Tendances d'action et pronostic dans le trouble dépressif majeur

Le développement de marqueurs cliniques et psychologiques qui caractérisent le grand sous-groupe de patients souffrant de dépression majeure qui ne bénéficient pas des antidépresseurs sérotoninergiques proposés en traitement de première ligne est d'une importance clinique capitale mais n'a pas encore été atteint. Les indicateurs cliniques et psychologiques seraient idéaux pour prédire la non-réponse aux médicaments antidépresseurs, étant donné leur grande disponibilité. Jusqu'à présent, cependant, ces mesures n'ont pas fourni de prévisions précises au niveau individuel. De nouveaux prédicteurs du pronostic et de la réponse au traitement dans le trouble dépressif majeur (TDM) peuvent ajouter de la valeur au développement de traitements ciblés et d'approches stratifiées pour améliorer les résultats à long terme des personnes atteintes de TDM.

Les fondements psychologiques de la réponse des patients au traitement ont été une direction importante de la recherche. Comme le propose le modèle d'impuissance apprise révisé, une vulnérabilité cognitive centrale au TDM est la tendance à se blâmer excessivement pour des événements négatifs survenus dans sa vie. Conformément à la théorie, des études antérieures ont démontré l'importance du biais d'auto-accusation à la fois comme facteur de vulnérabilité et comme symptôme de la dépression. Par exemple, il a été démontré que les personnes atteintes de TDM en rémission avaient des biais de mépris de soi accrus par rapport aux participants témoins en bonne santé dans une étude récente. Comme le TDM est un diagnostic à vie, comprendre les différences entre le TDM en rémission et les témoins sains pourrait aider à identifier les traits de vulnérabilité associés au TDM. Ainsi, la découverte de biais d'auto-accusation dans le TDM rémis démontre le rôle potentiel de l'auto-accusation en tant que trait de vulnérabilité et nouveau marqueur cognitif du TDM qui reste présent pendant la rémission et constitue éventuellement une vulnérabilité à la récidive. Cependant, une limite dans les études précédentes est que les gens pourraient avoir éprouvé des difficultés à distinguer leurs émotions morales telles que la honte et la culpabilité dans certaines circonstances. Les mesures précédentes évaluant ces émotions dépendaient largement de l'évaluation subjective des participants et sont donc problématiques en termes de différenciation des émotions morales.

De plus, ces mesures ne tiennent pas compte de la nature adaptative ou inadaptée des émotions morales. Comme proposé par Tangney, les émotions morales peuvent être soit adaptatives soit inadaptées, et cette différence est peut-être déterminée par les différentes tendances d'action d'un individu associées à ses émotions morales. Les tendances à l'action décrivent un état cognitif et motivationnel implicite avant qu'une action ne soit entreprise. Il a été suggéré que les tendances à l'action adaptative, telles que l'envie de s'excuser, étaient associées à des émotions d'auto-accusation telles que la culpabilité, et que les tendances à l'action inadaptées telles que l'envie de se cacher et de créer une distance avec soi étaient associées à la honte. Cependant, une enquête empirique sur les associations entre les tendances à l'action et les émotions d'auto-accusation fait défaut. D'autres investigations sur ce sujet sont importantes pour comprendre le rôle potentiel des tendances à l'action en tant que nouvelle mesure de l'auto-accusation et son association à la vulnérabilité au TDM. Il est important de développer des mesures des tendances d'action avec une validité écologique élevée. Dans des études précédentes, notre groupe de recherche a développé une tâche informatisée qui mesure les tendances à l'action et l'a utilisée pour prédire le pronostic dans le TDM. Il a été constaté que cette tâche peut prédire le risque de récidive chez les personnes atteintes de TDM, montrant une grande taille d'effet (Cohen's d=.96). Cependant, il y avait deux limitations majeures. Premièrement, la tâche était utilisée dans un format verbal et comprenait des descriptions abstraites de scénarios (par ex. "Vous agissez avec parcimonie envers votre ami"), ce qui rend la tâche dépendante de la capacité des participants à imaginer les scénarios. Deuxièmement, le manque d'immersion de la tâche a rendu difficile son engagement, ce qui peut limiter la validité écologique de la tâche.

