Vaihtoehtoinen hoito OCD:n kroonisuuden vähentämiseksi: Aivojen vasteen ja hoidon riittävyyden tutkimus (arrIBA)

Otoskoon laskenta: ensisijaisessa tutkimuksen tavoitteessa käytettiin 95–95-lähestymistapaa non-inferiority marginaalin määrittämiseksi. Meta-analyysin tulokset CBT:n tehokkuudesta OCD:ssä osoittivat, että keskiarvo (95 prosentin luottamusväli (1,04) tuottaa 0,42:n non-inferiority marginaalin. Ensisijaisen tulosmitan Yale Brownin pakko-oireisen asteikon (YBOCS) pisteinä ilmaistuna tämä olisi noin 2 pisteen menetys tällä asteikolla välillä 0–40, mikä on kliinisesti lähes merkityksetöntä. Sovelletaan alfaa 0,05, betaa 80% ja 0,42:ta non-inferiority margin, 71 otos per käsi on riittävä. Koska analyysit on suoritettava protokollakohtaiselle (P)- ja hoitotarkoituksensa (ITT) näytteelle, on rekrytoitava 203 osallistujaa (30 prosentin keskeyttämisen ennakoidaan). Lisäksi tämä otoskoko mahdollistaa toissijaisen hypoteesin testaamisen: IBA on tehokkaampi kuin CBT potilailla, joilla on huono käsitys (noin 25 prosenttia väestöstä). Kun käytetään kaksipuolista alfaa 0,05 ja beeta-arvoa 80 prosenttia ja vaikutuskokoa Cohenin d = 1, tarvitaan 34 osallistujan otos (edellisessä tutkimuksessa ryhmien välinen vaikutus todettiin 1,7), ennakoiden 30 prosentin pudotuksen. Tarvitaan 48 osallistujaa, joilla on heikko näkemys lähtötilanteesta.

Aiemmissa tutkimuksissa OCD:n psykoterapian vaikutuksesta aivojen rakenteeseen ja toimintaan on käytetty otoskokoja 9-45. Heidän havaintojensa perusteella suunnitellaan analysoimalla tietoja vähintään 30 osallistujalta sairautta kohti, jotta voidaan selvittää hoitomenetelmien toimintamekanismeja. Ennakoimalla 30 prosentin keskeyttämisprosentin ylärajaksi otetaan mukaan 2 x 43 vastaajaa sekä 43 kontrollikohdetta.

Hoitoprotokollan noudattaminen: terapeutteja koulutetaan laajasti protokollan noudattamiseen ja valmiiden lomakkeiden käyttöön harjoituksissa ja kotitehtävissä. Kaikki hoitojaksot äänitetään. Jokainen terapeutti saa ohjausta. Valvonnan aikana ohjaaja kuuntelee ääninauhojen osia antaakseen palautetta ja varmistaakseen, ettei terapeutti poikkea protokollasta.

Lisäksi tutkimuksen päätyttyä suoritetaan sitoutumistarkastus. Koulutettu sokea arvioija kuuntelee näytteitä istunnon ääninauhoista arvioidakseen, oliko se CBT-istunnon IBA.

Osallistumiseen, hyötyyn ja ryhmäsuhteeseen liittyvien rasitteiden ja riskien luonne ja laajuus: potilaat arvioidaan viiden ajankohdan aikana, mukaan lukien kaksi seurantaa. Lisäksi potilaat täyttävät kaksi kyselylomaketta jokaisen hoitokerran jälkeen. Lisäkuvausosan osallistujille tehdään kaksi ylimääräistä magneettikuvausta ja kognitiivista testausta. Terveet kontrollit mitataan kerran.

Turvallisuuskomitea: nykyinen tutkimus on luokiteltu vähäriskiseksi. IBA:n antamisesta ei odoteta riskiä verrattuna normaaliin kliiniseen hoitoon (CBT). IBA-hoidon suorittavat hyvin koulutetut kliinikot. Psyykkistä epämukavuutta voi esiintyä emotionaalisista oireista keskustelemisen suhteen, nämä ovat rajoituksia minimiin. Normaalista kliinisestä hoidosta ei odoteta aiheutuvan ylimääräistä epämukavuutta. MRI-skannaus on laajan kelpoisuusseulonnan jälkeen luokiteltu ei-merkittävästä alhaiseen riskiin.

