OCDの慢性化を軽減するための代替治療：脳の反応と治療の妥当性に関する研究 (arrIBA)

サンプルサイズの計算: 主な研究目的のために、非劣性マージンを決定するために 95-95 アプローチが使用されました。 OCD に対する CBT の有効性に関するメタ分析の結果は、平均 (95% 信頼区間 (1.04)) が .42 の非劣性マージンを生成することを示しました。 一次転帰尺度であるイェール ブラウン強迫神経症尺度 (YBOCS) のスコアで表されると、これはこの尺度で 0 ～ 40 の範囲で約 2 ポイントの損失となり、臨床的にはほとんど無視できます。 0.05 のアルファ、80% のベータ、および .42 を適用する 非劣性マージン、アームあたり 71 のサンプル サイズが適切です。 分析はプロトコルごと (P) および治療意図 (ITT) サンプルで実行する必要があるため、203 人の参加者を募集する必要があります (30% の脱落を見込んで)。 さらに、このサンプルサイズにより、二次仮説を検証することができます。IBA は、洞察力の乏しい OCD 患者 (人口の約 25%) に対して CBT よりも効果的です。 0.05 の両側アルファと 80% のベータと Cohen の d = 1 の効果サイズを適用すると、34 人の参加者のサンプルが必要です (以前の研究では、1.7 のグループ間効果が見つかりました)、30% の低下を予想します。のうち、ベースラインでの洞察力が乏しい 48 人の参加者が必要です。

脳の構造と機能に対するOCDの心理療法の影響に関する以前の研究では、9〜45のサンプルサイズが使用されています。 彼らの調査結果に基づいて、条件ごとに最低 30 人の参加者のデータを分析して、治療法の動作メカニズムを調査する予定です。 ドロップアウト率の上限を 30% と予想すると、2 x 43 人の回答者と 43 人の対照被験者が含まれます。

治療プロトコルの順守: セラピストは、プロトコルの順守と、エクササイズや宿題のための事前に作成されたフォームの使用について、広範なトレーニングを受けます。 すべての治療セッションは録音されます。 各セラピストが監修いたします。 スーパーバイザーの間、スーパーバイザーはオーディオテープの一部を聞いてフィードバックを提供し、セラピストがプロトコルから逸脱しないようにします。

さらに、試験終了後には、アドヒアランスチェックがあります。 訓練を受けた盲検の評価者は、セッションのオーディオテープをサンプル単位で聞き、CBT セッションの IBA であったかどうかを採点します。

参加に関連する負担とリスクの性質と程度、利益、およびグループの関連性：患者は、2回のフォローアップを含む5つの時点で評価されます。 さらに、患者は各治療セッションの後に 2 つのアンケートに記入します。 追加のイメージング部分の参加者は、MRI スキャンと認知テストのための 2 つの追加セッションを受けます。 健康なコントロールは 1 回測定されます。

安全委員会: 現在の研究は低リスクに分類されています。 標準的な臨床ケア (CBT) を受ける場合と比較して、IBA を投与するリスクはないと予想されます。 IBA治療は、よく訓練された臨床医によって行われます。 感情的な症状について話し合うことに関して、いくらかの心理的な不快感が生じる場合がありますが、これらは最小限に抑えられます。 標準的な臨床ケアに関して余分な不快感は予想されません。 MRIスキャンは、適格性に関する広範なスクリーニングの後、重要でないリスクから低リスクに分類されます。

統計分析: 統計分析は、治療意図 (ITT) およびプロトコルごとのサンプル (PP) に対して実行されます。 欠損データは多重代入法を使用して置き換えられます。 すべての分析について、修正された p 値

一次調査パラメーター: YBOCS (10 項目と最大スコア 40 の検証済みアンケート) が、一次結果パラメーターとして使用されます。 非劣性を結論付けるには、95% 信頼区間の上限、つまりこの 95% 信頼区間内のグループ間の最大差が、YBOCS の 2 ポイントの非劣性マージンを超えてはなりません。 治療直後およびフォローアップ時に非劣性を判断するために、治療後、6 か月のフォローアップ、および 1 年間のフォローアップ評価で片側試験を実施します。 線形混合効果モデルが使用され、ITT サンプルと PP サンプルの両方で、時間相互作用項による介入の連続結果測定値が回帰されます。

二次試験パラメーター：混合効果モデルを使用して、過大評価されたアイデアスケール（OVIS）を使用して、洞察の二次結果測定レベルの2つの治療条件間の治療効果をテストします。 Beck Depression Inventory（BDI）を使用した抑うつ症状の重症度。 Beck Anxiety Inventory (BAI) を使用した不安症状の重症度。 Sheehan Disability Scale（SDS）を使用した社会的機能。生活の質（Euroquolを使用）;関係満足尺度（RSS）を使用した関係満足度、および治療受容性/遵守尺度（TAAS）を使用した治療の許容性。 探索的に重回帰分析を使用して、どの因子が治療結果を予測するかを決定します。

