Prevenzione personalizzata della depressione nelle cure primarie

L'obiettivo principale è progettare, sviluppare e valutare un intervento personalizzato per prevenire l'insorgenza della depressione basato su Information and Communications Technology (ICT), algoritmi di previsione del rischio e sistemi di supporto alle decisioni (DSS) per pazienti e medici generici (GP). Gli obiettivi specifici sono 1) progettare e sviluppare un DSS, chiamato e-predictD-DSS, per elaborare piani personalizzati per prevenire la depressione; 2) progettare e sviluppare una soluzione ICT che integri il DSS sul web, un'applicazione mobile (App), l'algoritmo di previsione del rischio, diversi moduli di intervento e un sistema di monitoraggio-feedback; 3) valutare l'usabilità e l'adesione dei pazienti delle cure primarie e dei loro medici di base all'intervento e-predictD; 4) valutare l'efficacia dell'intervento e-predictD per ridurre l'incidenza di depressione maggiore, depressione e sintomi di ansia e la probabilità di depressione maggiore l'anno prossimo; 5) valutare il rapporto costo-efficacia e costo-utilità dell'intervento e-predictD per prevenire la depressione.

Metodi: si tratta di uno studio controllato randomizzato con assegnazione per cluster (GP), semplice cieco, due bracci paralleli (e-predictD vs "controllo m-Health attivo") e follow-up di 1 anno che include 720 pazienti (360 in ciascun braccio) e 72 GP (36 in ciascun braccio). I pazienti saranno liberi da depressione maggiore al basale e di età compresa tra 18 e 55 anni. L'esito primario sarà l'incidenza della depressione maggiore a 12 mesi misurata da CIDI. Come risultati secondari: sintomatologia depressiva e ansiosa misurata da PHQ-9 e GAD-7 e probabilità di rischio di depressione misurata dall'algoritmo predictD, nonché rapporto costo-efficacia e costo-utilità. L'intervento e-predictD è multicomponente e si basa su un DSS che aiuta i pazienti ad elaborare i propri piani personalizzati di prevenzione della depressione, che il paziente approva e implementa, e il sistema monitora offrendo feedback al paziente e ai MMG . Si tratta di un intervento di e-Health perché basato su web e m-Health perché implementato anche sullo smartphone del paziente attraverso un'App. Inoltre, integra un algoritmo di rischio di depressione, che è già validato (l'algoritmo predictD). Comprende anche un primo colloquio medico-paziente e una formazione specifica per il medico di base. Infine, sarà integrata nel DSS una mappa delle risorse della comunità locale potenzialmente utili per prevenire la depressione.