, wie z. B. Verfügbarkeit des Anbieters, Zweckmäßigkeit oder selbstberichteter Spezialisierung). Das einzige Ausschlusskriterium für Patienten sind Personen, die nicht der primäre Entscheidungsträger für ihre Pflege sind. Daher werden Patienten mit einer Vielzahl von Problemen über ein breites Spektrum an Diagnosen hinweg konfrontiert. Da die Therapeutenzuweisung die einzige Manipulation darstellt, behandeln die teilnehmenden Therapeuten die Patienten vollständig naturalistisch. Die Behandlungsergebnisse werden regelmäßig durch gegenseitige Beendigung oder bis zu 16 Wochen lang beurteilt. Primäre Analysen umfassen hierarchische lineare Modellierung, um vergleichende Raten und Änderungsmuster der Ergebnisse zu untersuchen.