Digitaaliset strategiat avun etsimisen edistämiseksi – Tavoite 3

Tämän ehdotuksen tavoitteena on perustaa digitaalinen laboratorio, joka keskittyy edistämään avunhakua ja nopeuttamaan hoidon aloittamista nuorilla (13–26-vuotiaat), jotka ovat kliinisesti korkean riskin (CHR) psykoosin kehittymisen vuoksi. Huolimatta näyttöön perustuvien varhaisen puuttumisen palveluiden käyttöönotosta kaikkialla Yhdysvalloissa, CHR-nuoret odottavat kuukausista vuosiin oireiden ilmaantumisen ja hoidon saamisen välillä, mikä johtaa merkittävästi huonompiin tuloksiin. Nykyiset CHR:n tunnistusstrategiat ovat tukeneet kalliita, tehottomia ja vanhentuneita resursseja. Maailmanlaajuiset pyrkimykset nopeuttaa hoidon aloittamista CHR-nuorten keskuudessa ovat katalysoineet ennennäkemätöntä kysyntää innovatiivisille digitaalisille terveydenhuoltoratkaisuille, joiden tavoitteena on lisätä saatavilla olevien ja tehokkaiden hoitovaihtoehtojen saatavuutta. Verkkohaku on yksi ensimmäisistä ennakoivista askeleista kohti hoidon aloittamista, mutta tähän mennessä hyvin vähän tutkimusta on saatu selville, kuinka CHR-nuoria voidaan parhaiten tukea heidän osallistuessaan kriittisiin varhaisiin verkkoavunhakuvaiheisiin kohti hoitoa.

Tämän tiedon puutteen korjaamiseksi tässä tutkimuksessa on mukana kumppanuus Mental Health America (MHA), maailman suurin mielenterveysseulonta- ja -edustajaorganisaatio, Strong365, online-resurssikeskus, joka on omistettu varhaiseen psykoosikoulutukseen ja hoitonavigointiin, Accelerating Medicines Partnership - Skitsofrenia (AMP-SCZ), NIH:n rahoittama CHR-ohjelmien verkosto kaikkialla Yhdysvalloissa ja neljä akateemista kumppania, joilla on asiantuntemusta CHR-nuorten (Columbia, UCSF, UCD) online-psykoosiseulonnan ja -navigoinnin (Columbia, UCD) ja digitaalisen mielenterveyssitoutumisen (UW, Columbia) arviointi ja hallinta. Tämä lähestymistapa perustuu MHA:n digitaaliseen mielenterveystoimintaan keskittyvään tutkimuskumppanuuteen (R01MH125179), ja se hyödyntää Health Action Process Approach (HAPA) -mallia, joka kuvaa, kuinka yksilöt siirtyvät aikomuksesta tekoon harkitessaan käyttäytymismuutosta. Tämä tutkimus luonnehtii ensin apua hakevia alatyyppejä 25 000 nuoressa, jotka ylittävät psykoosiriskin kynnyksen MHA:n kansallisen seulontaalustan Prodromal-Questionnaire (PQ-B) -kyselyssä. Seuraavaksi tutkijat käyttävät tätä suurta tietojoukkoa PQ-B-pisteiden määrittämiseen tehokkaimmin CHR-nuorten tunnistamisessa verkossa, koska väärien positiivisten tulosten riski voi olla suurempi online-itseseulonnassa ja että optimaaliset kynnysarvot voivat vaihdella näytteen esiintyvyyden mukaan. , väestö ja ympäristö. Tämän jälkeen tutkijat kehittävät ja testaavat iteratiivisesti teoriaa ja datapohjaisia ​​digitaalisia strategioita käyttämällä sarjaa Micro Randomized Trials (MRT) -kokeiluja, jotka on suunniteltu edistämään CHR-nuorten avunhakua ennakkoaikomuksesta aikomukseen, aikomuksesta tekoon ja toiminnasta supersuoraan. -toimia käyttämällä suoraan HAPA-kohdemekanismeja: omatehokkuus, havaitut tarpeet/riskit ja tulosodotukset. Erityisiä tavoitteita ja hypoteeseja ovat mm.

