- ICH GCP
- 미국 임상 시험 레지스트리
- 임상시험 NCT05449561
효능을 넘어서-우울증 환자의 대면 및 인터넷 기반 심리 치료에 대한 선호 유도
효율성을 넘어서-우울증 환자의 대면 및 인터넷 기반 심리 치료에 대한 선호도 도출: 미래 서비스 구현을 위한 이산 선택 실험 사용
이 연구의 목적은 심리치료에 대한 내담자의 선호도에 대한 증거 기반을 강화하고 기술된 문헌 간극을 좁혀 공중 보건 자원 재분배 및 심리 서비스 구현을 알리는 것입니다.
연구자들은 다음과 같은 연구 질문을 해결하는 것을 목표로 합니다.
- 서비스 이용 결정에 가장 큰 영향을 미치는 심리적 서비스 속성은 무엇입니까?
- 유사한 선호 프로필을 기반으로 응답자를 잠재 클래스로 나타낼 수 있습니까?
- 각 잠재 클래스의 서비스 활용 결정에 가장 큰 영향을 미치는 속성은 무엇입니까?
- 기존 대면심리치료의 긴 대기시간과 높은 비용을 고려할 때 우울증 환자들이 인터넷 기반 심리치료를 채택할 것인가?
위의 질문을 체계적으로 다루기 위해 구체적인 연구 목표를 정의하면 다음과 같다.
- DCE를 사용하는 심리 서비스의 선택에 있어 일련의 심리 서비스 특성(예: 전달 방식, 대기 시간, 현금 서비스 비용, 익명성 및 추천 방법)의 상대적 중요성을 조사합니다.
- 서비스 선호도의 상대적 가중치는 인구통계학적(예: 성별, 연령, 사회경제적 지위, 우울증 심각도) 및 심리적 특성(예: 낙인을 찾는 데 도움)에 따라 달라질 수 있기 때문에 잠재 클래스 모델을 사용하여 다양한 서비스 선호도를 가진 우울증을 가진 사람들의 세그먼트를 식별합니다. ; 그리고
- DCE가 진정으로 유용하기 위해서는 개선된 서비스로 변환되어야 하고, 대면 심리 치료에서 긴 대기 시간과 비용 문제를 해결하기 위해 우울증 환자를 위한 디지털 정신 건강 서비스 개발에 대한 새로운 관심과 관련하여, 일련의 통계적 시뮬레이션을 사용하여 사전 정의된 치료 속성 패키지로 심리 치료를 사용할 각 잠재 계층 세그먼트의 우울증 환자 비율을 추정하는 것을 목표로 합니다.
연구 개요
상태
정황
상세 설명
1.1 치료 접근성을 개선하기 위한 방법으로서 우울증과 인터넷 기반 정신 요법 우울증은 8.8%의 유병률을 가진 일반적인 정신 장애입니다. 이는 삶의 질의 현저한 감소와 관련이 있으며, WHO에 의해 전 세계적으로 질병 부담의 3번째 원인으로 선정되었으며 2030년까지 1위로 선정될 것입니다(1). 그럼에도 불구하고 우울증 환자의 55.3%는 우울증에 대한 전문적인 도움을 구하려 하지 않았으며(2) 치료 지연 기간 중앙값은 2년에서 8년 사이였습니다(3,4). 약물 치료보다 심리 치료에 대한 선호가 일관되게 분명했지만(5) 불편한 위치, 긴 대기 시간, 높은 비용, 낮은 필요성, 자립 선호, 자기 낙인, 당혹감(6)은 많은 사람들이 치료에 접근하고 이를 고수하는 것을 방해합니다. 설상가상으로, 정신 장애가 있는 개인의 수가 전통적인 심리 치료 제공 모델에서 사용할 수 있는 리소스보다 훨씬 많습니다(7). 따라서 인터넷을 대체 서비스 양식으로 사용하여 보다 비용 효율적인 방식으로 효과적인 심리 치료를 점점 더 많이 이용할 수 있어야 합니다(8). 연구에 따르면 덜 노동 집약적인 인터넷 기반 심리 치료가 심리사회적 서비스를 늘리고 의료 시스템의 부담을 줄이는 데 효과적인 전략인 것으로 보입니다. 수많은 임상 시험에서 우울증 치료에 있어 인터넷 기반 정신 요법의 효능이 입증되었습니다. 5,642명의 참가자를 대상으로 우울증 증상에 대한 인터넷 기반 인지 행동 치료를 평가하는 32건의 무작위 대조 시험을 체계적으로 검토한 결과 평균 효과 크기는 g=0.67이었습니다(8). 최근의 메타 분석에서는 인터넷 기반 인지 행동 심리 치료가 서로 직접 비교하는 경우에도 전통적인 대면 심리 치료와 비슷한 효과가 있음을 발견했습니다(9).
