酒精使用障碍 (AUDs) 团体治疗结果的预测因素

假设、目的和目标

该研究的总体目标是增加成瘾治疗的知识，以及如何使治疗更有效，尤其是在 AUD 的情况下。 特别是，该项目将研究患者特征如何与治疗相互作用并影响治疗结果。 主要研究问题是：

1. 患者因素如何调节 AUD 患者团体治疗的治疗结果？ 将调查以下变量：酒精依赖的严重程度、症状障碍、人格障碍、认知缺陷和人口统计变量。
2. 积极的治疗结果会随着时间的推移而持续吗？ 参与者将在治疗后一年和三年后接受随访，以查看恢复是否持续。
3. 蒙特利尔认知评估 (MoCa) 作为 AUD 患者轻度认知障碍的简要筛查工具是否可行？ 从表面上看，该仪器包含相当粗略的任务，这似乎使其对大认知缺陷比小认知缺陷更敏感。 通过将 MoCa 结果与更广泛的神经心理学测试进行比较，我们将评估使用 MoCA 评估的损伤的相关性、敏感性和特异性。

该项目有两个主要目标。 第一个主要目标是成功完成治疗的预测指标，作为参与治疗活动的百分比进行操作。 第二个主要目标是预测治疗终止后一年的团体治疗效果。 主要结果变量是酒精和物质使用减少，用 AUDIT 和 DUDIT 衡量。 次要结果是使用 SCL-90 测量的症状水平和使用 WHOQOL-bref 测量的生活质量。 此外，将在治疗完成三年后收集有关完成治疗后使用医疗服务和参与工作生活的登记数据。

项目方法论

本研究被设计为一项关于普通临床实践治疗的准实验性、多中心研究。 该研究将包括至少 120 名患者（大约 40 名参与者 pr。 秋季和春季学期）。 该研究包括四个数据收集点：

1. 在 Vestfold Hospital Trust 成瘾治疗部接受治疗的患者
2. 在 Borgestad Blue Cross Clinic 接受住院治疗的患者
3. 在 Eina 治疗中心的 Blue Cross 诊所接受住院治疗的患者
4. 在教会城市教会 A-senteret 接受住院治疗的患者

该研究的参与者将接受 AUD 初步诊断的患者分组治疗。 治疗以限时形式在所有地点进行。 治疗形式可能在某种程度上有所不同，但在整体结构和内容上是相似的。 在这项准实验研究中，研究是在普通临床情况下进行的，研究试图调查临床实践的复杂性。 因此，研究人员无法控制所有变量，但结果将更具生态有效性，具有更高的普遍性。

项目安排、方法选择和分析

该研究将使用经过充分研究的工具和方法，用于研究和普通临床实践。 将在注册表中输入以下信息：

患者治疗前背景：将从参与者的日志中检索早期治疗事件和诊断、人口统计变量（年龄、性别、教育、婚姻状况、经济状况）。

筛选前处理：

1. 迷你国际神经精神病学访谈 (MINI)。 精神障碍诊断和统计手册 IV (DSM-IV)-诊断的简短结构化诊断访谈。
2. 人格问题的严重性指数 (SIPP-118)。 自我报告问卷侧重于适应不良人格功能的核心组成部分。 118题4分
3. 蒙特利尔认知评估 (MoCa)。 一个 10 分钟的筛查工具，可帮助临床医生检测轻度认知障碍。 最高得分为 30。 26 岁以下截止，表明认知障碍。
4. 韦氏成人智力量表 (WAIS-IV)。 衡量智力的核心方面（一般能力指数的估计）。 将进行以下子测试：相似性、信息、视觉谜题、块设计和数字跨度。
5. Delis-Kaplan 执行功能系统 (D-KEFS)。 措施执行功能。 （颜色词干扰测试和 Trail Making 测试中的任务 2-4）。

治疗前和治疗后以及 1 年和 3 年后的筛查：

1. 酒精障碍鉴定测试 (AUDIT)。 用于识别有害饮酒和依赖的 10 项自我报告问卷。 回答按 0 到 4 的等级评分。
2. 药物失调鉴定试验 (DUDIT)。 11 项药物问题自我报告问卷。 回答按 0 到 4 的等级评分。
3. 症状检查表 90-R (SCL-90-R)。 自我报告清单，90 个问题。 以 4 分制计分。 衡量心理困扰的严重程度。 将在治疗前、治疗后以及 1 年和 3 年后进行。
4. 世界卫生组织生活质量量表 (WHOQOL-BREF)。 从四个维度衡量生活质量：感官能力、过去的自主性、现在和未来的活动以及社会参与。 26 个项目以 1 到 5 的李克特量表评分。

筛选后处理：

1）治疗满意度：10个关于治疗满意度的问题。

注册资料：

此外，3 年后，将从患者日志和 NAV 中收集有关工作状态、经济效益以及患者是否接受了更多治疗的登记数据。

分析

将对所有参与者以及完成治疗和数据收集的参与者进行意向治疗分析和按方案分析，直至最后的评估点。 混合方法分析可用于纳入方案不完整的患者。

结果措施将进行回归分析以测试：

1. 有多少结果可以用治疗前的物质使用来解释（AUDIT，DUDIT）？
2. 心理压力解释了多少（SCL-90-R：GSI）
3. 认知缺陷解释了多少？
4. 人口变量解释了多少？ （年龄、性别、受教育程度）

该研究将寻求使用超越单一预测变量域的层次回归分析，方法是从每个域输入那些与结果相关性最高、与其他域的预测变量相关性最低的测量值。 对于第一个分析，只有一个结果测量（参与团体治疗）。 对于第二组分析（一年后的功能），有多种结果测量（饮酒/药物滥用、症状水平、功能和生活质量）。 因此，我们将寻求根据所用测试的规范数据构建一个总体综合结果衡量指标。

对于非连续数据（轴 1 诊断、性别和婚姻状况），方差分析将以组特征作为自变量，结果作为相关变量进行计算。 可以合理地假设具有药物滥用特征、症状水平、认知障碍和人口统计学因素的组合的患者可能构成具有不同预后的特定群体（集群）。 将应用聚类分析来阐明与良好或不良预后相关的不同因素组合。 作为一项实验，分析中将包括一项物质使用措施、一项症状困扰措施、一项认知功能措施和一两个人口统计指标。 聚类分析仅仅是一种探索性方法，旨在揭示具有特征组合的事后经验组，但可以辨别在组均值分析中不明显的个体模式。

统计能力

计划的参与者数量足以回答研究问题非常重要。 从某种意义上说，这是一种准实验设计，因为亚组的划分是由参与者的属性决定的，不受研究人员的完全控制。 关于统计功效，计算了以下示例： 如果预计 35% (n=42) 的参与者在轴 1 中被诊断为重度抑郁症，并且该组的标准差略多于一半 (.55)完成治疗一年后 AUDIT/DUDIT 得分更高，如果两组中有 41 人和 76 人（抑郁症与无抑郁症），这种差异在 5% 的 alpha 水平上具有统计学意义，然后将在计划的样本量。 将使用相关性和层次回归分析连续数据。 小效应量 (Cohen's d: .30) 将有 85 名参与者在 5% 的水平上具有统计显着性。