Förutsäga för tidig behandlingsavbrott i slutenvården psykoterapi: ett tillvägagångssätt för maskininlärning

Syftet med studien är att identifiera riskfaktorer som leder till eller förutsäger för tidig behandlingsavbrott på psykosomatiska sjukhus. På sikt ska studien bidra till att utveckla mer precisa prediktionsmodeller som kan förbättra kommunikationen mellan terapeuter och patienter om potentiellt avhopp och vid behov anpassning av behandlingen genom att använda en återkopplingsslinga.

Eftersom det fortfarande inte är klart vilka variabler som spelar en stor roll för att förutsäga behandlingsavbrott på psykosomatiska sjukhus är studiedesignen explorativ och inkluderar ett brett spektrum av intagspatientegenskaper. Syftet med denna studie är härmed att utveckla en prediktionsmodell baserad på den information som rutinmässigt bedöms vid intag. Därför planeras tre typer av variabler att inkluderas: (1) demografiska och andra kliniska variabler (t.ex. ålder, kön, ICD-10-diagnoser), (2) psykologiska frågeformulärdata (t.ex. PHQ, SF-12, EB-45, IIP-32, OPD-SFK) och (3) fysiologiska data (t.ex. rutinmässiga laboratoriedata, blodtryck). För studien kommer alla patienter som påbörjade sluten psykoterapi på vårdcentralen Heidelberg mellan 2015 och januari 2022 att inkluderas, vilket resulterar i en urvalsstorlek på cirka N = 2000. Eftersom det genomsnittliga bortfallet baserat på metaanalytiska resultat ligger på runt 20 % kan man anta att upp till 400 patienter hoppade av behandlingen i förtid.

För att beräkna prediktionsmodellen är det planerat att använda en maskininlärningsmetod som är mycket funktionell i stora datamängder. Med hjälp av en Random Forest Model för binära utfall (regelbunden behandlingslängd kontra för tidig behandlingsavslutning) är det tänkt att identifiera variabler som bidrar till förutsägelsen av för tidigt behandlingsavbrott vid intag. Dessutom kommer effekter på väntelistan att beaktas genom att ta hänsyn till väntetiden mellan den första intagningsintervjun och tidpunkten för sjukhusinläggningen. Därför kommer studien, för första gången, att undersöka en prediktionsmodell för för tidig behandlingsavslutning i sluten psykoterapi inklusive kliniskt relevanta fysiologiska data samt väntetidseffekter som förberedelse av den psykosomatiska behandlingen.