1.2 효율성을 넘어, 클라이언트 중심 서비스에서 선호도의 중요성 효과적인 치료는 개인이 기꺼이 활용하는 것입니다. 이 명제는 혁신의 확산 이론과 기술 수용 및 사용의 통합 이론에 따릅니다. 잠재 사용자는 새로운 치료법을 시작하고 활용하기 전에 적절한 수준의 서비스 선호도와 수용을 가져야 합니다(10). 의료 개입은 단순한 임상적 건강 결과 이상으로 가치가 있다는 것(11), 의료 서비스에서 어떤 환자*를 돌보는지 이해하는 연구는 지난 20년 동안 10배 증가했습니다(12). 실제로 최상의 치료를 결정하는 데 환자의 선호도를 포함하면 더 나은 서비스 구현으로 이어질 뿐만 아니라 환자의 가치를 포용하는 정책 결정을 촉진합니다(13). 충족되지 않은 선호도는 주요 우울 장애(14,15)에 대한 심리 치료의 차선책 이해 및 열악한 순응도를 부분적으로 설명합니다. 심리 치료에 대한 내담자의 선호도를 다루는 것은 정책 결정을 안내하고 사회에서 제공되는 심리 서비스를 재구성함으로써 치료 격차를 극복하는 데 도움이 될 수 있습니다(11). 증거 기반 심리 치료에 대한 잠재적인 서비스 사용자의 요구를 특성화하고 우선 순위를 지정하면 "누구에게 인터넷 기반 심리 치료를 구현해야 합니까?"와 같은 중요하고 실용적인 질문에 대한 통찰력을 제공할 수 있습니다. "인터넷 기반 서비스와 대면 서비스 간에 자원을 어떻게 사용자의 선호도에 맞게 할당해야 할까요?" "새로운 서비스 양식이 높은 수준의 낙인이 있거나 온라인 프로그램을 통해 익명으로 정신 건강 관리를 선호하는 사람들에게 도달할 수 있습니까?(16)". 당연하게도, 서비스 계획에서 환자의 선호도를 고려하면 서비스 활용도가 향상되고 탈락률이 감소할 수 있다는 연구 결과가 있습니다(17). UK National Health Services는 또한 "서비스는 환자의 요구와 선호도를 반영하고 그에 따라 조정되고 조정되어야 한다"고 명시적으로 밝혔습니다. 또한 사용자의 자율성과 자기 결정권에 대한 존중은 미국 및 호주 심리 학회를 포함한 국제 윤리 강령에서 인정됩니다. 환자의 선호도는 21세기 고품질의 새로운 의료 시스템을 위한 6가지 목표 중 하나로 의학 연구소 보고서인 Crossing the Quality Chasm에서 확인되었습니다.
