Denne siden ble automatisk oversatt og nøyaktigheten av oversettelsen er ikke garantert. Vennligst referer til engelsk versjon for en kildetekst.

Forutsi prematur behandlingsavslutning i inpatient Psychotherapy: A Machine Learning Approach

15. september 2023 oppdatert av: Simone Jennissen, University Hospital Heidelberg
Studien tar sikte på å utvikle en prediksjonsmodell for prematur behandlingsavslutning i psykosomatiske sykehus ved bruk av en maskinlæringstilnærming.

Studieoversikt

Detaljert beskrivelse

Målet med studien er å identifisere risikofaktorer som fører til eller forutsier for tidlig behandlingsavslutning i psykosomatiske sykehus. På sikt skal studien bidra til å utvikle mer presise prediksjonsmodeller som kan styrke kommunikasjonen mellom behandlere og pasienter om potensielt frafall og eventuelt tilpasning av behandlingen ved bruk av en tilbakemeldingssløyfe.

Siden det fortsatt ikke er klart hvilke variabler som spiller en stor rolle i å forutsi behandlingsavslutning i psykosomatiske sykehus, er studiedesignet utforskende og inkluderer et bredt spekter av inntakspasientkarakteristikker. Hensikten med denne studien er herved å utvikle en prediksjonsmodell basert på informasjonen som rutinemessig vurderes ved inntak. Derfor er det planlagt å inkludere tre typer variabler: (1) demografiske og andre kliniske variabler (f. alder, kjønn, ICD-10 diagnoser), (2) psykologiske spørreskjemadata (f.eks. PHQ, SF-12, EB-45, IIP-32, OPD-SFK) og (3) fysiologiske data (f.eks. rutinemessige laboratoriedata, blodtrykk). For studien vil alle pasienter som startet stasjonær psykoterapi ved legesenteret Heidelberg mellom 2015 og januar 2022 inkluderes, noe som resulterer i en prøvestørrelse på omtrent N = 2000. Ettersom gjennomsnittlig frafall basert på metaanalytiske resultater er rundt 20 %, kan man anta at opptil 400 pasienter har falt ut av behandlingen for tidlig.

For å beregne prediksjonsmodellen er det planlagt å bruke en maskinlæringstilnærming som er svært funksjonell i store datasett. Ved å bruke en Random Forest Model for binære utfall (vanlig behandlingslengde vs. prematur behandlingsavslutning) er det tenkt å identifisere variabler som bidrar til prediksjonen av for tidlig behandlingsavslutning ved inntak. I tillegg vil ventelisteeffekter vurderes ved å ta hensyn til ventetiden mellom første inntakssamtale og tidspunktet for sykehusinnleggelsen. Derfor vil studien for første gang undersøke en prediksjonsmodell for prematur behandlingsavslutning i stasjonær psykoterapi inkludert klinisk relevante fysiologiske data samt ventetidseffekter i forberedelse av den psykosomatiske behandlingen.

Studietype

Observasjonsmessig

Registrering (Faktiske)

2023

Deltakelseskriterier

Forskere ser etter personer som passer til en bestemt beskrivelse, kalt kvalifikasjonskriterier. Noen eksempler på disse kriteriene er en persons generelle helsetilstand eller tidligere behandlinger.

Kvalifikasjonskriterier

Alder som er kvalifisert for studier

  • Voksen
  • Eldre voksen

Tar imot friske frivillige

Nei

Prøvetakingsmetode

Ikke-sannsynlighetsprøve

Studiepopulasjon

Studiepopulasjonen består av pasienter som behandles ved døgnenheten ved Universitetssykehuset Heidelberg, avdeling for psykosomatisk medisin.

Beskrivelse

Inklusjonskriterier:

  • pasienter på minst 18 år
  • inkludert i innlagt psykoterapibehandlingsprogram på sykehus for psykosomatisk medisin
  • gitt informasjon om innleggelse og utskrivningsdato

Ekskluderingskriterier:

  • bipolar, akutt psykotisk lidelse eller ruslidelse

Studieplan

Denne delen gir detaljer om studieplanen, inkludert hvordan studien er utformet og hva studien måler.

Hvordan er studiet utformet?

Designdetaljer

Hva måler studien?

Primære resultatmål

Resultatmål
Tiltaksbeskrivelse
Tidsramme
Prematur behandlingsavslutning (vs behandlingsavslutning)
Tidsramme: Prematur behandlingsavslutning vil bli operasjonalisert som en dummyvariabel. Vanlig behandlingsvarighet er 8 uker med stasjonær psykoterapi. Data vil bli rapportert for 7 års sammenhengende studieopptak (01/2015 - 01/2022).
For tidlig behandlingsavslutning vil bli klassifisert basert på behandlingsvarigheten. Klassifisering vil bli foretatt i ettertid for hver pasient basert på varigheten av døgnbehandlingen og eventuelt (varighet < 49 dager) på utskrivningsbrevet for å screene av hensyn til kortere behandlingsvarighet.
Prematur behandlingsavslutning vil bli operasjonalisert som en dummyvariabel. Vanlig behandlingsvarighet er 8 uker med stasjonær psykoterapi. Data vil bli rapportert for 7 års sammenhengende studieopptak (01/2015 - 01/2022).

Samarbeidspartnere og etterforskere

Det er her du vil finne personer og organisasjoner som er involvert i denne studien.

Etterforskere

  • Studieleder: Ulrike Dinger-Ehrenthal, Prof. Dr., Department of Psychosomatic Medicine and Psychotherapy, Medical Faculty, Heinrich-Heine University Düsseldorf

Studierekorddatoer

Disse datoene sporer fremdriften for innsending av studieposter og sammendragsresultater til ClinicalTrials.gov. Studieposter og rapporterte resultater gjennomgås av National Library of Medicine (NLM) for å sikre at de oppfyller spesifikke kvalitetskontrollstandarder før de legges ut på det offentlige nettstedet.

Studer hoveddatoer

Studiestart (Faktiske)

1. januar 2015

Primær fullføring (Faktiske)

1. januar 2022

Studiet fullført (Faktiske)

1. januar 2022

Datoer for studieregistrering

Først innsendt

11. august 2023

Først innsendt som oppfylte QC-kriteriene

15. september 2023

Først lagt ut (Faktiske)

18. september 2023

Oppdateringer av studieposter

Sist oppdatering lagt ut (Faktiske)

18. september 2023

Siste oppdatering sendt inn som oppfylte QC-kriteriene

15. september 2023

Sist bekreftet

1. september 2023

Mer informasjon

Begreper knyttet til denne studien

Plan for individuelle deltakerdata (IPD)

Planlegger du å dele individuelle deltakerdata (IPD)?

NEI

IPD-planbeskrivelse

Individuelle deltakerdata vil ikke bli delt fordi studiedata leveres av pasienter med psykisk helse og derfor er underlagt streng beskyttelse.

Legemiddel- og utstyrsinformasjon, studiedokumenter

Studerer et amerikansk FDA-regulert medikamentprodukt

Nei

Studerer et amerikansk FDA-regulert enhetsprodukt

Nei

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. .

Abonnere