Tilastolliset analyysit: Tilastolliset analyysit suoritetaan hoitotarkoituksessa (ITT) sekä protokollakohtaiselle näytteelle (PP). Puuttuvat tiedot korvataan käyttämällä usean imputoinnin menetelmää. Kaikille analyyseille korjatut p-arvot

Ensisijaiset tutkimusparametrit: YBOCS, validoitu kyselylomake, jossa on 10 kohtaa ja maksimipistemäärä 40, käytetään ensisijaisena tulosparametrina. Ei-alempiarvoisuuden päätelmänä voidaan todeta, että 95 prosentin luottamusvälin ylämarginaali, eli suurin ero ryhmien välillä tällä 95 prosentin luottamusvälillä, ei saisi ylittää YBOCS:n 2 pisteen non-inferiority marginaalia. Non-inferiorityn määrittämiseksi välittömästi hoidon jälkeen ja seurannan yhteydessä tehdään yksipuolisia testejä hoidon jälkeen, kuuden kuukauden seurannassa ja yhden vuoden seuranta-arvioinnissa. Käytetään lineaarisia sekavaikutelmamalleja, jotka regressoivat interventioon kohdistuvat jatkuvat tulosmitat aikavuorovaikutustermeillä sekä ITT- että PP-otoksessa.

Toissijainen tutkimusparametri(t): sekavaikutusmalleja käytetään hoidon vaikutusten testaamiseen kahden hoitotilan välillä toissijaisten tulosmittausten oivalluksen tasolle käyttämällä Overvalued Ideas Scalea (OVIS). masennusoireiden vakavuus Beck Depression Inventory (BDI) avulla; ahdistuneisuusoireiden vakavuus Beck Anxiety Inventory (BAI) -luettelon avulla; sosiaalinen toiminta Sheehan Disability Scale (SDS) -asteikolla; elämänlaatu (käyttäen Euroquolia); parisuhteen tyytyväisyys, käyttäen suhdetyytyväisyysasteikkoa (RSS) ja hoidon siedettävyyttä, käyttämällä TAAS-asteikkoa. Tutkivaan moninkertaista regressioanalyysiä käytetään määrittämään, mitkä tekijät ennustavat hoidon lopputulosta.

Lineaarista sekamallia käytetään määrittämään, paraneeko näkemys enemmän vai aikaisemmin potilailla, joille tehtiin IBA, verrattuna potilaisiin, joille tehtiin CBT. Aikaviivemallia (lineaarista sekamallia) käytetään määrittämään, liittyykö oivalluksen muutos oireiden vähenemiseen.

