Online-ryhmäpsykoterapian kokeilu yleisten mielenterveyshäiriöiden hoitoon (UpLift-X)

Tutkimusprotokolla – sisältäen täydellisen tilastollisen analyysisuunnitelman – rekisteröitiin ennakkoon ja asetettiin julkisesti saataville Open Science Frameworkissa 4.10.2024 (saatavilla täältä - https://osf.io/vup9c/).

Käytännöllinen, useaan paikkaan keskittyvä klusterillinen satunnaistettu kontrolloitu tutkimus, johon osallistui National Health Servicen (NHS) Talking Therapies (NHS-TT) -palvelut ahdistuksen ja masennuksen hoitoon (aiemmin IAPT-palvelut) Englannissa. Unified Protocoliin perustuva "UPLift"-digitaalinen ryhmäinterventio on saatavilla potilaille, joilla on yleisiä mielenterveyshäiriöitä (ja muita samanaikaisia ​​​​sairauksia), jotka voivat saada korkean intensiteetin kognitiivista käyttäytymisterapiaa (CBT) NHS-TT-palveluissa kansallisten ohjeiden mukaisesti. (Kansallinen mielenterveysyhteistyökeskus, 2024). Unified Protocol on transdiagnostinen hoito, joka on suunniteltu soveltumaan monenlaisiin tunnehäiriöihin, kun otetaan huomioon masennuksen, ahdistuneisuuden, somatoformisten ja dissosiatiivisten oireiden yleinen esiintyminen. Se perustuu CBT- ja tunteiden säätelyteorioihin, ja sen tavoitteena on tukea potilaita soveltamaan useita tunteiden säätelytaitoja, jotka kohdistuvat useiden mielenterveysongelmien taustalla oleviin keskeisiin yhteisiin haavoittuvuuksiin: neuroottisuuteen, huonoon hallintaan ja uhan yliarviointiin. Protokolla noudattaa vähävaraisuuden periaatetta sisällyttämällä siihen vähimmäismäärä empiirisesti validoituja tekniikoita, jotka tekevät siitä saavutettavan, mutkattoman ja tehokkaan mahdollisimman suurelle määrälle potilaita, joilla on erilaisia ​​​​oireiden ja ongelmien yhdistelmiä. Sisältö on jaettu kahdeksaan moduuliin, jotka toimitetaan verkossa 12 viikoittaisessa 1,5 tunnin istunnossa, ja se sisältää yhdistelmän Internet-pohjaisia ​​resursseja (itseseurantakyselyitä, psykokasvatusvideoita, kuhunkin moduuliin linkitettyjä taitoharjoituksia) ja pätevän kognitiivisen käyttäytymisterapeutin järjestämiä ryhmäterapiaistuntoja. terapeutti.

Satunnaistuksen yksikkö (klusteri) on kukin osallistuva NHS-TT-palvelu. NHS Trustit ovat laajempia organisaatioita, jotka hallinnoivat yhtä tai useampaa NHS-TT-palvelua, joten satunnaistuksen yksikkö on paikallinen tiimi. Kaikki samassa lähipalvelussa hoidettavat potilaat ovat saman klusterin jäseniä. Osallistuvat palvelut jaetaan satunnaisesti yhteen viidestä haarasta. Kukin haara sisältää saman 12 istunnon verkkoryhmän Unified Protocol -hoidon, mutta järjestettynä eri järjestyksessä. Ensimmäiset kaksi moduulia pysyvät kiinteinä intervention alussa, koska nämä esittelyistunnot ovat välttämättömiä kaikkien potilaiden suuntaamiseksi hoitoon ja yhtenäisen ryhmäprosessin luomiseksi. Vastaavasti viimeinen moduuli on kiinteä intervention lopussa, koska se sisältää yleiskatsauksen kaikista selviytymistaidoista ja se keskittyy uusiutumisen ehkäisyyn. Keskimmäiset moduulit kattavat erityisiä tunteiden säätelytaitoja ja ovat parhaiten mukautettavissa (esim. jotkut voivat olla enemmän tai vähemmän tehokkaita tietyille potilaille). Nämä ohjelmoitavat moduulit toimitetaan eri sarjoissa jokaisessa koehaarassa.

