Utprøving av en online gruppepsykoterapiintervensjon for vanlige psykiske lidelser (UpLift-X)

Studieprotokollen - inkludert en fullstendig statistisk analyseplan ble forhåndsregistrert og gjort offentlig tilgjengelig i Open Science Framework 4. oktober 2024 (tilgjengelig her - https://osf.io/vup9c/).

En pragmatisk, multi-site, cluster factorial randomisert kontrollert studie, som involverer National Health Service (NHS) Talking Therapies (NHS-TT) tjenester for angst og depresjon (tidligere kjent som IAPT-tjenester) i England. "UPLift" digitalt aktivert gruppeintervensjon, basert på Unified Protocol, vil være tilgjengelig for pasienter med vanlige psykiske lidelser (og komorbiditeter) som er kvalifisert til å motta høyintensitets kognitiv atferdsterapi (CBT) i NHS-TT-tjenester, i henhold til nasjonale retningslinjer (Nasjonalt samarbeidssenter for psykisk helse, 2024). Den enhetlige protokollen er en transdiagnostisk behandling som ble utviklet for å være relevant for et bredt spekter av emosjonelle lidelser, gitt den vanlige samtidige forekomsten av depresjon, angst, somatoforme og dissosiative symptomer. Den er basert på teorier om CBT og emosjonsregulering, og har som mål å støtte pasienter til å anvende en rekke emosjonsreguleringsferdigheter som retter seg mot de vanlige kjernemessige sårbarhetene som ligger til grunn for en rekke psykiske helseproblemer: nevrotisisme, lav oppfattet kontroll og overvurdering av trussel. Protokollen følger prinsippet om sparsomhet, ved å inkludere minimum antall empirisk validerte teknikker som vil gjøre den tilgjengelig, ukomplisert og effektiv for maksimalt antall pasienter med ulike kombinasjoner av symptomer og problemer. Innholdet er organisert på tvers av 8 moduler levert online på 12 ukentlige 1,5 timers økter og vil inkludere en kombinasjon av internettbaserte ressurser (egenovervåkende spørreskjemaer, psykoedukative videoer, ferdighetspraksis knyttet til hver modul) og gruppeterapiøkter levert av en kvalifisert kognitiv atferdsekspert. terapeut.

Enheten for randomisering (klynge) vil være hver deltakende NHS-TT-tjeneste. NHS Trusts er bredere organisasjoner som administrerer en eller flere NHS-TT-tjenester, så enheten for randomisering er lokallaget. Alle pasienter som behandles i samme nærområdetjeneste vil være medlemmer av samme klynge. Deltakende tjenester vil bli tilfeldig tildelt en av 5 armer. Hver arm vil inkludere den samme 12-sesjoner online gruppe Unified Protocol behandling, men organisert i en annen sekvens. De to første modulene vil forbli faste ved starten av intervensjonen, da disse introduksjonsøktene er nødvendige for å orientere alle pasienter til behandlingen og for å etablere en sammenhengende gruppeprosess. På samme måte er den siste modulen fastsatt ved slutten av intervensjonen, da den inkluderer en overordnet gjennomgang av alle mestringsferdigheter, og den fokuserer på tilbakefallsforebygging. De midterste modulene dekker spesifikke følelsesreguleringsferdigheter og er mest mottagelige for personalisering (f.eks. kan noen være mer eller mindre effektive for spesifikke pasienter). Disse foreskrivende modulene vil bli levert i forskjellige sekvenser på tvers av hver av prøvearmene.

Deltakerne vil fullføre baseline-mål ved inngang til studien, ukentlige symptomresultatmål før hver økt og en etterbehandling (sesjon 12) og 6-måneders oppfølgingsundersøkelse. Det primære resultatet vil være negativ affektivitet (NA), basert på en sammensatt poengsum som samler elementer fra pasienthelsespørreskjema-9 (PHQ-9; depresjon), generalisert angstlidelse-7-skala (GAD-7; angst) og arbeid og sosial tilpasning Skala (WSAS; fungerer). Sekundære utfall vil være livskvalitet (EuroQol - 5 dimensjoner; EQ5D), velvære (Warwick og Edinburgh Mental Wellbeing Scale; WEMWBS) og frafall fra behandling.

Forskere vil også samle inn anonymiserte kliniske helsejournaler for alle pasienter som har tilgang til individuelt levert CBT i de deltakende tjenestene i løpet av den kliniske studien. Disse dataene vil inkludere demografi, klinisk behandling og kliniske resultater. Dette vil gjøre det mulig for forskere å foreta sammenligninger av klinisk og kostnadseffektivitet ved å bruke en case-control matching-strategi beskrevet i den statistiske analyseplanen.

