- ICH GCP
- US Clinical Trials Registry
- Klinisk utprøving NCT05449561
Beyond Efficacy - Fremkaller preferanse for ansikt-til-ansikt og internettbasert psykoterapi blant personer med depresjon
Beyond Efficacy – Fremkalle preferanse for ansikt-til-ansikt og internettbasert psykoterapi blant personer med depresjon: Bruk av diskret valgeksperiment for å fremme fremtidig tjenesteimplementering
Målet med denne studien er å styrke evidensgrunnlaget for klienters preferanser for psykoterapi og å lukke de beskrevne litteraturhullene for å informere folkehelseressursomfordeling og implementering av psykologiske tjenester.
Etterforskerne tar sikte på å besvare følgende forskningsspørsmål:
- Hvilke psykologiske tjenesteegenskaper har størst innflytelse på beslutningene om tjenestebruk?
- Kan respondenter representeres av latente klasser på grunnlag av lignende preferanseprofiler?
- Hvilke attributter har størst innflytelse på tjenesteutnyttelsesbeslutningene til hver latent klasse?
- Vil personer med depresjon ta i bruk internettbasert psykoterapi med tanke på den lange ventetiden og høye kostnadene ved konvensjonell ansikt-til-ansikt psykoterapi?
For å systematisk adressere spørsmålene ovenfor, er spesifikke forskningsmål definert som følger:
- å undersøke den relative betydningen av en rekke kjennetegn ved psykologiske tjenester (f.eks. leveringsmåte, ventetid, utbetalt servicegebyr, anonymitet og henvisningsmetoder) på valg av psykologisk tjeneste ved bruk av DCE.
- å identifisere segmenter av personer med depresjon med ulike tjenestepreferanser ved å bruke latent klassemodell, fordi den relative vektingen av tjenestepreferanser kan variere med demografiske (f.eks. kjønn, alder, sosioøkonomisk status, alvorlighetsgrad av depresjon) og psykologiske egenskaper (f.eks. hjelp til å søke stigma) ; og
- siden DCE-er må oversettes til forbedrede tjenester for å være virkelig nyttige, og med referanse til økende interesse for utviklingen av digital psykisk helsetjeneste for personer med depresjon for å løse problemet med lang ventetid og kostnader i ansikt-til-ansikt psykoterapi, ved hjelp av en serie statistiske simuleringer, tar vi sikte på å estimere prosentandelen av personer med depresjon i hvert latent klassesegment som vil bruke psykoterapi med forhåndsdefinerte behandlingsattributter.
Studieoversikt
Status
Forhold
Detaljert beskrivelse
1.1 Depresjon og internettbasert psykoterapi som en måte å forbedre omsorgstilgang Depresjon er en vanlig psykisk lidelse med en prevalens på 8,8 %. Det er assosiert med en betydelig reduksjon av livskvalitet, rangert som den tredje årsaken til sykdomsbyrden på verdensbasis av WHO og vil bli rangert som 1. innen 2030(1). Ikke desto mindre var 55,3 % personer med depresjon uvillige til å søke profesjonell hjelp for depresjon(2), og median varighet av forsinkelse i behandlingen varierer fra 2 til 8 år(3,4). Selv om en preferanse for psykoterapi fremfor farmakologisk behandling konsekvent var tydelig(5), barrierer for tradisjonell ansikt-til-ansikt psykoterapi som upraktisk plassering, lang ventetid, høye kostnader, lavt opplevd behov, preferanse til selvtillit, selvstigma, og følelsen av forlegenhet (6) avskrekker mange fra å få tilgang til og følge behandlingen. Enda verre, antallet individer med psykiske lidelser har langt overgått ressursene som er tilgjengelige i tradisjonelle modeller for å levere psykoterapi(7). Effektive psykoterapier må derfor gjøres stadig mer tilgjengelige på en mer kostnadseffektiv måte ved å bruke Internett som en alternativ tjenestemodalitet(8). Forskning tyder på at de mindre arbeidskrevende internettbaserte psykoterapiene ser ut til å være en effektiv strategi for å øke psykososiale tjenester og redusere belastningen på helsevesenet. Tallrike kliniske studier har vist effekten av internettbaserte psykoterapier i behandling av depresjon. En systematisk gjennomgang av 32 randomiserte kontrollerte studier som evaluerte internettbasert kognitiv atferdsterapi for symptomer på depresjon hos 5642 deltakere fant en gjennomsnittlig effektstørrelse på g=0,67 (8). En fersk metaanalyse fant også at internettbasert kognitiv atferdspsykoterapi har sammenlignbare effekter med tradisjonell ansikt-til-ansikt psykoterapi, selv når de sammenlignes direkte med hverandre(9).