線形混合モデルを使用して、CBT を受けた患者と比較して、IBA を受けた患者の洞察がより多くまたはより早く改善するかどうかを判断します。 時間差モデル (線形混合モデル) を使用して、洞察の変化が症状の軽減に関連しているかどうかを判断します。

Neuroimage (前) 処理: fMRI データは、統計パラメトリック マッピング (SPM) ソフトウェアまたは FMRIB ソフトウェア ライブラリ (FSL) を使用して分析されます。 構造的および課題に関連する（症候性誘発）（f）MRIを分析するために、標準的なグループ比較が行われます。 因子グループ（IBA vs CBT）および時間（治療前 vs 治療後）を用いた完全な要因分析を実施して、タスク関連の脳活動に対する治療の効果を決定します。 独立成分分析 (ICA; FSL MELODIC) および二重回帰分析を実施して、ネットワーク内の機能的接続の変化を調査します (例: Salience ネットワーク、デフォルト モード ネットワーク、CEN)。 血中酸素濃度依存性 (BOLD; 脳活動の代用) で時間の経過とともに同時に変動する脳領域は、1 人ごとに自動的にコンポーネントに割り当てられます。 コンポーネント (動きやスキャナー アーティファクトの結果と思われるコンポーネント) のフィルタリングとクリーンアップの後、グループごとの平均コンポーネントが決定されます。 ノンパラメトリック置換テスト (FSL ランダム化) により、ネットワークの機能的接続性が介入グループ間で比較され、経時的に比較されます。 全脳ネットワーク分析を実施するために、構造 MRI は Brainnetome アトラスに基づいて 225 の個別の関心領域 (ROI) に分割されます。 これらの区画は静止状態の fMRI に変換され、時系列が ROI ごとに抽出され、互いに相関して、被験者ごとの全脳ネットワーク接続マトリックスに到達します。 同様のネットワーク アプローチを使用して、DTI 画像は、構造の接続を測定するためにトラクトグラフィーを可能にします。 ブレイン コネクティビティ ツールボックス (BCT) は、ネットワークのトポロジ インデックスを計算するために使用されます (例: モジュール性、中間中心性、クラスタリング係数、および効率) を、これらのネットワーク接続マトリックスから計算します。 ネットワーク トポロジカル インデックスは、脳スキャンから得られる大量の情報を、神経生物学的に意味のあるわずかな測定値にまで減らします。 たとえば、グローバル効率は、情報がネットワークを介してどれだけ効率的に移動できるかの尺度と、ネットワーク内の情報フローに対する脳領域の相対的な重要性の中心性を提供します。 これらのトポロジー ネットワーク測定値は、評価と条件ごとに計算され、その後順列テストによって比較されます。

統計的神経画像分析：治療モダリティ（IBA / CBT）が安静状態およびタスクベースの機能ネットワークの変化を予測するかどうかを調査するために、治療モダリティを独立変数として、治療前後の機能ネットワークの変化を従属変数として多変量回帰分析を実施します変数。 YBOCS スコアと神経認知能力の変化との関連を調査するために、これらの変数は最初のブロックに入力されます。 考えられる交絡因子 (例: 薬の使用、年齢、病気の期間）を管理します。

マルチモーダルな治療前の脳の特徴 (T-1、DTI、rs-およびタスクベースの fMRI を使用) が、CBT および IBA グループで別々に治療反応の予測値を持っているかどうかを調査するために、機械学習技術が実施されます。 ニューロ イメージングの特性は、線形サポート ベクター マシン (SVM) アルゴリズムを使用して、教師付き多変量分類手順に入力されます。

この手順は、トレーニング、検証、およびテストのフェーズで構成されています。 トレーニング フェーズでは、グループ間の違いを示すすべての利用可能なデータ ポイント (特徴) に基づいて、非送金者から送金者を最大限に分離する超平面が推定されます。 SVM 検証フェーズは、グループごとに 1 つを残すクロス検証で構成されます。 次に、トレーニングに使用されていない独立したデータ (20%) を使用して、分類段階で決定された超平面が他の患者を分類できる精度がテストされます。 この手順は、ネットワークごとに 10.000 回繰り返されます。 これにより、被験者がテスト サンプルに含まれ、正しく分類された回数に基づいて、被験者ごとの精度が測定されます。 精度は有意性でテストされます。 IBA に対する応答の予測因子が CBT に対する応答の予測因子と異なる場合、OCD グループ全体の IBA および CBT 応答の両方の予測因子を使用して、事後分析が実行されます。