Uso de la ciencia de datos para centrar las perspectivas de los pacientes en el descubrimiento de mecanismos (CPP)

La demanda de intervenciones centradas en el trauma, rentables, novedosas y escalables es alta. Se estima que las tasas de prevalencia del trastorno de estrés postraumático (TEPT) y del TEPT complejo en las clínicas comunitarias de salud mental de EE. UU. alcanzan el 50%. Sin embargo, la heterogeneidad de la respuesta a las intervenciones de PTSD sigue siendo alta, con tasas de falta de respuesta que alcanzan el 50-60% y tasas de abandono de las intervenciones tradicionales (es decir, terapias cognitivo-conductuales, de exposición) del 30-40%. Además, las poblaciones de investigación en los típicos ensayos de investigación clínica escalonados y basados ​​en la eficacia a menudo se caracterizan por criterios de exclusión estrictos y una baja representación de comunidades subrepresentadas. La naturaleza homogénea de las poblaciones de investigación basadas en la eficacia crea una imagen incompleta, especialmente en el sector público y en los centros de salud mental comunitarios. Los estudios han sugerido que esta homogeneidad no solo limita la efectividad entre poblaciones diversas, sino que también puede contribuir a exacerbar las disparidades en salud.

Involucrar las perspectivas de los pacientes es crucial para la investigación porque puede proporcionar información sobre la heterogeneidad y el compromiso de la respuesta, lo que en última instancia conduce a una comprensión de los mecanismos y a la creación de intervenciones más centradas en el paciente. Una forma de centrar la voz del paciente y aumentar el potencial de identificar mecanismos de cambio únicos para una terapia novedosa es utilizar entrevistas cualitativas porque accede directamente a la experiencia vivida y su contexto. A pesar de los beneficios potenciales de utilizar datos cualitativos en ensayos de control aleatorios por pasos, persisten varios obstáculos, incluidas las limitaciones de recursos, la incapacidad de cuantificar los elementos interactivos y las preocupaciones sobre el valor práctico de la información recopilada. Los métodos innovadores que extraen de manera confiable y rápida temas relevantes cargados de valores y disciernen elementos conversacionales no verbales pueden facilitar la integración de la experiencia del paciente y la inclusión de sus perspectivas en los ensayos de intervención clínica.

Este estudio de un solo brazo tiene como objetivo evaluar la viabilidad de utilizar el procesamiento del lenguaje natural (PNL) y el aprendizaje profundo para identificar mecanismos potenciales de cambio de síntomas de trastorno de estrés postraumático a partir de entrevistas con pacientes. El estudio utilizará cohortes en curso de un servicio clínico que ofrece un modelo de terapia grupal en vivo en línea de 16 semanas (y sesiones de terapia individual complementarias) llamado Programa para aliviar y resolver el trauma y el estrés (PARTS) que utiliza el modelo IFS. Los investigadores utilizarán un enfoque de métodos mixtos convergentes aplicando aprendizaje automático y procesamiento del lenguaje natural para desarrollar modelos que identifiquen posibles mecanismos de cambio.

Análisis: utilizaremos varios métodos diferentes para desarrollar nuestros modelos, incluida la asignación latente de Dirichlet, modelos de lenguaje previamente entrenados, aprendizaje por transferencia (redes neuronales recurrentes, redes generativas de confrontación) y modelos basados ​​en regresión penalizados. Estos modelos utilizarán datos derivados de las perspectivas de los pacientes sobre el cambio psicológico, tal como se expresan en entrevistas, y se compararán con modelos derivados de medidas clínicas. Utilizaremos métricas de rendimiento estándar y puntuaciones de validación cruzada para evaluar el rendimiento comparativo de los modelos. Como objetivo exploratorio, evaluaremos la viabilidad de utilizar características derivadas de modelos de procesamiento del lenguaje y medidas clínicas para predecir visitas de terapia individuales después de la intervención. Los datos exploratorios también incluirán datos clínicos estructurados, determinantes sociales de la salud y utilización basada en terapias (fechas, tipo de proveedor, duración).

Resultados previstos: El desarrollo de dos modelos validados: uno derivado de datos de entrevistas con pacientes y el otro basado en medidas clínicas para identificar de manera integral mecanismos de cambio a partir de modelos de terapia grupal de IFS para el trastorno de estrés postraumático.