没有合适的资源?快使用搜索试试~ 我知道了~
互联网干预抑郁症患者常规护理与依从性和症状变化相关的探索性日志数据分析
互联网干预26(2021)100476指导专业和常规护理设置如何与抑郁症iCBT的依从性和症状变化相关- 探索性的日志数据分析Caroline Oehlera,b,*,Katharina Scholzea,Pia Driessen c,Christine Rummel-Kluge b,FraukeG?rgesb,UlrichHegerld,ea抑郁症研究中心,德国抑郁症基金会,Goerdelerring 9,04109 Leipzig,Germanyb莱比锡大学精神病学和心理治疗系,Semmelweisstraße10,04103 Leipzig,GermanycEuropean Alliance Against Depression,Goerdelerring 9,04109 Leipzig,Germanyd德国抑郁症基金会抑郁症研究中心,Heinrich-Hoffmann-Str. 10,60528 Frankfurt,Germanye精神病学、心身医学和心理治疗诊所,Heinrich-Hoffmann-Str. 10,60528 Frankfurt,GermanyA R T I C L EI N FO保留字:ICBT基于互联网的治疗指导导游职业抑郁A B S T R A C T背景:虽然引导性数字干预的抗抑郁疗效已在随机对照试验中得到证实,但常规护理的结果尚不清楚。低坚持率是常见的,限制了潜在的有效性。坚持已被链接到社会人口变量和指导量,但指导的职业和他们的工作环境的作用尚未被研究为常规护理。方法:以探索性的方式分析从抑郁症患者数字干预(iFightDepression工具)中收集的日志数据该样本是来自常规护理的便利样本,由全科医生(GP),认证的心理治疗师(PT)或心理健康专业医生提供对2184例患者的日志数据进行了分析,并提取了5个使用参数来衡量依从性(首次至最后一次登录、工具使用时间、会话次数、完成的研讨会和最小剂量)。采用多元Logistic回归分析导游职业、临床背景及其他协变量与依从性及抑郁症状变化的关系。结果:分析显示导游职业与依从性有显著相关。PT指导与最高依从性评分相关(参考类别)。得分高于在GP指导下,患者的每个使用参数的中位数分别为0.50<.002-0.197)。较高的年龄、初始PHQ-9评分和自我报告的抑郁症诊断也与较高的依从性评分显著相关。在一个提供足够的PHQ-9数据的子样本中(n= 347),没有发现导游职业与症状减轻相关,相反,在基线PHQ-9较高的患者中观察到更大的减少(β=-0. 对于达到最小剂量的受试者(β = -2. 42,t(340. 34)= -4. 174,P.001)和达到最小剂量且工具时间得分较高的受试者(β=0. 22,t(341. 75)=1. 965,P=. 050)。<<结论:PT指导与最高依从性相关GP指导的患者依从性最低虽然在子样本中没有发现导游职业和症状减轻的相关性,但更大的依从性与症状减轻相关1. 介绍数字干预在轻度和中度抑郁症患者中的抗抑郁作用已在大量随机对照研究中显示(Karyotaki等人,2021; Wright等人, 2019年)。荟萃分析主要基于对等待进行检验的研究列表控制或治疗通常报告数字干预的中等到大的影响(Karyotaki等人,2021年)。对将引导的数字干预与面对面(组)治疗进行比较的试验的第一次审查发现,在症状减轻方面没有差异(Andersson等人,这得到了一项大型网络荟萃分析的进一步支持,该分析包括来自15,191名参与者的数据,* 通讯作者:抑郁症研究中心,德国抑郁症基金会,Goerdelerring 9,04109莱比锡,德国。