Op schattingen gebaseerde mHealth-algoritmen die de aanstaande herhaling van episoden bij bipolaire stoornissen signaleren (MEASURE-BD)

Veteranen met bipolaire stoornissen (BD) ervaren terugkerende en schijnbaar onvoorspelbare perioden van ernstige beperkingen in het psychosociaal functioneren, die gedurende hun hele leven tot slechte resultaten leiden, zoals opsluiting, dakloosheid en dood door zelfmoord. Studies ondersteunen een verband tussen een grotere ernst en frequentie van BD-symptomen en slechter psychosociaal functioneren. Veteranen met BD verlaten vaak de zorg op momenten dat behandeling het meest gunstig zou zijn voor het voorkomen van verslechtering van het psychosociaal functioneren – wanneer nieuwe manische en depressieve episodes beginnen. Ondanks de beschikbaarheid van op bewijs gebaseerde behandelingen is BD dus wereldwijd een van de belangrijkste oorzaken van invaliditeit.

Effectieve instrumenten voor het prospectief detecteren van het begin van een manische en depressieve episode zouden artsen de mogelijkheid kunnen bieden om efficiënter in te grijpen en slechte psychosociale uitkomsten en verlies van mensenlevens te voorkomen. Het is niet verwonderlijk dat psychotherapeutische interventies zich vaak richten op het aanleren van technieken voor het monitoren van de stemming bij patiënten ter voorkoming van terugval. Deze zelfrapportagetechnieken vereisen echter inzicht en een hoge inspanning van de patiënt, wat tijdens acute BD-episodes mogelijk ontbreekt. Real-world metingen van zowel BD-symptomen als sociaal functioneren bij veteranen met BD die objectief zijn en geen hoog inzicht of hoge inspanning vereisen, ontbreken. Passieve mHealth-methoden die haalbaar en acceptabel zijn voor veteranen met BD en effectief zijn bij het prospectief detecteren van zowel manie als depressie, kunnen achteruitgang van het psychosociaal functioneren voorkomen door ervoor te zorgen dat op bewijs gebaseerde zorg wordt verleend op momenten dat de nood het grootst is.

Het overkoepelende doel van dit Merit Award-project is het opzetten van betrouwbare en valide machine-learning-algoritmen met behulp van mHealth-gegevens om prospectief een afname van de sociale participatie en het toekomstige begin van manie en depressie bij veteranen met BD te detecteren. De specifieke doelstellingen van het onderzoek zijn:

Doel #1. Een machine learning-algoritme opzetten met behulp van GPS-/locatiegegevens voor het voorspellen van toekomstige dalingen in sociale participatie bij veteranen met BD. De onderzoekers zullen nieuwe, real-world, op GPS gebaseerde machine learning-modellen leveren die dagen van tevoren veranderingen in de sociale participatie van veteranen voorspellen. Op basis van pilotgegevens verwachten de onderzoekers dat GPS-gegevensvoorspellers/functies onder meer de tijd doorgebracht op woon-, werk- en dagelijkse routinelocaties omvatten.

Doel #2. Machine learning-algoritmen vaststellen met behulp van GPS-/locatiegegevens voor het voorspellen van toekomstige acute klinische toestanden van BD. De onderzoekers zullen onderzoeken of het toevoegen van zwaardere dagelijkse zelfrapportage en stemzuivelfuncties de nauwkeurigheid van de modellen verbetert met behulp van positieve voorspellingen en andere statistische indices. De onderzoekers voorspellen dat alleen passieve GPS-/locatiegegevens een nauwkeurige voorspelling van toekomstige veranderingen in BD-symptomen zullen opleveren.

Doel #3. Onderzoek naar de klinische implementatie van de op mHealth gebaseerde algoritmen bij de behandeling van BD. Focusgroepen van VA-aanbieders en -beheerders zullen de haalbaarheid van de implementatie van algoritmen in de klinische zorg beoordelen.

Om de doelstellingen te bereiken zal de studie 200 veteranen met een BD-diagnose rekruteren die zorg ontvangen in het Minneapolis VA Health Care System via directe mailings naar patiënten, flyers in het medisch centrum en verwijzingen door artsen. De studie zal gebruik maken van gestratificeerde rekruteringsstrategieën voor het inschrijven van ten minste 20 veteranen in de leeftijdscategorieën 18-35, 36-45, 46-55, 56-65 en 66 jaar en ouder. Deelnemers worden gedurende 14 weken gevolgd met behulp van drie smartphone-apps (namelijk VA mPRO, FollowMee en Recorder Plus of ASR Voice Recorder). Dagelijks voltooien de deelnemers een beoordeling van 8 vragen over hun huidige symptomen en verstrekken ze stemgegevens voor spraakanalyse via een vaste prompt over hun geplande activiteiten voor die dag. Een andere app zal continu en passief de locatie monitoren met behulp van de GPS-functies van de smartphone om afwijkingen in de dagelijkse routine te detecteren. Tweewekelijks vullen de deelnemers een kort telefoonscherm in waarin sociale en gemeenschapsparticipatie, symptomen van manie en depressie, en suïcidaliteit worden beoordeeld. mHealth-gegevens van dagen voorafgaand aan de tweewekelijkse interviews zullen worden gebruikt als kenmerken in een klein aantal kandidaat-machine learning-modellen met als uitkomstmaten tweewekelijkse interviewbeoordelingen van bipolaire symptomen en sociale participatie. Het projectpersoneel zal ook twee focusgroepen houden - een van de 8 VA-aanbieders van geestelijke gezondheidszorg en een van de 8 VA-beheerders - die verschillende disciplines vertegenwoordigen en begeleide discussievragen gebruiken om feedback te verkrijgen over de implementatie van op mHealth gebaseerde algoritmen in de toekomstige klinische zorg voor veteranen met BD.

Impact: Het doel van de studie is om klinische hulpmiddelen te bieden voor real-time, onopvallende en prospectieve signalen over dreigende terugval van depressieve en manische episoden bij veteranen met BD aan hun artsen voor sneller, goedkoper en effectiever gebruik van bestaande, op bewijs gebaseerde behandelingen om slechte psychosociale functionele resultaten te voorkomen. Bovendien zal de huidige studie objectieve, weinig moeite kostende en onopvallende maatregelen opleveren voor het volgen van de sociale participatie ter plaatse en in realtime bij zowel veteranen met BD als andere veteranenpopulaties.