Essai d'une intervention de psychothérapie de groupe en ligne pour les troubles de santé mentale courants (UpLift-X)

Le protocole d'étude, comprenant un plan d'analyse statistique complet, a été pré-enregistré et rendu public dans l'Open Science Framework le 4 octobre 2024 (disponible ici - https://osf.io/vup9c/).

Un essai contrôlé randomisé pragmatique, multisite et factoriel en grappes, impliquant les services de thérapies parlantes du National Health Service (NHS) (NHS-TT) pour l'anxiété et la dépression (anciennement connus sous le nom de services IAPT) en Angleterre. L'intervention de groupe numérique « UPLift », basée sur le protocole unifié, sera disponible pour les patients souffrant de troubles mentaux courants (et de comorbidités) éligibles pour recevoir une thérapie cognitivo-comportementale (TCC) de haute intensité dans les services du NHS-TT, conformément aux directives nationales. (Centre de collaboration nationale en santé mentale, 2024). Le protocole unifié est un traitement transdiagnostique conçu pour être pertinent pour un large éventail de troubles émotionnels, compte tenu de la cooccurrence fréquente de la dépression, de l'anxiété, des symptômes somatoformes et dissociatifs. Il est basé sur les théories de la TCC et de la régulation des émotions et vise à aider les patients à appliquer une série de compétences de régulation des émotions qui ciblent les principales vulnérabilités communes qui sont à la base d'une série de problèmes de santé mentale : le névrosisme, le faible contrôle perçu et la surestimation de la menace. Le protocole suit le principe de parcimonie, en incluant le nombre minimum de techniques validées empiriquement qui le rendraient accessible, simple et efficace pour le nombre maximum de patients présentant diverses combinaisons de symptômes et de problèmes. Le contenu est organisé en 8 modules dispensés en ligne lors de 12 séances hebdomadaires d'une heure et demie et comprendra une combinaison de ressources basées sur Internet (questionnaires d'auto-surveillance, vidéos psychoéducatives, pratiques de compétences liées à chaque module) et de séances de thérapie de groupe dispensées par un spécialiste cognitivo-comportemental qualifié. thérapeute.

L'unité de randomisation (cluster) sera chaque service NHS-TT participant. Les NHS Trusts sont des organisations plus larges qui gèrent un ou plusieurs services NHS-TT, l'unité de randomisation est donc l'équipe locale. Tous les patients traités dans le même service local seront membres du même cluster. Les services participants seront attribués au hasard à l'un des 5 bras. Chaque bras comprendra le même traitement de protocole unifié de groupe en ligne de 12 séances, mais organisé dans une séquence différente. Les deux premiers modules resteront fixes au début de l'intervention, car ces séances d'introduction sont nécessaires pour orienter tous les patients vers le traitement et établir un processus de groupe cohérent. De même, le module final est fixé à la fin de l'intervention, car il comprend un examen global de toutes les capacités d'adaptation et se concentre sur la prévention des rechutes. Les modules intermédiaires couvrent des compétences spécifiques de régulation des émotions et se prêtent le mieux à la personnalisation (par exemple, certains peuvent être plus ou moins efficaces pour des patients spécifiques). Ces modules prescriptifs seront dispensés dans des séquences différentes dans chacun des bras d'essai.

Les participants compléteront les mesures de base à l'entrée dans l'étude, les mesures hebdomadaires des résultats des symptômes avant chaque séance et une enquête de suivi post-traitement (session 12) et de 6 mois. Le résultat principal sera l'affectivité négative (NA), basée sur un score composite regroupant les éléments du questionnaire sur la santé du patient-9 (PHQ-9 ; dépression), de l'échelle du trouble d'anxiété généralisée-7 (GAD-7 ; anxiété) et de l'adaptation professionnelle et sociale. Échelle (WSAS ; fonctionnement). Les résultats secondaires seront la qualité de vie (EuroQol - 5 dimensions ; EQ5D), le bien-être (Warwick et Edinburgh Mental Wellbeing Scale ; WEMWBS) et l'abandon du traitement.

Les chercheurs collecteront également des dossiers de santé cliniques anonymisés pour tous les patients accédant à la TCC délivrée individuellement dans les services participants pendant la période de l'essai clinique. Ces données comprendront les données démographiques, les soins cliniques et les résultats cliniques. Cela permettra aux chercheurs d'entreprendre des comparaisons cliniques et coût-efficacité en utilisant une stratégie d'appariement cas-témoins décrite dans le plan d'analyse statistique.