Osallistujat suorittavat perusmittaukset tutkimukseen tullessaan, viikoittaiset oireiden tulosmittaukset ennen kutakin istuntoa sekä hoidon jälkeisen (istunto 12) ja 6 kuukauden seurantatutkimuksen. Ensisijainen tulos on negatiivinen affektiivisuus (NA), joka perustuu yhdistelmäpisteisiin, joissa yhdistetään potilaiden terveyskyselyn 9 (PHQ-9; masennus), yleistyneen ahdistuneisuushäiriön 7 asteikon (GAD-7; ahdistuneisuus) ja työ- ja sosiaalisopeutumisen kohteita. Mittakaava (WSAS; toimiva). Toissijaisia ​​tuloksia ovat elämänlaatu (EuroQol - 5 ulottuvuutta; EQ5D), hyvinvointi (Warwickin ja Edinburghin mielenterveyden asteikko; WEMWBS) ja hoidon keskeyttäminen.

Tutkijat keräävät myös anonymisoituja kliinisiä terveystietoja kaikista potilaista, jotka käyttävät yksilöllisesti toimitettua CBT:tä osallistuvissa palveluissa kliinisen tutkimuksen aikana. Nämä tiedot sisältävät väestötiedot, kliinisen hoidon ja kliiniset tulokset. Tämä antaa tutkijoille mahdollisuuden tehdä kliinisen ja kustannustehokkuuden vertailuja käyttämällä tilastollisen analyysisuunnitelmassa kuvattua tapauskontrollin täsmäysstrategiaa.

Tilastollinen analyysisuunnitelma toteutetaan kolmessa vaiheessa, jotka liittyvät tutkimuksen kuhunkin tavoitteeseen.

Tavoite 1: vertailla eri UP-moduulisekvenssien tuloksia Tämä on ensisijainen analyysi, johon otoskoon laskenta perustuu. Tapaukset, joissa riippuvaisen muuttujan hoidon jälkeiset (12. istunto) datapisteet puuttuvat, lasketaan käyttämällä MissForest R -pakettia käyttämällä kaikkia perusmuuttujia ennustajina. Imputaatiot suoritetaan erikseen jokaiselle tutkimushaaralle. Analyysissä käytetään lineaarista monitasoista (sekoitetut vaikutukset) mallia, jossa potilaat asetetaan sisäkkäin ryhmien sisällä ja syötetään ryhmätasolle satunnainen vaikutus. Riippuva muuttuja on hoidon jälkeinen negatiivisen vaikutuksen (NA) pistemäärä, joka tulee tutkimusryhmään itsenäisenä muuttujana, joka ohjaa lähtötason NA:ta. Malleja kehitetään peräkkäin ja mallinsovitusindeksit (AIC, BIC, -2LL) tarkastellaan jokaisen mallinnusvaiheen jälkeen. Tutkijat säilyttävät ja tulkitsevat parhaiten sopivan ja hillityimmän mallin, joka on saavutettu tällä vaiheittaisella prosessilla, käyttämällä -2 loglikelihood -suhdetestiä mallien vertailuun. Klusterin sisäinen korrelaatiokerroin (ICC) raportoidaan ryhmätasolla hoidon tulosten vaihteluindeksinä. Ryhmien väliset efektikoot (Cohenin d) lasketaan ja raportoidaan jokaiselle kontrastille (esim. standardi UP-sekvenssi vs. muut sekvenssit).

Toissijainen analyysi: Yllä oleva analyysisuunnitelma toistetaan käyttämällä logistista monitasoista mallia, jonka riippuvaisena muuttujana on keskeyttäminen. Keskeytysmuuttuja johdetaan ryhmäterapian läsnäolotiedoista, joissa tapaukset, jotka osallistuivat yli puoleen (≥6) istuntoon, ryhmitellään viiteluokkaan (koodi = 0) ja tapaukset, jotka osallistuivat alle puoleen (≤5) luokitellaan. tapauksina, jotka jäivät kesken (koodi = 1).

