将 AI 技术的临床决策与抑郁症 eCBT 中的多专业护理团队进行比较
将人工智能技术的临床决策与抑郁症电子认知行为治疗计划中的多专业护理团队进行比较
研究概览
详细说明
参与者(n = 186:n = 31 每个 e-CBT 组 * 2 个手臂)将在皇后大学从金斯敦健康科学中心(Hotel Dieu 医院和金斯敦总医院)以及 Providence Care 的门诊精神病诊所招募安大略省金斯敦的医院。 此外,安大略省各地的家庭医生、医师和临床医生的自我推荐和推荐也将被接受。 在获得参与者的知情同意后,研究团队中训练有素的专业人员将通过安全视频预约使用迷你国际精神病学评估 (MINI) 对参与者进行评估,以使用 DSM-5 41 确认重度抑郁症的诊断.
所有符合条件的参与者将根据医疗团队(第 1 组)或使用 AI 算法的分类模块(第 2 组)的决定随机接受治疗计划。 参与者将由团队中的一名研究助理随机分配到研究的两个分支之一,该团队还将根据人口统计变量(即性别、性别、年龄和收入)平衡该组。 研究中的参与者和治疗师将不知道参与者属于哪个治疗组。 根据这项研究的性质,参与者和治疗师不会对参与者将接受的治疗强度视而不见,因为除了通常的 e-CBT 护理或药物治疗之外,参与者是否正在接受电话/视频通话是显而易见的。 每个参与者都将获得一种有效的治疗形式(即 e-CBT),无论他们将被分配到哪个组。 参与者将被告知加入该计划没有任何动机,并且在任何时候加入或退出都不会对他们产生负面影响。 还将向参与者解释该计划不是危机资源,他们并不总是能够接触到他们的治疗师。 在紧急情况下,参与者将被引导至适当的资源,并将此事件报告给研究的首席精神病医生(首席研究员)。 所有数据都将被匿名化,并由不直接参与患者护理的研究团队成员进行分析。
治疗组 1:医疗团队分配
多专业医疗团队将根据以下标准分配治疗强度:
- MDD 症状的严重程度(使用 DSM-5 标准)。
- 心理健康因素(先前的治疗和反应、当前和过去的精神病/躁狂发作、当前和过去的自杀/杀人意念/企图、家族心理健康史、过去的精神病史和住院)。
- 医疗因素(当前医疗条件和药物、个人和家族病史)。
- 社会因素(支持系统和生活状况,以及职业、社会和个人功能障碍)。
此外,为了评估 MDD 症状的严重程度和功能障碍,参与者将在评估预约之前完成 PHQ-9 和 Sheehan 残疾量表 (SDS) 42,43。 评估任命将由多学科团队中训练有素的研究助理进行,他们稍后会将信息传递给团队的其他成员,以审议治疗强度分配。 所有评估都将通过电话和视频通话进行。 医疗团队将共同决定是否应将参与者分配到仅 e-CBT 治疗、每周电话/视频通话的 e-CBT 治疗或药物治疗的 e-CBT 治疗。 这个过程模仿临床环境中当前的分类过程。 为了跟踪成本效益,训练有素的研究助理将跟踪个人评估和团队审议会议的总持续时间,以分析每位患者的总时间承诺。
治疗组 2:AI 算法分配 拟议的 AI 算法的治疗强度分配将基于参与者提供的文本数据的机器学习和自然语言处理 (NLP) 以及通过治疗前筛选模块收集的 PHQ-9 分数称为分类模块。 该模块由研究团队开发,(1) 提供有关心理治疗效果的心理教育,(2) 收集 PHQ-9 分数,以及 (3) 向参与者询问六个开放式问题,包括他们的心理健康史、他们的心理经历健康障碍,以及他们目前面临的心理健康困难。 根据参与者对开放式问题的回答,将使用 NLP 算法计算一个名为“症状分数”的变量。 如果 PHQ-9 分数 < 19 且症状分数 > 0.75,参与者将被分配到仅 e-CBT 治疗组。 但是,如果 PHQ-9 分数 > 19 或症状分数 < 0.75,参与者将被分配到每周电话/视频通话的 e-CBT 治疗。 如果这两种情况都发生并且 PHQ-9 > 19 且症状评分 < 0.75,则参与者将被分配到药物治疗的 e-CBT 治疗。