Le plan d'analyse statistique sera réalisé en trois étapes liées à chacun des objectifs de l'étude.

Objectif 1 : comparer les résultats des différentes séquences du module UP. Il s'agira de l'analyse principale, sur la base de laquelle est basé le calcul de la taille de l'échantillon. Cas avec des points de données post-traitement manquants (12e session) dans la variable dépendante seront imputés à l'aide du package MissForest R en utilisant toutes les variables de base comme prédicteurs. Les imputations seront effectuées séparément pour chaque bras d'essai. L'analyse appliquera un modèle linéaire à plusieurs niveaux (effets mixtes), où les patients seront imbriqués dans des groupes, saisissant un effet aléatoire pour le niveau du groupe. La variable dépendante sera le score d'affectivité négative (NA) post-traitement, entrant dans le bras d'essai en tant que variable indépendante, contrôlant la NA de base. Les modèles seront développés par étapes séquentielles et les indices d'ajustement du modèle (AIC, BIC, -2LL) seront examinés après chaque étape de modélisation. Les chercheurs conserveront et interpréteront le modèle le mieux ajusté et le plus parcimonieux obtenu grâce à ce processus par étapes, en utilisant le test du rapport de vraisemblance -2 pour comparer les modèles. Le coefficient de corrélation intra-cluster (ICC) sera rapporté comme un indice de variabilité des résultats du traitement attribuable au niveau du groupe. Les tailles d'effet entre les groupes (d de Cohen) seront calculées et rapportées pour chaque contraste (par exemple, séquence UP standard par rapport à d'autres séquences).

Analyse secondaire : Le plan d'analyse ci-dessus sera répété en utilisant un modèle logistique multiniveau avec abandon comme variable dépendante. La variable d'abandon sera dérivée des dossiers de participation à la thérapie de groupe, où les cas ayant assisté à plus de la moitié (≥6) des séances seront regroupés dans la catégorie de référence (code = 0) et les cas ayant assisté à moins de la moitié (≤5) seront classés. comme cas abandonnés (code = 1).

Objectif 2 : développer une méthode de sélection de modules personnalisée. Les cas avec des points de données manquants dans la variable dépendante seront imputés à l'aide du package MissForest R en utilisant toutes les variables de base comme prédicteurs, avec des imputations distinctes dans les partitions de formation/validation et au sein de chaque bras d'essai. L'amélioration fiable (RI) fait référence à une réduction de la gravité des symptômes entre deux moments, dont l'ampleur est supérieure à l'indice de changement fiable pour la mesure psychométrique. Suite à cette définition, les enquêteurs classeront les cas en utilisant une variable binaire indiquant s'ils ont eu (code = 1) ou non (code = 0) une amélioration fiable après exposition à un module prescriptif de protocole unifié. Ce codage nous permettra d'identifier les cas qui connaissent des améliorations symptomatiques fiables après exposition à chacun des modules cibles, quel que soit l'endroit où se trouve le module (par exemple, vers le début, le milieu ou la fin de l'intervention) dans l'intervention de groupe auquel ils ont été attribué à. Cette méthodologie permettra aux chercheurs de contrôler les effets de séquençage et de réponse précoce, d'identifier le profil des patients qui ont une réponse favorable à chaque module spécifique.

Partitionnement de l'échantillon : l'échantillon complet de l'essai sera divisé au hasard en sous-ensembles de formation et de validation en utilisant une répartition 60 : 40, avec un nombre équilibré de chacun des 5 bras d'essai dans chaque répartition de partition de formation. Cela garantira que 396 cas seront sélectionnés au hasard dans la partition de formation, dépassant la taille minimale de l'échantillon de 300 nécessaire pour former un modèle de prédiction clinique fiable utilisant l'apprentissage automatique supervisé.