1.2 Utover effektivitet, viktigheten av preferanse i klientsentrerte tjenester Til tross for økende bevis på ekvivalensen av effektivitet ved bruk av internett for å levere psykoterapi sammenlignet med ansikt-til-ansikt-motparten, er det en vesentlig forutsetning for å aktualisere det fulle potensialet til enhver effektiv behandling er at enkeltpersoner er villige til å bruke den. Dette forslaget er i samsvar med Diffusion of Innovation Theory og The Unified Theory of Acceptance and Use of Technology; potensielle brukere må ha et tilstrekkelig nivå av tjenestepreferanse og aksept før initiering og bruk av den nye behandlingen(10). Med bevissthet om translasjonsproblemer (f.eks. dårlig opptak) som oppstår fra effektforsøk til den virkelige verden og anerkjennelsen at helseintervensjoner verdsettes for mer enn bare kliniske helseresultater(11), forskning for å forstå hvilken pasientomsorg i helsetjenestene som hadde en tidobling de siste to tiårene(12). Å involvere pasientenes preferanser i avgjørelsen av beste behandling fører faktisk ikke bare til bedre tjenesteimplementering, det fremmer også politiske beslutninger som omfavner pasientens verdier(13). Uoppfylte preferanser forklarer delvis det suboptimale opptak og dårlig etterlevelse av psykoterapi for alvorlig depressiv lidelse(14,15). Å adressere klientens preferanser for psykoterapier kan bidra til å overvinne behandlingsgapet ved å veilede politiske beslutninger og restrukturere psykologiske tjenester som tilbys i samfunnet(11). Karakterisering og prioritering av potensielle tjenestebrukeres etterspørsel etter evidensbasert psykoterapi kan gi innsikt i så viktige og praktiske spørsmål som "Til hvem skal internettbasert psykoterapi implementeres?", "Hvordan bør ressurser fordeles mellom Internett-baserte og ansikt-til-ansikt tjenester for å stå i forhold til brukernes preferanser?" "Kan den nye tjenestemodaliteten nå personer som har høye nivåer av stigma eller foretrekker å administrere sin mentale helse anonymt gjennom et nettbasert program?(16)". Ikke overraskende fant forskning at å ta hensyn til pasienters preferanse i tjenesteplanlegging kunne føre til forbedret tjenesteutnyttelse og redusert frafall(17). UK National Health Services uttalte også eksplisitt at deres "tjenester må reflektere, og bør koordineres rundt og skreddersydd til, pasientenes behov og preferanser". Videre er respekt for brukernes autonomi og selvbestemmelse anerkjent i internasjonale etiske retningslinjer, inkludert de fra American og Australian Psychological Society. Pasientenes preferanse ble også identifisert som et av de seks målene for et nytt helsesystem av høy kvalitet for det 21. århundre i Institute of Medicine-rapporten, Crossing the Quality Chasm.
