Interventions basées sur la vertu ou interventions cognitivo-comportementales chez les patients atteints de maladies chroniques

Il existe actuellement plusieurs interventions efficaces pour accroître le bien-être, telles que la thérapie cognitivo-comportementale (TCC), qui se concentre sur la réduction des déficits, et les interventions basées sur la vertu (VBI), qui visent à encourager les actions favorisant le bien-être. Cependant, il existe peu de recherches sur les mécanismes par lesquels ces interventions fonctionnent. Le but de cette étude est d'analyser les mécanismes spécifiques et communs de changement de deux traitements actifs (TCC et VBI) pour augmenter le bien-être des patients atteints de maladies chroniques. Cette population sera utilisée en raison de son faible niveau de bien-être par rapport à la population générale. Un essai contrôlé randomisé sera mené, avec deux conditions expérimentales (VBI et CBT) et quatre points d'évaluation (pré et post-intervention, et suivi de 6 et 12 mois). Nous évaluerons principalement le bien-être, l'anxiété, la dépression, les mécanismes spécifiques à chaque intervention (par exemple, les pensées dysfonctionnelles en TCC, l'utilisation des forces en VBI) et les mécanismes communs aux interventions psychologiques (par exemple, la confiance dans le traitement). Tout d'abord, les participants seront sélectionnés pour leur éligibilité selon les critères d'inclusion/exclusion. Deuxièmement, les participants éligibles seront randomisés dans une condition CBT ou VBI et termineront les mesures de base. Troisièmement, les participants recevront l'intervention de base pendant 9 semaines. Enfin, les participants termineront les mesures après le traitement et 6 et 12 mois plus tard. Pendant le traitement, ils répondront quotidiennement à quelques questions pour évaluer le bien-être et les compétences en matière de bien-être à l'aide de l'évaluation écologique momentanée (EMA). Les hypothèses sont : (1) les deux participants aux conditions CBT et VBI augmenteront leurs niveaux de bien-être et les changements seront médiés par les mécanismes spécifiques de chaque intervention, (2) certains des changements de bien-être qui peuvent existent dans les deux interventions s'expliqueront par les facteurs communs, (3) tous ces changements seront modérés par les niveaux de base d'anxiété, de dépression et de bien-être, et (4) les deux participants aux conditions CBT et VBI réduiront les niveaux de anxiété et dépression. L'étude sera menée selon les principes énoncés dans la Déclaration d'Helsinki.

Plan d'analyse :

Une approche mixte entre méthodes quantitatives et qualitatives a été appliquée. Concernant les méthodes quantitatives, les différences entre les groupes en termes de données démographiques et d'autres variables cliniques seront testées avec des tests T pour les variables continues et des tests χ2 pour les variables catégorielles. Les hypothèses seront testées et, si elles ne sont pas respectées, des alternatives non paramétriques et robustes seront appliquées. Les relations entre les variables continues seront examinées et testées pour détecter les différences entre les groupes. De plus, la fiabilité des variables d'auto-évaluation sera évaluée pour garantir de bonnes propriétés psychométriques.

Pour tester l'impact du VBI et de la CBT dans le temps, une analyse de covariance mixte bidirectionnelle (ANCOVA) sera mise en œuvre (groupe comme variable inter-sujets, temps comme variable intra-sujets). Les effets principaux et d'interaction seront estimés, ainsi que des tests post hoc avec correction des erreurs de type I (Bonferroni et Šidák) et moyennes marginales estimées avec des intervalles de confiance à 95 %. Les hypothèses relatives à l'ANCOVA seront testées et des corrections seront mises en œuvre si elles ne sont pas respectées. Tous les contrastes compteront avec des tailles d'effet et des intervalles de confiance à 95 %. L'abandon et d'autres modèles de données manquantes seront évalués. Plus concrètement, la proportion de données manquantes sera examinée et comparée entre les groupes. Si des données manquantes pertinentes ou non négligeables sont constatées, une imputation multiple des données manquantes sera appliquée. Plus concrètement, une stratégie à plusieurs niveaux sera mise en œuvre. Les prédicteurs seront sélectionnés par conception et en partageant un degré de variance pertinent avec chaque résultat. De plus, une analyse de sensibilité sera mise en œuvre pour tester la robustesse des modèles d'imputation. Pour estimer l'impact de la taille de l'échantillon, toutes les analyses compteront avec une analyse de sensibilité qui sera mise en œuvre à 90 % de puissance et 95 % de confiance à l'aide de G*Power 3.1.

Pour analyser les mécanismes potentiels de changement dans chaque programme, des modèles d'équations structurelles (SEM) seront mis en œuvre. Les scores de différence entre les moments (post-pré-intervention et suivis-pré-intervention) seront calculés et mis en œuvre comme résultats. Suivant notre cadre, une série de propositions de mécanismes seront développées comme modèles théoriques pour le SEM. Étant donné que la plupart ou la totalité des variables seront continues, le maximum de vraisemblance robuste sera utilisé comme méthode d'estimation avec des erreurs types robustes d'estimations (cela permet des estimations sans biais des écarts par rapport à la normalité). Les données manquantes seront traitées avec la méthode Full-Information Maximum Likelihood. L'ajustement sera évalué avec des indices et des seuils recommandés par la littérature. En raison des médiations présentes dans notre cadre, les effets indirects seront estimés avec des techniques bootstrap. De plus, une correction pour tests multiples sera appliquée du fait de la proposition de plusieurs modèles théoriques. Une analyse de puissance a révélé avec une puissance de 90 %, un niveau de confiance de 95 % et 210 degrés de liberté (20 variables), une taille d'échantillon minimale de n = 100, capable de différencier une population RMSEA = 0,5 avec une RMSEA alternative = 0,08. Cependant, la taille de l'échantillon sera augmentée si disponible.

Pour analyser les scores EMA, des modèles longitudinaux multiniveaux seront mis en œuvre. Plus concrètement, le temps spécifique d'évaluation s'imbrique dans les temps globaux (pré, post et suivis), emboîté chez les individus, puis emboîté dans les groupes (VBI ou CBT). Les modèles disponibles seront examinés (par exemple, modélisation de la croissance décalée, modèles GIMME, SEM dynamique) et utilisés.

Les descriptifs, les tests bivariés et les ANCOVA seront estimés avec JASP, tandis que les analyses SEM et EMA seront estimées avec l'environnement R. Les packages spécifiques sont lavaan, lme4 et EMAtools.

Concernant les méthodes qualitatives, des entretiens semi-structurés seront mis en œuvre dans une perspective inductive pour rechercher des catégories sous-jacentes aux réponses des participants. L'analyse thématique servira de cadre pour localiser et décrire ces catégories. Deux membres de l'équipe développeront l'analyse thématique avec les phases suivantes : (1) lecture et relecture des réponses ouvertes et description des idées générales ; (2) génération de premiers codes en extrayant toutes les informations verbales pertinentes concernant les questions de recherche, en attribuant une brève description ou un code et en les attribuant dans un tableau ; (3) organiser les codes dans la recherche de thèmes ; (4) examiner les thèmes proposés en visant l'homogénéité et la spécificité des contenus, et en s'assurant que les unités de signification verbale sont représentées de manière adéquate dans les thèmes ; (5) définition et description des thèmes.