Objetivo
Desarrollar dos algoritmos de predicción que recomienden la terapia experiencial centrada en la persona (PCET) o la terapia cognitivo-conductual (TCC) para pacientes con depresión:
(1) un modelo de datos completo que utiliza múltiples variables de rutina y basadas en ensayos, y
(2) modelo de datos de rutina. Modelo utilizando sólo variables disponibles en e...
Objetivo
Desarrollar dos algoritmos de predicción que recomienden la terapia experiencial centrada en la persona (PCET) o la terapia cognitivo-conductual (TCC) para pacientes con depresión:
(1) un modelo de datos completo que utiliza múltiples variables de rutina y basadas en ensayos, y
(2) modelo de datos de rutina. Modelo utilizando sólo variables disponibles en el programa inglés NHS Talking Therapies.
Método
Se utilizaron datos del ensayo PRaCTICED que comparó PCET versus CBT para 255 pacientes que cumplían con un diagnóstico de depresión moderada o grave. Se derivaron modelos de datos completos y de rutina separados y estos últimos se probaron en una muestra de datos externa.
Resultados
El modelo de datos completo proporcionó la mejor predicción, produciendo una diferencia significativa en el resultado entre los pacientes que recibieron su tratamiento óptimo versus el no óptimo a los 6 meses ( d de Cohen = 0, 65 [0, 40, 0, 91]) y 12 meses ( d = 0, 00). 85 [0, 59, 1, 10]) después de la aleatorización.
El modelo de datos de rutina funcionó de manera similar en las muestras de entrenamiento y prueba con tamaños de efecto no significativos, d = 0, 19 [-0, 05, 0, 44] y d = 0, 21 [-0, 00, 0, 43], respectivamente. Para los pacientes con el mayor emparejamiento de tratamiento ( d ≥ 0, 3), el tamaño del efecto resultante fue significativo, d = 0, 38 [0, 11, 64].
Conclusión
Se podría utilizar un algoritmo de selección de tratamiento para recomendar PCET o CBT. Aunque los efectos generales fueron pequeños, el emparejamiento dirigido produjo efectos algo mayores.
Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.tandfonline.com/