1.3 Bruk av Discrete Choice Experiment (DCE) for å forstå klientens preferanser Til dags dato har klientens preferanser i psykologiske tjenester primært blitt vurdert ved bruk av kvalitative metoder eller kvantitative mål på aksept eller holdninger(18). Studier antydet at den gjennomsnittlige preferansestyrken til internettbasert psykoterapi var lavere enn tradisjonell psykoterapi, men likevel sammenlignbar med medisiner. En betydelig del av personer med depresjon (38 %) rapporterte sannsynlig eller svært sannsynlig å vurdere internettbaserte intervensjoner (18). For de som foretrekker tradisjonelle ansikt-til-ansikt-tilnærminger, indikerte mer enn en tredjedel av dem at de sannsynligvis vil bruke elektroniske tjenester i fremtiden(19). I en nylig preferansestudie i Canada, selv om de fleste postsekundære studenter foretrakk ansikt-til-ansikt psykoterapi fremfor digital mental helsetjeneste, da studentene vurderte potensielle venteperioder, valgte en større prosentandel av studentene internettbasert psykoterapi fremfor å vente på ansikt til ansikt. -ansiktspsykoterapi (20). Selv om preferansestudier ved bruk av enkle Likert-skalavurderinger ga viss innsikt i ønskelig tjeneste, manglet de detaljer om de underliggende egenskapene som styrer brukerpreferansene, og de vurderte ikke kvantitativt den relative betydningen av hver egenskap (f.eks. "Er behandlingsmodaliteten, ventetid" , eller koster det viktigste?') eller i hvilken grad klienter ville være villige til å bytte ut en behandlingskarakteristikk for en annen (f.eks. "Ville klienter være villige til å motta tjenester via Internett i motsetning til personlig dersom det reduserer kostnadene/ventetiden?"). Uten denne informasjonen har forskere og beslutningstakere begrenset veiledning om hvordan de best kan utforme de beste tjenestene som samsvarer med kundens preferanser.
Et alternativ til preferansestudier er diskret valgeksperiment (DCE), som kan brukes til å kvantitativt, eksperimentelt og systematisk forstå klienters preferanse. DCE er en gyldig, pålitelig og mye brukt undersøkelsesmetodikk for å fremkalle pasienters preferanser for helsehjelp(21). DCE er basert på tilfeldig nytteteori som antyder at individer velger attributter som maksimerer opsjonsnytten. I DCE vil respondentene bli bedt om å fullføre en rekke hypotetiske valgoppgaver (se for eksempel figur 2). Innenfor hver oppgave velger respondentene sitt foretrukne alternativ fra alternativer med varierende tjenesteegenskaper. DCE er analog med beslutningstaking i den virkelige verden og tilbyr fordeler i forhold til tradisjonelle undersøkelsesmetoder for å redusere overfladisk beslutningstaking, haloeffekt og sosial ønskelighetsskjevhet, og tillater en bedre forståelse av de underliggende årsakene til valgatferd(22). Vurderinger gir ofte høye skårer på tvers av gunstige egenskaper, noe som gjenspeiler et generelt ønske om tjenester som omfatter alle positive egenskaper. Imidlertid nødvendiggjør mangelen på ressurser ofte avveininger mellom attributter, og DCE kan gi viktig informasjon for å informere tjenestenes beslutningstaking om hvilke tjenesteattributter som skal prioriteres for forbedring(21). Spesielt er DCE enkel å administrere, med studier som viser individer med alvorlige psykiske lidelser som er i stand til å fullføre DCE og ta rasjonelle beslutninger (23), og valgmetoder har vist seg å forutsi faktisk atferd tilstrekkelig (24).
Faktisk har United States Food and Drug Administration godkjent DCE-er som den "favoriserte" metoden for å vurdere pasienters syn på skade- og fordelsprofilen til helseprodukter. På samme måte spilte data hentet fra DCE-er også en betydelig rolle i å informere og støtte helsevesenets beslutningstaking og regulering(25). Innenfor akademia har forskere brukt DCE-er for å identifisere attributter som påvirker pasientens preferanser for screeningprogrammer for brystkreft (26), HIV-forebygging (27), behandling av revmatoid artritt (28) og vaksinasjon (24). Gitt DCE kan fange opp den relative betydningen av de studerte egenskapene, kan intervensjonsforskere og beslutningstakere prioritere endringene knyttet til den viktigste egenskapen i psykoterapi i tjenesteutvikling og implementering.
1.4 Forskningsgapet: Hva med relativ betydning av viktige tjenesteegenskaper? Hittil har bare en håndfull DCE-er blitt utført på psykologiske tjenester. Å prioritere tjenester ut fra klinisk effekt og kostnadseffektivitet overser ofte andre viktige faktorer som er relevante for klientene. Å fange opp klienters valg i psykoterapi i lys av den nye utviklingen innen internettbaserte intervensjoner er av største betydning og haster for å optimalisere tjenesteimplementeringen(11).