电子邮件地址:caroline.oehler@deutsche-depressionshilfe.dem(C. Oehler),katharina. deutsche-depressionshilfe.de(K.Scholze),Christine.Rummel-Kluge@medizin.uni-leipzig.de(C. Rummel-Kluge),Frauke. medizin.uni-leipzig.de(F. Gürges),ulrich. deutsche-depressionshilfe.de(美国)Hegerl)。https://doi.org/10.1016/j.invent.2021.100476接收日期:2021年9月13日;接收日期:2021年10月28日;接受日期:2021年10月30日2021年11月2日网上发售2214-7829/© 2021由Elsevier B. V.发布这是一篇基于CC BY-NC-ND许可证的开放获取文章(http://creativecommons.org/licenses/by-nc-nd/4.0/)。可在ScienceDirect上获得目录列表互联网干预期刊主页:www.elsevier.com/locate/inventC. Oehler等人互联网干预26(2021)1004762CBT的不同传递形式之间的差异,例如引导数字、电话或亲自治疗(Cuijpers等人, 2019年)。然而,试图将这些影响转化为常规护理的研究产生了差异很大的混合结果。虽然Kivi等人(2014)和Gil-body等人(2015)报告称,常规治疗(TAU)加最低限度引导的iCBT与单独TAU相比没有额外的获益,但Williams和Andrews(2013)在一项质量保证研究中报告称,临床医生处方的10周iCBT干预具有显著的中等至较大的前后效应量,该研究使用了从常规护理患者中常规收集的数据。对抑郁症和焦虑症常规护理条件下iCBT试验的荟萃分析报告了抑郁症的临床相关合并效应量为1.78,但再次具有高度异质性(Etzelmueller et al.,2020年)。这就提出了关于不同研究和常规护理环境之间有效性差异的原因的问题。成功(或不成功)使用数字常规护理中的干预似乎是坚持干预。这在Gilbody等人(2015)的研究中尤其明显,其中不到20%的参与者完成了干预,约20%的参与者根本没有开始治疗,与对照组相比,干预组的参与者没有额外的益处。由于依从性是疗效的预测因子(Donkin等人,2011; Hilvert-Bruce等人,2012),了解如何最好地鼓励患者充分使用数字干预对于在常规护理中有效实施至关重要。另一方面,遵守与用户收到的指导数量有关。虽然最佳指导量尚未确定,但初步估计的范围很广。一项系统性综述未发现指南的专业与结果之间的关联(Baumeister et al.,2014年)的报告。然而,这些结果源于研究环境,并且在常规护理中异质性可能要大得多,其中不同的专业人员在不同的环境中工作,并处理分配给每位患者的不同时间资源。根据数据收集的设置(研究与常规护理)以及指导的职业(例如,认证的心理治疗师与全科医生),指导的数量和内容可能会有所不同,因此可能会影响依从性和其他与有效性相关的因素。此外,指导也可能通过其他机制而不是坚持,如通过程序工作时增加希望诱导,激活或承诺,产生 抗 抑 郁 作 用 。 支 持 基 线 严 重 程 度 较 高 的 患 者 似 乎 也 特 别 重要(Karyotaki等人,2021年)。了解这些差异及其对数字干预使用的影响可能有助于优化指导,从而提高依从性并最终提高抗抑郁疗效。除了指导之外,其他因素也与遵守过去先前的研究表明,年龄、症状严重程度和性别等因素可以预测更好地坚持数字干预,但这些影响的存在和方向在研究之间存在很大差异(Batterham等人,2008; Beatty and Binnion,2016).例如,在对36项研究的系统性综述中,Beatty和Binnion(2016)报告了关于年龄与依从性之间关系以及基线症状严重程度与依从性之间关系的相互矛盾的结果。关于性别的结果似乎同样不均衡。虽然在一些研究中,女性似乎是更高依从性的预测因素,但综述中包含的其他研究并未发现这一点。