1.3 DCE(Discrete Choice Experiment)를 사용하여 내담자 선호도 이해 지금까지 심리 서비스에 대한 내담자 선호도는 주로 정성적 방법이나 수용성 또는 태도의 정량적 측정을 사용하여 평가되었습니다(18). 연구에 따르면 인터넷 기반 심리 치료의 평균 선호 강도는 전통적인 심리 치료보다 낮지만 약물 치료와 비슷합니다. 우울증이 있는 사람들의 상당 부분(38%)이 인터넷 기반 개입을 고려할 가능성이 있거나 매우 높다고 보고했습니다(18). 전통적인 대면 방식을 선호하는 사람들의 경우, 3분의 1 이상이 향후 온라인 서비스를 사용할 가능성이 있다고 밝혔습니다(19). 캐나다의 최근 선호 연구에서 대부분의 고등학생들이 디지털 정신 건강 서비스보다 대면 심리 치료를 선호했지만, 학생들이 잠재적 대기 기간을 고려할 때 더 많은 학생들이 대면 대기보다 인터넷 기반 심리 치료를 선택했습니다. -얼굴 심리 치료(20). 간단한 리커트 척도 등급을 사용한 선호도 연구는 바람직한 서비스에 대한 특정 통찰력을 제공했지만 사용자 선호도를 유도하는 기본 속성에 대한 세부 정보가 부족했으며 각 속성의 상대적 중요성을 정량적으로 평가하지 않았습니다(예: '치료 방식, 대기 기간 , 또는 비용이 가장 중요합니까?') 또는 내담자가 한 치료 특성을 다른 특성과 기꺼이 교환하려는 정도(예: '비용/대기 시간을 줄이는 경우 대면이 아닌 인터넷을 통해 서비스를 받을 의향이 있습니까?'). 이 정보가 없으면 연구원과 정책 입안자는 클라이언트 선호도에 맞는 최상의 서비스를 설계하는 최선의 방법에 대한 지침이 제한됩니다.
선호도 연구의 대안은 내담자의 선호도를 정량적, 실험적, 체계적으로 이해하는 데 사용할 수 있는 이산 선택 실험(DCE)입니다. DCE는 건강 관리에 대한 환자의 선호도를 도출하기 위한 유효하고 신뢰할 수 있으며 널리 적용되는 조사 방법론입니다(21). DCE는 개인이 옵션 효용을 최대화하는 속성을 선택한다고 가정하는 무작위 효용 이론에 근거합니다. DCE에서 응답자는 일련의 가상 선택 작업을 완료해야 합니다(예를 들어 그림 2 참조). 각 작업 내에서 응답자는 다양한 서비스 특성을 가진 대안 중에서 선호하는 옵션을 선택합니다. DCE는 실제 의사 결정과 유사하며 피상적인 의사 결정, 후광 효과 및 사회적 바람직성 편향을 줄이고 선택 행동의 근본적인 이유를 더 잘 이해할 수 있다는 점에서 기존 설문 조사 방법보다 이점을 제공합니다(22). 등급은 종종 모든 긍정적인 특성을 포괄하는 서비스에 대한 일반적인 욕구를 반영하여 유리한 속성 전반에 걸쳐 높은 점수를 생성합니다. 그러나 리소스 부족으로 인해 종종 속성 간의 절충이 필요하며, DCE는 개선을 위해 어떤 서비스 속성을 우선시해야 하는지에 대한 서비스 의사 결정을 알리는 중요한 정보를 제공할 수 있습니다(21). 특히, DCE는 관리가 간단하며, 심각한 정신 질환이 있는 개인이 DCE를 완료하고 합리적인 결정을 내릴 수 있음을 보여주는 연구 결과(23)와 실제 행동을 적절하게 예측하는 선택 방법이 발견되었습니다(24).
사실, 미국 식품의약국(FDA)은 DCE를 건강 관리 제품의 위해 및 이점 프로파일에 대한 환자의 관점을 평가하기 위한 '선호되는' 방법으로 승인했습니다. 마찬가지로, DCE에서 파생된 데이터도 의료 서비스 의사 결정 및 규정을 알리고 지원하는 데 중요한 역할을 했습니다(25). 학계에서 연구자들은 DCE를 적용하여 유방암 검진 프로그램(26), HIV 예방(27), 류마티스 관절염 치료(28) 및 백신 접종(24)에 대한 환자 선호도에 영향을 미치는 속성을 식별했습니다. DCE가 연구 속성의 상대적 중요성을 포착할 수 있다는 점을 감안할 때 개입 연구자와 정책 입안자는 서비스 개발 및 구현에서 심리 치료의 가장 중요한 속성과 관련된 변경 사항의 우선 순위를 정할 수 있습니다.