Så vidt vi vet, har bare én studie til dags dato eksplisitt undersøkt hvordan personer med depresjon bytter fordeler og ulemper med psykologiske tjenestealternativer med varierende tjenesteegenskaper(29). Studien tok imidlertid i bruk tvangsvalgoppgaver uten et opt-out-alternativ, noe som gjorde valgsett mindre realistiske og med risiko for overestimering av preferansevekt (30,31). Dessuten har ingen eksisterende DCE om psykologiske tjenester inkorporert alle de tre hovedbehandlingsattributtene for depresjon, som er resultat (f.eks. effektivitet), prosess (f.eks. behandlingsmodalitet, ventetid) og kostnadsattributter(32) 1.5 Studiemål Målet. av denne studien er å styrke evidensgrunnlaget for klienters preferanser for psykoterapi og å lukke de beskrevne litteraturhullene for å informere folkehelseressursomfordeling og implementering av psykologiske tjenester. Etterforskerne tar sikte på å ta for seg følgende forskningsspørsmål: ‣ Hvilke psykologiske tjenesteegenskaper har størst innflytelse på beslutningene om tjenestebruk? ‣ Kan respondenter representeres av latente klasser på grunnlag av lignende preferanseprofiler? Hvilke attributter har størst innflytelse på tjenesteutnyttelsesbeslutningene til hver latent klasse? ‣ Vil personer med depresjon ta i bruk internettbasert psykoterapi med tanke på den lange ventetiden og høye kostnadene ved konvensjonell ansikt-til-ansikt psykoterapi?
For å systematisk adressere spørsmålene ovenfor, er spesifikke forskningsmål definert som følger:
- å undersøke den relative betydningen av en rekke kjennetegn ved psykologiske tjenester (f.eks. leveringsmåte, ventetid, utbetalt servicegebyr, anonymitet og henvisningsmetoder) på valg av psykologisk tjeneste ved bruk av DCE.
- å identifisere segmenter av personer med depresjon med ulike tjenestepreferanser ved å bruke latent klassemodell, fordi den relative vektingen av tjenestepreferanser kan variere med demografiske (f.eks. kjønn, alder, sosioøkonomisk status, alvorlighetsgrad av depresjon) og psykologiske egenskaper (f.eks. hjelp til å søke stigma) ; og
- siden DCE-er må oversettes til forbedrede tjenester for å være virkelig nyttige, og med referanse til økende interesse for utviklingen av digital psykisk helsetjeneste for personer med depresjon for å løse problemet med lang ventetid og kostnader i ansikt-til-ansikt psykoterapi, ved hjelp av en serie statistiske simuleringer, tar etterforskerne sikte på å estimere prosentandelen av personer med depresjon i hvert latent klassesegment som vil bruke psykoterapi med forhåndsdefinerte behandlingsegenskaper.
Etterpå vil etterforskerne invitere minst 20 deltakere med minst mildt nivå av depressive symptomer til å delta i individuelle intervjuer. Intervjuene vil være i semistrukturert format.
Studietype
Registrering (Faktiske)
Kontakter og plasseringer
Studiesteder
-
-
-
Hong Kong, Hong Kong
- Department of Psychology
-
-
Deltakelseskriterier
Kvalifikasjonskriterier
Alder som er kvalifisert for studier
Tar imot friske frivillige
Prøvetakingsmetode
Studiepopulasjon
Beskrivelse
Inklusjonskriterier:
- Deltakere i alderen 18 år eller eldre
- Med minst milde til moderate depressive symptomer (definert som å ha en cut-off score på 10 eller høyere basert på pasienthelseskjemaet-9 (PHQ-9))
- Kunne lese og forstå kinesisk
Ekskluderingskriterier:
- Selvrapportert DSM-5-diagnose av aktuelle maniske episoder, posttraumatisk stresslidelse, rusforstyrrelser og psykotiske lidelser
- Aktivt suicidal som vurdert av P4-suicidalitetsscreener
Studieplan
Hvordan er studiet utformet?
Designdetaljer
- Observasjonsmodeller: Bare etui
- Tidsperspektiver: Tverrsnitt
Kohorter og intervensjoner
Gruppe / Kohort |
|---|
|
Discrete Choice kvalitativt intervju
Vi vil invitere minst 20 deltakere med minst mildt nivå av depressive symptomer til å delta i individuelle intervjuer.
Intervjuene vil være i semistrukturert format.