Développement et optimisation de modèles (dans la partition de formation) : les chercheurs produiront un total de 5 modèles de prédiction d'apprentissage automatique, un pour chaque module UP prescriptif. Chaque modèle formé traitera les entrées (caractéristiques de base des patients) et produira [a] une classification prédite et [b] une probabilité prédite correspondante relative à la classification. La logique de ces algorithmes est de répondre à la question suivante : étant donné les caractéristiques de ce patient, quelle est la probabilité que ce patient spécifique connaisse une amélioration fiable après avoir accédé au module X ? Stratégie de validation croisée (dans l'échantillon de validation) : l'exactitude statistique et l'utilité clinique des modèles d'apprentissage automatique seront évaluées dans la stratégie de validation en comparant les prédictions de l'algorithme aux résultats observés et en comparant les résultats pour les patients qui ont reçu leur module optimal en premier. aux patients qui ne l'ont pas fait.

Analyse secondaire : l'analyse d'apprentissage automatique et la stratégie de validation croisée ci-dessus seront répétées pour former un classificateur binaire avec abandon comme variable dépendante. La variable d'abandon sera dérivée des dossiers de participation à la thérapie de groupe, où les cas ayant assisté à plus de la moitié (≥6) des séances seront regroupés dans la catégorie de référence (code = 0) et les cas ayant assisté à moins de la moitié (≤5) seront classés. comme cas abandonnés (code = 1).

Objectif 3 : évaluer l'efficacité de la thérapie de groupe UP numérique par rapport à la TCC individuelle. Cette analyse comprendra [a] un sous-groupe de participants à l'essai clinique qui ont été assignés au hasard au bras où le protocole UP a été délivré dans la séquence standard, et [b ] un échantillon apparié de patients ayant eu accès à une TCC individuelle de haute intensité dans les services NHS-TT participants. Les données pour les cas individuels de TCC seront échantillonnées à partir des dossiers de santé électroniques. Les cas de TCC qui répondent aux critères d'inclusion de l'essai répertoriés seront sélectionnés pour cette analyse, en incluant uniquement les cas où le problème principal est identifiable dans les dossiers cliniques et où les scores de gravité de base (PHQ-9, GAD-7, WSAS) sont disponibles à leur premier assisté à une séance de TCC. Cas avec des points de données manquants après le traitement (dernière séance suivie) dans la variable dépendante seront imputés à l'aide du package MissForest R en utilisant toutes les covariables comme prédicteurs. Les imputations seront effectuées séparément pour chaque groupe (TCC individuelle ; thérapie de groupe UP standard). Les résultats cliniques post-traitement (scores NA) seront comparés entre les cas accédant au protocole UP de groupe standard et les cas individuels de TCC en utilisant une estimation doublement robuste, qui combine un ajustement pour une allocation non aléatoire aux traitements et un modèle de régression ajusté en fonction des covariables pour tester l’effet causal de l’exposition à une intervention.

Analyses secondaires : l'analyse ci-dessus sera répétée pour comparer les résultats à l'aide de mesures spécifiques au trouble (PHQ-9, GAD-7, ADSM) pour les cas avec les diagnostics pertinents. Les tailles d'effet entre les groupes (d de Cohen) seront calculées et rapportées pour chaque comparaison.

Analyse économique de la santé : une analyse économique sera menée du point de vue du NHS et des services sociaux personnels. Une analyse coût-utilité utilisera les années de vie ajustées en fonction de la qualité (QALY dérivées du questionnaire EQ-5D et tarif basé sur l'ensemble de valeurs publiques britanniques) comme mesure de la qualité de vie, en utilisant le post-traitement (dernière séance suivie) données sur l'échelle NA dans l'analyse primaire et données de suivi à 3 mois dans une analyse secondaire. L'utilisation des ressources des services de santé et des services sociaux sera évaluée à l'aide des coûts de référence du NHS et de la base de données sur l'utilisation des ressources des services personnels et sociaux (PSSRU). Les enquêteurs estimeront le rapport coût-efficacité supplémentaire de la thérapie de groupe par rapport à la TCC individuelle, en utilisant le bootstrap pour estimer les intervalles de confiance. L'incertitude décisionnelle sera présentée sur une courbe d'acceptabilité coût-efficacité. Des analyses de sensibilité supplémentaires seront menées pour l'utilisation des ressources et les coûts unitaires. Une analyse de sensibilité permettra de contrôler les coûts de base. Les analyses de scénarios exploreront des perspectives alternatives en matière de coûts ; c'est-à-dire les perspectives du NHS et du NHS/PSS. Les résultats de l’analyse coût-efficacité seront présentés conformément à la Déclaration 2022 des normes consolidées de rapport sur l’évaluation économique de la santé.