1.4 연구 격차: 중요한 서비스 속성의 상대적 중요성은 어떻습니까? 지금까지 소수의 DCE만이 심리 서비스에 대해 수행되었습니다. 임상 효능 및 비용 효율성을 기반으로 서비스의 우선순위를 정하는 것은 고객과 관련된 다른 중요한 요소를 간과하는 경우가 많습니다. 인터넷 기반 개입의 새로운 발전에 비추어 심리 치료에서 고객의 선택을 포착하는 것은 서비스 구현을 최적화하는 데 가장 중요하고 시급합니다(11).
우리가 아는 한, 지금까지 단 한 건의 연구만이 우울증 환자가 다양한 서비스 속성으로 심리적 서비스 옵션의 장단점을 어떻게 상쇄하는지 명시적으로 조사했습니다(29). 그러나 이 연구는 옵트아웃 대안 없이 강제 선택 작업을 채택하여 선택 세트를 덜 현실적으로 만들고 선호 가중치 과대 평가의 위험이 있습니다(30,31). 더욱이 심리 서비스에 대한 기존 DCE는 결과(예: 효과), 프로세스(예: 치료 양식, 대기 시간) 및 비용 속성인 우울증에 대한 세 가지 주요 치료 속성을 모두 통합하지 않았습니다(32) 1.5 연구 목표 목표 이 연구의 목적은 내담자의 심리치료 선호도에 대한 증거 기반을 강화하고 설명된 문헌의 격차를 줄여 공중 보건 자원 재분배 및 심리 서비스 구현을 알리는 것입니다. 연구자들은 다음과 같은 연구 질문을 다루는 것을 목표로 합니다. ‣ 서비스 사용 결정에 가장 큰 영향을 미치는 심리적 서비스 속성은 무엇입니까? ‣ 유사한 선호 프로필을 기반으로 잠재 클래스로 응답자를 나타낼 수 있습니까? 각 잠재 클래스의 서비스 활용 결정에 가장 큰 영향을 미치는 속성은 무엇입니까? ‣ 기존 대면심리치료의 긴 대기시간과 높은 비용을 고려할 때 우울증 환자들이 인터넷 기반 심리치료를 채택할 것인가?
위의 질문을 체계적으로 다루기 위해 구체적인 연구 목표를 정의하면 다음과 같다.
- DCE를 사용하는 심리 서비스의 선택에 있어 일련의 심리 서비스 특성(예: 전달 방식, 대기 시간, 현금 서비스 비용, 익명성 및 추천 방법)의 상대적 중요성을 조사합니다.
- 서비스 선호도의 상대적 가중치는 인구통계학적(예: 성별, 연령, 사회경제적 지위, 우울증 심각도) 및 심리적 특성(예: 낙인을 찾는 데 도움)에 따라 달라질 수 있기 때문에 잠재 클래스 모델을 사용하여 다양한 서비스 선호도를 가진 우울증을 가진 사람들의 세그먼트를 식별합니다. ; 그리고
- DCE가 진정으로 유용하기 위해서는 개선된 서비스로 변환되어야 하고, 대면 심리 치료에서 긴 대기 시간과 비용 문제를 해결하기 위해 우울증 환자를 위한 디지털 정신 건강 서비스 개발에 대한 새로운 관심과 관련하여, 조사관은 일련의 통계적 시뮬레이션을 사용하여 미리 정의된 치료 속성 패키지와 함께 정신 요법을 사용할 각 잠재 계층 세그먼트의 우울증 환자 비율을 추정하는 것을 목표로 합니다.
이후 조사관은 경미한 정도의 우울 증상이 있는 참가자 20명 이상을 개별 면담에 초대할 예정이다. 면접은 반구조화 형식으로 진행됩니다.
연구 유형
등록 (실제)
연락처 및 위치
연구 장소
-
-
-
Hong Kong, 홍콩
- Department of Psychology
-
-
참여기준
자격 기준
공부할 수 있는 나이
건강한 자원 봉사자를 받아들입니다
샘플링 방법
연구 인구
설명
포함 기준:
- 만 18세 이상 참가자
- 최소 경증에서 중등도의 우울 증상이 있는 경우(환자 건강 설문지-9(PHQ-9) 기준으로 10점 이상의 컷오프 점수를 갖는 것으로 정의됨)
- 중국어를 읽고 이해할 수 있는 분
제외 기준:
- 현재 조증 에피소드, 외상 후 스트레스 장애, 물질 사용 장애 및 정신병 장애에 대한 자가 보고 DSM-5 진단
- P4-자살성 선별검사에 의해 평가된 능동적 자살
공부 계획
연구는 어떻게 설계됩니까?
