Digitale strategieën om het zoeken naar hulp te bevorderen - Doel 3

Dit voorstel heeft tot doel een Digitaal Laboratorium op te richten dat zich richt op het bevorderen van het zoeken naar hulp en het bespoedigen van de start van de behandeling bij jongeren (13-26 jaar) die zich in een Klinisch Hoog Risico (CHR) bevinden voor het ontwikkelen van psychose. Ondanks de implementatie van op bewijs gebaseerde diensten voor vroegtijdige interventie in de VS, wachten CHR-jongeren maanden tot jaren tussen het begin van de symptomen en het ontvangen van zorg, wat resulteert in aanzienlijk slechtere resultaten. De huidige CHR-identificatiestrategieën zijn gebaseerd op kostbare, inefficiënte en verouderde bronnen. Mondiale inspanningen om de start van de behandeling bij CHR-jongeren te bespoedigen, hebben een ongekende vraag naar innovatieve digitale gezondheidszorgoplossingen gekatalyseerd, gericht op het vergroten van de toegang tot beschikbare en effectieve behandelingsopties. Online zoeken is een van de eerste proactieve stappen in de richting van het starten van een behandeling, maar tot nu toe heeft zeer weinig onderzoek uitgewezen hoe de CHR-jongeren het beste kunnen worden ondersteund bij het nemen van kritische, vroege online hulpzoekstappen richting zorg.

Om deze kenniskloof aan te pakken, omvat dit onderzoek een partnerschap tussen Mental Health America (MHA), 's werelds grootste online organisatie voor screening en belangenbehartiging op het gebied van de geestelijke gezondheidszorg, Strong365, een online bronnencentrum gewijd aan vroege psychose-educatie en zorgnavigatie, Accelerating Medicines Partnership - Schizophrenia (AMP-SCZ), een door de NIH gefinancierd netwerk van CHR-programma's in de VS, en vier academische partners met expertise in de beoordeling en het management van CHR-jongeren (Columbia, UCSF, UCD) online psychosescreening en zorgnavigatie (Columbia, UCD) en digitale betrokkenheid bij de geestelijke gezondheidszorg (UW, Columbia). Deze aanpak bouwt voort op het onderzoekspartnerschap van MHA gericht op digitale geestelijke gezondheidszorg (R01MH125179) en maakt gebruik van het Health Action Process Approach (HAPA)-model, dat beschrijft hoe individuen van intentie naar actie gaan wanneer ze gedragsverandering overwegen. Deze studie zal eerst hulpzoekende subtypes karakteriseren bij 25.000 jongeren die boven de drempel scoren voor psychose-risico op de Prodromal-Questionnaire (PQ-B), op het nationale screeningplatform van MHA. Vervolgens zullen de onderzoekers deze grote dataset gebruiken om de PQ-B-score vast te stellen die het meest effectief is bij het online identificeren van CHR-jongeren, aangezien het risico op valse positieven hoger kan zijn bij online zelfscreening, en dat optimale drempels kunnen variëren afhankelijk van de prevalentie van de steekproef. , bevolking en omgeving. De onderzoekers zullen vervolgens iteratief theorie en datagestuurde digitale strategieën ontwikkelen en testen met behulp van een reeks Micro Randomized Trials (MRT) die zijn ontworpen om het zoeken naar hulp bij CHR-jongeren te bevorderen van pre-intentie naar intentie, van intentie naar actie, en van actie naar super. -actie door direct gebruik te maken van HAPA-doelmechanismen: zelfeffectiviteit, waargenomen behoeften/risico's en uitkomstverwachtingen. De specifieke doelstellingen en hypothesen zijn onder meer:

Doel 1: Het karakteriseren van hulpzoekpatronen bij 25.000 jongeren die boven de PQ-B-drempel scoren. H1a: Jongeren zullen zich clusteren in (1) pre-intenders (neem de PQ-B en gaan zich bezighouden met educatieve inhoud), (2) intenders (initiëren een tekstuitwisseling met een Strong365 peer-navigator (3) actoren (van sms’en naar klinische beoordeling met een Strong365-arts via telefoon/video) en (4) superacteurs (vooruitgang van beoordeling tot AMP-SCZ-intake). De gegevens omvatten online metadata (tijd die online is doorgebracht, aantal bekeken bronnen, tijd besteed aan het voltooien van de PQ-B, aantal geïnitieerde/uitgewisselde teksten), zelfrapportage (demografische gegevens, symptoomtype en ernst, PQ-B-score, doelen/ behoeften, zelfeffectiviteit) en natuurlijke taal. H1b (alleen Strong365): Natuurlijke taalverwerking (NLP) van gegevens die zijn geëxtraheerd uit interacties tussen deelnemer en aanbieder via tekst en video, identificeert taalkundige kenmerken van HAPA-fasen: intentie, acteur, superacteur. Modellen gebaseerd op HAPA-fasen, samen met gedragskenmerken (d.w.z. berichttiming, frequentie, reactievertraging) zullen de vooruitgang bij het zoeken naar hulp versus terugtrekking voorspellen. De belangrijkste voorspellende kenmerken zullen worden gebruikt als basis voor het opstellen van strategieën voor het zoeken naar hulp, die in MRT's kunnen worden getest (Doelstelling 3).

Doel 2: Om ervoor te zorgen dat degenen die de PQ-B voltooien op de juiste manier worden begeleid, zal dit onderzoek de meest nauwkeurige drempel vaststellen voor het online identificeren van CHR. H2: Met behulp van gegevens uit populatiegebaseerde PQ-B-screening voorspellen de onderzoekers dat een totale distressscore van 20+ de hoogste diagnostische oddsratio zal genereren met een gevoeligheid van ten minste 80% online, zoals bepaald door klinische beoordeling op afstand. Voor de rest van het onderzoek zal de drempelscore worden gebruikt die de specificiteit en gevoeligheid maximaliseert.

Doel 3: Iteratief de meest effectieve strategieën voor het zoeken naar hulp ontwikkelen, testen en selecteren met behulp van MRT's bij 25.000 jongeren, op 3 tijdstippen langs het traject naar zorg, wanneer de kans het grootst is dat jongeren zich terugtrekken (na voltooiing van de PQ-B, na het sms'en met een peer navigator, klinische beoordeling op afstand). H3a: Digitale strategieën op de PQ-B-resultatenpagina zullen jongeren helpen van alleen online screening naar sms'en (van pre-intender naar intentie). Strategieën om de zelfeffectiviteit van taken en de uitkomstverwachtingen te verbeteren zullen effectiever zijn dan de gebruikelijke informatie na screening. H3b: Geautomatiseerde digitale strategieën die via tekst worden geleverd, zullen jongeren van sms'en naar klinische beoordeling op afstand (intentie naar acteur) brengen. Strategieën om de zelfeffectiviteit van taken en de uitkomstverwachtingen te verbeteren zullen effectiever zijn dan controleboodschappen. H3c: Geautomatiseerde digitale strategieën die via tekst worden geleverd, zullen de jeugd vooruit helpen van beoordeling tot AMP-SCZ-inname en behandelingsinitiatie, indien aangegeven (acteur tot superacteur). Strategieën om de zelfeffectiviteit op het gebied van onderhoud en herstel te verbeteren zullen effectiever zijn dan controleboodschappen.