在这些Meta分析之后发表的一项针对509名参与者的大型试验报告了年龄较大以及较高的基线牙周病学与较高的依从性评分之间的联系(Fuhr等人,2018),并进一步分析潜在相关的依从性预测因素可以加强证据基础。iFightDepression工具(iFD),一个免费的基于网络的干预指导,自2016年10月以来,全科医生(GP),认证的心理治疗师(PT)和精神健康专业医生(例如精神病医生,MH)已在德国的常规护理中使用。本文旨在报告一个探索性分析的因素,在德国医疗保健系统的不同常规护理环境中的依从性。采取了以下研究方法1) 在考虑其他协变量(如年龄、性别、基线症状严重程度和自我报告的诊断抑郁症)的情况下,探讨了指导者的职业(GP vs. PT vs.MH)与患者在常规护理中使用iFD的依从性之间的关系。2) 用PHQ-9测量的抗抑郁作用与依从性、指南设置和社会人口学变量的关联在子样本中进行了测试。2. 方法2.1. 数据提取目前的分析使用了常规收集的数据,这些数据来自抑郁症患者基于网络的干预用户。该样本是来自德国常规护理的便利样本,不属于试验的一部分。为了进行分析,使用了德国版iFD工具的所有账户的匿名数据(不包括已知的测试账户和(不)符合入选和排除标准的账户)。数据于2020年7月10日从系统中提取2015年3月18日,莱比锡大学医学院伦理委员会审查并批准了iFD伴随评价方案2.2. 入选/排除标准本次分析只包括符合下列要求的账户的数据。患者必须年满18岁,并由在德国医疗保健系统注册的专业人员指导。仅纳入GP、PT或MH邀请的患者。所有纳入的患者在注册期间均知情同意参与该工具的持续评价。在数据提取前超过6周创建的所有患者账户2.3. 干预iFD工具是一种基于网络的指导性干预,结合了来自认知行为疗法(CBT)的技术,其在其他地方有更详细的描述(Oehler等人,2019年)。它包括六个核心研讨会,包括心理教育和互动工作表,以支持患者将他们学到的技术融入他们的日常生活。每个研讨会都侧重于一个特定的主题(例如活动记录,睡眠和抑郁,行为激活,解决问题和认知重建)。由于iFD是一种引导性干预,因此患者只能通过iFD引导器进入。在德国从事常规护理的GP、PT或MH可以通过参加在线培训成为iFD指南,然后可以邀请患者免费使用该工具。访问不受限制,因此每位获得访问权限的患者可以随时重新阅读所有材料,并且可以根据需要随时填写表格,即使GP,PT或MH的初始治疗已经暂停或已经完成。2.4. 指导目前的分析集中在指导专业和临床背景的影响,使用和有效性的iFD在常规护理。重要的是要强调,这里所看到的导游职业不仅包括导游的不同教育背景,还包括这些职业通常工作的环境。所有描述的设置都是德国常规护理的一部分,由健康保险公司承保,不包括患者的额外费用患者可以C. Oehler等人互联网干预26(2021)1004763+=选择他们寻求治疗的地点(考虑到当地的能力)。根据自我报告的数据,将导游分为不同的专业组。在注册为iFightDepression Guide期间,查询职业组的成员资格。在下文中,我们试图描述每个专业的典型设置和工作模式。2.4.1. 医生:全科医生(GP)全科医生通常是医疗问题的第一接触点,因此,在医疗保健系统中起指导作用。等候时间适中,在出现急性症状的情况下,无需预约即可就诊。他们了解病人的个人情况,并得到他们的信任。因此,全科医生有时可以很好地接触到有心理问题或冲突的患者,并经常提供基本的心理护理。由于全科医生每天都要看大量的病人,他们的时间表通常只允许短期访问来检查病人。他们可以开药和签发丧失工作能力证明。2.4.2. 注册心理治疗师(PT)PT必须持有心理学硕士学位或文凭,并接受至少三年的心理治疗教育培训。它包括约600小时的理论教育和2400小时的实践培训。该专业小组的工作包括确定、治愈或减轻需要心理治疗的疾病。心理治疗可以基于不同的方法,如行为治疗或精神分析。心理治疗的开始可能会因等待时间长达数月而推迟。它通常每周或每两周进行一次,每次50分钟。PT无权开药或出具丧失工作能力的证明。医生:专门从事心理健康,例如心理治疗他们的专业领域可以包括心理治疗方法和建议。卫生部可开具药物处方并签发无能力工作证明。