디자인 세부사항
- 관찰 모델: 케이스 전용
- 시간 관점: 단면
코호트 및 개입
그룹/코호트 |
|---|
|
Discrete Choice 질적 인터뷰
경미한 수준의 우울 증상이 있는 최소 20명의 참가자를 개별 인터뷰에 초대합니다.
면접은 반구조화 형식으로 진행됩니다.
정보에 입각한 동의를 제공하고 인구통계학적 설문조사를 완료하면 응답자에게 심리 치료 사용을 고려할 때 중요한 것이 무엇인지에 대한 단일 질문을 대화 중에 적절한 프로브와 함께 묻습니다.
이렇게 하면 논의할 주제의 균일성과 허용되는 탈선 수준이 보장됩니다.
|
연구는 무엇을 측정합니까?
주요 결과 측정
결과 측정 |
측정값 설명 |
기간 |
|---|---|---|
|
우울증
기간: 기준선에서
|
환자 건강 설문지(PHQ9)(Kroenke, Spitzer, & Williams, 2001).
우울증의 중증도에 접근하기 위한 9개 항목의 척도입니다.
PHQ-9는 우울증의 중증도를 선별하고 측정하기 위해 일반 인구에서 검증되고 널리 사용되었습니다.
5, 10, 15 및 20의 점수는 각각 경도, 중등도, 중등도 및 중증 수준의 우울증을 나타냅니다(범위: 0-27).
|
기준선에서
|
|
도움을 구하는 자기 낙인
기간: 기준선에서
|
도움을 구하는 자기 낙인 척도(SSOSH-10).
낙인이 심리적 서비스의 선택과 선호도에 어떻게 영향을 미칠 수 있는지 이해하기 위해 SSOSH-10을 사용하여 낙인을 찾는 데 도움을 받는 응답자의 수준을 평가합니다.
척도는 5점 리커트 유형 척도로 1=전적으로 동의하지 않음, 5=전적으로 동의함(점수 범위는 10~50)입니다.
평균 점수가 높을수록 도움을 구하는 자기 낙인이 높습니다.
|
기준선에서
|
|
심리적 온라인 개입에 대한 태도
기간: 기준선에서
|
심리적 온라인 개입 설문지(APOI)에 대한 태도.
심리적 온라인 개입에 대한 응답자의 태도를 평가하는 16개 항목 측정입니다.
그것은 5점 리커트 척도로 1=전적으로 동의한다 5=전적으로 동의하지 않는다.
|
기준선에서
|
|
응답자의 심리 요법 선택에 대한 잠재적 속성 및 영향
기간: 기준선 (질적 인터뷰 중)
|
응답자의 심리 치료 선택에 영향을 미치는 다양한 속성을 가진 1개의 질문 세트가 제공됩니다.
(1) 치료 방식, (2) 유효성, (3) 추천, (4) 익명성, (5) 대기 시간 및 (6) Out-Of-Pocket 비용을 속성으로 포함할 계획입니다.
또한 우울 증상이 있는 또 다른 60명의 참가자에게 1("가장 중요함")에서 9("가장 중요하지 않음")까지 속성의 순위를 매기도록 요청할 것입니다.
가장 높은 6개의 속성이 질문에 대해 선택됩니다.
|
기준선 (질적 인터뷰 중)
|
공동 작업자 및 조사자
간행물 및 유용한 링크
일반 간행물
- Kroenke K, Spitzer RL, Williams JB. The PHQ-9: validity of a brief depression severity measure. J Gen Intern Med. 2001 Sep;16(9):606-13. doi: 10.1046/j.1525-1497.2001.016009606.x.
- Andrews G, Basu A, Cuijpers P, Craske MG, McEvoy P, English CL, Newby JM. Computer therapy for the anxiety and depression disorders is effective, acceptable and practical health care: An updated meta-analysis. J Anxiety Disord. 2018 Apr;55:70-78. doi: 10.1016/j.janxdis.2018.01.001. Epub 2018 Feb 1.
