Proef van een online groepspsychotherapie-interventie voor veel voorkomende psychische stoornissen (UpLift-X)

Het onderzoeksprotocol, inclusief een volledig statistisch analyseplan, werd op 4 oktober 2024 vooraf geregistreerd en openbaar toegankelijk gemaakt in het Open Science Framework (hier beschikbaar - https://osf.io/vup9c/).

Een pragmatisch, multi-site, clusterfactorieel gerandomiseerd gecontroleerd onderzoek, waarbij de National Health Service (NHS) Talking Therapies (NHS-TT) diensten voor angst en depressie (voorheen bekend als IAPT-diensten) in Engeland betrokken waren. De digitaal ingeschakelde groepsinterventie "UPLift", gebaseerd op het Unified Protocol, zal beschikbaar zijn voor patiënten met veel voorkomende psychische stoornissen (en comorbiditeiten) die in aanmerking komen voor cognitieve gedragstherapie (CGT) met hoge intensiteit in NHS-TT-diensten, volgens nationale richtlijnen (Nationaal samenwerkingscentrum voor geestelijke gezondheid, 2024). Het Unified Protocol is een transdiagnostische behandeling die is ontworpen om relevant te zijn voor een breed scala aan emotionele stoornissen, gezien het vaak voorkomen van depressie, angst, somatoforme en dissociatieve symptomen. Het is gebaseerd op CBT- en emotieregulatietheorieën en heeft als doel patiënten te ondersteunen bij het toepassen van een reeks vaardigheden op het gebied van emotieregulatie die gericht zijn op de meest voorkomende kwetsbaarheden die ten grondslag liggen aan een reeks geestelijke gezondheidsproblemen: neuroticisme, weinig waargenomen controle en overschatting van de dreiging. Het protocol volgt het principe van spaarzaamheid, door het opnemen van een minimaal aantal empirisch gevalideerde technieken die het toegankelijk, ongecompliceerd en effectief zouden maken voor een maximaal aantal patiënten met verschillende combinaties van symptomen en problemen. De inhoud is verdeeld over 8 modules die online worden gegeven in 12 wekelijkse sessies van 1,5 uur en omvat een combinatie van op internet gebaseerde bronnen (zelfcontrolevragenlijsten, psycho-educatieve video's, vaardigheidsoefeningen gekoppeld aan elke module) en groepstherapiesessies die worden gegeven door een gekwalificeerde cognitieve gedragstherapeut. therapeut.

De eenheid van randomisatie (cluster) zal elke deelnemende NHS-TT-dienst zijn. NHS Trusts zijn bredere organisaties die een of meer NHS-TT-diensten beheren, dus de eenheid voor randomisatie is het lokale team. Alle patiënten die in dezelfde lokale dienst worden behandeld, zullen lid zijn van hetzelfde cluster. Deelnemende diensten worden willekeurig toegewezen aan een van de vijf armen. Elke arm omvat dezelfde online groep Unified Protocol-behandeling van 12 sessies, maar dan in een andere volgorde. De eerste twee modules blijven bij aanvang van de interventie vast staan, omdat deze introductiesessies noodzakelijk zijn om alle patiënten te oriënteren op de behandeling en om een ​​samenhangend groepsproces tot stand te brengen. Op dezelfde manier wordt de laatste module aan het einde van de interventie vastgesteld, omdat deze een algemeen overzicht van alle copingvaardigheden omvat en zich richt op terugvalpreventie. De middelste modules behandelen specifieke vaardigheden op het gebied van emotieregulatie en zijn het meest vatbaar voor personalisatie (sommige kunnen bijvoorbeeld meer of minder effectief zijn voor specifieke patiënten). Deze prescriptieve modules zullen in verschillende volgorden in elk van de proefarmen worden afgeleverd.

Deelnemers moeten de basismetingen voltooien bij deelname aan het onderzoek, wekelijkse symptoomuitkomstmetingen voorafgaand aan elke sessie en een post-behandeling (sessie 12) en een follow-uponderzoek na 6 maanden. De primaire uitkomst zal negatieve affectiviteit (NA) zijn, gebaseerd op een samengestelde score waarin items uit Patient Health Questionnaire-9 (PHQ-9; depressie), Generalized Anxiety Disorder-7 schaal (GAD-7; angst) en Work and Social Adjustment worden samengevoegd. Schaal (WSAS; werking). Secundaire uitkomsten zijn kwaliteit van leven (EuroQol - 5 dimensies; EQ5D), welzijn (Warwick en Edinburgh Mental Wellbeing Scale; WEMWBS) en voortijdig stoppen met behandeling.

Onderzoekers zullen ook geanonimiseerde klinische gezondheidsdossiers verzamelen voor alle patiënten die tijdens de periode van de klinische proef toegang krijgen tot individueel geleverde cognitieve gedragstherapie in de deelnemende diensten. Deze gegevens omvatten demografische gegevens, klinische zorg en klinische resultaten. Dit zal onderzoekers in staat stellen om klinische en kosteneffectiviteitsvergelijkingen te maken met behulp van een case-control matchingstrategie die wordt beschreven in het statistische analyseplan.

