Prédire l'arrêt prématuré du traitement en psychothérapie pour patients hospitalisés : une approche d'apprentissage automatique

Le but de l'étude est d'identifier les facteurs de risque qui conduisent ou prédisent l'arrêt prématuré du traitement dans les hôpitaux psychosomatiques. À long terme, l'étude contribuera à développer des modèles de prédiction plus précis susceptibles d'améliorer la communication entre les thérapeutes et les patients sur les abandons potentiels et, si nécessaire, l'adaptation du traitement en utilisant une boucle de rétroaction.

Puisqu'il n'est pas encore clair quelles variables jouent un rôle majeur dans la prévision de l'arrêt du traitement dans les hôpitaux psychosomatiques, la conception de l'étude est exploratoire et inclut un large éventail de caractéristiques des patients à l'admission. Le but de cette étude est de développer un modèle de prédiction basé sur les informations qui sont régulièrement évaluées à l'admission. Par conséquent, trois types de variables devraient être incluses : (1) les variables démographiques et autres variables cliniques (par ex. âge, sexe, diagnostics CIM-10), (2) données de questionnaires psychologiques (par ex. PHQ, SF-12, EB-45, IIP-32, OPD-SFK) et (3) données physiologiques (par ex. données de laboratoire de routine, tension artérielle). Pour l'étude, tous les patients qui ont commencé une psychothérapie hospitalière au centre médical de Heidelberg entre 2015 et janvier 2022 seront inclus, ce qui donne un échantillon d'environ N = 2000. Étant donné que le taux d’abandon moyen basé sur les résultats des méta-analyses est d’environ 20 %, on peut supposer que jusqu’à 400 patients ont abandonné prématurément le traitement.

Pour calculer le modèle de prédiction, il est prévu d’utiliser une approche d’apprentissage automatique hautement fonctionnelle dans les grands ensembles de données. En utilisant un modèle de forêt aléatoire pour les résultats binaires (durée régulière du traitement ou arrêt prématuré du traitement), il est envisagé d'identifier les variables qui contribuent à la prédiction de l'arrêt prématuré du traitement à l'admission. De plus, les effets sur la liste d'attente seront pris en compte en tenant compte de la durée d'attente entre l'entretien d'admission initial et le moment de l'admission à l'hôpital. Par conséquent, l'étude examinera, pour la première fois, un modèle de prédiction de l'arrêt prématuré du traitement en psychothérapie pour patients hospitalisés, y compris des données physiologiques cliniquement pertinentes ainsi que les effets du temps d'attente dans la préparation du traitement psychosomatique.