- ICH GCP
- Rejestr badań klinicznych w USA
- Badanie kliniczne NCT05449561
Poza skutecznością — wywoływanie preferencji psychoterapii bezpośredniej i internetowej wśród osób z depresją
Poza skutecznością - wywoływanie preferencji dla psychoterapii bezpośredniej i internetowej wśród osób z depresją: wykorzystanie eksperymentu z dyskretnym wyborem w celu przyspieszenia wdrażania usług w przyszłości
Celem niniejszego badania jest wzmocnienie bazy dowodowej preferencji klientów w zakresie psychoterapii oraz uzupełnienie opisanych luk w piśmiennictwie, tak aby informować o realokacji zasobów zdrowia publicznego i wdrażaniu usług psychologicznych.
Badacze starają się odpowiedzieć na następujące pytania badawcze:
- Które atrybuty usług psychologicznych mają największy wpływ na decyzje o korzystaniu z usług?
- Czy respondenci mogą być reprezentowani przez ukryte klasy na podstawie podobnych profili preferencji?
- Które atrybuty wywierają największy wpływ na decyzje dotyczące korzystania z usług każdej ukrytej klasy?
- Czy osoby z depresją podejmą psychoterapię internetową, biorąc pod uwagę długi czas oczekiwania i wysokie koszty konwencjonalnej psychoterapii twarzą w twarz?
Aby w sposób systematyczny odpowiedzieć na powyższe pytania, szczegółowe cele badawcze określono w następujący sposób:
- zbadanie względnego znaczenia szeregu cech usług psychologicznych (np. sposób świadczenia usług, czas oczekiwania, opłata za usługę z własnej kieszeni, anonimowość i metody skierowania) na wybór usługi psychologicznej z wykorzystaniem DCE.
- identyfikacja segmentów osób z depresją o różnych preferencjach dotyczących usług przy użyciu modelu klas ukrytych, ponieważ względna waga preferencji dotyczących usług może się różnić w zależności od cech demograficznych (np. płeć, wiek, status społeczno-ekonomiczny, nasilenie depresji) i psychologicznych (np. stygmatyzacja szukania pomocy) ; I
- ponieważ DCE należy przełożyć na ulepszone usługi, aby były naprawdę przydatne, oraz w odniesieniu do pojawiającego się zainteresowania rozwojem cyfrowych usług w zakresie zdrowia psychicznego dla osób z depresją w celu rozwiązania problemu długiego czasu oczekiwania i kosztów w psychoterapii bezpośredniej, za pomocą serii symulacji statystycznych dążymy do oszacowania odsetka osób z depresją w każdym segmencie klasy ukrytej, które skorzystałyby z psychoterapii z predefiniowanymi pakietami atrybutów leczenia.
Przegląd badań
Status
Warunki
Szczegółowy opis
1.1 Depresja i psychoterapia internetowa sposobem na poprawę dostępu do opieki Depresja jest powszechnym zaburzeniem psychicznym, występującym u 8,8%. Wiąże się ze znacznym spadkiem jakości życia, jest klasyfikowana przez WHO jako 3. przyczyna obciążenia chorobami na świecie, a do 2030 r. zajmie 1. miejsce(1). Mimo to 55,3% osób z depresją nie chciało szukać profesjonalnej pomocy w leczeniu depresji(2), a mediana czasu opóźnienia w leczeniu wynosi od 2 do 8 lat(3,4). Chociaż preferencja psychoterapii nad leczeniem farmakologicznym była konsekwentnie widoczna(5), bariery dla tradycyjnej psychoterapii bezpośredniej, takie jak niedogodna lokalizacja, długi czas oczekiwania, wysokie koszty, niska postrzegana potrzeba, preferowanie samodzielności, samonapiętnowanie, i poczucie zakłopotania (6) zniechęcają wielu do podjęcia leczenia i przestrzegania go. Co gorsza, liczba osób z zaburzeniami psychicznymi znacznie przewyższyła zasoby dostępne w tradycyjnych modelach prowadzenia psychoterapii(7). Dlatego skuteczne psychoterapie muszą być coraz bardziej dostępne w bardziej opłacalny sposób z wykorzystaniem Internetu jako alternatywnej metody świadczenia usług(8). Badania sugerują, że mniej pracochłonne psychoterapie internetowe wydają się być skuteczną strategią zwiększania usług psychospołecznych i zmniejszania obciążenia systemu opieki zdrowotnej. Liczne badania kliniczne wykazały skuteczność psychoterapii internetowej w leczeniu depresji. Systematyczny przegląd 32 randomizowanych kontrolowanych badań oceniających internetową terapię poznawczo-behawioralną objawów depresji u 5642 uczestników wykazał średnią wielkość efektu g=0,67 (8). Niedawna metaanaliza wykazała również, że internetowa psychoterapia poznawczo-behawioralna ma porównywalne efekty z tradycyjną psychoterapią twarzą w twarz, nawet jeśli porównuje się je bezpośrednio ze sobą(9).
