Intervenções baseadas em virtudes versus intervenções cognitivo-comportamentais em pacientes com doenças médicas crônicas

Atualmente, existem diversas intervenções eficazes para aumentar o bem-estar, como a Terapia Cognitivo-Comportamental (TCC), que tem como foco a redução de déficits, e as Intervenções Baseadas em Virtudes (VBI), que têm como foco incentivar ações que promovam o bem-estar. No entanto, há pouca investigação sobre os mecanismos pelos quais estas intervenções funcionam. O objetivo deste estudo é analisar os mecanismos específicos e comuns de mudança de dois tratamentos ativos (TCC e VBI) para aumentar o bem-estar em pacientes com doenças crônicas. Esta população será utilizada devido ao seu baixo nível de bem-estar em comparação com a população em geral. Será realizado um ensaio clínico randomizado, com duas condições experimentais (VBI e TCC) e quatro pontos de avaliação (pré e pós-intervenção e acompanhamento de 6 e 12 meses). Avaliaremos principalmente o bem-estar, a ansiedade, a depressão, os mecanismos específicos para cada intervenção (por exemplo, pensamentos disfuncionais na TCC, uso de pontos fortes na VBI) e mecanismos comuns às intervenções psicológicas (por exemplo, confiança no tratamento). Primeiro, os participantes serão selecionados quanto à elegibilidade de acordo com os critérios de inclusão/exclusão. Em segundo lugar, os participantes elegíveis serão randomizados para uma condição de TCC ou VBI e completarão as medidas iniciais. Terceiro, os participantes receberão a intervenção principal por 9 semanas. Finalmente, os participantes completarão as medidas após o tratamento e 6 e 12 meses depois. Durante o tratamento, eles responderão diariamente algumas perguntas para avaliar o bem-estar e as competências de bem-estar por meio da Avaliação Momentânea Ecológica (EMA). As hipóteses são: (1) ambos os participantes nas condições de TCC e VBI aumentarão seus níveis de bem-estar e as mudanças serão mediadas pelos mecanismos específicos de cada intervenção, (2) algumas das mudanças no bem-estar que podem existentes em ambas as intervenções serão explicadas pelos fatores comuns, (3) todas essas mudanças serão moderadas pelos níveis iniciais de ansiedade, depressão e bem-estar, e (4) ambos os participantes nas condições de TCC e VBI reduzirão os níveis de ansiedade e depressão. O estudo será conduzido seguindo os princípios declarados na Declaração de Helsinque.

Plano de análise:

Foi aplicada uma abordagem mista entre métodos quantitativos e qualitativos. Em relação aos métodos quantitativos, as diferenças entre grupos em dados demográficos e outras variáveis ​​clínicas serão testadas com testes T para variáveis ​​contínuas e testes χ2 para variáveis ​​categóricas. As suposições serão testadas e, se forem quebradas, serão aplicadas alternativas não paramétricas e robustas. As relações entre variáveis ​​​​contínuas serão selecionadas e testadas para diferenças entre os grupos. Além disso, a confiabilidade das variáveis ​​de autorrelato será avaliada para garantir boas propriedades psicométricas.

Para testar o impacto do VBI e do CBT ao longo do tempo, uma Análise de Covariância mista bidirecional (ANCOVAs) será implementada (grupo como variável entre assuntos, tempo como variável dentro dos assuntos). Serão estimados efeitos principais e de interação, testes post hoc com correção de erros tipo I (Bonferroni e Šidák) e médias marginais estimadas com intervalos de confiança de 95%. As suposições para ANCOVA serão testadas e correções serão implementadas se forem quebradas. Todos os contrastes contarão com tamanhos de efeito e intervalos de confiança de 95%. O abandono e outros padrões de dados faltantes serão avaliados. Mais concretamente, a proporção de dados faltantes será avaliada e comparada entre os grupos. Se for encontrada falta relevante ou não ignorável, será aplicada a imputação múltipla de dados faltantes. Mais concretamente, será implementada uma estratégia a vários níveis. Os preditores serão selecionados por design e compartilhando uma quantidade relevante de variação com cada resultado. Além disso, será implementada análise de sensibilidade para testar a robustez dos modelos de imputação. Para estimar o impacto do tamanho da amostra, todas as análises contarão com uma análise de sensibilidade que será implementada com poder de 90% e confiança de 95% usando G*Power 3.1.

Para analisar potenciais mecanismos de mudança em cada programa, serão implementados modelos de equações estruturais (SEM). As pontuações de diferença entre os tempos (pós - pré-intervenção e acompanhamentos - pré-intervenção) serão computadas e implementadas como resultados. Seguindo nosso referencial, uma série de propostas de mecanismos serão desenvolvidas como modelos teóricos para o SEM. Dado que a maioria ou todas as variáveis ​​serão contínuas, a Máxima Verossimilhança Robusta será usada como método de estimativa juntamente com erros padrão robustos de estimativas (isto permite estimativas imparciais a partir de desvios da normalidade). Os dados faltantes serão tratados com o método de Máxima Verossimilhança de Informação Completa. O ajuste será avaliado com índices e limites recomendados pela literatura. Devido às mediações presentes em nosso framework, os efeitos indiretos serão estimados com técnicas de bootstrap. Além disso, será aplicada uma correção para testes múltiplos devido à proposta de diversos modelos teóricos. Uma análise de poder revelou com 90% de poder, 95% de confiança e 210 graus de liberdade (20 variáveis), um tamanho de amostra mínimo de n = 100 capaz de diferenciar entre uma população RMSEA = 0,5 com uma alternativa RMSEA = 0,08. No entanto, o tamanho da amostra será aumentado se disponível.

Para analisar as pontuações da EMA, serão implementados modelos longitudinais multiníveis. Mais concretamente, o momento específico de avaliação aninhado nos tempos globais (pré, pós e acompanhamentos), aninhado em indivíduos e depois aninhado em grupos (VBI ou CBT). Os modelos disponíveis serão selecionados (por exemplo, modelagem de crescimento defasado cruzado, modelos GIMME, SEM dinâmico) e empregados.

Testes descritivos, bivariados e ANCOVAs serão estimados com JASP, enquanto análises SEM e EMA serão estimadas com ambiente R. Pacotes específicos são lavaan, lme4 e EMAtools.

No que diz respeito aos métodos qualitativos, serão implementadas entrevistas semiestruturadas com uma perspectiva indutiva para procurar categorias subjacentes às respostas dos participantes. A análise temática será utilizada como estrutura para localizar e descrever essas categorias. Dois membros da equipe desenvolverão a análise temática com as seguintes fases: (1) leitura e releitura das respostas abertas e descrição das ideias gerais; (2) geração dos primeiros códigos extraindo todas as informações verbais relevantes sobre as questões de pesquisa, atribuindo uma breve descrição ou código e alocando-os em uma tabela; (3) organização dos códigos na busca de temas; (4) revisar os temas propostos visando a homogeneidade e especificidade dos conteúdos, e garantindo que as unidades de significado verbal estejam adequadamente representadas nos temas; (5) definição e descrição dos temas.