Tavoite 2: kehittää henkilökohtainen moduulin valintamenetelmä Tapaukset, joissa riippuvassa muuttujassa puuttuu datapisteitä, imputoidaan käyttämällä MissForest R -pakettia käyttäen kaikkia perusmuuttujia ennustajina, erillisillä imputoinneilla koulutus-/validointiosioissa ja jokaisessa koehaarassa. Luotettava paraneminen (RI) viittaa oireiden vakavuuden vähenemiseen kahden ajankohdan välillä, mikä on suuruusluokkaa suurempi kuin psykometrisen mittauksen luotettava muutosindeksi. Tämän määritelmän mukaisesti tutkijat luokittelevat tapaukset käyttämällä binäärimuuttujaa, joka ilmaisee, oliko niissä (koodi = 1) vai ei (koodi = 0) parantunut luotettavasti ohjelmoivalle Unified Protocol -moduulille altistumisen jälkeen. Tämän koodauksen avulla voimme tunnistaa tapaukset, joissa havaitaan luotettavia oireenmukaisia ​​parannuksia kullekin kohdemoduulille altistumisen jälkeen riippumatta siitä, missä moduuli sijaitsee (esim. intervention alussa, puolivälissä tai lopussa) ryhmäinterventiossa, johon ne on kohdistettu. kohdennetaan. Tämän menetelmän avulla tutkijat voivat valvoa sekvensointia ja varhaisen vasteen vaikutuksia ja tunnistaa niiden potilaiden profiilit, joilla on myönteinen vaste kuhunkin tiettyyn moduuliin.

Näytteen jakaminen: Täysi kokeilunäyte jaetaan satunnaisesti harjoitus- ja validointialajoukkoihin käyttämällä 60:40-jakoa, ja jokaisessa harjoitusosion jaossa on tasapainotettu luku jokaisesta viidestä koehaarasta. Tämä varmistaa, että 396 tapausta valitaan satunnaisesti koulutusosioon, mikä ylittää 300:n vähimmäisotoskoon, joka tarvitaan luotettavan kliinisen ennustemallin kouluttamiseen valvottua koneoppimista käyttämällä.

Mallin kehittäminen ja optimointi (koulutusosiossa): Tutkijat tuottavat yhteensä 5 koneoppimisennustemallia, yksi kullekin ohjeelliselle UP-moduulille. Jokainen koulutettu malli käsittelee syötteitä (potilaiden perusominaisuudet) ja tulostaa [a] ennustetun luokituksen ja [b] vastaavan luokitukseen liittyvän ennustetun todennäköisyyden. Näiden algoritmien logiikka on vastata seuraavaan kysymykseen: Kun otetaan huomioon nämä potilaan ominaisuudet, kuinka todennäköistä on, että tämä tietty potilas kokee luotettavan paranemisen moduulin X käytön jälkeen? Ristiinvalidointistrategia (validointinäytteessä): Koneoppimismallien tilastollinen tarkkuus ja kliininen käyttökelpoisuus arvioidaan validointistrategiassa vertaamalla algoritmin ennusteita havaittuihin tuloksiin ja vertaamalla tuloksia potilaille, jotka saivat optimaalisen moduulinsa ensin verrattaessa. potilaille, jotka eivät.

Toissijainen analyysi: Yllä oleva koneoppimisanalyysi ja ristiinvalidointistrategia toistetaan binääriluokittajan kouluttamiseksi, jonka riippuvaisena muuttujana on keskeyttäminen. Keskeytysmuuttuja johdetaan ryhmäterapian läsnäolotiedoista, joissa tapaukset, jotka osallistuivat yli puoleen (≥6) istuntoon, ryhmitellään viiteluokkaan (koodi = 0) ja tapaukset, jotka osallistuivat alle puoleen (≤5) luokitellaan. tapauksina, jotka jäivät kesken (koodi = 1).