1.2 Poza skutecznością, znaczenie preferencji w usługach skoncentrowanych na kliencie Pomimo coraz większej liczby dowodów na równoważność skuteczności korzystania z Internetu w celu prowadzenia psychoterapii w porównaniu z jego odpowiednikiem w kontaktach bezpośrednich, niezbędnym warunkiem wstępnym do urzeczywistnienia pełnego potencjału każdej Skuteczne leczenie polega na tym, że osoby są chętne do jego stosowania. Ta propozycja jest zgodna z teorią dyfuzji innowacji i ujednoliconą teorią akceptacji i wykorzystania technologii; potencjalni użytkownicy muszą mieć odpowiedni poziom preferencji i akceptacji usług przed rozpoczęciem i przyjęciem nowego leczenia(10). Mając świadomość problemów związanych z translacją (np. słabego wykorzystania) pojawiających się z badań skuteczności w świecie rzeczywistym oraz uznanie że interwencje w opiece zdrowotnej są cenione nie tylko ze względu na kliniczne wyniki zdrowotne(11), badania mające na celu zrozumienie, jaką opiekę nad pacjentami* w ramach usług zdrowotnych odnotowały dziesięciokrotny wzrost w ciągu ostatnich dwóch dekad(12). W rzeczywistości uwzględnienie preferencji pacjentów w określaniu najlepszej opieki nie tylko prowadzi do lepszego świadczenia usług, ale także promuje decyzje polityczne uwzględniające wartości pacjentów(13). Niespełnione preferencje częściowo wyjaśniają suboptymalne wychwytywanie i słabe przestrzeganie psychoterapii w przypadku dużego zaburzenia depresyjnego(14,15). Odniesienie się do preferencji klientów w zakresie psychoterapii może pomóc w przezwyciężeniu luki w leczeniu poprzez kierowanie decyzjami politycznymi i restrukturyzację usług psychologicznych oferowanych w społeczeństwie(11). Charakterystyka i priorytetyzacja zapotrzebowania potencjalnych użytkowników usług na psychoterapię opartą na dowodach może dostarczyć wglądu w tak istotne i praktyczne pytania, jak „Komu należy wdrożyć psychoterapię internetową?”, „W jaki sposób należy alokować zasoby między usługi internetowe i usługi bezpośrednie, aby współmiernie odpowiadać preferencjom użytkowników?” „Czy nowy sposób świadczenia usług może dotrzeć do osób, które mają wysoki poziom stygmatyzacji lub wolą anonimowo zarządzać swoim zdrowiem psychicznym za pośrednictwem programu internetowego?(16)”. Jak można się było spodziewać, badania wykazały, że uwzględnianie preferencji pacjentów w planowaniu usług może prowadzić do lepszego wykorzystania usług i zmniejszenia liczby przypadków rezygnacji(17). Brytyjskie Narodowe Służby Zdrowia również wyraźnie stwierdziły, że „usługi muszą odzwierciedlać potrzeby i preferencje pacjentów oraz powinny być skoordynowane i dostosowane do nich”. Ponadto poszanowanie autonomii i samostanowienia użytkowników jest uznawane w międzynarodowym Kodeksie Etycznym, w tym w Amerykańskim i Australijskim Towarzystwie Psychologicznym. Preferencje pacjentów zostały również określone jako jeden z sześciu celów wysokiej jakości nowego systemu opieki zdrowotnej XXI wieku w raporcie Instytutu Medycyny Crossing the Quality Chasm.
