Utiliser la science des données pour centrer les perspectives des patients dans la découverte de mécanismes (CPP)

La demande d’interventions rentables, nouvelles et évolutives axées sur les traumatismes est élevée. Les taux de prévalence du trouble de stress post-traumatique (SSPT) et du SSPT complexe dans les cliniques communautaires de santé mentale aux États-Unis sont estimés à 50 %. Pourtant, l’hétérogénéité des réponses aux interventions liées au SSPT reste élevée, avec des taux de non-réponse atteignant 50 à 60 % et des taux d’abandon pour les interventions traditionnelles (c’est-à-dire les thérapies cognitivo-comportementales et d’exposition) entre 30 et 40 %. De plus, les populations de recherche dans les essais de recherche clinique par étapes typiques axés sur l'efficacité sont souvent caractérisées par des critères d'exclusion stricts et une faible représentation des communautés sous-représentées. La nature homogène des populations de recherche fondée sur l’efficacité crée une image incomplète, en particulier dans les établissements de santé mentale du secteur public et communautaires. Des études ont suggéré que non seulement cette homogénéité limite l’efficacité au sein de diverses populations, mais qu’elle peut également contribuer à exacerber les disparités en matière de santé.

L’engagement des points de vue des patients est crucial pour la recherche, car cela peut fournir un aperçu de l’hétérogénéité et de l’engagement des réponses, conduisant finalement à une compréhension des mécanismes et à la création d’interventions davantage centrées sur le patient. Une façon de centrer la voix du patient et d'augmenter le potentiel d'identification de mécanismes de changement uniques pour une nouvelle thérapie consiste à utiliser des entretiens qualitatifs, car ils accèdent directement à l'expérience vécue et à son contexte. Malgré les avantages potentiels de l'utilisation de données qualitatives dans des essais contrôlés randomisés par étapes, plusieurs obstacles persistent, notamment les contraintes de ressources, l'incapacité de quantifier les éléments interactifs et les inquiétudes concernant la valeur pratique des informations recueillies. Des méthodes innovantes qui extraient de manière fiable et rapide des thèmes pertinents et chargés de valeurs et discernent les éléments conversationnels non verbaux peuvent faciliter l’intégration de l’expérience des patients et l’inclusion de leurs points de vue dans les essais d’intervention clinique.

Cette étude à un seul bras vise à évaluer la faisabilité de l'utilisation du traitement du langage naturel (PNL) et de l'apprentissage profond pour identifier les mécanismes potentiels de changement des symptômes du SSPT à partir des entretiens avec les patients. L'étude utilisera des cohortes en cours d'un service clinique qui propose un modèle de thérapie de groupe en ligne et en direct de 16 semaines (et des séances de thérapie individuelles complémentaires) appelé Programme d'atténuation et de résolution des traumatismes et du stress (PARTS) qui utilise le modèle IFS. Les enquêteurs utiliseront une approche de méthodes mixtes convergentes appliquant l'apprentissage automatique et le traitement du langage naturel pour développer des modèles qui identifient les mécanismes potentiels de changement.

Analyse : Nous utiliserons plusieurs méthodes différentes pour développer nos modèles, notamment l'allocation de Dirichlet latent, les modèles de langage pré-entraînés, l'apprentissage par transfert (réseaux de neurones récurrents, réseau contradictoire génératif) et les modèles basés sur la régression pénalisée. Ces modèles utiliseront des données dérivées des perspectives des patients sur le changement psychologique, telles qu'exprimées lors d'entretiens, et seront comparées à des modèles dérivés de mesures cliniques. Nous utiliserons des mesures de performance standard et des scores de validation croisée pour évaluer les performances comparatives des modèles. À titre exploratoire, nous évaluerons la faisabilité de l'utilisation de fonctionnalités dérivées de modèles de traitement du langage et de mesures cliniques pour prédire les visites thérapeutiques individuelles après l'intervention. Les données exploratoires comprendront également des données cliniques structurées, les déterminants sociaux de la santé et l'utilisation basée sur la thérapie (dates, type de prestataire, durée).

Résultats attendus : Le développement de deux modèles validés : l'un dérivé des données d'entretiens avec les patients et l'autre basé sur des mesures cliniques pour identifier de manière exhaustive les mécanismes de changement à partir des modèles de thérapie de groupe de l'IFS pour le SSPT.