Den statistiske analyseplanen vil bli gjennomført i tre trinn knyttet til hvert av målene for studien.

Mål 1: sammenligne utfall av ulike UP-modulsekvenser Dette vil være den primære analysen, basert på beregningen av prøvestørrelsen. Saker med manglende datapunkter etter behandling (12. økt) i den avhengige variabelen vil bli imputert ved å bruke MissForest R-pakken ved å bruke alle grunnlinjevariabler som prediktorer. Imputering vil bli utført separat for hver prøvearm. Analysen vil bruke en lineær flernivåmodell (blandede effekter), der pasienter vil bli nestet i grupper, og legge inn en tilfeldig effekt for gruppenivå. Den avhengige variabelen vil være poengsummen for negativ affektivitet etter behandling (NA), som går inn i forsøksarmen som en uavhengig variabel, og kontrollerer for baseline NA. Modeller vil bli utviklet i sekvensielle trinn og modelltilpasningsindekser (AIC, BIC, -2LL) vil bli undersøkt etter hvert modelleringstrinn. Forskere vil beholde og tolke den best passende og mest sparsommelige modellen oppnådd gjennom denne trinnvise prosessen, ved å bruke -2 loglikelihood-forholdstesten for å sammenligne modeller. Intra-cluster-korrelasjonskoeffisienten (ICC) vil bli rapportert som en indeks for variasjon i behandlingsresultater som kan tilskrives gruppenivå. Effektstørrelser mellom grupper (Cohens d) vil bli beregnet og rapportert for hver kontrast (f.eks. standard UP-sekvens vs. andre sekvenser).

Sekundæranalyse: Ovennevnte analyseplan vil bli gjentatt ved bruk av en logistisk flernivåmodell med frafall som avhengig variabel. Frafallsvariabelen vil bli utledet fra gruppeterapioppmøteposter, der tilfeller som deltok på mer enn halvparten (≥6) økter vil bli gruppert i referansekategorien (kode = 0) og tilfeller som deltok på mindre enn halvparten (≤5) vil bli klassifisert som saker som falt ut (kode = 1).

Mål 2: utvikle en personlig modulvalgsmetode Saker med manglende datapunkter i den avhengige variabelen vil bli imputert ved å bruke MissForest R-pakken ved å bruke alle grunnlinjevariabler som prediktorer, med separate imputasjoner i trenings-/valideringspartisjonene, og innenfor hver prøvearm. Pålitelig forbedring (RI) refererer til en reduksjon i alvorlighetsgraden av symptomene mellom to tidspunkter, som er større i størrelsesorden enn den pålitelige endringsindeksen for det psykometriske målet. Etter denne definisjonen vil etterforskerne klassifisere saker ved å bruke en binær variabel som angir om de hadde (kode = 1) eller ikke (kode = 0) en pålitelig forbedring etter eksponering for en foreskrevet Unified Protocol-modul. Denne kodingen vil gjøre oss i stand til å identifisere tilfeller som opplever pålitelige symptomatiske forbedringer etter eksponering for hver av målmodulene, uavhengig av hvor modulen befinner seg (f.eks. mot starten, midten eller slutten av intervensjonen) i gruppeintervensjonen de har vært på. tildelt til. Denne metodikken vil gjøre det mulig for forskere å kontrollere for sekvensering og tidlige responseffekter, for å identifisere profilen til pasienter som har en gunstig respons på hver spesifikk modul.

Prøvepartisjonering: Hele prøveutvalget vil bli tilfeldig delt inn i trenings- og valideringsundersett ved bruk av en 60:40-deling, med et balansert antall fra hver av de 5 prøvearmene i hver treningspartisjonsdeling. Dette vil sikre at 396 tilfeller vil bli tilfeldig valgt inn i treningspartisjonen, og overskrider minimumsutvalgsstørrelsen på 300 som er nødvendig for å trene opp en pålitelig klinisk prediksjonsmodell ved bruk av overvåket maskinlæring.

