FMRI-Neurofeedback bei Depressionen

Begründung: Frühere Studien mit fMRT-Neurofeedback bei Depressionen haben ein gutes Sicherheitsprofil und eine beträchtliche Symptomreduktion gezeigt, aber ein Vergleich zwischen Standardversorgung und Standardversorgung plus fMRT-Neurofeedback wurde noch nicht durchgeführt.

Ziel: Bewertung der Wirksamkeit von fMRI-Neurofeedback plus Standardversorgung im Vergleich zur Standardversorgung bei Patienten mit Depression.

Studiendesign: Einfach verblindete RCT. Die Patienten werden nach dem Zufallsprinzip fMRI-Neurofeedback plus Standardversorgung oder Standardversorgung zugeteilt. Die Assessments werden von Assessoren durchgeführt, die gegenüber der Gruppenzuordnung verblindet sind.

Die Patienten werden in einem Block-Randomisierungsverfahren (10 Teilnehmer pro Block) auf die beiden Gruppen randomisiert. Der Schweregrad der Depression zu Studienbeginn (IDS-Scores) wird als Minimierungsvariable verwendet, um den gleichen Schweregrad in beiden Gruppen sicherzustellen. Das Studienteam erhält einen Code für die Gruppeneinteilung. Das Studienteam und der Patient sind sich der Gruppenzuordnung bewusst (aufgrund des Studiendesigns), aber Gutachter, die Baseline-, Post-Interventions- und Follow-up-Bewertungen durchführen, sind verblindet. Während der Zwischenanalysen bleiben die Analysten gegenüber den Bedingungen blind.

Wenn das Abbruchkriterium vor dem maximalen N erreicht wird, beenden alle bereits randomisierten Patienten die Studie und ihre Daten werden in die Sekundäranalysen aufgenommen.

Studienpopulation: Derzeit symptomatische erwachsene Patienten mit Depression.

Berechnung der Stichprobengröße: Es wird ein Stichprobenplan mit dem sequentiellen Bayes-Faktor (SBF) verwendet. SBF erlaubt es, Beweise für (oder gegen) eine Wirkung zu sammeln, bis ein bestimmter Schwellenwert, d. h. ein Bayes-Faktor (BF) oder max N erreicht ist. Dies ist ein Hauptvorteil gegenüber frequentistischer Statistik (die gegen die Nullhypothese verzerrt ist). Darüber hinaus gibt es keine Typ-I- und Typ-II-Fehlerquoten, was flexible Stoppregeln ermöglicht. Diese Eigenschaft macht SBF ressourceneffizienter (insbesondere für kleine bis mittlere Effektgrößen) im Vergleich zu (traditionellen frequentistischen) Stichprobenplänen mit festem N. Da Typ-II-Fehler in der Bayes'schen Statistik nicht vorkommen, gibt es kein Konzept der statistischen Aussagekraft wie in der traditionellen frequentistischen Statistik. Sensitivitätsanalysen können jedoch a priori durchgeführt werden, um bei der Bestimmung des Stichprobenumfangs zu helfen, der erforderlich ist, um ein vorab deklariertes Evidenzniveau zu erreichen (bei einer angenommenen Effektgröße und einer bestimmten vorherigen Verteilung), das als Abbruchkriterium für den aktuellen Stichprobenplan dient Als Abbruchkriterium wird ein BF >= 6 (entweder für die Alternativ- oder die Nullhypothese) verwendet, ein Wert, der den aktuellen Empfehlungen entspricht. Die Analyse wird mit einer informierten vorherigen t-Verteilung (t(μ = 0,35, df = 3, r = 0,102)) durchgeführt, die eine moderate Effektgröße widerspiegelt, die die Forscher angesichts des aktuellen Designs erwarten würden und mit der vorgeschlagenen übereinstimmen informierte vorherige Verteilungen in der Psychologie. Die erste Zwischenanalyse wird mit mindestens N=26 Patienten pro Gruppe durchgeführt, die den primären Endpunkt erreicht haben. Dieses Mindest-N entspricht den Empfehlungen für SBF-Probenahmepläne. Wenn ein BF von 6 für entweder die Alternative oder die Null-Hypothese nicht erfüllt ist, werden sequentielle Stichproben mit Zwischentests für jeden neuen Patienten durchgeführt, der den primären Endpunkt abschließt, bis entweder das BF-Abbruchkriterium erfüllt ist oder maximal N = 38 erreicht ist (max N). Eine Effektgröße von Cohens d = 0,6 wurde angesichts der begrenzten Ressourcen und der zuvor berichteten Effektstärken, die von vorregistrierten randomisierten klinischen Studien zu auf Emotionsselbstregulierung basierendem fMRI-Neurofeedback berichtet wurden, als die kleinste interessierende Effektgröße festgelegt. Ein Nmax von 38 pro Gruppe ergibt eine Sensitivität von 80 %, um eine Effektgröße von 0,6 unter flexiblem Stoppen zu erkennen, wie von Simulationen vorgeschlagen (Monte Carlo mit 10.000 Iterationen). Daher ist ein solches Design ressourceneffizienter im Vergleich zu einem herkömmlichen frequentistischen Design mit festem N (das N = 45 erfordert, um eine Sensitivität von 80 % zu erreichen, um eine Effektgröße von Cohens d = 0,6 zu erkennen). Außerdem beträgt die Falsch-Negativ-Rate (d. h. die Wahrscheinlichkeit, fälschlicherweise ausreichende Beweise gegen die Wirkung zu sammeln und die Studie vorzeitig abzubrechen) nur 0,1 %, die Falsch-Positiv-Rate liegt bei 12 %. Die Ermittler akzeptieren diese höhere Falsch-Positiv-Rate (im Vergleich zu den nominellen 5 %), da die Technologie sicher in der Anwendung ist. Erreicht der BF entweder für die Alternativ- oder die Nullhypothese einen Wert BF>=3 (jedoch kleiner als 6), werden die Ermittler die verfügbaren Ressourcen für eine mögliche dritte Stichprobenphase mit Nmax von 60 pro Gruppe neu bewerten. Der Stichprobenplan folgt somit den jüngsten Empfehlungen bewährter Verfahren.

Intervention: FMRI-Neurofeedback wird in 5 Sitzungen von jeweils etwa 1 Stunde verabreicht, die jeweils ein visuelles Stimulationsprotokoll zur Lokalisierung von Bereichen enthalten, die auf positive Emotionen und ca. 30 Minuten Hochregulationstraining dieser Bereiche mittels Neurofeedback unter Verwendung von Echtzeit-fMRI-Signalen.

Hauptstudienparameter/-endpunkte:

Primäres Ergebnis: Symptomschwere (gemessen anhand des vom Arzt verwalteten Verzeichnisses der depressiven Symptomatik) nach der Intervention.

Sekundäre Ergebnisse: Maße für Depression, Angst und allgemeine psychische Gesundheit (Beck Depression Inventory, Self-Efficacy Scale, Hospital Anxiety and Depression Scale, Quality Of Life Scale und EuroQol Research Foundation Questionnaire), Vorhersagewert mehrerer Merkmalsmaße (Moderatoranalyse), Veränderungen in Gehirnaktivierungsmustern, gemessen durch fMRI für die Neurofeedback-Gruppe.

In der Analyse werden die Ergebnisse für die Messungen zu Studienbeginn kontrolliert.