1.3 Wykorzystanie eksperymentu dyskretnego wyboru (Discrete Choice Experiment, DCE) do zrozumienia preferencji klienta Do tej pory preferencje klientów w usługach psychologicznych oceniano przede wszystkim za pomocą metod jakościowych lub ilościowych miar akceptacji lub postaw(18). Badania sugerują, że średnia siła preferencji psychoterapii internetowej była niższa niż w przypadku tradycyjnej psychoterapii, ale porównywalna z lekami. Znaczna część osób z depresją (38%) zgłosiła prawdopodobieństwo lub bardzo duże prawdopodobieństwo rozważenia interwencji internetowych (18). W przypadku osób preferujących tradycyjne podejście bezpośrednie ponad jedna trzecia z nich wskazała, że prawdopodobnie będzie korzystać z usług internetowych w przyszłości(19). W niedawnym badaniu preferencji w Kanadzie, chociaż większość uczniów szkół policealnych wolała psychoterapię twarzą w twarz niż cyfrową usługę zdrowia psychicznego, kiedy uczniowie rozważali potencjalne okresy oczekiwania, większy odsetek uczniów wybrał psychoterapię internetową niż czekanie na wizytę twarzą w -psychoterapia twarzy (20). Chociaż badania preferencji z wykorzystaniem prostych ocen w skali Likerta dostarczyły pewnego wglądu w pożądaną usługę, brakowało w nich szczegółowych informacji na temat podstawowych atrybutów, które kierują preferencjami użytkownika, i nie oceniono ilościowo względnego znaczenia każdego atrybutu (np. „Czy sposób leczenia, czas oczekiwania , czy kosztują najważniejsze?') lub stopień, w jakim klienci byliby skłonni zamienić jedną cechę leczenia na inną (np. „Czy klienci byliby chętni do korzystania z usług przez Internet zamiast osobiście, gdyby zmniejszyło to koszty/czas oczekiwania?”). Bez tych informacji badacze i decydenci mają ograniczone wskazówki, jak najlepiej zaprojektować najlepsze usługi, które są zgodne z preferencjami klientów.
Alternatywą dla badań preferencji jest eksperyment z dyskretnym wyborem (DCE), który można wykorzystać do ilościowego, eksperymentalnego i systematycznego zrozumienia preferencji klientów. DCE jest ważną, wiarygodną i szeroko stosowaną metodologią ankietową służącą do uzyskiwania preferencji pacjentów w zakresie opieki zdrowotnej(21). DCE opiera się na teorii użyteczności losowej, która zakłada, że jednostki wybierają atrybuty, które maksymalizują użyteczność opcji. W DCE respondenci zostaną poproszeni o wykonanie serii hipotetycznych zadań związanych z wyborem (patrz na przykład rysunek 2). W ramach każdego zadania respondenci wybierają preferowaną opcję spośród alternatyw o różnej charakterystyce usług. DCE jest analogiczne do procesu podejmowania decyzji w świecie rzeczywistym i oferuje przewagę nad tradycyjnymi metodami ankiety, zmniejszając powierzchowne podejmowanie decyzji, efekt halo i stronniczość społeczną, a także umożliwiając lepsze zrozumienie podstawowych przyczyn wyboru zachowań(22). Oceny często dają wysokie wyniki w korzystnych atrybutach, odzwierciedlając ogólne zapotrzebowanie na usługi, które obejmują wszystkie pozytywne cechy. Jednak niedobór zasobów często wymaga kompromisów między atrybutami, a DCE może dostarczyć ważnych informacji w celu poinformowania usługodawców o tym, jakie atrybuty usług mają być traktowane priorytetowo w celu poprawy(21). Warto zauważyć, że DCE jest prosty w zarządzaniu, a badania wykazały, że osoby z poważnymi chorobami psychicznymi są w stanie ukończyć DCE i podejmować racjonalne decyzje (23), a metody wyboru okazały się odpowiednio przewidywać rzeczywiste zachowanie (24).