精神分裂症的治疗通常间隔较长,通常比心理治疗短2.5.2. 工具使用时间作为用户使用iFD工具所花费时间的估计值,计算了在该工具上花费的分钟数总和iFD工具上的患者因此,如果两个记录活动之间的时间跨度大于30分钟,则不包括在工具参数上的时间2.5.3. 会话数该参数计算患者使用iFD工具在线参与的会话数量。每次两个活动间隔超过30分钟时,计算一个新的会话。2.5.4. 完成的讲习班完成一次讲习班的定义是,每次讲习班至少获得70%的材料。此参数给出已完成的研讨会的总和(可能:0到9个,6X核心研讨会3个额外研讨会)。2.5.5. 最小剂量在开始iFD工具后6周内完成至少两次核心研讨会的用户被视为接受了可能有效的最小剂量(二分变量)。这一定义的选择是基于这样的发现,即即使使用CBT的单一成分也可以导致抑郁症状的减少(Bell和D'Escherilla,2009; Cuijpers等人,2007年,2018年)。2.6. 统计分析使用卡方检验(分类变量)、方差分析(ANOVA)(正态分布数值数据)和Kruskal-Wallis秩和检验(非正态分布数据)检验社会人口统计学变量的基线差异的统计学显著性(WilcoX on检验扩展至两组以上,非参数,因为用户数据非正态分布,McKight和Najab,2010)。使用FDR校正(错误发现率,Jafari和Ansari-Pour,2019)对多重检验的所有比较p值进行校正。评估第一个问题并比较sessions. 初次就诊可能与等待时间相关,不同引导设定, 成对 WilcoX on 测试 与 本杰明个月虽然大多数的心理医生会开药,但也有一些人只是心理治疗师。心理治疗技术培训包括大约120小时的理论培训和220小时的实践培训。在这项研究中,这一类别主要由精神科医生组成。2.5. 措施由于数据来自iFD常规护理使用者的便利样本,因此仅收集了少量测量值。在登记过程中,患者完成了一份问卷,提供了一些社会人口统计学信息(年龄,性别,当前和过去的治疗,自我报告的由医疗保健专业人员诊断的抑郁症)。在干预开始时以及每七天,用户被提示填写PHQ-9(Lowe等人, 2004; Martin等人,2006年),一个简短的措施,以评估抑郁症的症状。在提示之间,患者可以随时填写PHQ-9。为了研究依从性,使用了iFD平台的匿名日志数据。这些包括患者在iFD工具内进行的所有活动的时间戳日志。依从性是通过使用的几个参数来操作的,这些参数是从每例患者的日志数据:2.5.1. 第一个到最后一个登录该参数给出了每位患者首次登录iFD工具与最后一次登录iFD工具之间的时间间隔(天)以使用参数为因变量,计算Hochberg校正值,进行组间比较为了测试在将社会人口统计学变量作为协变量考虑后,指南设置之间的潜在差异是否仍然显著,计算了具有对数链接函数的广义线性模型。做出这一决定是因为作为因变量输入的使用参数极度右偏,并且参数模型要么没有产生可接受的拟合,要么需要进行数据转换。为了避免后者,从而获得可以解释并得出有意义结论的模型参数,对相关变量进行中位数分割,将其分为相等的组。将以下协变量输入模型,然后在逐步过程中排除:指引设置(GP、PT或MH),性别(女性vs.男性),年龄(岁),目前正在服用抗抑郁药(是与否),过去接受过心理治疗(是与否),过去服用抗抑郁药(是与否)、诊断的抑郁症(是与否)、基线PHQ以及诊断的抑郁症与基线PHQ的相互作用。目前的心理治疗(是vs.否)被排除作为预测因素,因为与变量“指南设置”的共线性协变量如果其模型参数不具有统计学显著性,并且其排除不会降低模型拟合(AIC Aikaike信息标准),则将其排除。为指南ID添加嵌套随机截距,以解释由同一医疗保健从业者指导的多名患者引起的共享方差。指南设置的参考类别设置为PT。为了报告最终模型,将模型估计值转换为比值比(OR),以便更好地解释。C. Oehler等人互联网干预26(2021)1004764- ---2.6.1. PHQ分析为了获得对现实世界有效性的估计表1按导游职业分列的基线特征。