为了收集相关数据(即参与者依从性和抑郁严重程度的变化,由 PHQ-9 评估),我们设计了分类模块。 如前所述,参与者在分类模块中对抑郁症挑战的书面描述的 NLP 将用于计算症状评分。 为了验证我们的 AI 的治疗分配逻辑,我们评估了之前参加过纯电子 CBT 治疗的参与者样本 (n = 190) 的完成率和 PHQ-9 分数的变化。 我们的决策算法确定仅电子 CBT 计划适合 190 名参与者中的 62 名 (33%)。 在这 62 名参与者中,54% 的人完整地完成了仅 e-CBT 的计划,只有 20% 的人最终 PHQ-9 得分 > 14。 此外,该算法表明,通过电话进行的电子 CBT 适合 190 名参与者中的 100 名 (53%)。 在 100 名参与者中,41% 完成了整轮纯 e-CBT 治疗,31% 的最终 PHQ-9 评分 > 14。 最后,该算法表明带有视频通话的电子 CBT 适用于 190 名参与者中的 28 名 (14%)。 在这 28 名参与者中,35% 完成了整轮纯 e-CBT 治疗,40% 的最终 PHQ-9 评分 > 14。 因此,AI 的决定逻辑是合理的,因为分配给仅 e-CBT 组的参与者在完成仅 e-CBT 时完成百分比最高,最终 PHQ-9 分数 > 14 的百分比最低。 因此,这些人需要最小的治疗强度,仅电子 CBT 就足够了。 相反,分配给带有视频通话的 e-CBT 的参与者在仅注册 e-CBT 时完成率最低,最终 PHQ-9 分数 > 14 的比例最高。 这些发现证明了 AI 的逻辑,即需要更多的治疗师互动。 同样重要的是要注意,年龄(40 岁以下或以上)、性别(男性或女性)和收入(少于或多于 5 万美元)等人口统计因素对参与者完成的会话数没有任何显着影响(年龄、性别和收入分别为 p = 0.92、0.18 和 0.9)。 人口统计学因素也不影响 PHQ-9 评分的变化(即治疗开始和结束评分之间的差异)(年龄、性别和收入分别为 p = 0.2、0.46 和 0.39)。
电子 CBT 计划
本研究中使用的电子 CBT 课程包括基于认知重构和行为激活技术的内容 45。 这些课程的目的是帮助参与者意识到不准确或消极的思维模式,以便他们能够更清楚地看待具有挑战性的情况并有效地做出反应。 这些课程促使参与者了解他们的处境/环境以及由此产生的想法、行为、身体反应和感受。 该计划的目标是帮助参与者将消极和/或无效的想法转变为更有效的思维方式。 正如 CBT 中所表达的那样,改变想法会随后影响对压力情况的感受、行为和身体反应。 13 个电子 CBT 会议概述如下:
治疗师 每位参与者都将被分配一名护理人员,在他们的下一次会议开始之前为他们的每周会议提供反馈。 指定的护理提供者将独立于进行摄入量评估的多专业医疗团队。 所有护理提供者都接受过心理治疗方面的培训,并且具有提供电子心理治疗的经验。 他们将被告知每次治疗的目的和内容。 他们还将继续通过网络研讨会、讲习班和练习接受专门培训,并由研究团队的首席精神病学家、经过培训并获得许可的心理治疗师 22,46 提供反馈。 所有护理提供者都将受到训练有素的心理治疗师和首席精神科医生的监督,所有反馈将在提交给参与者之前进行审查。
e-CBT 每周反馈 每周作业由分配给参与者的独立护理提供者审查,他们将在下一次每周会议之前提供关于 OPTT 的基于文本的个性化反馈。 此外,参与者和护理提供者可以在 OPTT 上异步通信以传达任何问题或疑虑。 将为护理提供者提供电话和视频通话会话的示例反馈模板和脚本。 模板和脚本将改编自研究团队之前进行的研究。 反馈模板和脚本在会话之间会有所不同,护理提供者将为每位患者进行个性化设置。 反馈模板遵循一个通用的结构,首先承认参与者自上次课程以来所付出的时间和努力,总结上次课程中教授的 CBT 概念,回顾他们在家庭作业中解释的事件,验证参与者的经验,并鼓励参与者跟上会议。 反馈以信件格式编写,以增加个性化并与参与者建立融洽关系。
研究类型
注册 (估计的)
阶段
- 不适用
联系人和位置
学习联系方式
- 姓名:Nazanin Alavi, MD FRCPC
- 电话号码:613-544-3310
- 邮箱:nazanin.alavitabari@kingstonhsc.ca
学习地点
-
-
Ontario
-
Kingston、Ontario、加拿大、K7L 5G3
- 招聘中
- Hotel Dieu Hospital
-
接触:
- Nazanin Alavi
- 电话号码:6479672079
- 邮箱:nazanin.alavitabari@kingstonhsc.ca
-
接触:
- Nazanin Alavi, MD FRCPC
-
-
参与标准
资格标准
适合学习的年龄
接受健康志愿者
描述
纳入标准:
- 由训练有素的研究助理根据 DSM-5 中概述的标准诊断为 MDD
- 提供知情同意的能力
- 说和读英语的能力
- 具有一致且可靠的互联网访问权限
排除标准:
- 活动性精神病
- 急性躁狂症
- 重度酒精或物质使用障碍
- 积极的自杀或杀人意念
- 目前正在接受心理治疗
学习计划
研究是如何设计的?