Etter å ha gitt informert samtykke og fullføring av demografiundersøkelsen, vil vi stille respondentene ett enkelt spørsmål om hva som betyr noe for dem når de vurderer bruk av psykoterapi, med tilstrekkelige sonder under samtalen.
Dette vil sikre ensartethet i temaene som skal diskuteres, og tillatt nivå av digresjon.
|
Hva måler studien?
Primære resultatmål
Resultatmål |
Tiltaksbeskrivelse |
Tidsramme |
|---|---|---|
|
Depresjon
Tidsramme: ved baseline
|
Pasienthelsespørreskjema (PHQ9) (Kroenke, Spitzer, & Williams, 2001).
Det er et 9-elements mål for å få tilgang til alvorlighetsgraden av depresjon.
PHQ-9 har blitt validert og brukt mye i den generelle befolkningen for screening og måling av alvorlighetsgraden av depresjon.
Poeng på 5, 10, 15 og 20 angir henholdsvis mild, moderat, moderat alvorlig og alvorlig nivå av depresjon (område: 0-27).
|
ved baseline
|
|
Hjelpesøkende Selvstigma
Tidsramme: ved baseline
|
Self-Stigma of Seeking Help Scale (SSOSH-10).
For å forstå hvordan stigma kan påvirke valg og preferanse for psykologisk tjeneste, vil SSOSH-10 bli brukt til å vurdere respondentenes nivå av hjelp som søker stigma.
Skalaen skårer på en 5-punkts Likert-skala, med 1 = helt uenig og 5 = helt enig (poengsummen varierer fra 10 til 50).
Jo høyere gjennomsnittlig poengsum er, desto høyere selvstigma for å søke hjelp.
|
ved baseline
|
|
Holdninger til psykologiske nettintervensjoner
Tidsramme: ved baseline
|
Attitudes to Psychological Online Interventions Questionnaire (APOI).
Det er et 16-elements mål for å vurdere respondentens holdninger til psykologiske intervensjoner på nett.
Den scorer på en 5-punkts Likert-skala med 1=helt enig til 5=helt uenig.
|
ved baseline
|
|
Potensielle egenskaper og deres innflytelse på respondentens valg av psykoterapi
Tidsramme: baseline (under kvalitativt intervju)
|
1 sett med spørsmål med ulike egenskaper som påvirker respondentens valg av psykoterapi vil bli stilt.
Vi planlegger å inkludere (1) behandlingsmodalitet, (2) effektivitet, (3) henvisning, (4) anonymitet, (5) ventetid og (6) egenkostnad som attributter.
Vi vil også be ytterligere 60 deltakere med depressive symptomer om å rangere attributter fra 1 ("viktigst") til 9 ("minst viktig").
De 6 høyest rangerte egenskapene vil bli valgt for spørsmålene.
|
baseline (under kvalitativt intervju)
|
Samarbeidspartnere og etterforskere
Sponsor
Publikasjoner og nyttige lenker
Generelle publikasjoner
- 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.
Studierekorddatoer
Studer hoveddatoer
Studiestart (Faktiske)
Primær fullføring (Faktiske)
Studiet fullført (Faktiske)
Datoer for studieregistrering
Først innsendt
Først innsendt som oppfylte QC-kriteriene
Først lagt ut (Faktiske)
Oppdateringer av studieposter
Sist oppdatering lagt ut (Faktiske)
Siste oppdatering sendt inn som oppfylte QC-kriteriene
Sist bekreftet
Mer informasjon
Begreper knyttet til denne studien
Nøkkelord
Ytterligere relevante MeSH-vilkår
Andre studie-ID-numre
- SBRE(R)-21-043
Plan for individuelle deltakerdata (IPD)
Planlegger du å dele individuelle deltakerdata (IPD)?
Legemiddel- og utstyrsinformasjon, studiedokumenter
Studerer et amerikansk FDA-regulert medikamentprodukt
Studerer et amerikansk FDA-regulert enhetsprodukt
produkt produsert i og eksportert fra USA
Denne informasjonen ble hentet direkte fra nettstedet clinicaltrials.gov uten noen endringer. Hvis du har noen forespørsler om å endre, fjerne eller oppdatere studiedetaljene dine, vennligst kontakt register@clinicaltrials.gov. Så snart en endring er implementert på clinicaltrials.gov, vil denne også bli oppdatert automatisk på nettstedet vårt. .