Neurokuvan (esi)käsittely: fMRI-tiedot analysoidaan käyttämällä Statistical parametric Mapping (SPM) -ohjelmistoa tai FMRIB Software Library (FSL) -ohjelmistoa. Tavalliset ryhmävertailut suoritetaan rakenteellisten ja tehtäviin liittyvien (oireprovokaatio) (f)MRI:n analysoimiseksi. Täydelliset tekijäanalyysit tekijäryhmän (IBA vs. CBT) ja ajan (ennen vs. hoidon jälkeen) kanssa tehdään hoidon vaikutuksen määrittämiseksi tehtävään liittyvään aivotoimintaan. Riippumaton komponenttianalyysi (ICA; FSL MELODIC) ja kaksoisregressioanalyysit tehdään verkkojen toiminnallisten yhteyksien muutosten tutkimiseksi (esim. Salience Network, Default Mode Network, CEN). Aivojen alueet, joilla on samanaikaisia ​​vaihteluja veren happitasosta riippuen (BOLD; aivojen toiminnan välityspalvelin), kohdennetaan automaattisesti komponenttiin. Suodatuksen ja komponenttien (komponentit, jotka näyttävät johtuvan liikkeestä tai skannerin artefakteista) puhdistamisen jälkeen määritetään keskimääräiset komponentit ryhmää kohti. Ei-parametristen permutaatiotestien (FSL randomise) avulla verrataan verkkojen toiminnallisia yhteyksiä interventioryhmien välillä ja ajan suhteen. Koko aivoverkoston analyysien suorittamiseksi rakenteellinen MRI jaetaan 225 erilliseen kiinnostavaan alueeseen (ROI) Brainnetome-atlasin perusteella. Nämä jaot muunnetaan lepotilan fMRI:ksi ja aikasarjat erotetaan ROI-kohtaisesti ja korreloidaan keskenään, jotta saadaan koko aivojen verkkoyhteysmatriisi kohdetta kohti. Käyttämällä samanlaista verkkolähestymistapaa DTI-kuvat mahdollistavat traktografian rakenteellisen liitettävyyden mittaamiseksi. Brain Connectivity Toolboxia (BCT) käytetään verkkojen topologisten indeksien laskemiseen (esim. modulaarisuus, keskinäisyys, klusterointikerroin ja tehokkuus) näistä verkkoliitettävyysmatriiseista. Verkkotopologiset indeksit vähentävät aivoskannauksen tuloksena olevan runsaan tiedon määrän vain muutamiin neurobiologisesti merkityksellisiin mittareihin. Esimerkiksi globaali tehokkuus mittaa, kuinka tehokkaasti tieto voi kulkea verkon läpi ja aivoalueen suhteellisen merkityksen keskeisyyden välillä verkon sisäisessä tiedonkulussa. Nämä topologiset verkkomitat lasketaan arviointi- ja kuntokohtaisesti ja sen jälkeen verrataan permutaatiotesteillä.

Tilastollinen neurokuva-analyysi: sen selvittämiseksi, ennustaako hoitomuoto (IBA/CBT) muutoksia lepotilassa ja tehtäväpohjaisissa toiminnallisissa verkostoissa, suoritetaan monimuuttujaregressioanalyysi, jossa hoitomuoto on riippumaton muuttuja ja hoidon jälkeiset muutokset toiminnallisissa verkostoissa riippuvaisina muuttujia. YBOCS-pisteiden ja neurokognitiivisen suorituskyvyn muutosten välisen yhteyden tutkimiseksi nämä muuttujat syötetään ensimmäiseen lohkoon. Mahdolliset sekaannukset (esim. lääkkeiden käyttöä, ikää, sairauden kestoa) valvotaan.

Koneoppimistekniikoilla tutkitaan, onko multimodaalisilla esihoitoa edeltäneillä aivojen ominaisuuksilla (käyttäen T-1:tä, DTI:tä ja rs- ja tehtäväpohjaista fMRI:tä) ennustearvoa hoitovasteelle CBT- ja IBA-ryhmässä erikseen. Neurokuvantamisominaisuudet syötetään valvottuun monimuuttujaluokitusmenettelyyn käyttämällä lineaarista tukivektorikonetta (SVM) -algoritmia.

Toimenpide koostuu koulutus-, validointi- ja testausvaiheesta. Harjoitteluvaiheessa arvioidaan hypertaso, joka erottaa maksimaalisesti lähettäjät ei-lähettäjistä kaikkien saatavilla olevien datapisteiden (ominaisuuksien) perusteella, jotka osoittavat eron ryhmien välillä. SVM-validointivaihe koostuu jätä yksi ryhmää kohden ristiinvalidaatiosta. Sitten testataan tarkkuus, jolla määritetty hypertaso voisi luokitella muita potilaita luokitteluvaiheessa riippumattomilla tiedoilla (20 %), joita ei käytetä koulutukseen. Tämä menettely toistetaan 10 000 kertaa jokaisessa verkossa. Tämä johtaa tarkkuusmittaan koehenkilökohtaisesti, joka perustuu siihen, kuinka monta kertaa koehenkilö oli otettu testinäytteeseen ja luokiteltiin oikein. Tarkkuus testataan merkittävyyden perusteella. Jos IBA-vasteen ennustajat eroavat CBT-vasteen ennustajista, post hoc -analyysi suoritetaan sekä IBA- että CBT-vasteen ennustajilla koko OCD-ryhmässä.