W rzeczywistości Amerykańska Agencja ds. Żywności i Leków zatwierdziła DCE jako „ulubioną” metodę oceny opinii pacjentów na temat profilu szkód i korzyści produktów ochrony zdrowia. Podobnie dane pochodzące z DCE również odegrały znaczącą rolę w informowaniu i wspieraniu procesu decyzyjnego i regulacyjnego w zakresie opieki zdrowotnej(25). W środowisku akademickim naukowcy zastosowali DCE, aby zidentyfikować cechy, które wpływają na preferencje pacjentów dotyczące programów badań przesiewowych w kierunku raka piersi (26), profilaktyki HIV (27), leczenia reumatoidalnego zapalenia stawów (28) i szczepień (24). Biorąc pod uwagę, że DCE może uchwycić względne znaczenie badanych atrybutów, badacze interwencyjni i decydenci mogą nadać priorytet zmianom związanym z najważniejszym atrybutem w psychoterapii w rozwoju i wdrażaniu usług.
1.4 Luka badawcza: A co ze względnym znaczeniem ważnych atrybutów usługi? Do tej pory przeprowadzono tylko kilka DCE dotyczących usług psychologicznych. Priorytetyzacja usług na podstawie skuteczności klinicznej i opłacalności często pomija inne ważne czynniki istotne dla klientów. Uchwycenie wyborów klientów w zakresie psychoterapii w świetle nowego rozwoju interwencji opartych na Internecie ma nadrzędne znaczenie i pilną potrzebę optymalizacji wdrażania usług(11).
Zgodnie z naszą najlepszą wiedzą, jak dotąd tylko jedno badanie wyraźnie zbadało, w jaki sposób osoby z depresją wymieniają zalety i wady opcji pomocy psychologicznej z różnymi atrybutami usługi (29). Jednak w badaniu przyjęto zadania z wymuszonym wyborem bez możliwości rezygnacji, co sprawia, że zestawy do wyboru są mniej realistyczne i obarczone ryzykiem przeszacowania wagi preferencji (30,31). Co więcej, żaden istniejący DCE dotyczący usług psychologicznych nie uwzględniał wszystkich trzech głównych atrybutów leczenia depresji, którymi są wynik (np. skuteczność), proces (np. sposób leczenia, czas oczekiwania) i atrybuty kosztów(32) 1.5 Badanie Cel Cel Celem tego badania jest wzmocnienie bazy dowodowej preferencji klientów w zakresie psychoterapii oraz uzupełnienie opisanych luk w literaturze, tak aby informować o realokacji zasobów zdrowia publicznego i wdrażaniu usług psychologicznych. Badacze dążą do odpowiedzi na następujące pytania badawcze: ‣ Które atrybuty usług psychologicznych mają największy wpływ na decyzje dotyczące korzystania z usług? ‣ Czy respondenci mogą być reprezentowani przez ukryte klasy na podstawie podobnych profili preferencji? Które atrybuty wywierają największy wpływ na decyzje dotyczące korzystania z usług każdej ukrytej klasy? ‣ Czy osoby z depresją przyjmą psychoterapię opartą na Internecie, biorąc pod uwagę długi czas oczekiwania i wysokie koszty konwencjonalnej psychoterapii twarzą w twarz?
