初级保健中抑郁症的个性化预防

主要目标是基于信息和通信技术 (ICT)、风险预测算法和决策支持系统 (DSS) 为患者和全科医生 (GP) 设计、开发和评估预防抑郁症发作的个性化干预措施。 具体目标是：1）设计开发DSS，称为e-predictD-DSS，制定个性化的抑郁预防计划； 2) 设计和开发集成网络 DSS、移动应用程序 (App)、风险预测算法、不同干预模块和监控反馈系统的 ICT 解决方案； 3) 通过 e-predictD 干预评估初级保健患者及其全科医生的可用性和依从性； 4）评估e-predictD干预对降低重度抑郁、抑郁和焦虑症状发生率以及明年重度抑郁概率的有效性； 5）评估e-predictD干预预防抑郁症的成本效益和成本效用。

方法：这是一项随机对照试验，按集群 (GP) 分配、简单盲法、两个平行组（e-predictD 与“主动 m-Health 控制”）和 1 年随访，包括 720 名患者（每组 360 名）和 72 位全科医生（每组 36 位）。 患者在基线时将没有重度抑郁症，年龄在 18 至 55 岁之间。 主要结果将是 12 个月时由 CIDI 测量的严重抑郁症的发生率。 作为次要结果：通过 PHQ-9 和 GAD-7 测量的抑郁和焦虑症状和通过 predictD 算法测量的抑郁风险概率，以及成本效益和成本效用。 e-predictD 干预是多方面的，它基于 DSS，帮助患者制定他们自己的个性化抑郁症预防计划，患者批准并实施该计划，系统监控向患者和全科医生提供反馈. 它是一种电子健康干预，因为它基于网络和移动健康，因为它也通过应用程序在患者的智能手机上实施。 此外，它还集成了已经过验证的抑郁症风险算法（predictD 算法）。 它还包括对 GP 与患者的初步面谈和针对 GP 的特定培训。 最后，一张可能对预防抑郁症有用的当地社区资源的地图将被整合到 DSS 中。