Modellutvikling og optimalisering (i opplæringspartisjonen): Forskere vil produsere totalt 5 prediksjonsmodeller for maskinlæring, én for hver foreskrivende UP-modul. Hver trent modell vil behandle input (pasientenes grunnlinjeegenskaper) og vil gi ut [a] en predikert klassifisering og [b] en tilsvarende predikert sannsynlighet knyttet til klassifiseringen. Logikken til disse algoritmene er å svare på følgende spørsmål: Gitt disse pasientkarakteristikkene, hvor sannsynlig er det at denne spesifikke pasienten vil oppleve pålitelig forbedring etter å ha tilgang til modul X? Kryssvalideringsstrategi (i valideringsutvalget): Den statistiske nøyaktigheten og den kliniske nytten av maskinlæringsmodellene vil bli evaluert i valideringsstrategien ved å sammenligne algoritmeprediksjonene mot de observerte resultatene og sammenligne utfallene for pasienter som mottok sin optimale modul først sammenlignet. til pasienter som ikke gjorde det.

Sekundæranalyse: Ovennevnte maskinlæringsanalyse og kryssvalideringsstrategi vil bli gjentatt for å trene opp en binær klassifikator med frafall som avhengig variabel. Frafallsvariabelen vil bli utledet fra gruppeterapioppmøteposter, der tilfeller som deltok på mer enn halvparten (≥6) økter vil bli gruppert i referansekategorien (kode = 0) og tilfeller som deltok på mindre enn halvparten (≤5) vil bli klassifisert som saker som falt ut (kode = 1).

Mål 3: evaluere effektiviteten av digitalt aktivert UP-gruppeterapi kontra individuell CBT. Denne analysen vil inkludere [a] en undergruppe av deltakere i kliniske forsøk som ble tilfeldig tildelt armen der UP-protokollen ble levert i standardsekvensen, og [b ] et matchet utvalg av pasienter som fikk tilgang til individuell høyintensitets-CBT i de deltakende NHS-TT-tjenestene. Dataene for de enkelte CBT-tilfellene vil bli prøvetatt fra elektroniske helsejournaler. CBT-tilfeller som oppfyller inklusjonskriteriene for forsøket som er oppført, vil bli valgt for denne analysen, bare inkludert tilfeller der det primære problemet er identifiserbart i kliniske journaler og der baseline alvorlighetsskårer (PHQ-9, GAD-7, WSAS) er tilgjengelige ved første gang. deltok på CBT-sesjon. Saker med manglende etterbehandlingsdata (sist besøkte økt) i den avhengige variabelen vil bli imputert ved å bruke MissForest R-pakken ved å bruke alle kovariater som prediktorer. Imputasjoner vil bli utført separat for hver gruppe (individuell CBT; standard UP gruppeterapi). Kliniske utfall etter behandling (NA-score) vil bli sammenlignet mellom tilfeller som har tilgang til standard gruppe UP-protokoll versus individuelle CBT-tilfeller ved bruk av dobbelt robust estimering, som kombinerer en justering for ikke-tilfeldig allokering til behandlinger, og en kovariatjustert regresjonsmodell for å teste årsaksvirkningen av eksponering for en intervensjon.

Sekundæranalyser: Ovennevnte analyse vil bli gjentatt for å sammenligne utfall ved bruk av lidelsesspesifikke mål (PHQ-9, GAD-7, ADSM) for tilfeller med de aktuelle diagnosene. Effektstørrelser mellom grupper (Cohens d) vil bli beregnet og rapportert for hver sammenligning.

Helseøkonomisk analyse: En økonomisk analyse vil bli utført fra NHS og personlige sosiale tjenesters perspektiv. En kostnadsnytteanalyse vil bruke kvalitetsjusterte leveår (QALY-er avledet fra EQ-5D-spørreskjemaet, og tariff basert på det offentlige verdisettet i Storbritannia) som mål på livskvalitet, ved bruk av etterbehandling (sist besøkte økt) data på NA-skalaen i primæranalysen, og 3-måneders oppfølgingsdata i en sekundæranalyse. Ressursbruk for helse- og sosialtjenester vil bli verdsatt ved å bruke NHS referansekostnader og databasen for personlige og sosiale tjenesters ressursbruk (PSSRU). Etterforskere vil estimere det inkrementelle kostnadseffektivitetsforholdet for gruppeterapi versus individuell CBT, ved å bruke bootstrapping for å estimere konfidensintervaller. Beslutningsusikkerhet vil bli presentert på en akseptabilitetskurve for kostnadseffektivitet. Ytterligere sensitivitetsanalyser vil bli gjennomført for ressursbruk og enhetskostnader. En sensitivitetsanalyse vil kontrollere grunnkostnadene. Scenarioanalyser vil utforske alternative kostnadsperspektiver; det vil si NHS og NHS/PSS perspektiver. Resultatene av kostnadseffektivitetsanalysen vil bli rapportert i tråd med Consolidated Health Economic Evaluation Reporting Standards 2022 Statement.