L'évaluation basée sur la réalité virtuelle (VR) est un nouveau paradigme pour l'évaluation cognitive par rapport à l'évaluation traditionnelle papier-crayon ou informatisée. Les scénarios de réalité virtuelle ont été suggérés comme des outils prometteurs pour les évaluations cognitives et se sont révélés sûrs pour l'évaluation des troubles anxieux et de la dépression. Il est important de noter que la nature interactive et immersive de la réalité virtuelle permet de développer une tâche cognitive engageante et d'une validité écologique plus élevée, ce qui serait idéal pour identifier de nouveaux marqueurs cognitifs des résultats du TDM. Ainsi, cette étude visera à utiliser une tâche de réalité virtuelle pour mesurer les tendances d'action liées au blâme.

Il y a trois grandes questions de recherche de cette étude

1. Le MDD est-il associé à une plus grande propension aux tendances d'action inadaptées, telles que l'auto-distanciation et la dissimulation, par rapport à un groupe témoin non-MDD ?
2. Les tendances à l'action inadaptées liées à l'auto-accusation sont-elles associées à un mauvais pronostic pour le trouble dépressif majeur actuel lorsqu'elles sont traitées comme d'habitude en soins primaires ?
3. Les tendances à l'action inadaptées liées à l'auto-blâme peuvent-elles être utilisées pour prédire le pronostic du TDM au niveau individuel lorsqu'elles sont combinées avec d'autres prédicteurs à l'aide d'un modèle de régression à double validation croisée régularisé par filet élastique imbriqué ? (https://github.com/AndrewLawrence/dCVnet). Cela utilisera à la fois des prédicteurs primaires et secondaires dans le même modèle.

Nos principaux prédicteurs du pronostic du trouble dépressif majeur proposés sont les suivants (ils seront utilisés dans un modèle de régression multiple non régularisé) :

1. Pourcentage d'essais au cours desquels la dissimulation a été choisie, tel que mesuré par la tâche VR
2. Pourcentage d'essais au cours desquels l'auto-distanciation a été choisie telle que mesurée par la tâche VR
3. Score total d'autonomie tel que mesuré par le Personal Style Inventory
4. Score total de sociotropie tel que mesuré par le Personal Style Inventory
5. Score total du modèle de mise en scène de Maudsley
6. L'observance du traitement mesurée sur une échelle ordinale (à quelle fréquence avez-vous pris vos antidépresseurs au cours du dernier mois à la dose prescrite ? 0 = Jamais, 1 = Parfois, 2 = Plus de la moitié du temps, 3 = La plupart du temps, 4 = Presque tous les jours, 5 = Tous les jours)
7. Soutien social reçu tel que mesuré par l'échelle de soutien social
8. Score de dépression de base tel que mesuré par l'inventaire rapide auto-évalué de la symptomatologie dépressive (QIDS-SR-16) et le questionnaire sur la santé du patient modifié par Maudsley -9 (MM-PHQ-9, deux modèles distincts seront exécutés pour utiliser soit QIDS- SR-16 ou le MM-PHQ-9 comme variable de résultat).
9. Symptômes d'anxiété de base tels que mesurés par l'évaluation du trouble d'anxiété généralisée
10. Optimisation de la médication antidépressive pendant la période de suivi sur une échelle ordinale (0=pas de nouvel antidépresseur/arrêt de l'antidépresseur actuel ou diminution de sa dose, 1=augmentation de la dose efficace à une dose supérieure, 2=augmentation de la dose inefficace à efficace /ou passer à un autre antidépresseur à dose efficace)

Autres prédicteurs potentiels dans les analyses secondaires pour un modèle de régression non régularisé :

1. Mécanisme d'adaptation tel que mesuré par le Brief COPE
2. Type de traitement obtenu au cours des quatre mois (ex. ISRS ou non ISRS)
3. Labilité affective
4. Traumatisme de la petite enfance
5. Co-morbidité physique
6. Âge
7. Genre
8. Éducation
9. Âge d'apparition
10. Nombre d'épisodes précédents