Nutzung der Datenwissenschaft, um Patientenperspektiven bei der Entdeckung von Mechanismen in den Mittelpunkt zu stellen (CPP)

Die Nachfrage nach kostengünstigen, neuartigen und skalierbaren traumafokussierten Interventionen ist hoch. Schätzungen zufolge liegt die Prävalenzrate der posttraumatischen Belastungsstörung (PTBS) und der komplexen PTBS in psychiatrischen Kliniken in den USA bei bis zu 50 %. Dennoch bleibt die Heterogenität der Reaktion auf PTBS-Interventionen hoch, wobei die Nichtansprechraten 50–60 % erreichen und die Abbrecherquoten bei traditionellen Interventionen (d. h. kognitive Verhaltenstherapien, Expositionstherapien) bei 30–40 % liegen. Darüber hinaus zeichnen sich Forschungspopulationen in typischen schrittweisen, wirksamkeitsorientierten klinischen Forschungsstudien häufig durch strenge Ausschlusskriterien und eine geringe Vertretung unterrepräsentierter Gemeinschaften aus. Die Homogenität wirksamkeitsbasierter Forschungspopulationen führt zu einem unvollständigen Bild, insbesondere im öffentlichen Sektor und in gemeindenahen Einrichtungen für psychische Gesundheit. Studien deuten darauf hin, dass diese Homogenität nicht nur die Wirksamkeit in verschiedenen Bevölkerungsgruppen einschränkt, sondern auch dazu beitragen kann, gesundheitliche Ungleichheiten zu verschärfen.

Die Einbeziehung der Patientenperspektive ist für die Forschung von entscheidender Bedeutung, da sie Einblicke in die Heterogenität und das Engagement der Reaktionen liefern kann, was letztendlich zu einem Verständnis der Mechanismen und der Entwicklung patientenzentrierterer Interventionen führt. Eine Möglichkeit, die Stimme des Patienten zu zentrieren und das Potenzial zur Identifizierung einzigartiger Veränderungsmechanismen für eine neuartige Therapie zu erhöhen, besteht in der Verwendung qualitativer Interviews, da diese direkt auf die gelebte Erfahrung und ihren Kontext zugreifen. Trotz der potenziellen Vorteile der Verwendung qualitativer Daten in schrittweise randomisierten Kontrollstudien bestehen weiterhin mehrere Hindernisse, darunter Ressourcenbeschränkungen, die Unfähigkeit, interaktive Elemente zu quantifizieren, und Bedenken hinsichtlich des praktischen Werts der gesammelten Informationen. Innovative Methoden, die wertvolle, relevante Themen zuverlässig und schnell extrahieren und nonverbale Gesprächselemente erkennen, können die Integration der Patientenerfahrung und die Einbeziehung ihrer Perspektiven in klinische Interventionsstudien erleichtern.

Ziel dieser einarmigen Studie ist es, die Machbarkeit des Einsatzes von Natural Language Processing (NLP) und Deep Learning zu bewerten, um potenzielle Mechanismen der PTSD-Symptomveränderung aus Patienteninterviews zu identifizieren. Die Studie wird laufende Kohorten eines klinischen Dienstes nutzen, der ein 16-wöchiges Live-Online-Gruppentherapiemodell (und ergänzende Einzeltherapiesitzungen) mit dem Namen „Programm zur Linderung und Lösung von Trauma und Stress“ (PARTS) anbietet, das das IFS-Modell verwendet. Die Forscher werden einen konvergenten Mixed-Methods-Ansatz verwenden, der maschinelles Lernen und die Verarbeitung natürlicher Sprache verwendet, um Modelle zu entwickeln, die potenzielle Veränderungsmechanismen identifizieren.

Analyse: Wir werden verschiedene Methoden verwenden, um unsere Modelle zu entwickeln, darunter Latent Dirichlet Allocation, vorab trainierte Sprachmodelle, Transferlernen (wiederkehrende neuronale Netze, generatives kontradiktorisches Netz) und Modelle, die auf bestrafter Regression basieren. Diese Modelle werden Daten verwenden, die aus der Patientenperspektive psychologischer Veränderungen stammen, wie sie in Interviews zum Ausdruck kommen, und mit Modellen verglichen werden, die aus klinischen Messungen abgeleitet wurden. Wir werden Standardleistungsmetriken und Kreuzvalidierungswerte verwenden, um die Vergleichsleistung der Modelle zu bewerten. Als exploratives Ziel werden wir die Machbarkeit der Verwendung von Merkmalen bewerten, die aus Sprachverarbeitungsmodellen und klinischen Maßnahmen abgeleitet wurden, um individuelle Therapiebesuche nach der Intervention vorherzusagen. Die explorativen Daten umfassen auch strukturierte klinische Daten, soziale Determinanten der Gesundheit und therapiebasierte Inanspruchnahme (Daten, Anbietertyp, Dauer).

Erwartete Ergebnisse: Die Entwicklung von zwei validierten Modellen: eines abgeleitet von Patientenbefragungsdaten und das andere basierend auf klinischen Maßnahmen zur umfassenden Identifizierung von Veränderungsmechanismen aus gruppenbasierten Therapiemodellen des IFS bei PTBS.