Personligt förebyggande av depression i primärvården

Huvudmålet är att designa, utveckla och utvärdera en personlig intervention för att förhindra uppkomsten av depression baserat på informations- och kommunikationsteknologi (IKT), riskprediktiva algoritmer och beslutsstödssystem (DSS) för patienter och allmänläkare (GPs). De specifika målen är 1) att designa och utveckla en DSS, kallad e-predictD-DSS, för att utarbeta personliga planer för att förhindra depression; 2) att designa och utveckla en IKT-lösning som integrerar DSS på webben, en mobilapplikation (app), den riskprediktiva algoritmen, olika interventionsmoduler och ett övervaknings-feedback-system; 3) att utvärdera användbarheten och följsamheten hos primärvårdspatienter och deras läkare med e-predictD-interventionen; 4) att utvärdera effektiviteten av e-predictD-interventionen för att minska förekomsten av allvarlig depression, depression och ångestsymtom och sannolikheten för allvarlig depression nästa år; 5) att utvärdera kostnadseffektiviteten och kostnadsnyttan av e-predictD-interventionen för att förhindra depression.

Metoder: Detta är en randomiserad kontrollerad studie med allokering per kluster (GPs), enkel blind, två parallella armar (e-predictD vs "active m-Health control") och 1 års uppföljning inklusive 720 patienter (360 i varje arm) och 72 husläkare (36 i varje arm). Patienter kommer att vara fria från egentlig depression vid baslinjen och i åldern mellan 18 och 55 år. Primärt utfall kommer att vara förekomsten av allvarlig depression vid 12 månader mätt med CIDI. Som sekundära utfall: depressiv och ångestsymptomatologi mätt med PHQ-9 och GAD-7 och risksannolikheten för depression mätt med predictD-algoritm, samt kostnadseffektivitet och kostnadseffektivitet. e-predictD-interventionen är multikomponent och den är baserad på en DSS som hjälper patienterna att utarbeta sina egna personliga planer för att förebygga depression, som patienten godkänner och implementerar, och systemet övervakar och ger feedback till patienten och till husläkare. . Det är en e-Hälsa-intervention eftersom den är baserad på en webb och m-Health eftersom den även implementeras på patientens smartphones genom en App. Dessutom integrerar den en riskalgoritm för depression, som redan är validerad (predictD-algoritmen). Det inkluderar också en första GP-patientintervju och en specifik utbildning för GP. Slutligen kommer en karta över potentiellt användbara lokalsamhällets resurser för att förebygga depression att integreras i DSS.