¿Qué hace que las aplicaciones para la depresión sean seguras, efectivas y confiables?

¿Qué hace que las aplicaciones para la depresión sean seguras, efectivas y confiables?

El estudio proporciona un camino más claro para identificar aplicaciones para la depresión que sean seguras, efectivas y recomendadas.

Estudio: Validación y selección de criterios para evaluar aplicaciones para el tratamiento de la depresión: un estudio Delphi. Crédito de la foto: myboys.me/Shutterstock.com

En un estudio reciente publicado enBMJ abierto, los investigadores presentaron un nuevo marco basado en consenso que sienta las bases para una futura herramienta de evaluación para ayudar a expertos y consumidores a evaluar la gran cantidad de aplicaciones móviles de salud (mHealth) dirigidas a la depresión y el apoyo a la salud mental.

El marco utilizó una metodología Delphi modificada que involucró a profesionales de la salud, expertos en tecnología y pacientes para proponer y revisar 51 métricas de evaluación potenciales, que luego se sintetizaron en 28 criterios esenciales destinados a ser utilizados en una herramienta estructurada de evaluación de aplicaciones.

Los resultados del estudio mostraron que la privacidad y la eficacia clínica son una gran prioridad entre los participantes sobre otras características de la aplicación comúnmente destacadas, como la participación y el seguimiento automático. En particular, estos hallazgos formarán la base de "EvalDepApps", una futura herramienta diseñada para ayudar a los usuarios y médicos a identificar intervenciones digitales seguras y basadas en evidencia.

Por qué sigue siendo difícil elegir una aplicación confiable para la depresión

Un trastorno depresivo, o comúnmente llamado simplemente depresión, es un espectro de enfermedades mentales que se caracterizan por sentimientos persistentes de tristeza y que a menudo conducen a cambios observables en el comportamiento y el funcionamiento diario (rutinario). La enfermedad está aumentando a un ritmo alarmante en todo el mundo a un ritmo sin precedentes y, según se informa, afecta aproximadamente al 5% de la población adulta en todo el mundo.

Si bien la Organización Mundial de la Salud (OMS) enfatiza el potencial de las tecnologías digitales emergentes para cerrar las brechas en la atención, la realidad de la tienda de aplicaciones a menudo no está clara. Un análisis reciente encontró que de 30 aplicaciones para la depresión que fueron sometidas a un amplio escrutinio, sólo el 26,7% estaban respaldadas por evidencia científica.

Además, las aplicaciones de salud móvil (mHealth) dirigidas a la depresión y el apoyo a la salud mental rara vez están sujetas a estandarización o presión regulatoria. Actualmente, los usuarios se ven obligados a confiar en revisiones subjetivas o no verificables que brindan poca información sobre la validez médica de una aplicación, su manejo de datos personales confidenciales o su cumplimiento de las mejores prácticas clínicas.

Un enfoque centrado en la depresión para evaluar la salud móvil permitiría tanto a los profesionales como a los pacientes tomar decisiones informadas al elegir su próxima herramienta digital contra la depresión.

Uso de métodos Delphi para definir estándares de aplicaciones específicas para la depresión

El objetivo del presente estudio fue abordar esta necesidad urgente proponiendo un conjunto de criterios específicos basados ​​en el consenso adaptados exclusivamente a las aplicaciones de tratamiento de la depresión. El estudio utilizó una metodología de estudio Delphi modificada, una técnica de comunicación estructurada diseñada para llegar a un consenso entre un panel de expertos y ayudar a consolidar las opiniones, percepciones y prioridades de las partes interesadas incluidas en dos rondas iterativas de evaluación.

Las partes interesadas a las que se hace referencia como participantes del estudio incluyeron profesionales de la salud (psiquiatras, psicólogos, enfermeras), expertos en tecnología sanitaria e individuos diagnosticados con depresión. Estos participantes (n = 43) fueron seleccionados cuidadosamente para garantizar una visión holística del tema desde la perspectiva tanto clínica como de experiencia vivida.