设计细节
- 主要用途:治疗
- 分配:随机化
- 介入模型:并行分配
- 屏蔽:双倍的
武器和干预
参与者组/臂 |
干预/治疗 |
|---|---|
|
有源比较器:医疗团队分配
多专业医疗团队将根据以下标准分配治疗强度:
|
参与者将提交他们的每周作业,并从他们指定的治疗师那里收到关于 OPTT 的个性化反馈。
反馈通过承认参与者在过去一周的经历来增加定制,并确保参与者理解 CBT 概念。
除了电子 CBT 计划(见上文 1)之外,参与者每周还会收到来自其指定治疗师的电话/视频通话。
目标是建立治疗关系,并通过直接的口头鼓励增加个性化。
这种电话/视频通话仅限于每个干预周进行一次 15-20 分钟的通话。 44
目的是与患者核实他们的治疗进展。
安全呼叫将是电话或视频(通过 Microsoft Teams)呼叫,具体取决于患者的偏好。
除了 e-CBT 计划(见上文 1)之外,参与者还将按照 DSM-5 指南接受标准药物治疗。
已经开发了遵循临床指南的药物治疗分配系统(图 1;图 2)。
所有药物都将由研究团队的精神科医生开处方。
所有药物都是临床护理标准的一部分。
药物将通过接受药物(即药房)的正常过程提供给参与者。
分配到 e-CBT + 电话 + 药物治疗组的参与者将在开始 e-CBT 计划的同时开始药物治疗优化过程。
e-CBT + 药物治疗组的药物监督将由团队中的精神科医生进行,他将判断是否改变药物治疗。
这将不需要该组的参与者进行任何额外的研究访问/时间承诺。
|
|
实验性的:人工智能配置
拟议的 AI 算法分配治疗强度将基于参与者提供的文本数据的机器学习和自然语言处理 (NLP),以及通过称为分类模块的治疗前筛选模块收集的 PHQ-9 分数。
该模块由研究团队开发,(1) 提供有关心理治疗效果的心理教育,(2) 收集 PHQ-9 分数,以及 (3) 向参与者询问六个开放式问题,包括他们的心理健康史、他们的心理经历健康障碍,以及他们目前面临的心理健康困难。
根据参与者对开放式问题的回答,将使用 NLP 算法计算一个名为“症状分数”的变量。
|
参与者将提交他们的每周作业,并从他们指定的治疗师那里收到关于 OPTT 的个性化反馈。
反馈通过承认参与者在过去一周的经历来增加定制,并确保参与者理解 CBT 概念。
除了电子 CBT 计划(见上文 1)之外,参与者每周还会收到来自其指定治疗师的电话/视频通话。
目标是建立治疗关系,并通过直接的口头鼓励增加个性化。
这种电话/视频通话仅限于每个干预周进行一次 15-20 分钟的通话。 44
目的是与患者核实他们的治疗进展。
安全呼叫将是电话或视频(通过 Microsoft Teams)呼叫,具体取决于患者的偏好。
除了 e-CBT 计划(见上文 1)之外,参与者还将按照 DSM-5 指南接受标准药物治疗。
已经开发了遵循临床指南的药物治疗分配系统(图 1;图 2)。
所有药物都将由研究团队的精神科医生开处方。
所有药物都是临床护理标准的一部分。
药物将通过接受药物(即药房)的正常过程提供给参与者。
分配到 e-CBT + 电话 + 药物治疗组的参与者将在开始 e-CBT 计划的同时开始药物治疗优化过程。
e-CBT + 药物治疗组的药物监督将由团队中的精神科医生进行,他将判断是否改变药物治疗。
这将不需要该组的参与者进行任何额外的研究访问/时间承诺。
|
研究衡量的是什么?
主要结果指标
结果测量 |
措施说明 |
大体时间 |
|---|---|---|
|
患者健康问卷 (PHQ-9) 评分的变化
大体时间:第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
每个问题 0-3 分,0 = 一点也不,3 = 几乎每天,更高的分数 = 更差
|
第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
|
抑郁症状快速量表 (QIDS) 评分的变化
大体时间:第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
每个问题 0-3 分,0 = 更好,3 = 更差
|
第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
|
生活质量评估 (AQoL-8D) 分数的变化
大体时间:第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
每个问题 0-5 分,0 = 更好,5 = 更差
|
第 0、4、7、10、13 周以及第 3、6 和 12 个月的随访。
|
合作者和调查者
调查人员
- 首席研究员:Nazanin Alavi, MD FRCPC、nazanin.alavitabari@kingstonhsc.ca
研究记录日期
研究主要日期
学习开始 (实际的)
初级完成 (估计的)
研究完成 (估计的)
研究注册日期
首次提交
首先提交符合 QC 标准的
首次发布 (实际的)
研究记录更新
最后更新发布 (实际的)
上次提交的符合 QC 标准的更新
最后验证
更多信息
此信息直接从 clinicaltrials.gov 网站检索,没有任何更改。如果您有任何更改、删除或更新研究详细信息的请求,请联系 register@clinicaltrials.gov. clinicaltrials.gov 上实施更改,我们的网站上也会自动更新.