Het statistische analyseplan zal worden uitgevoerd in drie fasen die verband houden met elk van de doelstellingen van het onderzoek.

Doelstelling 1: vergelijk de uitkomsten van verschillende UP-modulereeksen. Dit zal de primaire analyse zijn, waarop de berekening van de steekproefomvang is gebaseerd. Gevallen met ontbrekende gegevenspunten na de behandeling (12e sessie) in de afhankelijke variabele zullen worden geïmputeerd met behulp van het MissForest R-pakket, waarbij alle basislijnvariabelen als voorspellers worden gebruikt. De imputaties zullen voor elke onderzoekstak afzonderlijk worden uitgevoerd. Bij de analyse wordt een lineair model met meerdere niveaus (gemengde effecten) toegepast, waarbij patiënten in groepen worden ondergebracht, waarbij een willekeurig effect voor het groepsniveau wordt ingevoerd. De afhankelijke variabele zal de negatieve affectiviteitsscore (NA) na de behandeling zijn, waarbij de onderzoeksarm als een onafhankelijke variabele wordt ingevoerd, waarbij wordt gecontroleerd voor NA bij aanvang. Modellen zullen in opeenvolgende stappen worden ontwikkeld en modelfit-indices (AIC, BIC, -2LL) zullen na elke modelleringsstap worden onderzocht. Onderzoekers zullen het best passende en meest spaarzame model dat door dit stapsgewijze proces wordt bereikt behouden en interpreteren, waarbij ze de -2 loglikelihood ratio-test gebruiken om modellen te vergelijken. De intraclustercorrelatiecoëfficiënt (ICC) zal worden gerapporteerd als een index van de variabiliteit in behandelresultaten die kan worden toegeschreven aan het groepsniveau. Effectgroottes tussen groepen (Cohen's d) zullen voor elk contrast worden berekend en gerapporteerd (bijvoorbeeld standaard UP-sequentie versus andere sequenties).

Secundaire analyse: Het bovenstaande analyseplan zal worden herhaald met behulp van een logistiek meerniveaumodel met uitval als afhankelijke variabele. De uitvalvariabele wordt afgeleid uit de aanwezigheidsregistraties van groepstherapieën, waarbij gevallen die meer dan de helft (≥6) sessies bijwoonden, worden gegroepeerd in de referentiecategorie (code = 0) en gevallen die minder dan de helft (≤5) bijwoonden, worden geclassificeerd. als gevallen die zijn uitgevallen (code = 1).

Doelstelling 2: een gepersonaliseerde moduleselectiemethode ontwikkelen Gevallen met ontbrekende datapunten in de afhankelijke variabele zullen worden geïmputeerd met behulp van het MissForest R-pakket, waarbij alle basislijnvariabelen als voorspellers worden gebruikt, met afzonderlijke imputaties in de trainings-/validatiepartities en binnen elke proefarm. Betrouwbare verbetering (RI) verwijst naar een vermindering van de ernst van de symptomen tussen twee tijdstippen, die groter is in omvang dan de betrouwbare veranderingsindex voor de psychometrische maatstaf. Volgens deze definitie zullen de onderzoekers gevallen classificeren met behulp van een binaire variabele die aangeeft of ze wel (code = 1) of geen betrouwbare verbetering vertoonden (code = 0) na blootstelling aan een prescriptieve Unified Protocol-module. Deze codering zal ons in staat stellen gevallen te identificeren die betrouwbare symptomatische verbeteringen ervaren na blootstelling aan elk van de doelmodules, ongeacht waar de module zich bevindt (bijvoorbeeld aan het begin, midden of einde van de interventie) in de groepsinterventie waarin ze zijn uitgevoerd. toegewezen aan. Deze methodologie zal onderzoekers in staat stellen om te controleren op sequencing en vroege responseffecten, om het profiel te identificeren van patiënten die een gunstige respons hebben op elke specifieke module.

Monsterverdeling: Het volledige proefmonster wordt willekeurig verdeeld in trainings- en validatiesubsets met behulp van een verdeling van 60:40, met een evenwichtig aantal van elk van de 5 proefarmen in elke verdeling van de trainingspartities. Dit zal ervoor zorgen dat 396 gevallen willekeurig worden geselecteerd in de trainingspartitie, wat de minimale steekproefomvang van 300 overschrijdt die nodig is om een ​​betrouwbaar klinisch voorspellingsmodel te trainen met behulp van machinaal leren onder toezicht.