La metodología del estudio comenzó con una revisión de la literatura realizada por el autor para identificar posibles criterios para estandarizar las aplicaciones de mHealth y evaluar su desempeño. De los 60 criterios potenciales identificados, una revisión interna preseleccionó 51 criterios para la evaluación de los participantes, y nueve criterios resultaron redundantes.

El proceso de evaluación de participantes o panel se realizó en dos rondas de votación:

1. Runde 1: Die Teilnehmer bewerteten die Relevanz jedes Kriteriums auf einer 6-stufigen Likert-Skala (0 bis 6).
2. Runde 2: Kriterien, die in der ersten Runde keinen entscheidenden Konsens erzielten, wurden zusammen mit früheren Abstimmungsergebnissen und zusammenfassendem Feedback zur Neubewertung an das Gremium zurückgesendet.

En las recomendaciones del estudio sólo se incluyeron aquellos criterios que cumplieron con los umbrales internos con un alto nivel de consenso. Específicamente, un criterio solo se consideró de alto consenso si el 80% o más de los encuestados lo calificaron con 5 o 6, lo que corresponde a “muy importante”.

Lo que las partes interesadas realmente quieren de las aplicaciones para la depresión

Las dos rondas de revisión del panel dieron como resultado la identificación de 28 criterios (frente a 51) que satisfacían las preferencias y necesidades tanto de los expertos como de los pacientes. La participación del panel fue particularmente fuerte: el 59% de los expertos invitados respondieron en la Ronda 1 y el 53,4% en la Ronda 2.

Los resultados del estudio mostraron que los participantes priorizaron abrumadoramente las siguientes áreas:

1. Sicherheit und Datenschutz (25 % der berücksichtigten Kriterien): Alle vorgeschlagenen Kriterien zu Sicherheit und Datenschutz erzielten bereits in der ersten Runde maximalen Konsens. So erreichte beispielsweise ein Kriterium bezüglich der Weitergabe von Daten an Dritte eine 100-prozentige Übereinstimmung.
2. Klinische Wirksamkeit (25 %): Die Anforderung, dass die Empfehlungen einer App evidenzbasiert sein müssen, erreichte eine Zustimmung von 95,7 %, was ein starkes Interesse an einem nachweisbaren therapeutischen Wert widerspiegelt

Inesperadamente, y en contraste con los hallazgos de estudios de evaluación de mHealth más amplios, los criterios relacionados con indicadores de salud, como: Otros criterios, como el seguimiento del sueño, la dieta o los hábitos sedentarios, se consideraron en gran medida menos importantes y constituyeron el 7,1% de la lista final de criterios. Los autores señalan que esta falta de prioridad no significa que estos rasgos carezcan de valor, sino que refleja evidencia limitada que los vincula con mejores resultados en la depresión cuando se usan de forma aislada.

Finalmente, la usabilidad y la funcionalidad siguieron siendo importantes, representando el 17,9% de la lista final. Los participantes enfatizaron que las aplicaciones deben ser interpretables, receptivas y comunicar claramente sus objetivos para respaldar un uso sostenible y significativo.

Qué significan estos criterios para futuras aplicaciones de salud mental

El presente estudio destaca que las aplicaciones de mHealth, en particular aquellas destinadas a aliviar la depresión, deben priorizar la seguridad y la validez científica sobre funciones menos clínicas, como el seguimiento del sueño o la dieta. Introduce 28 criterios validados para evaluar y revisar aplicaciones de mHealth, brindando a las partes interesadas un camino informado para futuras evaluaciones de herramientas digitales para el tratamiento de la depresión, en lugar de recomendar inmediatamente aplicaciones específicas.

Estos criterios serán cruciales para optimizar la herramienta de evaluación EvalDepApps, cuyo objetivo es permitir a los profesionales y usuarios de la salud identificar aplicaciones de alta calidad, garantizando que el apoyo digital a la salud mental no solo sea accesible, sino también seguro y científicamente sólido. Sin embargo, los autores señalan que se requerirá una mayor validación, adaptación contextual y pruebas en el mundo real antes de una implementación generalizada, particularmente en diversos sistemas de salud y entornos culturales.

¡Descarga tu copia en PDF ahora!

Fuentes: