Améliorer les soins de santé mentale en associant scientifiquement les patients aux forces des prestataires

Contexte et signification :

La maladie mentale est un problème de santé publique extraordinaire et très lourd. Malheureusement, même pour les personnes qui ont accès aux soins de santé mentale (MHC), les soins sont trop souvent de qualité inférieure. La recherche a constamment démontré qu'environ 10 à 15 % des patients se détérioreront ou subiront des dommages pendant le traitement. De plus, lorsque ces taux sont combinés avec des taux sans changement, seuls 40 % ou moins des patients se rétablissent de manière significative. Il est important de noter que la recherche sur les traitements a mis en lumière une variabilité substantielle des résultats des prestataires. En termes simples, le prestataire de soins de santé primaires a un impact sur les résultats du traitement et les parties prenantes n'ont pas un accès systématique à des informations valides et exploitables pour optimiser les jumelages patients-prestataires efficaces. Sans collecte et diffusion de données sur les performances, les parties prenantes manquent d'informations vitales sur lesquelles fonder leurs choix en matière de soins de santé et personnaliser le traitement. À l'inverse, il y a potentiellement un immense avantage à jumeler les patients aux prestataires sur la base de données scientifiques sur les résultats. Les patients, les parties prenantes, les chercheurs et les cliniciens ont tous reconnu ce transfert de connaissances appliquées comme une priorité élevée. En réponse, les chercheurs ont développé et piloté une technologie pour tester ce concept de jumelage et ce modèle de santé centré sur le patient.

D'éminents organismes de soins de santé ont placé la mesure des résultats/du rendement au centre des initiatives de base. L'Institute of Medicine recommande spécifiquement d'intégrer les données sur la performance des prestataires dans la prise de décision en matière de traitement. Malgré cette rhétorique, 2 revues Cochrane combinées n'ont pu identifier que 4 études qui ont abordé cette question avec des normes méthodologiques minimales ; les résultats étaient mitigés. Fait important, aucune n'impliquait une intervention de diffusion ciblée et aucune n'impliquait le CSM. Des recherches antérieures, y compris les nôtres, ont démontré de manière empirique des différences substantielles dans les tailles d'effet de traitement projetées en fonction du thérapeute auquel un patient est référé. La principale lacune en matière de preuves est la nécessité d'un test rigoureux de l'efficacité d'une intervention ciblée de diffusion des performances des prestataires de soins de santé primaires par rapport à l'orientation et à l'attribution de cas standard/pragmatique. Dans le même ordre d'idées, le Patient-Centered Outcomes Research Institute (PCORI) a appelé à un traitement «précis» ou «personnalisé» accru, en mettant l'accent sur l'adaptation. L'algorithme de correspondance répond directement à cet appel hautement prioritaire pour personnaliser les soins de manière personnelle et fondée sur des preuves.

Objectifs spécifiques :

L'objectif de cette recherche d'efficacité comparative (CER) est de tester un algorithme innovant et scientifiquement informé d'appariement patient-thérapeute basé sur les données de résultats des prestataires de soins de santé primaires. Les enquêteurs utiliseront un essai contrôlé randomisé (ECR) pour comparer l'algorithme d'appariement avec l'appariement de référence pragmatique courant (basé sur la disponibilité du fournisseur, la commodité ou la spécialité autodéclarée). Le traitement psychosocial lui-même restera administré de manière naturaliste par divers prestataires (par exemple, des psychologues, des travailleurs sociaux) aux patients souffrant de problèmes de santé mentale complexes au sein d'un réseau de cliniques partenaires, les consultants psychologiques et comportementaux (PsychBC). Les enquêteurs émettent l'hypothèse que le groupe d'appariement scientifique surpassera le groupe d'appariement pragmatique en diminuant les symptômes des patients et l'abandon du traitement, et en favorisant les résultats fonctionnels des patients, les attentes en matière de résultats et la satisfaction des soins, ainsi que la qualité de l'alliance patient-thérapeute. Cela établira l'algorithme d'appariement comme un mécanisme de CMH efficace centré sur le patient.

Méthodes :

Les enquêteurs compareront l'efficacité du CMH naturaliste avec ou sans l'aide d'appariement scientifique avec un ECR en double aveugle au niveau individuel. Les enquêteurs procéderont d'abord à une évaluation de base des performances des thérapeutes PsychBC (inscription cible N = 44) (sur au moins 15 cas) afin de déterminer leurs forces dans le traitement de 12 domaines de santé comportementale mesurés par l'outil de résultat principal sur lequel notre algorithme de correspondance est basé. -- le package de résultats de traitement (TOP). Le TOP est déjà administré en routine dans notre réseau de partenaires. Basé sur des années de recherche analytique prédictive, cet outil classe les thérapeutes comme "efficaces", "neutres" ou "inefficaces/nocifs" pour chaque domaine TOP. Les thérapeutes en aveugle seront croisés sur les conditions.

Ensuite, pour l'essai, de nouveaux patients externes adultes (inscription cible N = 281) seront affectés au hasard à la condition d'appariement ou à l'affectation de cas comme d'habitude (généralement en fonction de considérations pragmatiques, telles que la disponibilité du fournisseur, la commodité ou la spécialité autodéclarée). Le seul critère d'exclusion des patients sera les personnes qui ne sont pas le principal décideur de leurs soins. Ainsi, les patients présenteront une multitude de problèmes à travers un éventail de diagnostics. Avec l'affectation du thérapeute comme seule manipulation, les thérapeutes participants traiteront les patients de manière totalement naturaliste. Les résultats du traitement seront évalués régulièrement par résiliation mutuelle ou jusqu'à 16 semaines. Les analyses primaires impliqueront une modélisation linéaire hiérarchique pour examiner les taux comparatifs et les modèles de changement sur les résultats.