神经性厌食症恢复的智能技术 (STAR)

AN 是青少年慢性病的第三大病因，如果不加以治疗，会导致主要器官损伤、大脑结构和功能改变以及早发性骨质减少和骨质疏松症。 尽管以家庭为基础的干预对高达 75% 的 AN 青少年有效，但大约 30% 的人在康复后会复发。 迫切需要优化治疗并防止急性治疗后出院后复发，以改善患有 AN 的青少年的预后。 为了满足这一关键需求，研究团队开发了一套数字工具，用于推进评估科学、风险预测和临床决策支持，以用于急性后治疗窗口，称为“厌食症恢复智能治疗 (STAR)” ” STAR 使用尖端评估技术来缩短测试管理和机器学习来预测恢复的可能性。 然后，该信息会通过易于使用的临床决策支持工具返回给临床医生，以便在用户输入的数据表明患者没有进展时提醒临床医生。

在当前的临床试验中，研究人员将扩展 STAR 以测试在出院后窗口中提供的自适应 mHealth 干预。 研究人员的假设是，在 STAR 套件中提供的跨诊断评估和临床决策支持工具将优化面对面的临床服务，而增加自适应移动医疗 (mHealth) 干预将改善门诊治疗反应并减少复发在从 AN 强化治疗中出院的青少年中。 研究人员之前的工作支持这一假设。 具体而言，研究人员过去的研究为研究人员用于预测与 ED 相关的精神障碍和康复的评估工具的预测有效性和临床实用性提供了强有力的支持。 然而，纸质评估工具的项目数量为 144，对于日常使用来说太长了。 为了克服这一挑战，研究人员开发了一款手机应用程序，该应用程序使用计算机化自适应测试将评估长度缩短多达 50%，同时保留原始纸笔测量的可靠性和有效性。 研究人员建议利用这项创新来优化 AN 的面对面和 mHealth 治疗。 目标是：1) 开发 mHealth 干预（临床医生和利益相关者的意见）和 2) 使用临床医生和患者数据确定 mHealth 干预的可行性、可接受性和初步效果大小。 为实现这些目标，研究人员将采用计算机化自适应测试和机器学习算法，在应用程序内提供，以在临床医生的客户面临不良结果和复发风险时向临床医生发出信号。 具体目标包括：1) 调整现有的临床工具以提供治疗师支持模块和患者 mHealth 信息； 2) 对综合评估和 mHealth 干预工具进行初步随机对照试验 (RCT)； 3) 测试导致 AN 症状变化的初步机制。

STAR 结合了统一协议和接受与承诺疗法的元素，以避免情绪为目标，研究人员假设这将导致饮食失调行为的减少。 研究人员将 STAR 与以当前为中心的神经性厌食症应对治疗 (PACT) 进行比较，后者侧重于当前的生活压力源和问题。 研究人员的假设是 STAR 将改善门诊治疗反应并减少从 AN 强化治疗中出院的青少年的复发。 调查人员将在两种情况下评估假设：1) STAR 应用程序和 2) PACT 应用程序。 在这两种情况下，参与者都必须与个体门诊治疗师合作。

鉴于急性治疗后 AN 缺乏专业护理，但 95% 的青少年拥有智能手机，拟议的研究具有创新性和重要意义，因为它有可能在未来减少复发并优化现有的社区提供的 AN 后期干预措施-急性治疗窗口。