Tavoite 3: arvioi digitaalisesti käytössä olevan UP-ryhmäterapian tehokkuutta verrattuna yksilölliseen CBT:hen Tämä analyysi sisältää [a] alaryhmän kliinisen tutkimuksen osallistujia, jotka jaettiin satunnaisesti käsivarteen, jossa UP-protokolla annettiin vakiojärjestyksessä, ja [b ] vastaava otos potilaista, jotka käyttivät yksittäistä korkean intensiteetin CBT:tä osallistuvissa NHS-TT-palveluissa. Yksittäisten CBT-tapausten tiedot otetaan sähköisistä terveyskertomuksista. CBT-tapaukset, jotka täyttävät luetellut tutkimukseen osallistumiskriteerit, valitaan tähän analyysiin, mukaan lukien vain tapaukset, joissa ensisijainen esiintyvä ongelma on tunnistettavissa kliinisistä tiedoista ja joissa vakavuuspisteet (PHQ-9, GAD-7, WSAS) ovat saatavilla ensimmäisellä kerralla. osallistui CBT-istuntoon. Tapaukset, joissa riippuvaisessa muuttujassa puuttuvat hoidon jälkeiset (viimeisin osallistumisistunto) datapisteet, imputoidaan käyttämällä MissForest R -pakettia käyttämällä kaikkia kovariaatteja ennustajina. Imputaatiot suoritetaan jokaiselle ryhmälle erikseen (yksilöllinen CBT; standardi UP-ryhmäterapia). Hoidon jälkeisiä kliinisiä tuloksia (NA-pisteitä) verrataan tapausten välillä, jotka käyttävät standardinmukaista ryhmän UP-protokollaa yksittäisiin CBT-tapauksiin käyttämällä kaksinkertaisesti vankkaa estimointia, jossa yhdistyvät säätö ei-satunnaista hoitojen kohdentamista varten ja kovariaattisovitettu regressiomalli testattavaksi. interventiolle altistumisen syy-seuraus.

Toissijaiset analyysit: Yllä oleva analyysi toistetaan tulosten vertaamiseksi käyttämällä häiriökohtaisia ​​mittareita (PHQ-9, GAD-7, ADSM) tapauksissa, joissa on asiaankuuluvat diagnoosit. Ryhmien väliset efektikoot (Cohenin d) lasketaan ja raportoidaan jokaiselle vertailulle.

Terveystaloudellinen analyysi: Taloudellinen analyysi tehdään NHS:n ja henkilökohtaisten sosiaalipalvelujen näkökulmasta. Kustannushyötyanalyysissä käytetään laadun mukaan mukautettuja elinvuosia (QALY-arvot, jotka on johdettu EQ-5D-kyselystä ja tariffi, joka perustuu Yhdistyneen kuningaskunnan julkiseen arvosarjaan) elämänlaadun mittana käyttämällä jälkihoitoa (viimeisin osallistunut istunto). tiedot NA-asteikolla primaarisessa analyysissä ja 3 kuukauden seurantatiedot toissijaisessa analyysissä. Terveys- ja sosiaalipalvelujen resurssien käyttö arvostetaan NHS:n viitekustannusten ja henkilö- ja sosiaalipalvelujen resurssien käyttötietokannan (PSSRU) avulla. Tutkijat arvioivat ryhmähoidon lisäkustannustehokkuuden suhteessa yksittäiseen CBT:hen käyttämällä bootstrapping-menetelmää luottamusvälien arvioimiseen. Päätöksen epävarmuus esitetään kustannustehokkuuden hyväksyttävyyskäyrällä. Lisäherkkyysanalyysit tehdään resurssien käytölle ja yksikkökustannuksille. Herkkyysanalyysi hallitsee peruskustannukset. Skenaarioanalyysit tutkivat vaihtoehtoisia kustannusnäkökulmia; eli NHS:n ja NHS/PSS:n näkökulmasta. Kustannustehokkuusanalyysin tulokset raportoidaan Consolidated Health Economic Evaluation Reporting Standards 2022 -lausunnon mukaisesti.