Aby w sposób systematyczny odpowiedzieć na powyższe pytania, określono szczegółowe cele badawcze w następujący sposób:
- zbadanie względnego znaczenia szeregu cech usług psychologicznych (np. sposób świadczenia usług, czas oczekiwania, opłata za usługę z własnej kieszeni, anonimowość i metody skierowania) na wybór usługi psychologicznej z wykorzystaniem DCE.
- identyfikacja segmentów osób z depresją o różnych preferencjach dotyczących usług przy użyciu modelu klas ukrytych, ponieważ względna waga preferencji dotyczących usług może się różnić w zależności od cech demograficznych (np. płeć, wiek, status społeczno-ekonomiczny, nasilenie depresji) i psychologicznych (np. stygmatyzacja szukania pomocy) ; I
- ponieważ DCE należy przełożyć na ulepszone usługi, aby były naprawdę przydatne, oraz w odniesieniu do pojawiającego się zainteresowania rozwojem cyfrowych usług w zakresie zdrowia psychicznego dla osób z depresją w celu rozwiązania problemu długiego czasu oczekiwania i kosztów w psychoterapii bezpośredniej, za pomocą serii symulacji statystycznych badacze dążą do oszacowania odsetka osób z depresją w każdym segmencie klasy ukrytej, które skorzystałyby z psychoterapii z predefiniowanymi pakietami atrybutów leczenia.
Następnie badacze zaproszą do wywiadów indywidualnych co najmniej 20 osób z co najmniej łagodnym nasileniem objawów depresyjnych. Wywiady będą miały formę częściowo ustrukturyzowaną.
Typ studiów
Zapisy (Rzeczywisty)
Kontakty i lokalizacje
Lokalizacje studiów
-
-
-
Hong Kong, Hongkong
- Department of Psychology
-
-
Kryteria uczestnictwa
Kryteria kwalifikacji
Wiek uprawniający do nauki
Akceptuje zdrowych ochotników
Metoda próbkowania
Badana populacja
Opis
Kryteria przyjęcia:
- Uczestnicy w wieku 18 lat lub starsi
- Z co najmniej łagodnymi lub umiarkowanymi objawami depresyjnymi (zdefiniowanymi jako punkt odcięcia 10 lub wyższy na podstawie Kwestionariusza Zdrowia Pacjenta-9 (PHQ-9))
- Potrafi czytać i rozumieć chiński
Kryteria wyłączenia:
- Samodzielna diagnoza DSM-5 obecnych epizodów maniakalnych, zespołu stresu pourazowego, zaburzeń związanych z używaniem substancji i zaburzeń psychotycznych
- Aktywnie samobójczy według oceny za pomocą przesiewacza samobójstw P4
Plan studiów
Jak projektuje się badanie?
Szczegóły projektu
- Modele obserwacyjne: Tylko przypadek
- Perspektywy czasowe: Przekrojowe
Kohorty i interwencje
Grupa / Kohorta |
|---|
|
Wywiad jakościowy Discrete Choice
Do wywiadów indywidualnych zaprosimy co najmniej 20 osób z co najmniej łagodnym nasileniem objawów depresyjnych.
Wywiady będą miały formę częściowo ustrukturyzowaną.
Po wyrażeniu świadomej zgody i wypełnieniu ankiety demograficznej, zadamy respondentom jedno pytanie, co jest dla nich ważne przy rozważaniu skorzystania z psychoterapii, z odpowiednimi sondami podczas rozmowy.
Zapewni to jednolitość poruszanych tematów i dopuszczalny poziom dygresji.
|
Co mierzy badanie?
Podstawowe miary wyniku
Miara wyniku |
Opis środka |
Ramy czasowe |
|---|---|---|
|
Depresja
Ramy czasowe: na linii bazowej
|
Kwestionariusz Zdrowia Pacjenta (PHQ9) (Kroenke, Spitzer i Williams, 2001).
Jest to 9-punktowa miara, która pozwala uzyskać dostęp do nasilenia depresji.
PHQ-9 został zwalidowany i szeroko stosowany w populacji ogólnej do badań przesiewowych i pomiaru nasilenia depresji.