- Andrade LH, Alonso J, Mneimneh Z, Wells JE, Al-Hamzawi A, Borges G, Bromet E, Bruffaerts R, de Girolamo G, de Graaf R, Florescu S, Gureje O, Hinkov HR, Hu C, Huang Y, Hwang I, Jin R, Karam EG, Kovess-Masfety V, Levinson D, Matschinger H, O'Neill S, Posada-Villa J, Sagar R, Sampson NA, Sasu C, Stein DJ, Takeshima T, Viana MC, Xavier M, Kessler RC. Barriers to mental health treatment: results from the WHO World Mental Health surveys. Psychol Med. 2014 Apr;44(6):1303-17. doi: 10.1017/S0033291713001943. Epub 2013 Aug 9.
- Andersson G, Titov N, Dear BF, Rozental A, Carlbring P. Internet-delivered psychological treatments: from innovation to implementation. World Psychiatry. 2019 Feb;18(1):20-28. doi: 10.1002/wps.20610.
- Dorow M, Lobner M, Pabst A, Stein J, Riedel-Heller SG. Preferences for Depression Treatment Including Internet-Based Interventions: Results From a Large Sample of Primary Care Patients. Front Psychiatry. 2018 May 17;9:181. doi: 10.3389/fpsyt.2018.00181. eCollection 2018.
- March S, Day J, Ritchie G, Rowe A, Gough J, Hall T, Yuen CYJ, Donovan CL, Ireland M. Attitudes Toward e-Mental Health Services in a Community Sample of Adults: Online Survey. J Med Internet Res. 2018 Feb 19;20(2):e59. doi: 10.2196/jmir.9109.
- Musiat P, Goldstone P, Tarrier N. Understanding the acceptability of e-mental health--attitudes and expectations towards computerised self-help treatments for mental health problems. BMC Psychiatry. 2014 Apr 11;14:109. doi: 10.1186/1471-244X-14-109.
- Renn BN, Hoeft TJ, Lee HS, Bauer AM, Arean PA. Preference for in-person psychotherapy versus digital psychotherapy options for depression: survey of adults in the U.S. NPJ Digit Med. 2019 Feb 11;2:6. doi: 10.1038/s41746-019-0077-1. eCollection 2019.
- Kazdin AE, Blase SL. Rebooting Psychotherapy Research and Practice to Reduce the Burden of Mental Illness. Perspect Psychol Sci. 2011 Jan;6(1):21-37. doi: 10.1177/1745691610393527. Epub 2011 Feb 3.
- Malhi GS, Mann JJ. Depression. Lancet. 2018 Nov 24;392(10161):2299-2312. doi: 10.1016/S0140-6736(18)31948-2. Epub 2018 Nov 2.
- Andersson G, Topooco N, Havik O, Nordgreen T. Internet-supported versus face-to-face cognitive behavior therapy for depression. Expert Rev Neurother. 2016;16(1):55-60. doi: 10.1586/14737175.2015.1125783. Epub 2015 Dec 15.
- Yoshikawa E, Taniguchi T, Nakamura-Taira N, Ishiguro S, Matsumura H. Factors associated with unwillingness to seek professional help for depression: a web-based survey. BMC Res Notes. 2017 Dec 4;10(1):673. doi: 10.1186/s13104-017-3010-1.
- Stagnaro JC, Cia AH, Vommaro H, Sustas S, Vazquez N, Serfaty E, Kessler RC, Benjet C. Delays in making initial treatment contact after the first onset of mental health disorders in the Argentinean Study of Mental Health Epidemiology. Epidemiol Psychiatr Sci. 2019 Apr;28(2):240-250. doi: 10.1017/S2045796018000094. Epub 2018 Mar 15.
- Wang PS, Angermeyer M, Borges G, Bruffaerts R, Tat Chiu W, DE Girolamo G, Fayyad J, Gureje O, Haro JM, Huang Y, Kessler RC, Kovess V, Levinson D, Nakane Y, Oakley Brown MA, Ormel JH, Posada-Villa J, Aguilar-Gaxiola S, Alonso J, Lee S, Heeringa S, Pennell BE, Chatterji S, Ustun TB. Delay and failure in treatment seeking after first onset of mental disorders in the World Health Organization's World Mental Health Survey Initiative. World Psychiatry. 2007 Oct;6(3):177-85.