另一项研究的经验表明,干预的效果在六周或更长时间后最大(Oehler例如,2020年)。如果患者在登记后6 - 9周完成了一个以上的PHQ-9,则使用平均值。由于该差异评分符合正态分布标准,因此将其用作线性混合效应模型的因变量,其中指南设置作为预测因子,随机截距作为指南ID。为了进一步探索可能的联系,将上述所有使用参数和社会人口统计学变量作为预测因子。出于探索性目的,增加了指南设置和最小剂量指示变量的相互作用项。如上所述选择最终模型的变量。这项分析旨在测试抑郁症状的变化是否取决于导游的职业,iFD的使用或两者的相互作用所有统计分析均在α=0.05时进行,并使用接受AD(%是)过去的PsyT(%是)(39.1%)627(28.7%)(38.4%)203(24.2%)(35.5%)260(31.2%)(45.9%)164(32.0%)(0.001)0.001(0.002)软件R(R核心团队,2013)。对于混合模型计算,使用软件包lme4和lmerTest估计模型系数和相应的p值。使用限制性最大似然(REML)估计和Kenward-Roger估计拟合模型,以计算t统计量的分母自由度,因为据报告,这是确定混合模型中参数统计学显著性的最稳健方法(Luke,2017)。GP:医生-全科医生,PT:有执照的心理治疗师,MH:心理健康专业医生,FDR:错误发现率,SD:标准差,MD:重度抑郁症,AD:抗抑郁药,PsyT:心理治疗,AD:抗抑郁药。表2按向导职业划分的使用参数的配对WilcoX比较3. 结果导游职业从第一个到最后一个登录(天)工具使用时间(在会话数完成的讲习班最小剂量3.1. 样品小时)2875例患者中有2184例符合入选标准,这些患者在2020年6月29日之前获得了iFD工具其中,1 306人(59.8%)报告为女性,平均年龄为38.69岁(SD= 13.57,GP 54.33(SD为(119.77)PT 63.04(SD为1:35(SD=7:38)1:58(SD=3:32)8.01(标准差=40.88)10.34(标准差=18.39)1.25(标准差=(1.53)1.72(SD=1.81)227(27.1%)305(36.6%)范围:18-79)。纳入分析的患者被440名指南邀请,每个MH平均5.08例(中位数=3,SD= 8.48)。作为(119.77)65.28(SD=127.59)1:27(SD=3:17)7.31(标准差=14.63)1.28(SD=1.65)123(24.0%)预期,一些基线变量在导游职业中分布不均匀,因为治疗变量与指导者的职业,同时也是治疗医疗保健专业人员GP与PT Z=4.826,p
下载后可阅读完整内容,剩余1页未读,立即下载
cpongm
- 粉丝: 5
- 资源: 2万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- AA4MM开源软件:多建模与模拟耦合工具介绍
- Swagger实时生成器的探索与应用
- Swagger UI:Trunkit API 文档生成与交互指南
- 粉红色留言表单网页模板,简洁美观的HTML模板下载
- OWIN中间件集成BioID OAuth 2.0客户端指南
- 响应式黑色博客CSS模板及前端源码介绍
- Eclipse下使用AVR Dragon调试Arduino Uno ATmega328P项目
- UrlPerf-开源:简明性能测试器
- ConEmuPack 190623:Windows下的Linux Terminator式分屏工具
- 安卓系统工具:易语言开发的卸载预装软件工具更新
- Node.js 示例库:概念证明、测试与演示
- Wi-Fi红外发射器:NodeMCU版Alexa控制与实时反馈
- 易语言实现高效大文件字符串替换方法
- MATLAB光学仿真分析:波的干涉现象深入研究
- stdError中间件:简化服务器错误处理的工具
- Ruby环境下的Dynamiq客户端使用指南
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功