Wyniki 5, 10, 15 i 20 oznaczają odpowiednio łagodny, umiarkowany, umiarkowanie ciężki i ciężki poziom depresji (zakres: 0-27).
|
na linii bazowej
|
|
Szukanie pomocy Samostygmatyzacja
Ramy czasowe: na linii bazowej
|
Skala autostygmatyzacji szukania pomocy (SSOSH-10).
Aby zrozumieć, w jaki sposób stygmatyzacja może wpływać na wybory i preferencje usług psychologicznych, SSOSH-10 zostanie wykorzystany do oceny poziomu respondentów poszukujących pomocy stygmatyzacji.
Skala punktuje na 5-punktowej skali typu Likerta, gdzie 1 = całkowicie się nie zgadzam, a 5 = całkowicie się zgadzam (wyniki wahają się od 10 do 50).
Im wyższy średni wynik, tym większe autostygmatyzacja szukania pomocy.
|
na linii bazowej
|
|
Postawy wobec psychologicznych interwencji online
Ramy czasowe: na linii bazowej
|
Postawy wobec Kwestionariusza Interwencji Psychologicznych Online (APOI).
Jest to 16-itemowe narzędzie do oceny postaw respondentów wobec psychologicznych interwencji online.
Punktuje na 5-punktowej skali Likerta, gdzie 1=całkowicie się zgadzam do 5=całkowicie się nie zgadzam.
|
na linii bazowej
|
|
Potencjalne atrybuty i ich wpływ na wybór psychoterapii przez respondenta
Ramy czasowe: linia bazowa (podczas wywiadu jakościowego)
|
Zostanie zadany 1 zestaw pytań o różnych atrybutach, które wpływają na wybór psychoterapii przez respondenta.
Planujemy uwzględnić (1) sposób leczenia, (2) skuteczność, (3) skierowanie, (4) anonimowość, (5) czas oczekiwania i (6) koszt własny jako atrybuty.
Poprosimy również kolejnych 60 uczestników z objawami depresyjnymi o uszeregowanie atrybutów od 1 („najważniejsze”) do 9 („najmniej ważne”).
Do pytań zostanie wybranych 6 najwyżej ocenionych atrybutów.
|
linia bazowa (podczas wywiadu jakościowego)
|
Współpracownicy i badacze
Sponsor
Publikacje i pomocne linki
Publikacje ogólne
- 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.
Daty zapisu na studia
Główne daty studiów
Rozpoczęcie studiów (Rzeczywisty)
Zakończenie podstawowe (Rzeczywisty)
Ukończenie studiów (Rzeczywisty)
Daty rejestracji na studia
Pierwszy przesłany
Pierwszy przesłany, który spełnia kryteria kontroli jakości
Pierwszy wysłany (Rzeczywisty)
Aktualizacje rekordów badań
Ostatnia wysłana aktualizacja (Rzeczywisty)
Ostatnia przesłana aktualizacja, która spełniała kryteria kontroli jakości
Ostatnia weryfikacja
Więcej informacji
Terminy związane z tym badaniem
Słowa kluczowe
Dodatkowe istotne warunki MeSH
Inne numery identyfikacyjne badania
- SBRE(R)-21-043
Plan dla danych uczestnika indywidualnego (IPD)
Planujesz udostępniać dane poszczególnych uczestników (IPD)?
Informacje o lekach i urządzeniach, dokumenty badawcze
Bada produkt leczniczy regulowany przez amerykańską FDA
Bada produkt urządzenia regulowany przez amerykańską FDA
produkt wyprodukowany i wyeksportowany z USA
Te informacje zostały pobrane bezpośrednio ze strony internetowej clinicaltrials.gov bez żadnych zmian. Jeśli chcesz zmienić, usunąć lub zaktualizować dane swojego badania, skontaktuj się z register@clinicaltrials.gov. Gdy tylko zmiana zostanie wprowadzona na stronie clinicaltrials.gov, zostanie ona automatycznie zaktualizowana również na naszej stronie internetowej .