- McHugh RK, Whitton SW, Peckham AD, Welge JA, Otto MW. Patient preference for psychological vs pharmacologic treatment of psychiatric disorders: a meta-analytic review. J Clin Psychiatry. 2013 Jun;74(6):595-602. doi: 10.4088/JCP.12r07757.
- Salloum RG, Shenkman EA, Louviere JJ, Chambers DA. Application of discrete choice experiments to enhance stakeholder engagement as a strategy for advancing implementation: a systematic review. Implement Sci. 2017 Nov 23;12(1):140. doi: 10.1186/s13012-017-0675-8.
- Clark MD, Determann D, Petrou S, Moro D, de Bekker-Grob EW. Discrete choice experiments in health economics: a review of the literature. Pharmacoeconomics. 2014 Sep;32(9):883-902. doi: 10.1007/s40273-014-0170-x.
- Bridges JF, Hauber AB, Marshall D, Lloyd A, Prosser LA, Regier DA, Johnson FR, Mauskopf J. Conjoint analysis applications in health--a checklist: a report of the ISPOR Good Research Practices for Conjoint Analysis Task Force. Value Health. 2011 Jun;14(4):403-13. doi: 10.1016/j.jval.2010.11.013. Epub 2011 Apr 22.
- Jennings KS, Cheung JH, Britt TW, Goguen KN, Jeffirs SM, Peasley AL, Lee AC. How are perceived stigma, self-stigma, and self-reliance related to treatment-seeking? A three-path model. Psychiatr Rehabil J. 2015 Jun;38(2):109-116. doi: 10.1037/prj0000138. Epub 2015 Apr 6.
- Swift JK, Callahan JL, Cooper M, Parkin SR. The impact of accommodating client preference in psychotherapy: A meta-analysis. J Clin Psychol. 2018 Nov;74(11):1924-1937. doi: 10.1002/jclp.22680. Epub 2018 Aug 8.
- Lancsar E, Louviere J. Conducting discrete choice experiments to inform healthcare decision making: a user's guide. Pharmacoeconomics. 2008;26(8):661-77. doi: 10.2165/00019053-200826080-00004.
- Lambooij MS, Harmsen IA, Veldwijk J, de Melker H, Mollema L, van Weert YW, de Wit GA. Consistency between stated and revealed preferences: a discrete choice experiment and a behavioural experiment on vaccination behaviour compared. BMC Med Res Methodol. 2015 Mar 12;15:19. doi: 10.1186/s12874-015-0010-5.
- Muhlbacher AC, Juhnke C, Beyer AR, Garner S. Patient-Focused Benefit-Risk Analysis to Inform Regulatory Decisions: The European Union Perspective. Value Health. 2016 Sep-Oct;19(6):734-740. doi: 10.1016/j.jval.2016.04.006. Epub 2016 Sep 9.
- Sicsic J, Pelletier-Fleury N, Moumjid N. Women's Benefits and Harms Trade-Offs in Breast Cancer Screening: Results from a Discrete-Choice Experiment. Value Health. 2018 Jan;21(1):78-88. doi: 10.1016/j.jval.2017.07.003. Epub 2017 Aug 18.
- Quaife M, Eakle R, Cabrera Escobar MA, Vickerman P, Kilbourne-Brook M, Mvundura M, Delany-Moretlwe S, Terris-Prestholt F. Divergent Preferences for HIV Prevention: A Discrete Choice Experiment for Multipurpose HIV Prevention Products in South Africa. Med Decis Making. 2018 Jan;38(1):120-133. doi: 10.1177/0272989X17729376. Epub 2017 Sep 1.
- Hazlewood GS, Bombardier C, Tomlinson G, Thorne C, Bykerk VP, Thompson A, Tin D, Marshall DA. Treatment preferences of patients with early rheumatoid arthritis: a discrete-choice experiment. Rheumatology (Oxford). 2016 Nov;55(11):1959-1968. doi: 10.1093/rheumatology/kew280. Epub 2016 Jul 31.
