プライマリケアにおける個別化されたうつ病の予防

主な目標は、情報通信技術 (ICT)、リスク予測アルゴリズム、および患者と一般開業医 (GP) 向けの意思決定支援システム (DSS) に基づいて、うつ病の発症を予防するための個別化された介入を設計、開発、評価することです。 具体的な目標は、1) e-predictD-DSS と呼ばれる DSS を設計および開発して、うつ病を予防するための個別の計画を作成することです。 2) Web 上の DSS、モバイル アプリケーション (アプリ)、リスク予測アルゴリズム、さまざまな介入モジュール、監視フィードバック システムを統合する ICT ソリューションを設計および開発する。 3) e-predictD 介入を使用して、プライマリケア患者とその GP の使いやすさと順守を評価する。 4) e-predictD 介入の有効性を評価して、大うつ病、うつ病、不安症状の発生率、および来年の大うつ病の可能性を減らす。 5) うつ病を予防するための e-predictD 介入の費用対効果と費用効用を評価する。

方法: これは、クラスター (GP) による割り当て、単純盲検、2 つの並行アーム (e-predictD と「アクティブな m-Health コントロール」)、および 720 人の患者 (各アームで 360 人) を含む 1 年間の追跡調査によるランダム化比較試験です。および 72 GP (各アームに 36)。 患者はベースラインで大うつ病を発症しておらず、年齢は 18 ～ 55 歳です。 主要な結果は、CIDI によって測定された 12 か月での大うつ病の発生率になります。 副次的アウトカムとして: PHQ-9 および GAD-7 によって測定されたうつ病および不安症の症状、predictD アルゴリズムによって測定されたうつ病のリスク確率、ならびに費用対効果および費用効用。 e-predictD 介入は複数のコンポーネントで構成されており、DSS に基づいており、患者が独自のうつ病予防計画を作成するのに役立ちます。これは、患者が承認して実施し、システム モニターが患者と一般開業医にフィードバックを提供します。 . これは、Web に基づいているため e-Health 介入であり、アプリを介して患者のスマートフォンにも実装されているため、m-Health です。 さらに、すでに検証済みのうつ病のリスク アルゴリズム (predictD アルゴリズム) を統合します。 また、最初の GP 患者インタビューと GP 向けの特定のトレーニングも含まれています。 最後に、うつ病を予防するために役立つ可能性のある地域コミュニティのリソースのマップが DSS に統合されます。