Tavoite 1: Kuvaile avunhakumalleja 25 000 nuoressa, jotka saavuttavat PQ-B-kynnyksen. H1a: Nuoret ryhmittyvät (1) esi-aikeisiin (ottavat PQ-B:n ja osallistuvat koulutussisältöön), (2) aikoviin (aloittaa tekstinvaihdon Strong365:n vertaisnavigaattorin kanssa (3) toimijoihin (eteneminen tekstiviestien lähettämisestä kliiniseen arviointiin) Strong365-kliinikon kanssa puhelimitse/videolla) ja (4) supernäyttelijöitä (ennakkoarvioinnista AMP-SCZ:n saamiseen). Tiedot sisältävät online-metatiedot (verkossa käytetty aika, katseltujen resurssien määrä, PQ-B:n suorittamiseen käytetty aika, aloitettujen/vaihdettujen tekstien lukumäärä), itseraportin (demografiset tiedot, oireiden tyyppi ja vakavuus, PQ-B-pisteet, maalit/ tarpeet, itsetehokkuus) ja luonnollinen kieli. H1b (vain Strong365): Osallistujan/palveluntarjoajan vuorovaikutuksesta tekstin ja videon kautta poimittujen tietojen luonnollisen kielen käsittely (NLP) tunnistaa HAPA-vaiheiden kielelliset merkit: intender, actor, super-actor. HAPA-vaiheisiin perustuvat mallit sekä käyttäytymisominaisuudet (eli viestin ajoitus, taajuus, vastausviive) ennustavat avun etsimisen edistymisen vs. irtautumisesta. Parhaita ennakoivia ominaisuuksia käytetään tiedottamaan MRT:issä testattavien avunhakustrategioiden suunnittelusta (tavoite 3).

Tavoite 2: Varmistaakseen, että PQ-B:n suorittaneita ohjataan asianmukaisesti, tämä tutkimus määrittää tarkimman kynnyksen CHR:n tunnistamiseen verkossa. H2: Käyttäen väestöpohjaisen PQ-B-seulonnan tietoja, tutkijat ennustavat, että kokonaishätäpistemäärä 20+ tuottaa korkeimman diagnostisen todennäköisyyden suhteen vähintään 80 %:n herkkyydellä verkossa kliinisen etäarvioinnin perusteella. Tutkimuksen loppuosassa käytetään kynnysarvoa, joka maksimoi spesifisyyden ja herkkyyden.

Tavoite 3: Kehitä, testaa ja valitse iteratiivisesti tehokkaimmat avun etsintästrategiat käyttämällä MRT:tä 25 000 nuorelle kolmessa vaiheessa hoitopolun varrella, kun nuoret todennäköisimmin irtautuvat (PQ-B:n suorittamisen jälkeen, tekstiviestien lähettäminen vertaisnavigaattori, kliininen etäarviointi). H3a: Digitaaliset strategiat PQ-B-tulossivulla edistävät nuoria pelkästä verkkoseulonnasta tekstiviestien lähettämiseen (ennakolta intenderille). Strategiat tehtävän itsetehokkuuden ja tulosodotusten parantamiseksi ovat tehokkaampia kuin seulonnan jälkeiset tiedot tavalliseen tapaan. H3b: Tekstin välityksellä toimitettavat automaattiset digitaaliset strategiat edistävät nuorten tekstiviestien lähettämisestä kliiniseen etäarviointiin (intender to actor). Strategiat tehtävien itsetehokkuuden ja tulosodotusten parantamiseksi ovat tehokkaampia kuin ohjausviestit. H3c: Tekstin välityksellä toimitetut automatisoidut digitaaliset strategiat edistävät nuoria arvioinnista AMP-SCZ:n saamiseen ja hoidon aloittamiseen, kun se on aiheellista (näyttelijästä supernäyttelijäksi). Ylläpidon ja palautuksen itsetehokkuutta parantavat strategiat ovat tehokkaampia kuin ohjausviestit.