- Lokkerbol J, Geomini A, van Voorthuijsen J, van Straten A, Tiemens B, Smit F, Risseeuw A, Hiligsmann M. A discrete-choice experiment to assess treatment modality preferences of patients with depression. J Med Econ. 2019 Feb;22(2):178-186. doi: 10.1080/13696998.2018.1555404. Epub 2018 Dec 22.
- Reed Johnson F, Lancsar E, Marshall D, Kilambi V, Muhlbacher A, Regier DA, Bresnahan BW, Kanninen B, Bridges JF. Constructing experimental designs for discrete-choice experiments: report of the ISPOR Conjoint Analysis Experimental Design Good Research Practices Task Force. Value Health. 2013 Jan-Feb;16(1):3-13. doi: 10.1016/j.jval.2012.08.2223.
- Veldwijk J, Lambooij MS, de Bekker-Grob EW, Smit HA, de Wit GA. The effect of including an opt-out option in discrete choice experiments. PLoS One. 2014 Nov 3;9(11):e111805. doi: 10.1371/journal.pone.0111805. eCollection 2014.
- Tunnessen M, Hiligsmann M, Stock S, Vennedey V. Patients' preferences for the treatment of anxiety and depressive disorders: a systematic review of discrete choice experiments. J Med Econ. 2020 Jun;23(6):546-556. doi: 10.1080/13696998.2020.1725022. Epub 2020 Feb 24.
- de Bekker-Grob EW, Donkers B, Jonker MF, Stolk EA. Sample Size Requirements for Discrete-Choice Experiments in Healthcare: a Practical Guide. Patient. 2015 Oct;8(5):373-84. doi: 10.1007/s40271-015-0118-z.
- Marshall D, Bridges JF, Hauber B, Cameron R, Donnalley L, Fyie K, Johnson FR. Conjoint Analysis Applications in Health - How are Studies being Designed and Reported?: An Update on Current Practice in the Published Literature between 2005 and 2008. Patient. 2010 Dec 1;3(4):249-56. doi: 10.2165/11539650-000000000-00000.
- Noble H, Smith J. Issues of validity and reliability in qualitative research. Evid Based Nurs. 2015 Apr;18(2):34-5. doi: 10.1136/eb-2015-102054. Epub 2015 Feb 4. No abstract available.
- Leigh S, Ashall-Payne L, Andrews T. Barriers and Facilitators to the Adoption of Mobile Health Among Health Care Professionals From the United Kingdom: Discrete Choice Experiment. JMIR Mhealth Uhealth. 2020 Jul 6;8(7):e17704. doi: 10.2196/17704.
- McGrady ME, Pai ALH, Prosser LA. Using discrete choice experiments to develop and deliver patient-centered psychological interventions: a systematic review. Health Psychol Rev. 2021 Jun;15(2):314-332. doi: 10.1080/17437199.2020.1715813. Epub 2020 Jan 22.
연구 기록 날짜
연구 주요 날짜
연구 시작 (실제)
기본 완료 (실제)
연구 완료 (실제)
연구 등록 날짜
최초 제출
QC 기준을 충족하는 최초 제출
처음 게시됨 (실제)
연구 기록 업데이트
마지막 업데이트 게시됨 (실제)
QC 기준을 충족하는 마지막 업데이트 제출
마지막으로 확인됨
추가 정보
이 연구와 관련된 용어
기타 연구 ID 번호
- SBRE(R)-21-043
개별 참가자 데이터(IPD) 계획
개별 참가자 데이터(IPD)를 공유할 계획입니까?
약물 및 장치 정보, 연구 문서
미국 FDA 규제 의약품 연구
미국 FDA 규제 기기 제품 연구
미국에서 제조되어 미국에서 수출되는 제품
이 정보는 변경 없이 clinicaltrials.gov 웹사이트에서 직접 가져온 것입니다. 귀하의 연구 세부 정보를 변경, 제거 또는 업데이트하도록 요청하는 경우 register@clinicaltrials.gov. 문의하십시오. 변경 사항이 clinicaltrials.gov에 구현되는 즉시 저희 웹사이트에도 자동으로 업데이트됩니다. .