Modelontwikkeling en -optimalisatie (in het trainingsgedeelte): Onderzoekers zullen in totaal 5 machine learning-voorspellingsmodellen produceren, één voor elke prescriptieve UP-module. Elk getraind model verwerkt de input (basiskenmerken van de patiënt) en levert [a] een voorspelde classificatie en [b] een corresponderende voorspelde waarschijnlijkheid met betrekking tot de classificatie. De logica van deze algoritmen is het beantwoorden van de volgende vraag: hoe waarschijnlijk is het, gegeven deze patiëntkenmerken, dat deze specifieke patiënt een betrouwbare verbetering zal ervaren na toegang tot module X? Kruisvalidatiestrategie (in het validatiemonster): De statistische nauwkeurigheid en klinische bruikbaarheid van de machine learning-modellen zullen worden geëvalueerd in de validatiestrategie door de algoritmevoorspellingen te vergelijken met de waargenomen uitkomsten en de uitkomsten te vergelijken voor patiënten die eerst hun optimale module kregen vergeleken. aan patiënten die dat niet deden.

Secundaire analyse: De bovenstaande machine learning-analyse en kruisvalidatiestrategie zullen worden herhaald om een ​​binaire classificator te trainen met drop-out als de afhankelijke variabele. De uitvalvariabele wordt afgeleid uit de aanwezigheidsregistraties van groepstherapieën, waarbij gevallen die meer dan de helft (≥6) sessies bijwoonden, worden gegroepeerd in de referentiecategorie (code = 0) en gevallen die minder dan de helft (≤5) bijwoonden, worden geclassificeerd. als gevallen die zijn uitgevallen (code = 1).

Doelstelling 3: de effectiviteit evalueren van digitaal ondersteunde UP-groepstherapie versus individuele CGT. Deze analyse omvat [a] een subgroep van deelnemers aan klinische onderzoeken die willekeurig werden toegewezen aan de arm waar het UP-protocol in de standaardvolgorde werd toegediend, en [b ] een gematchte steekproef van patiënten die toegang hadden tot individuele CGT met hoge intensiteit in de deelnemende NHS-TT-diensten. De gegevens voor de individuele CGT-gevallen zullen worden verzameld uit elektronische medische dossiers. CGT-gevallen die voldoen aan de vermelde inclusiecriteria voor het onderzoek zullen voor deze analyse worden geselecteerd, waarbij alleen gevallen worden opgenomen waarin het primaire probleem identificeerbaar is in klinische dossiers en waar baseline-ernstscores (PHQ-9, GAD-7, WSAS) bij de eerste keer beschikbaar zijn. CBT-sessie bijgewoond. Gevallen met ontbrekende datapunten na de behandeling (laatst bezochte sessie) in de afhankelijke variabele zullen worden geïmputeerd met behulp van het MissForest R-pakket, waarbij alle covariaten als voorspellers worden gebruikt. De imputaties zullen voor elke groep afzonderlijk worden uitgevoerd (individuele CGT; standaard UP-groepstherapie). De klinische resultaten na de behandeling (NA-scores) zullen worden vergeleken tussen gevallen die gebruik maken van het standaard groeps-UP-protocol versus individuele CGT-gevallen met behulp van een dubbel robuuste schatting, die een aanpassing voor niet-willekeurige toewijzing aan behandelingen combineert, en een voor covariaten aangepast regressiemodel om te testen het causale effect van blootstelling aan een interventie.

Secundaire analyses: De bovenstaande analyse zal worden herhaald om de resultaten te vergelijken met behulp van stoornisspecifieke metingen (PHQ-9, GAD-7, ADSM) voor gevallen met de relevante diagnoses. Voor elke vergelijking worden de effectgroottes tussen groepen (Cohen's d) berekend en gerapporteerd.

Gezondheidseconomische analyse: Er zal een economische analyse worden uitgevoerd vanuit het perspectief van de NHS en de Persoonlijke Sociale Diensten. Een kostenutiliteitsanalyse zal gebruik maken van voor kwaliteit gecorrigeerde levensjaren (QALY's afgeleid van de EQ-5D-vragenlijst, en tarief gebaseerd op de Britse publieke waardenset) als maatstaf voor de kwaliteit van leven, waarbij gebruik wordt gemaakt van nabehandeling (laatst bezochte sessie). gegevens op de NA-schaal in de primaire analyse, en follow-upgegevens over drie maanden in een secundaire analyse. Het gebruik van hulpbronnen in de gezondheidszorg en sociale diensten zal worden gewaardeerd aan de hand van de NHS-referentiekosten en de database voor het gebruik van hulpbronnen voor persoonlijke en sociale diensten (PSSRU). Onderzoekers zullen de incrementele kosteneffectiviteitsratio voor groepstherapie versus individuele CGT schatten, met behulp van bootstrapping om betrouwbaarheidsintervallen te schatten. Beslissingsonzekerheid zal worden gepresenteerd op een kosten-effectiviteitsaanvaardbaarheidscurve. Er zullen aanvullende gevoeligheidsanalyses worden uitgevoerd voor het gebruik van hulpbronnen en de eenheidskosten. Een gevoeligheidsanalyse controleert de basiskosten. Scenarioanalyses zullen alternatieve kostenperspectieven onderzoeken; dat wil zeggen, NHS- en NHS/PSS-perspectieven. De resultaten van de kosteneffectiviteitsanalyse zullen worden gerapporteerd in overeenstemming met de Consolidated Health Economic Evaluation Reporting Standards 2022 Statement.