신경성 식욕부진 회복을 위한 스마트 기술 (STAR)

AN은 청소년의 만성 질환의 세 번째 주요 원인이며, 치료하지 않으면 주요 장기 손상, 구조적 및 기능적 뇌 변화, 조기 발병 골감소증 및 골다공증을 유발할 수 있습니다. 가족 기반 중재가 AN 청소년의 최대 75%에 효과적이지만 약 30%는 회복 후 재발합니다. AN이 있는 청소년의 결과를 개선하기 위해 치료를 최적화하고 급성 치료 후 퇴원 후 재발을 방지하는 것이 매우 중요합니다. 이 중요한 요구 사항을 해결하기 위해 조사 팀은 "거식증 회복을 위한 스마트 치료(STAR)"라고 하는 급성 후 치료 창에서 사용하기 위한 평가, 위험 예측 및 임상 결정 지원의 과학을 발전시키는 디지털 도구 모음을 개발했습니다. ." STAR는 최첨단 평가 기술을 사용하여 테스트 관리를 단축하고 기계 학습을 통해 복구 가능성을 예측합니다. 그런 다음 이 정보는 사용하기 쉬운 임상 결정 지원 도구를 통해 임상의에게 다시 제공되어 사용자가 입력한 데이터가 환자가 진행 중이 아님을 시사할 때 임상의에게 경고합니다.

현재 임상 시험에서 조사관은 퇴원 후 기간에 제공되는 적응형 mHealth 개입을 테스트하기 위해 STAR를 확장할 것입니다. 조사관의 가설은 STAR 제품군 내에서 제공되는 트랜스진단 평가 및 임상 결정 지원 도구가 대면 임상 서비스를 최적화하고 적응형 모바일 건강(mHealth) 개입을 추가하면 외래 환자 치료 반응을 개선하고 재발을 줄일 것이라는 것입니다. AN에 대한 집중 치료에서 퇴원 한 청소년. 연구자의 이전 연구는 가설을 뒷받침합니다. 구체적으로, 조사관의 과거 연구는 ED 관련 정신 장애 및 회복을 예측하기 위한 조사관 평가 도구의 예측 타당성과 임상적 유용성에 대한 강력한 지원을 제공합니다. 그러나 종이 기반 평가 도구의 문항 수는 144개로 일상적으로 사용하기에는 너무 길다. 이 문제를 극복하기 위해 연구자들은 원래 종이와 연필 측정의 신뢰성과 타당성을 유지하면서 평가 시간을 최대 50%까지 줄이기 위해 컴퓨터 적응 테스트를 사용하는 휴대폰 앱을 개발했습니다. 연구자들은 AN에 대한 대면 및 mHealth 치료를 모두 최적화하기 위해 이 혁신을 활용할 것을 제안합니다. 목표는 다음과 같습니다. 1) mHealth 개입(임상의 및 이해관계자 의견 포함)을 개발하고 2) 임상의 및 환자 데이터를 모두 사용하여 mHealth 개입의 타당성, 수용 가능성 및 예비 효과 크기를 설정합니다. 이러한 목표를 달성하기 위해 조사관은 기계 학습 알고리즘과 결합된 전산화된 적응형 테스트를 사용하여 클라이언트가 나쁜 결과와 재발의 위험에 처했을 때 임상의에게 신호를 보내기 위해 앱 내에서 제공됩니다. 구체적인 목표는 다음과 같습니다. 1) 치료사 지원 모듈 및 환자 mHealth 메시지를 제공하기 위해 기존 임상 도구를 조정합니다. 2) 통합 평가 및 mHealth 개입 도구의 예비 무작위 대조 시험(RCT)을 수행합니다. 3) AN 증상의 변화로 이어지는 예비 메커니즘을 테스트합니다.

STAR는 감정 회피를 표적으로 삼기 위해 통합 프로토콜 및 수용 및 헌신 치료의 요소를 통합하며, 조사관은 이것이 섭식 장애 행동의 감소로 이어질 것이라고 가정합니다. 조사관은 STAR를 현재 삶의 스트레스 요인과 문제에 초점을 맞춘 PACT(현재 중심의 거식증 대처 치료)와 비교할 것입니다. 조사관의 가설은 STAR가 외래 환자 치료 반응을 개선하고 AN에 대한 집중 치료에서 퇴원한 청소년의 재발을 줄일 것이라는 것입니다. 조사관은 1) STAR 앱 및 2) PACT 앱의 두 가지 조건에서 가설을 평가합니다. 두 조건 모두 참가자는 개별 외래 환자 치료사와 협력해야 합니다.

급성 치료 후 AN에 대한 전문 치료가 부족하지만 청소년의 95%가 스마트폰을 가지고 있다는 점을 감안할 때, 제안된 연구는 재발을 줄이고 사후에 AN에 대한 기존 지역사회 제공 개입을 최적화할 수 있는 미래의 잠재력을 가지고 있기 때문에 혁신적이고 중요합니다. - 급성 치료 창.